Solutions

分野別ソリューションSolutions by Domain

eval000 のメタ評価技術を、あなたの分野に。
外生の原理 N × Evaluation Rubric × SEGT 収束で、評価が介在するあらゆる課題を解決します。Bringing eval000 meta-evaluation technology to your domain.
External Principle N × Evaluation Rubric × SEGT convergence eliminates noise, bias & error from any evaluation process.

Contest & Awards

コンテスト・審査・表彰

Award Force × eval000 API 連携PoC 不要・即時導入

ビジネスコンテスト・補助金審査・研究費グラント・従業員表彰・公的機関の政策評価など、複数の評価者が介在するあらゆる審査プロセスに対応します。

現状の課題

審査員によってスコアが大きく変動する某ビジネスプラン：実務派 68.2 → 革新派 89.0（差 20.8点）Kahneman（2021）：同一評価者でも午前・午後で評価が平均 19% 変動することが実証されている

権威ある審査員の意見に合議が引き寄せられる

「なぜ落選したか」が応募者に伝わらない

大量書類の一次審査に膨大な工数がかかる

生成AIを単純に適用してもAI自体にバイアス・ノイズが内在するため公正・一貫した評価を保証できない

→

eval000 の解決アプローチ

SEGT 収束計算で Evaluation Standard v* を生成バラつきを除去した再現可能な標準評価値

人数比・権威に依存しない 固定点収束

v* の収束過程を根拠に 全員 FB レポート自動生成

AI ペルソナ審査員で 工数最大 90% 削減

外生の原理 N × Evaluation Rubric による 評価理論そのものの再設計生成AI単純適用との本質的な違い

🔗

Award Force × eval000 — API 連携による審査 DX

Award Force（応募受付・審査員管理・評価管理）× eval000 ペルソナ審査員×SEGT 収束エンジン（V* 生成・FB レポート配信）。Award Force の基盤を活用するため、主催者は既存の審査管理フローをそのまま継続できます。

eval000 は審査の一部を支援するツールではなく、評価業務の全工程を再設計するメタ評価エンジンです。以下の 4 つのプロセスに適用することで、評価のノイズ・バイアス・誤差を数学的に除去します。

PROCESS 01

現状・実態分析

申請書・応募書類を構造化分析し、外生の原理 N に照らした評価課題マップを即時生成。評価者ごとの着眼点のバラつきを排除し、どの審査員が担当しても同一の分析基準を適用します。

分析時間 ▲70%

PROCESS 02

審査・採点計画の策定

外生の原理 N × Evaluation Rubric の専用設計。AIペルソナ審査員の構成・配点・判定基準を明示することで、審査担当者が変わっても評価方針が一貫して維持されます。

標準化率 100%

PROCESS 03

評価・採点の実施

複数の AI ペルソナ審査員が Evaluation Rubric に従い独立採点。SEGT 収束計算でペルソナ間のバラつきを除去し、N に拘束された Evaluation Standard v* を生成します。

処理速度 12倍↑

PROCESS 04

フィードバック・結果配信

v* の収束過程に評価根拠が自動記録されるため、受賞・採択・落選を問わず全員に根拠付き FB レポートを自動配信。審査の説明責任と応募者の納得感を同時に実現します。

FB配信 100%自動化

※ 提案書（詳細版）はお問い合わせよりご請求いただけます。公的機関・補助金審査機関・産業支援機関向けのカスタマイズ版もご用意しています。

📋 機関類型別の適用例

機関類型	主な適用場面	特に効果が見込まれる領域
補助金・助成金審査	採択審査・効果検証	一次審査の標準化、採択後KPI評価の自動化
コンテスト・アワード	ビジネスコンテスト（SV支援等）・大学・企業主催	選考工数削減、FBレポート自動配信
政策評価・EBPM	政策効果検証・EBPM推進業務	評価指標の標準化、評価根拠の透明化
知財・産業支援	特許・事業化支援評価	市場性評価精度向上、支援FB自動化
大学・研究評価	研究費配分・研究プロジェクト評価・査読	査読負荷の軽減、評価基準の統一
自治体DX評価	DX進捗評価・行政サービス満足度評価	評価指標の定量化、自治体間比較の統一

最大90%

一次審査工数削減

最大12倍

審査処理能力（当社試算）

100%

全員FBレポート配信

≥0.87

Kappa 係数（目標値）

HR & Recruitment

人事評価・採用選考

Award Force × eval000 API 連携PoC 3ヶ月

360 度評価・昇格審査・採用一次選考を対象とします。多くの生成 AI 人事評価サービスとの本質的な差別化は「評価収集の効率化」ではなく「評価基準の明文化と再現可能性」にあります。

