AIによるシフト・要員計画と勤怠管理

著者: Kevin Kim · 更新日: 2026年10月11日

AIによるシフト・要員計画とは、予測モデルと最適化モデルを使って、事業に必要な労働量を予測し、その予測を従業員の勤務可能時間と法的な上限に合ったシフトに変換し、おかしな点のある勤怠記録に印をつけることです。 この定義の下には3つの仕事があります。需要の予測、人のシフトへの割り当て、そして実際に起きたことと計画との照合です。

本ガイドは、小売、飲食、医療、倉庫、コンタクトセンター、フィールドサービスなどで、時給制やシフト制のチームを運営するオペレーション責任者、人事マネージャー、シフト管理者向けです。システムの各部分が何をするのか、フェアワークウィークや労働時間に関する法律がそれをどう制約するのか、スケジュールの対象となる人々にとって悪化させることなく導入する方法を説明します。人事におけるAIセクションに位置づけられ、AIのための人事データ基盤で扱ったデータの規律に依拠しています。

重要なポイント

• オレゴン州の予測可能なシフト規則は、対象となる雇用主（世界全体で従業員500人以上の大規模な小売、接客、飲食サービスの雇用主）に対し、少なくとも14暦日前までに書面でシフトを示すこと、また雇用主都合の多くの変更に対して追加の賃金を支払うことを求めています（Oregon BOLI）。
• シアトルのSecure Scheduling条例は2017年7月1日から適用されており、世界全体で従業員500人以上の対象となる小売・飲食サービスの雇用主に14日前までのシフト提示を求め、時間が追加された場合やシフトの日時が変更された場合に1時間分の賃金を支払うことを求めています（Seattle Office of Labor Standards）。
• Gapの28店舗でのランダム化実験では、より安定したシフトによって、処置を行った19店舗で売上の中央値が7%、労働生産性が5%向上しました（WorkLife Law）。
• EUの労働時間指令は、1日につき連続11時間の休息、24時間の週休、残業を含めた週平均48時間の上限を定めています（EUR-Lex）。
• 2019年、EU司法裁判所は、雇用主が各労働者の1日の労働時間を測定する客観的で信頼でき、アクセスしやすい仕組みを備えなければならないと判断しました（Addleshaw Goddard）。

AIがシフト・要員計画で行う3つの仕事

ACE Frameworkの用語では、シフト計画システムは売上、来客数、チケット、予約、打刻のデータをIngestし、その中のパターンをAnalyzeし、各時間帯に必要な労働量をPredictし、候補となるシフトをGenerateし、シフトの公開と通知によってExecuteします。その上に重なる異常検知のレイヤーが、打刻を見守ります。

1. 労働需要の予測。 モデルは、需要が時間帯、曜日、季節によってどう動くかを学習し、それを先に投影します。入力は通常、取引や注文、来店客数、予約、販促、天候、地域のイベントです。これらは予測分析として適用される標準的な機械学習の手法です。出力はシフトではなく、「土曜の正午から午後2時までレジ係6人」のような、時間帯ごとの必要人員です。

2. シフトの作成。 最適化エンジンが必要人員を受け取り、制約と照らし合わせます。誰が勤務可能か、各シフトにどのスキルや資格が必要か、残業の閾値、休息の規則、労働組合との協定、本人が示した希望などです。そのうえで、これらの規則を守りながら最小のコストで需要をカバーするシフトを提案します。人に関わる部分には、生成AIを重ねることができます。シフト交換のメッセージの下書きや、「なぜ日曜に入れられたのか」への回答などです。

3. 勤怠の異常の検知。 人が働き始めると、システムは打刻を計画と比較します。確認に値するパターンを見つけられます。想定外の場所からの出勤打刻、一方向に偏った端数処理の繰り返し、休憩の取り損ないの急増、定期的に予定終了時刻を超えるシフト、同じ端末から2人が打刻している状況などです。これは勤務記録に向けられた異常検知であり、自動で行動するのではなく、人にフラグを回すときに最もよく機能します。

