倉庫向けAIシフトスケジューリング・ソフトウェアは、より落ち着いたシフト表を約束する。過去の物量、人員配置ルール、スキル記録を入力すれば、労働力を需要に合わせたスケジュールが出てくる。2023年秋、家庭用品を扱う浙江省嘉興市のサードパーティ倉庫が、まさにそれを試した。以前はスーパーバイザーが経験に基づいてシフト表を作っており、安定した週にはうまくいったが、ピーク週には破綻し、急な呼び出しをする一方で、他のシフトは手が空く状態になっていた。シフト表作成ツールを使い始めてから最初の1か月で最も目立った変化は、目立つ節約ではなかった。それは、見慣れた深夜の問題がなくなったことだった。夜勤の途中で2人欠けていることに気づく問題である。ツールがまず解決したのは、狭く具体的なこと、すなわちシフト表と作業量を同じ画面に表示できるかどうかだった。
この経験は、より広い変化を反映している。労働者の採用が難しくなり、定着コストが高まるにつれ、小規模・中規模倉庫のシフト作成は、スーパーバイザーの職人技から計算へと移っている。物量は増減し、入荷は早くも遅くも到着し、作業者のスキルは異なり、誰もが労働時間、連続夜勤、資格に関する制限を抱えている。経験は安定したパターンにはうまく対応する。複数の変数が同時に動くときに苦労するが、それはまさに、手作業の組み合わせでいっぱいのスプレッドシートが遅く、ミスを起こしやすくなるときである。多くの倉庫がシフト作成ソフトウェアを導入するのは、抽象的な意味で人工知能が欲しいからではない。シフト表が1人の頭の中に収まりきらないほど複雑になったからである。
業界の公開レポートやベンダーの事例研究は、3つの点に価値があることを示している。1つ目は予測である。過去の物量、季節性、販促カレンダーを用いて今後数週間の作業量を見積もり、それをシフトごとの人員数に換算する。2つ目は制約である。スキル、免許、時間上限、夜勤制限をルールとして書き出し、紙の上ではきれいに見えて現場ではルールを破るようなシフト表をシステムが作らないようにする。3つ目は改訂である。予測が変われば、電話を1本ずつかけ直して作り直すのではなく、シフト表を再計算できる。ここで注意が必要である。ベンダー資料に出回る効率の数値は、基準、倉庫の種類、測定時期がそれぞれ異なるため、特定の現場への約束として読むべきではない。自社の数値によるパイロットこそ、自社のリターンを誠実に予測する唯一の方法である。
AIシフトスケジューリングが実際に最適化するもの
基本的に、シフト作成システムは2つのものを突き合わせる。予測作業量と利用可能な労働力である。作業量側の入力は、受注、波動(ウェーブ)、入荷、返品であり、可能な場合はタスク別に分解される。労働力側の入力は、人員数、スキル、シフトの希望、法的・契約上の制約である。システムは競合が最も少ない組み合わせを探す。このロジックに神秘的なものは何もなく、熟練したスーパーバイザーならスプレッドシートで小規模チーム向けに近似できる。ソフトウェアの価値は規模と速度にある。複数のチーム、重なるスキル、1か月の計画期間があると、手作業の試行錯誤は高くつくが、システムなら数分で複数の選択肢を比較できる。
落とし穴は、出力は入力と同じくらいしかきれいにならないことである。多くの倉庫では、労働時間の記録は一部が勤怠システムに、一部がチャットメッセージに、一部が紙に分散している。スキル記録は主にスーパーバイザーの記憶の中に存在する。過去の物量はタスク別ではなく倉庫全体の合計として保存されている。こうした材料から作られたシフト表は、整然として見えても砂の上に立っているかもしれない。ある倉庫は本稼働前の2か月間、地味な作業に費やした。フォークリフトを運転できるのは誰か、高額商品を監査できるのは誰か、軽いピッキングしかできないのは誰かを書き出し、シフト表を作る全員に見えるようにしたのである。そのステップこそが、購入そのものではなく、システムが助けになるか厄介者になるかを決めた。
データの準備ができていないとAIシフトスケジューリングは失敗する
購入前に、倉庫は3つの次元で自己評価できる。いずれかが弱ければ、正しい最初のステップは契約に署名することではなく、データを修正することである。
| チェック | 強い | 中程度 | 弱い |
|---|---|---|---|