DIFFERENTIATION — 生成 AI 人事評価サービスとの本質的な違い

評価の収集・効率化

→

「何を良い評価とするか」の明文化外生の原理 N（Evaluation Criterion）として明示

モデルによる自動採点

→

同一の評価チームならN・Rが同じv*を再現再現可能な Evaluation Measure として利用

評価結果の集計

→

上司・権威への同調を構造的に排除SEGT 収束で人数比・役職に依存しない固定点

現状の課題

「何を良い評価とするか」が暗黙知のまま

評価者によって結果が異なる・再評価できない

上司や権威ある役員の評価に引き寄せられる

落選・低評価の根拠を本人に説明できない

→

eval000 の解決アプローチ

外生の原理 N として 評価基準を明文化・合意

Evaluation Standard v* による再現可能な評価

SEGT 収束で 権威収束を構造的に排除

v* 収束根拠に基づく 評価フィードバック

360度評価への SEGT 適用

評価対象者を上司・同僚・部下・本人の複数視点で評価する際、各視点をペルソナ審査員として設定し、SEGT収束でV*を算出します。人数比・役職への同調という従来の問題を構造的に排除します。

外生の原理 N の設計：「当社のフェーズで優れたマネージャーとは何か」を経営・HR部門が明文化。「学歴・年次・肩書きは評価の対象としない」という排除条件もNに含める。

Evaluation Rubric の設計：チーム自律化支援（30%）・成果創出力（25%）・横断連携力（20%）・問題解決プロセス（15%）・自己成長（10%）など、視点ごとのバラつきを前提として軸を設計。

ペルソナ設定：上司型・同僚型・部下型・本人型の4ペルソナを設定。各ペルソナが同一の Rubric に従い独立採点することで「上司多数決」を構造的に排除。

SEGT 収束：ペルソナ間のバラつきを除去し、Nに拘束されたEvaluation Standard v* を算出。単純平均と異なり人数比・役職に依存しない固定点。

スコア差の例（田中マネージャーの評価）

上司型

3.2

同僚型

3.8

部下型

4.5

v*（SEGT）

3.75

INSIGHT

チーム自律化支援について上司型（3.2）と部下型（4.5）に大きな乖離。上司は成果KPIの観点で低評価だが、部下は自律支援として高評価している——この差異をFBレポートで可視化し、次の面談の議題として活用できます。

N・Rubricの設計難度はコンテスト審査より高く、PoC Month 1の設計フェーズが特に重要です。

中途採用一次選考への SEGT 適用

評価対象が職務経歴書・志望動機書というテキストのため、コンテスト審査と同じ構造でSEGTを適用できます。5分野の中で最も実装しやすい人事評価ユースケースです。

外生の原理 N の設計：JD（職務要件）から採用方針を明文化。「学歴・年齢・社名ブランドは評価の対象としない」という明示がSEGTの重要な使い方——人間が無意識に持つバイアスをNで排除します。

Evaluation Rubric の設計：職務実績の具体性（30%）・採用要件適合度（25%）・自律的課題設定の証跡（20%）・成長軌跡（15%）・志望動機の論理性（10%）。「具体的な数値・固有名詞・時系列」を求める軸設計が形式的最適化を防ぐ。

ペルソナ設定：現場マネージャー型・人事組織適合型・経営戦略型・面接官型の4ペルソナ。採用後に関わる関係者の視点を事前に設計することで「現場と人事の認識ズレ」を構造的に解消します。

SEGT 収束 → 全員 FB：V*が閾値以上で次の面接ステージへ。不採用の場合も「要件適合は充足しましたが、自律的課題設定の記述が弱く書類段階での判断が困難でした」という根拠付きFBを全応募者に送付できます。

コンテスト審査との構造的類似性

コンテスト審査

評価対象：ビジネスプラン（テキスト）
ペルソナ：VC・起業家・専門家
Rubric：革新性・実現可能性等
実証：2026年8月セミナーで確認済み

中途採用一次選考

評価対象：職務経歴書（テキスト）
ペルソナ：現場・人事・経営視点
Rubric：実績具体性・要件適合等
← 同じ構造でSEGT適用が可能

ADVANTAGE

大量の一次書類審査（50〜200件/回）に対して、人事担当者の疲労・審査順番・処理時刻というノイズを構造的に排除。全員FBレポートにより応募者体験を向上させ、将来の再応募・リファラル採用へのポジティブな効果が期待できます。

