プロジェクト
ストーリー
Project #02シフト作成の自動化
AIが自動的にシフトを作成し、
最適な人員配置へ。
店舗の業務効率を劇的に改善！
OVERVIEW
店舗で働く従業員の方たちは、店舗を訪れるお客様との時間を大切にしています。 そのためパソコンに向き合うデスクワークは、できるだけ削減したいというのが本音。
必要不可欠だけど簡易に行いたいデスクワークのひとつに、シフト作成があります。
働き方が多様化し、従業員の就業スタイルに合わせたシフト作成は、とにかく煩雑で大変な作業。
個々の休み希望を反映しているか、労働基準法に準拠しているかなどのチェック項目が多く、作成に時間がかかって他の店舗業務に手が回らなくなってしまうことが悩みでした。
この課題を解決したのが、ガルフネットの独自システム「予測シフト」です。
「予測シフト」がどのように企画・製品化されたのか、当時のエピソードをプロジェクトメンバーに語ってもらいました。
PROJECT MEMBER
佐々木札幌・パッケージ開発エンジニア
プロジェクトの企画・設計、開発作業の全体マネージメントを担当。
土方札幌・パッケージ開発エンジニア
予測シフトの開発、予測シフトの関連機能（シフト募集）の設計を担当。
石川札幌・パッケージ開発エンジニア
システムの事前テスト、お客様に導入するまでのフォロー（トライアル中の課題解決）を担当。
赤尾大阪・コンサルティングエンジニア
お客様への導入提案、導入までのサポートを担当。
シフト作りに頭を悩ませる店長のために
シフト作成は従業員の予定だけでなく、資格やスキルなども考慮に入れる必要があります。そのため、膨大な手間と時間がかかるのが悩み。
また、シフト作成に慣れてくると一部の従業員に勤務が集中するケースもあり、最適なバランスでシフトを作成することは大変な作業でした。
佐々木当社の製品『ガルフCSM 勤怠システム』には、元々シフトを作成する機能があります。ですが、お客様とお話ししているうちに、自動でシフトを作れたらもっと手軽で喜ばれるのにと感じるようになりました。
そこで、2018年頃にシフト作成を自動化しようと企画し、必要な技術の検証を始めたのです。その後、海外事業所の技術者の協力もあって、製品を作れる目途が立ち、正式に『予測シフト』と名付けられた当プロジェクトが発足しました。
シフトを自動作成するシステムを開発
プロジェクトが立ち上がり、新たなシステムのテストを繰り返していた矢先に、思いもよらなかったコロナ禍に突入。
お客様の経営も厳しい状況に置かれ、原価削減のために作業の効率化が求められていました。
ガルフネットはコロナ禍にもめげず、時代のニーズに合ったシステムを構築。お客様が求める自動シフトを完成させたのです。
佐々木まずはプロジェクトの根幹となる予測シフトエンジンの設計から入りました。 組み合わせ最適化というアプローチで自動化するために、シフト作成で必要なルールを洗い出し、いくつかの計算式に落とし込みました。それを元にエンジン部を作成し、エンジンのルールに合うように、UIやマスタの設計を行いました。
そうして製品がある程度できた時点で、お客様に実際の店舗で使っていただきました。こちらが想定したルールが合うかどうか、検証してもらったんです。
石川実際にお客様の店舗で検証していただくと、新たに課題が見つかり、お客様からもさまざまな要望をいただきました。開発チームではそうした課題や要望に応えるため、システムの改修と再検証を繰り返しました。お客様に実際に使ってもらうことできめ細かなチェックができ、予測シフトのクオリティがいっそう高められたと思いますよ。
赤尾私はその頃、あるお客様へのシステム提案を担当していたのですが、当時はコロナ禍の影響で売上が減少し、さらに人手不足、原価高とお客様の企業を取り巻く環境は厳しいものでした。そのような時期に、お客様企業のトップからは『店長の作業時間を削減せよ』というミッションがあって。今回開発された予測シフト機能がその要望にマッチしていたので、受注に至ったんです。
導入の際は、本部のご担当者様と運用ルールを検討し、導入テストの期間中にルールの調整やシステムの改善を行いました。そして最終的には、全店舗へ導入できました。
お客様が求めるシステムになっているか？
開発では、実際の店舗でテストを何度も繰り返して、システムを完成させました。どのような苦労があったのでしょうか。
佐々木お客様がシフトを作成する際に考えていることを、ルールという単純な計算式に落とし込んでいくのが大変でした。
中にはエンジンで使用しているアプリケーションの制限で計算式にできず、他の方法で代用したものもあります。
また、業種やシフト作成者によって考え方は様々です。実際にお客様に検証していただくと、不都合なことや新しい考え方がいくつもあって…。それをルールに落とし込んでいくという作業を、何度も繰り返しました。
土方シフトを割り当てるのに必要な情報が複雑に絡み合うので、どのようなUIが最適か考えました。また、関連アプリへの連携も進めていくと、アプリ側を含めたUXの設計が必要になって、お客様が直感的に使えるためにはどうしたらいいのかを実現するのに苦労しました。
石川導入テストでは私たち開発者の視点ではなく、お客様から見た課題が多く上がりました。私たち開発者とお客様のイメージには差があったので、これを埋めるのに苦労しました。製品としてより良いものにしていくには、まずお客様の声を聞き、お客様の望むものを自分の中でイメージできることが大切なんだと痛感しました。
予測シフトの更なる改善、拡販を目指して
メンバーの奮闘によって予測シフトは完成し、お客様の全店舗に導入！
今後のシステム改善や 拡販について、展望を語ってもらいました。
赤尾今回のプロジェクトでは、お客様の『シンプル・イズ・ベスト』という考えに、大いに共感するものがありました。不要な作業は徹底的に省き、マニュアルや機能名称などは簡潔でわかりやすい表現にこだわることが大事なんですね。おかげでシステムを使う方の混乱を防ぎ、認識違いによるシステム利用率の低下を抑止できたと思います。
それからシステムだけでなく、作成していた資料についても気づきがありました。今までは説明漏れがないように、全てを資料に記載するように注力していました。でも、時間をかけて作成した資料も、見ていただきたい人にとって見づらいものだと、何の意味もないんですよね。今回学んだことを生かして、ただお伝えするだけではなく、わかりやすい資料を作ることも心掛けたいです。
土方予測シフトは、関連アプリである『従業員アプリ』に、シフト募集などの情報が連携できるようになっています。今後も様々な機能を追加したり、従業員アプリやパッケージ内の他機能への連携を強化したり、より使いやすいシステムにバージョンアップしていきたいですね。
サービスについてちょっと解説
これまで手作業だった店舗スタッフの勤務シフト作成を、AIが自動作成してくれるサービスです。
独自開発のシフト最適化エンジンが、1か月分のシフトを数分で作成。条件が絡み合って複雑になりがちなシフト作成を代行してくれるので、店長・マネージャーの業務負担軽減につながります。
店長・マネージャーの作業は、最適化エンジンが作成したシフトの確認と、最適化エンジンが判断できなかった部分の調整をするだけ。シフト組みに掛かっていた労力が大幅に削減されるので、問題のある部分のシフト組みに注力でき、店舗運営の改善も期待できます。