コールセンター／バックオフィス（事務処理センター）の構築・運営を行うセコムグループのTMJ（東京都新宿区、丸山英毅社長）は、2017年９月から北海道大学の調和系工学研究室と共同で、シフト調整を自動化するアルゴリズムの開発を進めている。将来的にTMJが運用するAIを活用したチャットシステムと連携したシフト調整業務の自動化に向け、アルゴリズムを検証。この度、トライアルで効果が実証された。今後、データの収集およびAIへの学習などのトライアルを続けながら、2018年度中の実用化を目指す。
■目指すは、社会課題解決への貢献
現在、サービス業や外食産業など労働集約型産業では、人材不足が深刻さを増している。そのような中、急な欠勤発生時のシフト調整業務は大きな負担となっている。そこで、シフト調整業務の負担を軽減するアルゴリズムを、北海道大学で情報科学を研究している調和系工学研究室と共同開発。そのアルゴリズムによって抽出された対象者に対し、チャットシステムにてコンタクトを図ることでシフトの調整を行い、業務負担を軽減させる。将来的にはアルゴリズムをAIに学習させ、自動的にシフト調整を行う予定。社会課題となっている人材不足に対し、シフト調整業務の自動化というこれまでにない先進的なアプローチを試みることで、「生産性の向上」「人材活用の最適化」を実現していく。
■シフト自動調整について
１．アルゴリズムについて
今回共同開発したアルゴリズムは、突発的な欠員に対し何人に声かけをすればよいのか対象者のリストを抽出、いつどのタイミングで声かけするかを判断し、最適化する。これまでのシフト調整では、個々の担当者の「経験と勘」に依存、調整のノウハウがたまっていかないため属人化していた。アルゴリズムにより、代替者選出にかかる工数を削減、生産性と応諾率の向上を図る。
２．チャットシステムについて
アルゴリズムを学習したAIとチャットシステムを連携し、自動で出勤調整の可否を確認するメッセージを発信。返答があったスタッフに対して、有人チャットで最終調整を行う。シフト調整のチャネルは、電話からLINEを利用することで、対象者へのコンタクトを効率化するとともに、電話をかける・受ける心理的負担を解消する。
■トライアル検証結果をもとにした効果シミュレーション
（※リスト対象人数100人の場合）
![]()
クリックで拡大
■今後への期待
現在、北海道大学と連携しながら、チャット回答の結果をもとにした学習を継続しつつアルゴリズムの精度向上を図っている。また、有人対応を行っているシフトデータの連携と最終的なシフト調整を完全自動化させることで、さらなる業務負担の軽減による生産性向上を図る。引き続きトライアルを実施しながら、課題の検証と対応を継続し、2018年度中の実用化を目指す。
■目指すは、社会課題解決への貢献
現在、サービス業や外食産業など労働集約型産業では、人材不足が深刻さを増している。そのような中、急な欠勤発生時のシフト調整業務は大きな負担となっている。そこで、シフト調整業務の負担を軽減するアルゴリズムを、北海道大学で情報科学を研究している調和系工学研究室と共同開発。そのアルゴリズムによって抽出された対象者に対し、チャットシステムにてコンタクトを図ることでシフトの調整を行い、業務負担を軽減させる。将来的にはアルゴリズムをAIに学習させ、自動的にシフト調整を行う予定。社会課題となっている人材不足に対し、シフト調整業務の自動化というこれまでにない先進的なアプローチを試みることで、「生産性の向上」「人材活用の最適化」を実現していく。
■シフト自動調整について
１．アルゴリズムについて
今回共同開発したアルゴリズムは、突発的な欠員に対し何人に声かけをすればよいのか対象者のリストを抽出、いつどのタイミングで声かけするかを判断し、最適化する。これまでのシフト調整では、個々の担当者の「経験と勘」に依存、調整のノウハウがたまっていかないため属人化していた。アルゴリズムにより、代替者選出にかかる工数を削減、生産性と応諾率の向上を図る。
２．チャットシステムについて
アルゴリズムを学習したAIとチャットシステムを連携し、自動で出勤調整の可否を確認するメッセージを発信。返答があったスタッフに対して、有人チャットで最終調整を行う。シフト調整のチャネルは、電話からLINEを利用することで、対象者へのコンタクトを効率化するとともに、電話をかける・受ける心理的負担を解消する。
■トライアル検証結果をもとにした効果シミュレーション
（※リスト対象人数100人の場合）
クリックで拡大
■今後への期待
現在、北海道大学と連携しながら、チャット回答の結果をもとにした学習を継続しつつアルゴリズムの精度向上を図っている。また、有人対応を行っているシフトデータの連携と最終的なシフト調整を完全自動化させることで、さらなる業務負担の軽減による生産性向上を図る。引き続きトライアルを実施しながら、課題の検証と対応を継続し、2018年度中の実用化を目指す。