カルチャーフィット・人柄の評価は書類から読み取れる範囲に限界があります。二次以降の対面面接で人間が判断するLv4の構造で補完します。

PoC Roadmap — Human Resources

人事評価・採用選考 PoC（3ヶ月）

MONTH 1 · 設計

評価基準の設計

外生の原理 N（評価方針）の言語化・合意
Evaluation Rubric（評価軸・配点）の専用設計
ペルソナ審査員の構成設計
評価対象・件数・KPI の合意

成果物：N 定義書 · Rubric 仕様書

MONTH 2 · 検証

並行評価・差異分析

既存評価プロセスとの並行運用
AI-人間一致率・Kappa 係数の計測
v* と既存評価結果の差異分析
N・Rubric の設計調整

計測：一致率 / Kappa / 工数削減率

MONTH 3 · 判断

Go / No-Go 判断

KPI 達成状況の最終評価レポート
本格導入の可否を双方で判断
本格運用フロー・移行計画の策定
未達の場合は本格導入をお断り

Go 基準：工数削減 60%+ · 一致率 80%+ · 満足度 4.0/5+

PoC 費用：応募件数・審査軸の複雑さにより個別見積り。Go 判断後のみ本格費用が発生します。

Comparison & Procurement

比較評価・ベンダー選定・プラットフォーム

実装＆ライセンスPoC 3ヶ月Coming Soon

製品比較・サプライヤー選定・RFP評価など、B2B の意思決定に介在するあらゆる評価のバラつきを数学的に除去します。掲載審査の標準化から、調達担当者への客観スコア提供、プラットフォームへのエンジン組み込みまで対応します。

現状の課題

評価担当者によって選定結果が変わる（担当者ガチャ）Kahneman（2021）：同一担当者でも午前・午後で評価が平均 19% 変動

生成 AI（ChatGPT・Gemini 等）で同一製品を評価すると最大 12点差が発生AI にもバイアスとノイズが内在するため客観性を担保できない

「なぜそのベンダーを選んだか」を根拠付きで説明できない

評価基準が担当者の暗黙知に依存し標準化が困難

大量の掲載審査・比較評価に膨大な工数がかかる

→

eval000 の解決アプローチ

外生の原理 N で 評価方針・調達基準を明文化

外生の原理 N × SEGT 収束で 同一チームでの評価なら同じv*を再現生成AI単純適用との本質的な違い

Evaluation Standard v* による再現可能な選定根拠

Evaluation Rubric で 評価軸・配点を明示・透明化

審査工数 最大 90% 削減 ＋全件 FB レポート自動配信

🏢 対象とする主な市場カテゴリ

製造業系情報サイト

部品・製品の掲載審査標準化
サプライヤー選定の客観スコア化
技術提案書の SEGT 評価

IT製品・SaaS 比較サイト

製品レビュー・比較スコアの標準化
RFP 書類の SEGT 一次スクリーニング
掲載審査の属人化を排除

グローバル B2B プラットフォーム

多言語・多文化間の評価基準統一
国際調達の客観的比較根拠
OECD 準拠の評価フレーム適用

掲載企業（出展者）向け活用場面

掲載ページの評価スコアが低い・改善点が分からない・自社の判断プロセスにもバラつきがある——掲載企業自身が抱える課題を SEGT が解決します。

USECASE 01

掲載コンテンツ品質スコアリング

掲載ページを 5 軸評価（技術革新性・市場性・実現可能性・社会インパクト・信頼性）でスコア化。改善 FB を自動生成し、掲載企業のリード獲得力向上と競合差分分析を支援します。

掲載品質の見える化

USECASE 02

社内新規事業・提案書の書類審査DX

掲載企業が自社内で実施するイントラプレナー制度・社内ピッチコンテストの審査に eval000 を活用。外生の原理 N × Evaluation Rubric で評価バイアスを排除し、全参加者への FB レポートを自動配信します。

社内ピッチ審査DX

USECASE 03

サプライヤー選定・調達先評価の標準化

取引先を選定する際の技術提案書・RFP 応答書類の審査にメタ評価エンジンを活用。複数部門担当者によるバラつきを SEGT 収束で除去し、調達判断の組織的な再現性と監査対応力を向上させます。

調達判断の透明化

検索利用者（会員）向け活用場面

候補が多すぎて比較しきれない・「なぜそのベンダーを選んだか」を根拠付きで説明できない——検索・比較プロセスの説明責任と再現性を SEGT が担保します。

USECASE 01

検索結果の客観スコア表示

各掲載ページを外生の原理 N（比較方針）× Evaluation Rubric に従い SEGT 評価。担当者の主観・経験・社名ブランドに依存しない Evaluation Standard v* を検索結果に付与し、比較・意思決定を支援します。

