Solutions
Crosshubのインフラが実際に活用されている主な適用領域
グローバルユーザーオンボーディング
国や機関が異なっても迅速に導入できるデジタルIDオンボーディング
一度の本人確認を複数サービスで再利用
従来の方式
- 国・機関ごとに異なる認証基準
- 物理IDと手作業による確認が中心
- 入退館・行政・決済サービス間の連携不足
Crosshub方式
- IDBlockに基づくデジタルID
- 一度の確認を繰り返し活用
- 本人確認と決済フローの連携
活用事例
- 教育機関向けデジタル学生証
- グローバルサービスの会員登録
- 外国人訪問者・労働者の認証
ベトナム デジタルキャンパスID
ダナン大学師範大学(UED)・ベトナム国家大学ハノイ校・ベトナム国家大学ホーチミン市校とデジタル学生証導入に関するMOUを締結
本人確認・入退館・行政・決済をつなぐキャンパス向けデジタルIDインフラ

ベトナム デジタルキャンパスID
ダナン大学師範大学(UED)、ベトナム国家大学ハノイ校、ベトナム国家大学ホーチミン市校を対象としたデジタル学生証への移行
キャンパスの入退館・行政・決済機能を一つのデジタルID基盤で連携
現状
- 物理学生証を中心とした本人確認
- 入退館・行政・決済機能の分散運用
- 大学ごとのシステム連携・拡張の制約
導入後
- IDBlockに基づくデジタル学生ID
- キャンパスの入退館・行政・決済サービスの統合連携
- ソフトウェアと現場端末を組み合わせた運用構造
学生・教職員 → IDBlockデジタルID → デジタル学生証 → キャンパス入退館・行政・決済連携
- ダナン大学師範大学(UED)・ベトナム国家大学ハノイ校・ベトナム国家大学ホーチミン市校とのMOUに基づく協力
- 学生・教職員21万人以上を対象とする大規模導入基盤
- 教育機関から公共・交通・地域決済インフラへ拡張可能な構造
港湾入域認証
デジタルIDによる港湾入域の標準化
国際人材の入域をより迅速かつ安全に
従来方式
- 紙書類による目視確認
- 偽造リスクやセキュリティ上の課題
Crosshub
- 入域前の事前本人確認
- QR・生体認証による即時検証
主な活用シーン
- 外国船員の入域管理
- 港湾入退管理システムのデジタル化
船員入域管理のデジタル化実証
港湾入域手続きを事前認証中心に転換し、
セキュリティリスクと現場負荷を同時に低減した
公共インフラ向けPoC事例

As-Is
- 現地での書類確認
- 入域ゲートでの待ち時間
To-Be
- モバイルによる事前認証
- 自動承認フロー
船員 → 事前認証 → 港湾ゲート通過
地域消費連携プログラム
外国人を地域経済の担い手として接続
地域パス・特典・加盟店割引を一つの流れで提供
従来方式
- 外国人利用の制限
- 物理カードや紙クーポン中心
- 地域ごとに分断された施策
Crosshub
- デジタルIDによる資格判定(IDBlock)
- 決済と特典の統合
- 地域サービスへのシームレスなアクセス
主な活用シーン
- 外国人向け名誉市民証
- 地域観光パス
- 加盟店割引・インセンティブ施策
地域消費連携シナリオ
外国人利用者が、
認証済みデジタルIDを通じて
地域パスや特典を自動適用できる構想事例

外国人 → IDBlock発行 → 地域ステータス付与 → 決済時に特典自動適用
クロスボーダー送金・決済
認証済みIDに基づくグローバル送金
デジタルIDで国境を越えた資金移動を簡素化
従来方式
- 送金ごとのKYC再実施
- 国・地域ごとの規制対応負担
- 処理遅延とコスト増加
Crosshub
- 検証済みデジタルIDに基づく送金
- 規制要件を事前に反映
- 迅速で一貫した処理
主な活用シーン
- ID連携型クロスボーダー決済
- プラットフォーム向けコンプライアンス対応送金
グローバル送金連携
認証済みデジタルIDを活用し、
規制対応を簡素化したクロスボーダー送金フロー

認証連携ログイン・決済
一つのログインでグローバル登録と決済を実現
ローカル認証の壁を越えた一貫した体験を提供
従来方式
- 国・サービスごとに分断された認証
- 登録と決済フローの分離
- 認証失敗による離脱
Crosshub
- 検証済みデジタルIDによるログイン
- 登録・決済を統合したフロー
- 国やサービスを問わない一貫したUX
主な活用シーン
- グローバルEC
- オンラインマーケットプレイス
- サブスクリプション型サービス
ログイン・決済統合シナリオ
登録から決済までを一つの体験としてつなぎ、
認証済みログインを通じて
グローバルで一貫したUXを提供する事例

OpenData AI
公共データを活用し、実社会の課題を解決するAI
予測・分析・レコメンドに特化したデータドリブンAIソリューション
従来のアプローチ
- 支援制度の情報が機関ごとに分散
- 条件に合う制度を手作業で探す必要がある
AIによるアプローチ
- 企業情報に基づく自動マッチング
- 条件に適した支援制度をAIがレコメンド
AIの活用領域
- 企業向け支援制度のパーソナライズ推薦
- 自然言語による支援制度検索
公共オープンデータを活用したAI
公的機関が実際に利用している運用データを活用し、
分析・予測・レコメンドのためのAIモデルを設計

AIが取り組む課題
公共データを基盤として、
企業情報と支援制度の公表情報を横断的に分析し、
各企業に適した支援制度を推薦するAIモデルを設計
データソース
- 中小企業向け支援制度の公表データ
AIによるアウトカム
- 条件に基づく支援制度のレコメンド
公共データの取り込み → 分析・モデル学習 → 予測・レコメンドの生成
- データ活用の深度と品質
- モデルの精度
- 課題解決アプローチの妥当性
- 将来的な拡張性・スケーラビリティ