職種別の実例

どこでもパターンは同じです。モデルが何千もの組み合わせにわたる計算を行い、人は公平性や文脈に関わる判断を担います。休暇申請との関係については休暇・休職エージェントを、従業員向けの側面についてはAI従業員セルフサービスをご覧ください。

シフト計画システムが守るべき法律

最適化エンジンは、止めるものがなければ、クローズ勤務の直後にオープン勤務を平気で割り当てます。シフトに関する法律は、その「止めるもの」にあたります。管理者が後で気づくものではなく、設定上のハードな制約として扱ってください。

予測可能なシフトとフェアワークウィークの法律（米国）

米国のいくつかの法域では、シフトの事前通知と、雇用主が変更した場合の追加賃金が求められています。規則は場所、業種、雇用主の規模によって異なるため、事業を行う各地域について最新版を確認してください。公式ページからのいくつかの参考例を示します。

他の市や州にも独自のフェアワークウィーク法があり、追加や改正が続いています。記事の中の表を、コンプライアンスの根拠として頼らないでください。拠点ごとの規則シートを、人事または法務の担当者が管理する形で保持し、定期的に見直してください。

AIによるシフト計画にとって、実務上の帰結が2つあります。第一に、システムは直前の変更を可視化し、金額も示すべきです。管理者が通知期間内に公開済みのシフトを編集する場合、編集を保存する前に、それが発生させる割増金をツールが表示すべきです。第二に、システムは誰が何をなぜ変更したかを記録すべきです。割増賃金をめぐる争いは、記録の問題だからです。

労働時間の規則（EU）

労働時間指令は、シフト計画システムがハードな制限として扱うべき最低基準を定めています。24時間ごとに少なくとも連続11時間の休息、7日間ごとに中断のない24時間の休息、残業を含めて週平均48時間以内（参照期間は最大4か月）、そして夜間労働者の通常の労働時間は24時間のうち平均8時間以内という上限です。指令は一部の場合に適用除外を認めており、加盟国や労働協約が独自の規則を加えるため、設定する上限は指令だけでなく、国内法と自社の協定に基づくべきです。

勤怠データもここで重要です。2019年、EU司法裁判所は、雇用主が各労働者の1日の労働時間を測定する客観的で信頼でき、アクセスしやすい仕組みを整えなければならず、残業だけを記録するのでは十分でないと判断しました（Addleshaw Goddard）。打刻データが整ったシフト・勤怠のプラットフォームは、この基準を満たす1つの方法です。

端数処理と賃金の正確性（米国）

時間の面では、米国の公正労働基準法の規則は、打刻を最も近い5分、10分の1時間、または4分の1時間に丸めることを認めていますが、それは長い目で見て、従業員が働いたすべての時間に対して賃金が支払われない結果にならない場合に限られます（29 CFR 785.48）。一方向への端数処理に印をつけるAIは、コンプライアンスに対して具体的な役割を果たしています。

安定したシフトを設計する価値

シフト計画のAIをコストのためのツールと読むのは魅力的ですが、紙の上で最も安いシフトは、不安定なものであることが少なくありません。その逆のアプローチを検証した最もよく知られた例が、Gapの研究です。Center for WorkLife Law、シカゴ大学、UNC Kenan-Flaglerの研究者が、Gap Inc.とランダム化実験を行いました。2015年11月から2016年8月まで、サンフランシスコとシカゴの周辺で、処置を行った19店舗と対照の9店舗を対象としました。処置を行った店舗は、テクノロジーを活用したシフト交換、コアとなるシフトの設定、的を絞った追加人員の配置といった施策を用い、売上の中央値が7%、労働生産性が5%向上しました（WorkLife Law）。

これは数年前の1社の小売での実験ですから、安定性と業績が相反しないことの証拠として扱ってください。自社の事業の予測として扱うべきではありません。ただし、設計上の教訓は有用です。最適化エンジンには、カバー率とコストだけでなく、安定性も目的として与えてください。週ごとに一貫したシフト、予測可能な休日、早めの通知、従業員の意見を入れる余地です。疲労への関連する影響については、AI時代のペースとバーンアウトで扱っています。