選定根拠の完全透明化

USECASE 02

資料ダウンロード後のAI評価レポート

会員が製品資料をダウンロードした後、eval000 が資料内容を自動解析。外生の原理 N（自社課題）との適合スコア・評価サマリーを個別レポートとして提供します。担当者交代後も同じ N・R で再評価可能な Evaluation Measure として機能します。

課題適合スコアの提供

USECASE 03

BtoBアワード・コンテスト審査の導入

プラットフォームが主催・後援する B2B アワードの審査に eval000 を組み込む。全応募者への FB レポート自動配信により参加体験が向上し、審査の権威性・透明性を同時に実現します。

全員 FB 100% 自動配信

プラットフォーム運営者向け活用場面

掲載審査の属人化・品質管理の工数増大・リード品質の不透明性——BtoB プラットフォームが抱える運営課題を SEGT が構造的に解決します。

USECASE 01

掲載審査・品質管理の標準化

新規掲載申請やページ内容の品質審査に eval000 を活用。属人化しやすい掲載承認判断を外生の原理 N × Evaluation Rubric で標準化。審査担当者が変わっても一貫した基準を維持し、掲載企業への FB レポートも自動生成します。

審査工数 ▲90%

USECASE 02

リード品質スコアリングの強化

会員のダウンロード行動・検索履歴・閲覧パターンを外生の原理 N × Evaluation Rubric で多次元スコアリング。案件化可能性スコアを掲載企業に提供し、既存 AI 機能との統合でホットリード特定精度を向上させます。

ホットリード精度向上

USECASE 03

行政・公的機関向けBtoGサービス展開

eval000 のメタ評価エンジンを活用し、補助金申請書類・政策評価への対応サービスを共同開発。オンプレミス対応でデータ主権・セキュリティ要件にも配慮し、行政・公的機関向けの展開を支援します。

BtoG展開支援

プラットフォームへの SEGT エンジン組み込み（LAYER 3）

自社の比較評価プラットフォーム・調達システムに SEGT 収束エンジンを組み込み、評価機能を内製化できます。特願 2026-096693 に基づく特許ライセンスによる提供です。

BEFORE / AFTER — 組み込み前後の比較

BEFORE（組み込み前）

担当者によって評価基準がバラつく
生成 AI でも最大 12点差が発生
「なぜその評価か」の根拠を記録できない
掲載審査・選定に膨大な人手工数

AFTER（SEGT 組み込み後）

外生の原理 N × SEGT 収束 → 同一チームでの評価なら同じv*を再現
掲載審査工数 ▲90%
評価根拠が自動記録・FB レポートで配信
特許ライセンスによる合法的な技術活用

提供内容（LAYER 3）

提供①

SEGT 収束エンジン API

評価データを入力→ v* を出力する API を提供。既存の比較評価システム・調達プラットフォームと連携します。

提供②

N・Rubric 設計ガイドライン

外生の原理 N と Evaluation Rubric の設計ノウハウをライセンス添付。設計品質が v* の品質を決めるため、ガイドラインの提供が必須です。

提供③

インプリメンテーション支援

設計・実装・品質保証まで一貫支援。特願 2026-096693 に基づく特許ライセンス供与により商用サービスへの組み込みが可能になります。

留意点：既存 AI 機能との役割分担整理・データプライバシー・API 連携の技術的実現性について事前の技術協議が必要です。詳細はお問い合わせください。

本分野のサービスは現在準備中です。ご関心のある方はお問い合わせください。特許成立後に正式提供開始予定です。

PoC Roadmap — Comparison & Procurement

比較評価・調達 PoC（3ヶ月）

MONTH 1 · 設計

評価方針と設計

外生の原理 N（評価・調達方針）の言語化
比較評価軸・配点の Rubric 設計
評価対象の選定・審査構成の設計
組み込み仕様・API 連携設計の確認

成果物：N 定義書 · Rubric 仕様書 · 実装仕様書

MONTH 2 · 検証

技術実証・精度検証

既存選定プロセスとの並行運用
v* と既存結果の差異・説明力の検証
API 連携・システム動作の確認
Rubric 設計の調整・最適化

計測：v* 再現性 / API 応答速度 / 評価精度

MONTH 3 · 判断

Go / No-Go 判断

KPI 達成・技術実証レポート
ライセンス契約・実装本格化の判断
本格運用フローの設計
未達の場合は本格契約をお断り

Go 基準：削減率 60%+ · 一致率 80%+ · システム要件充足確認

PoC 費用：対象プラットフォームの規模・複雑さにより個別見積り。特許ライセンス料は Go 判断後に確定します。

New Service & Business Development

新サービス・新事業開発New Service & Business Development

実装＆ライセンスImplementation & License事業開発ノウハウBusiness Dev. ExpertisePoC 3ヶ月mo.Coming Soon

