ロート製薬、再生医療の人員配置をAIで自動化し配置時間75%削減

再生医療の製造現場では、工程の内容も必要なスキルも日々変わります。資格が要る業務とそうでない業務、工程の難易度、作業環境の負荷、そして誰がいつ休むか。これらを同時に満たす配置を、Excelの数式と頭の中の組み立てで解いていました。メンバーの予定や出勤情報を集めるのに約1週間、Excelで組むのに数時間、現場から「なぜ私ばかり大変な工程に入るのか」という声が上がれば、さらに数時間かけて組み直す。この業務は特定の管理者にしか担えず、不在時の対応が難しい状態でもありました。

編集部の見立てでは、ここでの困りごとの芯にあったのは作業時間の長さそのものではなく、配置の根拠が一人の頭の中にしか存在していなかったことです。根拠が言葉になっていないから、他の人が引き継げず、現場から問われても客観的には説明できない。時間の重さ、属人化、そして「明日どうしよう」という精神的なプレッシャー。三つの症状は別々の問題に見えて、同じ一点から派生していたのではないでしょうか。

効いたのは、「この人は午前のみ出勤」「過酷な環境の工程に同じ人が連続で入らないようにする」といった、現場でしか出てこない制約条件を一つずつ設定に落とし込んだことです。従来のロジックベースの配置システムには、条件を積み上げるほど解が成立しなくなるという壁がありました。必要最低限の条件で成立させる手段としてAIを選び、そのうえで特定の個人に負荷が集中しないよう平均的にバランスを取る仕組みを求めた設計が、人間の意思ではなく客観的な基準による提案という納得感を支えたと考えられます。

二つ目は、AIを万能の箱として扱わなかった進め方です。「自動化は難しいのではないか」という地点まで行きながら、何が足りないのか、どうなれば仕組みとして成立するのかを一つずつ言語化する作業が続きました。その過程で、本当に必要な要件と、運用でカバーできる要件とが切り分けられています。この切り分けこそが実運用への分岐点で、要件を絞らないままAIに投げていたら、複雑さは人の頭の中からシステムの中へ移動しただけで終わっていた可能性が高いと見ます。

三つ目に、モニター期間という関わり方があります。開発途上のシステムを現場が使い込み、UIの使いにくさや不具合まで含めて評価する形を取ったため、現場の違和感がそのまま仕様やロジックの改善材料になりました。機能が多くても使いにくければ現場は使わない、という前提を置いて使いやすさの改善を継続した点も、標準化を成り立たせる土台になっています。

配置作成にかかる時間は、月あたり数時間から数十分へ、率にして75〜90%短くなりました。急な欠勤や工程変更があってもAIで数分で再計算でき、特定者しか担えなかった配置業務は複数名で対応できる状態へ近づいています（標準化そのものはまだ途上です）。スキル情報はシステムで一元管理され、配置の根拠をスキル習熟度や作業負荷で示せるようになったことで、「なぜ私がこの工程なのか」への説明にも客観性が生まれました。時間短縮以上に大きかったのは、「明日どうしよう」という管理者の精神的負担の軽減です。