| 過去の物量 | タスク別に分割され、ピークと閑散期の完全なサイクルをカバー | 倉庫全体の合計のみで、タスク別に分割されていない | 信頼できる記録なし。物量は記憶の中にある |
| スキル記録 | 全員についてスキル、免許、習熟度が記録されている | 一部は記録され、一部はチームリーダーが把握 | スーパーバイザーのみが知り、どこにも書き留められていない |
| ルール | 時間、夜勤、免許がすべて文書化されている | 一部は文書化され、一部は慣習 | 文書化されたルールなし。ケースバイケースで決定 |
広東省仏山市の小規模なEC倉庫は、約100名のスタッフを抱え、2024年春に逆の順序を示した。データの準備ができていないまま、急いで本稼働した。ピッキングと監査の時間が混ざり合い、スキル記録は数年も更新されていなかった。作成されたシフト表は紙の上では人員数が正しかったが、最初の週は監査が繰り返し人員不足になる一方で、ピッキングは過剰人員になった。スーパーバイザーは手作業の調整に戻り、システムは主に閲覧画面として生き残った。教訓は、ツールが失敗したということではない。順序が間違っていたということである。データの準備が、ツールが助けになるか、単なる飾りになるかを決める。
2つ目の限界はより構造的である。突然の欠勤、退職、3時間遅れて到着するトラック、緊急の顧客注文。モデルではこれらは外乱だが、現場では日常である。モデルは堅実な基本シフト表と代替案のセットを作ることができるが、それでも各例外を文脈の中で判断するのは人であり、他のチームから引っ張るか、カバーを呼ぶか、遅れを受け入れるかを決めなければならない。基本シフト表を最終回答として扱う倉庫は、最初の大きな混乱でシステムへの信頼を失いがちである。より健全な分業は、システムが基本シフト表と代替案を担い、人が例外を担うことである。基本シフト表が安定しているほど、スーパーバイザーは例外にうまく対応する余裕が増す。
さらに、はっきり述べておく価値のある直観に反する点がある。シフト表が完璧に詰まれば詰まるほど、脆くなる可能性がある。すべての時間を埋め、余裕を残さないスケジュールは、予測が正しいときには最も効率的に見え、1人が体調不良で電話してきたときに真っ先に崩れる。持続可能なシフト表は、意図的に少しの弾力性を残す。例えば重要職務のカバー要員や、ピーク時間帯のために確保された柔軟な時間である。紙の上ではそれは最適解ではない。現場では、それが最も緊急事態の少ない解決策である。シフト作成ツールを評価する際、より良い問いは、その最適解がどれほど精密かではなく、予測が5分の1外れたときでも実行可能なシフト表を作れるかどうかである。
傾向は、1つのシフト表を作ることから、プールを管理することへ移っている。労働力プール、スキルプール、柔軟な人員プールを一緒に計画し、システムが単一の答えではなく、コストとリスクでラベル付けされた複数の選択肢を提示する。この方向性は小規模倉庫に適している。誤った最初の購入のコストを下げるからである。賢明な進め方は、1つのチームや1つのタスクでパイロットを行い、データと日常業務を正しく整えてから拡大することである。パイロットの指標は精巧である必要はない。シフト表の改訂回数の減少、急な呼び出しの減少、重要職務の不足を早期に警告できることである。この3つが動けば、拡大には根拠がある。動かなければ、まず見るべきは別のベンダーではなく、データとルールである。
より長い時間軸で見ると、シフト作成ソフトウェアの真の価値は、スーパーバイザーが何をする時間を解放するかということかもしれない。繰り返しの計算が片付けば、スーパーバイザーはどのモデルにもできない仕事に注意を向けられる。シフトの希望について話し合うこと、新入社員が監督なしで働ける状態かどうかを判断すること、ピークシーズンの最中ではなく事前に柔軟なカバーを手配することである。これらの判断こそが、最終的にシフト表を実行できるかどうかを決める。システムの計算が優れるほど、人間の判断は軽くなるのではなく、むしろ重要になる。この逆転は、購入が判断を置き換える自動化として描かれると見落としやすく、次のベンダー説明の際にも念頭に置いておく価値がある。
Dr. Chen(サプライチェーン研究者)著
英語版からの翻訳。内容に相違がある場合は英語版を優先します。