メタ評価技術を新しいサービス・事業に組み込む方法は 2 つあります。①既存の AI 評価サービスの上位レイヤーとして eval000 を統合し評価品質を数学的に証明する方法、②新規サービスの設計段階から eval000 を骨格に組み込み競合が模倣困難な評価基盤を差別化の核とする方法。いずれもテンプロクシー 30 年の事業開発知見と特願 2026-096693 の特許技術を組み合わせて共同推進します。There are two ways to embed meta-evaluation technology in a new service or business: ① integrate eval000 as an upper-layer over existing AI services to mathematically prove evaluation quality, or ② embed eval000 as the core engine from the design phase, making it the differentiator competitors cannot replicate. Both are co-developed with TEN PROXY's 30-year business development expertise and the patented technology of JP App. 2026-096693.

STRUCTURAL PROBLEM

「AI が AI を評価する」ことの限界——自己評価のジレンマThe Limits of "AI Evaluating AI" — The Self-Assessment Dilemma

自社の AI エンジンが公平・無バイアスであることを、自社のみで検証・証明することには構造的な説明力の限界があります。認証審査・エンタープライズ顧客への説明の両方で問われやすい論点です。eval000 は「評価者とは独立した数学的フレームワーク」としてこの構造的問題を解決します。There is a structural limitation in proving that your own AI is fair and unbiased using only internal verification—a point frequently questioned in both certification audits and enterprise sales. eval000 resolves this as an independent mathematical framework external to the evaluating party.

既存 AI サービスへの上位レイヤー統合Integrating eval000 as Upper-Layer of Existing AI Services

AI 面接・360 度フィードバック・審査プラットフォーム等、生成 AI を活用した評価サービス事業者が対象。eval000 を独立した第三者メタ評価レイヤーとして統合し、評価品質を数学的に証明します。Targeted at evaluation service providers using generative AI—AI interviews, 360° feedback, assessment platforms, etc. Integrating eval000 as an independent third-party meta-evaluation layer proves evaluation quality mathematically.

課題Challenges

自社 AI の公平性を自社のみで証明できないCannot prove own AI fairness using only internal verification

認証更新・エンタープライズ説明に独立した根拠が必要Independent evidence needed for certification renewal & enterprise sales

複数プロダクト間のガバナンスの一貫性が確保しにくいDifficult to maintain governance consistency across multiple products

EU AI 法・AIAC 等の認証要件への対応が属人的Compliance with EU AI Act / AIAC relies on individual effort

→

解決アプローチSolution

独立した数学的フレームワークIndependent mathematical frameworkで評価品質を第三者証明 as third-party proof

Cohen's Kappa 等で評価一貫性を定量的に証明（Kappa ≥ 0.80）Kappa ≥ 0.80 — quantified evaluation consistency via Cohen's Kappa

プロダクト横断の共通メタ評価基盤Cross-product unified meta-evaluation foundation

EU AI 法・AIAC 等の認証エビデンスを自動生成・継続蓄積Automatically generate & accumulate EU AI Act / AIAC compliance evidence

📋 適用対象サービスTarget Services

AI 面接・AI 採用選考サービス
360 度フィードバック・人事考課 AI
コンテスト・審査プラットフォーム
採用選考・人事考課 AI 全般AI interview & recruitment screening
360° feedback & HR evaluation AI
Contest & assessment platforms
All recruitment / HR evaluation AI products

✅ 期待できる効果Expected Outcomes

評価標準化の数学的証明（Kappa ≥ 0.80）
認証更新エビデンスの自動生成・蓄積
エンタープライズ営業力の強化
海外展開時の普遍的な公平性根拠Mathematical proof of evaluation standardization (Kappa ≥ 0.80)
Auto-generation & accumulation of certification evidence
Strengthened enterprise sales capability
Universal fairness basis for global expansion

新規サービス・新事業の骨格としての設計Designing eval000 as the Core of a New Service or Business

スタートアップ・大企業の新規事業部門が対象。新しいサービスの設計段階から eval000 を骨格に組み込み、「評価の公平性」自体をビジネスモデルの差別化軸にします。Targeted at startups and new business divisions. By embedding eval000 from the design phase, "evaluation fairness" becomes the core business model differentiator — building data assets competitors cannot replicate.

