法律・規定・個人都合を考慮した人員配置・シフト最適化

取り組みの背景


現在、運輸業界では、慢性的な人手不足や多様化する輸送ニーズの増大に加え、労働人口の急減を伴う「2025年問題」などにより、限られた人員でいかに安全かつ効率的な運行を維持するかが急務となっています。
地域の重要な交通インフラとして、日々多くの人々の移動（旅客輸送）を支える同社においても、事業運営の要であるドライバーのシフト作成プロセス（手作業・紙ベースを中心とした運用）において、現場は以下の深刻な課題を抱えていました。

複雑な条件による甚大な業務負荷
労働時間の制約やドライバーの希望休、ローテーションといった基本的なルールに加え、特定のドライバーに業務負荷が偏らないための「公平性」までも考慮してシフトを組む必要があり、条件が極めて複雑化していました。これにより、シフト作成担当者には多大な業務負荷がかかっていました。

最適化の困難と深刻な属人化
法令などの「制約条件の順守」と「運用効率」を両立させる最適なシフト作成は非常に難度が高く、特定の担当者の経験やスキルに依存する属人的な業務となっていました。

多大な調整コストとヒューマンエラーのリスク
細かな勤務制約を満たすために作成後も度重なる修正作業が発生し、調整コストが増大していました。また、手作業に依存しているため、割り当てミスや法令違反などのヒューマンエラーが生じるリスクを常に抱えていました。

開発内容


本プロジェクトでは、単に決められた条件通りに機械的なシフト作成を行うだけでなくするだけでなく、ベテランの経験則をいかに精密にモデル化し、現場の担当者が「自分の道具」として使いこなせるシステムにするかに注力しました。

(1) 多面的な制約条件の数理モデル化
膨大な労務・業務制約をAIに学習させる上で最大の難所となったのは、ルールそのものの精査と定式化です。
例えば、「直近30日間の中で、高負荷な業務の合計を5回以内に抑える」といった、過去に遡って判定が必要な動的な制約の実装は、計算負荷と精度の両立が求められる高度なプロセスでした。
また、現在の要件をただ満たすだけでなく、将来的な法改正や会社独自の制度変更にも柔軟に対応できるよう、特定のルールに依存しすぎない「汎用性の高いエンジン」の開発を追求しました。

(2) ベテランの暗黙知を紐解く「ルール化」のプロセス
担当者から語られるルールには詳細が詰められていない部分や、条件同士の矛盾も散見されました。それらを一つずつ紐解き、論理的な整合性をとることで、確かなロジックへと変換。既存のパッケージ製品では対応しきれない、「働きやすさを実現するための細かなノウハウ」をカスタムAIとして実装することで、現場の感覚に即したシフト生成を可能にしました。

(3) 担当者の意思を尊重するUI/UX設計
「AIにすべてを任せる」のではなく、最終的な判断を下す「人の意図」を反映できるよう、インターフェース設計にもこだわりました。
AIが生成した結果を直感的に修正できる「手動調整UI」を構築。さらに、作成されたシフトの内容を客観的に評価できるよう、統計情報やグラフを可視化する機能を搭載しました。これにより、作成者が「なぜこのシフトが良いのか」を数値的・視覚的に判断し、自信を持って現場へ展開できる環境を整えました。

成果


本プロジェクトにより、複雑な制約条件をクリアした高精度なシフトが短時間で生成可能になりました。

(1) 定量的な成果：熟練者の作業時間を5日→1日に削減
従来、数十名〜百名規模のシフト作成には、熟練の担当者が頭を悩ませながら5日間ほど時間を費やしていました。
AIの導入により、このプロセスをわずか1日で完了させることに成功。 さらに重要なのは、「人間が作成する際に起こりがちな制約違反やルールの見落とし」をAIが完全に排除できる点です。
複雑な法令順守をシステムが保証することで、チェック工程にかかる心理的負荷も大幅に軽減されました。

(2) 定性的な成果①：属人化の解消と「熟練者を超える」品質の標準化
実際にシステムを運用した担当者からは、「AIが生成するシフト表のほうが、熟練の担当者が作成したものよりもバランスが良く、望ましい結果となるケースが多い」という高い評価を得ています。
単にAIが代替するのではなく、AIが生成した高品質な土台を人間が微調整するという「AIと人の協働プロセス」が確立されました。
これにより、欠員を防ぎつつ、担当者のスキルに依存しない高品質なシフト管理が標準化されています。

(3) 定性的な成果②：現場ドライバーの「納得感」と満足度の向上
AIによる効率的な配置は、現場で働くドライバーのワークライフバランスにも寄与しています。

身体的負荷の軽減: 特定の人に負荷が集中する「キツいシフト」の連続を自動で回避。
休日出勤の抑制: 人員配置の最適化により、これまで人手不足を理由に要請されていた休日出勤が減少。
希望休の充足率向上: 効率の良いシフトが組めるようになったことで、以前よりも柔軟に希望休を叶えられるようになり、現場の納得感が大きく高まりました。

今回のプロジェクトで開発した主要ロジックは、運輸業特有の複雑な課題を解くための強力な基盤となりました。
今後はこのエンジンの汎用性をさらに高め、運送・物流業界はもちろん、多様な勤務形態を持つ他業種の実課題にも柔軟に対応できるようアップデートを続けていく予定です。
あらゆる現場の「労働力不足」と「働きやすさ」の課題を、AIの力で解決することを目指します。