段階的な導入の進め方

1. 1つの対象と1つの課題を選びます。 1つの店舗グループ、拠点、または部門と、1つの課題から始めます。ピーク時の人員不足、残業の想定外の発生、直前のシフト変更などです。広範な導入は、何が機能しているかを見えなくします。

2. 入力を整えます。 信頼できる需要の履歴、スキル、資格、勤務可能時間を含む最新の名簿、そして信頼できる打刻データが必要です。入力が悪ければ、自信満々の誤ったシフトが出力されます。基礎作りはAIのための人事データ基盤で扱っています。
3. 設定する前に、規則を書き出します。 拠点ごとに、通知期間、休息の最低基準、残業の閾値、休憩の規則、労働組合の条件、年少者の就労制限を一覧にします。人事または法務の承認を得ます。そのうえで、ハードな制約として読み込みます。
4. 予測をシャドーモードで実行します。 数週間にわたり、予測された労働量を、管理者が実際にシフトに入れた量や、需要が実際に必要としていた量と比較します。予測誤差は、全体だけでなく時間帯別に測定します。
5. 管理者が編集する形で、シフト生成をパイロット運用します。 管理者に下書きを調整してもらい、その理由を記録します。繰り返される上書きは、欠けている制約や、不適切な予測を示します。
6. 確認の経路を設けたうえで、異常のフラグを有効にします。 フラグは、対応期限を定めて、名前の決まった担当者に回します。誰も読まないフラグはノイズにすぎず、自動で懲戒につながるフラグはリスクです。人を判断のループに残してください。
7. システムが何をするのか、従業員に伝えます。 どのデータが入力されるのか、希望がどう重みづけされるのか、シフトをどう交換するのか、記録にどう異議を唱えるのかを説明します。
8. 利用状況ではなく、成果を測定します。 予測精度、通知期間内のシフト変更率、支払われた割増賃金、残業時間、埋まらなかったシフト、離職、シフトに対する従業員満足度を追跡します。シフトの不安定さは退職に表れることが多いため、これは離職予測ともつながります。
9. 四半期ごとに見直します。 需要は変わり、法律は改正され、拠点は新設されます。予測を再テストし、規則シートを更新してください。

よくある落とし穴

• コストだけを最適化すること。 ピーク時の手薄な人員配置と、絶え間ない直前の編集は、離職や売上機会の損失というコストを生み、割増賃金の発生につながることもあります。
• 法律を事後のチェックとして扱うこと。 規則がエンジンのハードな制約になっていなければ、管理者は違反を公開してしまい、後で気づくことになります。
• 全拠点に1つの規則を適用すること。 通知期間、対象となる雇用主、休息の規則は、市、州、国によって異なります。
• 不透明なシフト計画。 従業員が自分にそのシフトが入った理由を確認できなければ、実際にそうであるかどうかにかかわらず、システムは不公平だと受け取られます。
• 異常のフラグを非難として使うこと。 打刻漏れの多くは、不正ではなく打ち忘れです。行動する前に確認してください。
• 勤務可能時間や介護の事情を無視すること。 形式的に合法なシフトでも、人を辞めさせてしまうことがあります。勤務可能時間は正直に把握し、尊重してください。
• 監視への拡大。 位置情報や生体情報による打刻データは、多くの地域でプライバシー上の問題を生じさせます。必要なものだけを収集し、その理由を文書化してください。
• 予測の見直しを省くこと。 昨年のパターンで学習した需要モデルは、新製品、新しい競合、営業時間の変更の後には外れます。

次に読む記事

• 人事におけるAI：このセクション全体の柱となる記事です。
• AIのための人事データ基盤：これらすべてが機能する前に必要なデータです。
• AI従業員セルフサービス：シフト交換、休暇、シフトに関する質問に答える場です。
• 休暇・休職エージェント：休暇申請が人員のカバーとどう関わるかを扱います。
• 異常検知：勤怠のフラグの背後にある手法です。
• AIによる給与計算：承認された労働時間が検証され、賃金に変換される場です。
• AI時代のペースとバーンアウト：なぜ業務量とシフトの設計が健康にとって重要なのかを扱います。