提供する価値Value Delivered

外生の原理 N の設計から事業計画・PoC 設計まで一貫支援End-to-end support: External Principle N design through business plan & PoC
新規事業システムへの SEGT 収束エンジン組み込みSEGT convergence engine embedded in the new service system
特許ライセンス（特願 2026-096693）の供与を含むIncludes patent license grant (JP App. 2026-096693)
テンプロクシー 30 年の事業開発支援ノウハウとの融合Combined with TEN PROXY's 30-year business development expertise
競合模倣困難なデータフライホイールの初期構築支援Support for building a hard-to-replicate data flywheel from day one

適用分野の例Example Application Domains

医療・ヘルスケア人材マッチング
HR Tech・EdTech・LegalTech
金融・調達・保険アンダーライティング
行政評価・政策 EBPM
個別事業計画は機密保持契約の上でご相談くださいHealthcare & medical staffing platforms
HR Tech · EdTech · LegalTech
Finance, procurement & insurance underwriting
Government evaluation & policy EBPM
Individual business plans discussed under NDA

BEFORE / AFTER

既存事業者モデルExisting Business Model

AI を既存プロセスに外付け
評価基準が属人的・暗黙知
自己評価のジレンマから抜けられないAI bolted onto existing processes
Evaluation criteria remain tacit knowledge
Trapped in the self-evaluation dilemma

骨格設計型モデルCore-Design Model

外生の原理 N が事業の軸
評価基準が特許技術で保護
評価データが蓄積するほど優位性拡大External Principle N anchors the business
Evaluation criteria protected by patent
Competitive advantage grows with data accumulation

詳細は個別相談（機密保持契約の上）。まずはお問い合わせください。Details discussed under NDA. Please contact us to start the conversation.

本分野のサービスは現在準備中です。ご関心のある方は個別相談（機密保持契約の上）よりお問い合わせください。Services in this domain are currently in preparation. Please contact us for a consultation (under NDA).

PoC Roadmap — New Service & Business Development

新サービス・新事業開発 PoC（3ヶ月）New Service & Business Development PoC (3 months)

MONTH 1 · 構想・設計Concept & Design

類型確認と事業設計Type Selection & Business Design

統合類型（上位レイヤー型 / 骨格設計型）の確定Confirm integration type (upper-layer / core design)
外生の原理 N・Evaluation Rubric の初期設計Initial design of External Principle N & Evaluation Rubric
既存プロダクトの評価データ構造分析 / 事業計画・PoC スコープの合意Analyze evaluation data structure / Agree on business plan & PoC scope
KPI・Go/No-Go 基準の合意Agree on KPIs & Go/No-Go criteria

成果物：N 定義書 · Rubric 仕様書 · 実装要件書Deliverables: N Definition · Rubric Spec · Implementation Requirements

MONTH 2 · 検証Validation

技術実証・事業性検証Technical & Business Validation

既存評価データへの eval000 並行適用・一致率計測（上位レイヤー型）Parallel eval000 application; consistency rate measurement (upper-layer)
SEGT エンジン組み込み試験・技術的実現性検証（骨格設計型）SEGT engine integration test; technical feasibility validation (core design)
事業モデルの収益性シミュレーション・競合優位性の定量評価Revenue simulation & quantitative competitive advantage assessment

計測：Kappa 係数・AI 一致率・技術実現可能性・市場受容性Metrics: Kappa, AI consistency rate, technical feasibility, market receptivity

MONTH 3 · 判断Decision

Go / No-Go

KPI 達成状況の最終評価レポートFinal KPI achievement report
本格推進・ライセンス契約の判断Decision on full-scale rollout & license agreement
本格実装・事業化ロードマップの策定Full implementation & commercialization roadmap
未達の場合は本格契約をお断りIf KPIs unmet, full contract will not proceed

Go 基準：Kappa ≥ 0.80 · 一致率 ≥ 85% · 技術実現性・事業性・ライセンス条件の三者合意Go criteria: Kappa ≥ 0.80 · Consistency ≥ 85% · Technical, business & license terms agreed

PoC 費用：事業ドメイン・統合類型・実装規模・契約形態により個別見積り。詳細は機密保持契約の上でご相談ください。PoC cost: Quoted individually based on domain, integration type, scale, and contract form. Details discussed under NDA.

Research, Education & Nonprofit

研究・教育・非営利Research, Education & Nonprofit

共同研究Joint Research教育連携Education PartnershipOSS（非商用・準備中） (Non-commercial · Coming Soon)

eval000 は大学・研究機関・非営利団体との連携を 3 つの形態で受け入れています——①共同研究、②教育連携（PBL・RA 参画）、③OSS 参照実装。いずれも非商用であれば費用は発生しません。eval000 welcomes partnerships with universities, research institutions, and nonprofits in three forms: ① joint research, ② educational partnerships (PBL / RA participation), ③ OSS reference implementation. All are free for non-commercial use.

PIONEER FIELD

eval000 が目指すもの——評価科学（Evaluation Science）の確立eval000's Vision — Establishing Evaluation Science as a New Academic Field

コンテスト審査・人事評価・調達選定・研究費配分——評価はあらゆる社会的意思決定の核心にあります。にもかかわらず、評価そのものを科学として研究する体系的な学問領域は日本にはまだ存在しません。eval000 は大学・研究機関とともに「評価を評価する」評価科学という新領域を切り開き、研究拠点の確立を目指しています。パイオニアとして参画したい研究者・教育者のご連絡をお待ちしています。Contest judging, HR evaluation, procurement, research funding — evaluation lies at the heart of every social decision. Yet no systematic academic discipline studying evaluation itself exists in Japan. eval000 aims to pioneer "Evaluation Science" together with universities and research institutions, working toward the establishment of a dedicated research hub. We welcome researchers and educators who wish to participate as pioneers.

共同研究——評価科学の新領域を共に開拓Joint Research — Pioneering Evaluation Science Together

eval000 の評価データと里吉氏の数学的理論基盤を素材に、大学・研究機関の教員・研究者が学術論文・学会発表・外部資金獲得へとつなげる双方向の連携形態です。A bidirectional partnership where faculty and researchers use eval000's evaluation data and Satoyoshi's mathematical theory as material for academic papers, conference presentations, and external funding applications.

🔬 eval000 が提供できるものWhat eval000 Provides

UBCGP・eval000 Essential の匿名化評価データ
共著論文・国際学会発表への参画機会
IOTEIR 2026 発表実績に基づく国際ネットワーク
JST「共創の場」等の外部資金共同申請の機会
里吉氏（特許権者）との技術的議論・共同研究Anonymized evaluation data from UBCGP & eval000 Essential
Co-authorship & co-presentation opportunities
International network via IOTEIR 2026 presentation
Joint external funding applications (JST etc.)
Technical discussions & joint research with Satoyoshi (patent holder)

📚 研究テーマの例Example Research Themes

Banach 固定点定理の評価収束への応用（数学）
評価者間信頼性（ICC/Kappa）の定量分析（統計学）
ルーブリック自動生成の NLP/LLM 改良（情報科学）
評価バイアス・ノイズの行動経済学的分析（経営・心理学）
大学起業家教育力の縦断分析（教育学）Banach fixed-point theorem applied to evaluation convergence (mathematics)
Quantitative inter-rater reliability analysis: ICC/Kappa (statistics)
NLP/LLM improvement of rubric auto-generation (computer science)
Behavioral economics of evaluation bias & noise (management/psychology)
Longitudinal analysis of university entrepreneurship education (education)

EXTERNAL FUNDING

JST「共創の場形成支援プログラム」等への共同応募をサポートします。不採択でも共同研究・学生 RA 参画は別途の枠組みで継続可能です。We support joint applications for programs such as JST's "Co-creation Platform Formation Support Program." Even if not adopted, joint research and student RA participation can continue under a separate framework.

教育連携——学生が実評価データで学ぶ PBL・RA 参画Education Partnership — PBL & RA with Real Evaluation Data

DS 学部・情報学部・経営学部・教育学部の学生（大学院生・3〜4 年次）が、実際の評価データを題材に研究助手（RA）として参画します。企業・官公庁連携 PBL として位置づけることで、既存教育プログラムを大きく変えずに参画できます。Students from data science, information science, business, or education departments (graduate and 3rd/4th-year undergraduates) participate as research assistants using real evaluation data. Framed as a corporate/government PBL collaboration, participation requires minimal changes to existing educational programs.

RA 役割①RA Role ①

データ分析 RAData Analysis RA

R/Python・統計解析・論文執筆。評価者間信頼性・収束精度の定量分析。R/Python · statistical analysis · academic writing. Quantitative inter-rater reliability & convergence accuracy analysis.

R / Python · Statistics

RA 役割②RA Role ②

AI エンジン改良 RAAI Engine RA

LLM・RAG・プロンプトエンジニアリング。Evaluation Rubric 自動生成モデルの改良。LLM · RAG · prompt engineering. Improving Evaluation Rubric auto-generation models.

LLM · RAG · Prompt Eng.

RA 役割③RA Role ③

DB・可視化 RADB & Visualization RA

データ可視化・ダッシュボード構築・Web 開発。評価収束ログの可視化ツール開発。Data visualization · dashboard building · web development. Visualization tools for evaluation convergence logs.

Visualization · Web Dev.

RA 役割④RA Role ④

研究補助 RAResearch Support RA

アカデミックライティング・学会発表準備・文献調査。評価科学領域での論文共著・国際学会発表。Academic writing · conference preparation · literature review. Co-authoring papers and presenting at international conferences in evaluation science.

Academic Writing · Conf.

学生が得るものSTUDENT BENEFITS

年間 500 件以上のビジネスプラン評価データという実題材・スポンサー企業との直接接点・RA 給与による経済的支援・共著論文・学会発表の実績。Real data from 500+ business plan evaluations per year · direct access to sponsor companies · RA stipend · co-authorship credits and conference presentation records.

OSS 参照実装（準備中）——非商用目的での自由な活用OSS Reference Implementation (Coming Soon) — Free for Non-Commercial Use

SEGT 収束エンジンの参照実装を GitHub 経由で公開します。非商用目的であれば研究・教育・非営利団体が自由に使用・改変・再配布できます。商用利用は特願 2026-096693 ライセンスが必要です。A reference implementation of the SEGT convergence engine will be published via GitHub. Free to use, modify, and redistribute for non-commercial research, educational, and nonprofit purposes. Commercial use requires a license under JP App. 2026-096693.

🎓 教育機関Educational Institutions

Banach 固定点定理の実装教材
メタ評価論の実習プログラム
経営学・行動経済学への応用Implementation material for Banach's fixed-point theorem
Practicum programs in meta-evaluation theory
Applications in business & behavioral economics

🔬 研究機関Research Institutions

SEGT 収束の再現可能性検証実験
評価バイアス・ノイズ研究への活用
論文・学術発表での参照実装としてReproducibility experiments for SEGT convergence
Research on evaluation bias & noise
Reference implementation for papers & academic presentations

🤝 非営利団体Nonprofit Organizations

非営利コンテスト・グラント審査
社会課題解決型アワードの評価設計
地域・コミュニティの評価プログラムNonprofit contests & grant reviews
Evaluation design for social impact awards
Local & community evaluation programs

LICENSE CONDITIONS

非商用かつ著作権表示の条件を遵守すれば、研究・教育・非営利目的での使用・改変・再配布が可能です。商用利用は 特許ライセンス（特願 2026-096693） が必要です。
ライセンス詳細は GitHub 公開時に README で明示します。Non-commercial use with attribution freely permitted for research, education, and nonprofit purposes. Commercial use requires a patent license (JP App. 2026-096693).
Full license details will be specified in the README upon GitHub publication.

GitHub 参照実装は Coming Soon ですが、今すぐ連携を始める方法がありますGitHub reference implementation is Coming Soon — but partnerships can start now

ACTION 01

共同研究の相談Joint Research Consultation

eval000 の評価データを用いた共著論文・学会発表を検討している研究者・教員の方はご連絡ください。Researchers and faculty considering co-authored papers or conference presentations using eval000 evaluation data are welcome to reach out.

ACTION 02

教育連携・PBL の相談Education / PBL Consultation

PBL 実題材・学生 RA 参画を検討している教員の方はご連絡ください。RA 給与も対応可能です。Faculty considering PBL material or student RA participation are welcome to contact us. RA stipends are available.

ACTION 03

JST 等外部資金共同申請Joint External Funding (JST etc.)

JST「共創の場形成支援プログラム」等への共同応募をご検討の大学・研究機関の方はご連絡ください。提案書草稿の共同作成をサポートします。Universities and research institutions considering joint applications for JST programs and similar opportunities are welcome to contact us. We can co-develop proposal drafts.

連携を相談する →Discuss Partnership →

非商用連携は費用不要です。商用利用は特許ライセンスが必要です（③ 比較評価・調達参照）。Non-commercial partnerships are fee-free. Commercial use requires a patent license (see ③ Comparison & Procurement).

分野別ソリューションSolutions by Domain

Subscribe to our newsletter