Ans. 「AI勤務表だと2-3時間かかるのですが」をAIに回答させたものを、本稿の最後に示しました。私の見解は違います。
<ソルバ性能に依存する>
ナーススケジューリング問題は、組み合わせ最適化という長い最適化研究の歴史があります。アカデミックな研究分野では、同じ問題をどれだけ正確に物理限界まで解けるか?という性能追及の歴史があります。現時点でも、同じ土俵上で競われている性能差を把握するには、便利な指標となります。
https://www.schedulingbenchmarks.org/nrp/progress1_24.html
AIエージェントが呼び出すソルバに依存しているのが現状です。そのソルバでアカデミックベンチマークテストを行い、研究最先端の結果と比較してみれば、基礎的なソルバ性能が明らかになるでしょう。長い組み合わせ最適化研究の歴史があるのに、それらの研究成果を無視して車輪の再発明をする人が後を絶たない印象です。
今後の方向性としては、二つの方向性が考えられます。
1)AI自身がソルバを書く
アンソロピック自身、コードを人が書くことはなくなった、と言っていますので、将来的な方向性は確実にあります。しかし、商用ソルバも長い研究と経験がありブラックボックス化していて、それらを直ぐにキャッチアップ出来るとは思いません。コードをリバースエンジニアリングするAIが出現していますが、著作権・特許権を無視しており法的に問題のある可能性があります。
2)AIはモデリングに使う
ソルバは、人間が書いた長い歴史のあるソルバに任せ、AIは、日本語でのモデリング指示に使います。ソルバの改善ではありません。使い勝手や意図の正確な実装という意味で、いわばモデリングの改善になります。
アンソロピックの提唱するMCPインタフェースにより急速に対応アプリが増えています。(スケジュールナースも準備中です。)
ナーススケジューリング問題は、もともとの問題が複雑でそれを日本語で指示を与えるにしても、難しさが伴います。結果もトレードオフの境界上に存在することがしばしばです。そのため、使用する側においても、「ハード制約」や、「ソフト制約」といった概念を理解することなしに、指示を与えるのは困難です。加えて、複雑な制約を明瞭に伝える国語力が重要となってきます。
参考リンク:
- 条件を毎回文章で入力している。
スタッフの希望や勤務ルールをチャットに一から打ち込むと準備だけで時間がかかります。ルールやスタッフ一覧をExcelやスプレッドシートで「固定の条件表(テンプレート)」にしておき、毎月コピペするだけで済む形にしましょう。 [1, 2, 3] - 1か月分を一度に作らせようとしている。
30日分をまとめて生成させると、AIが途中でルールを忘れたり出力が途切れたりして、手直しが連鎖します。「前半15日・後半15日」や「1週間ごと」に区切って生成させると、精度が上がり修正の手間が激減します。 [1, 2] - 「完璧なシフト」を1回で作らせようとしている。
AIに無理やり全枠を埋めさせると、法令違反や希望無視のシフトが出て修正に時間がかかります。「埋められない枠は『人員不足』と正直に出す」と指示し、8割程度の「たたき台」を数分で作らせて残り2割を人間が微調整する分担にするのが最も効率的です。 [1, 2, 3] - 出力後の検算・チェックを目視で行っている。
連勤数や労働時間の計算を人間が目視で確認すると大きな負担になります。勤務表出力のあとに「連勤が5日を超えている人」「必要人数が足りていない日」をリストアップさせる検算用プロンプトを続けて実行すると、確認作業が一瞬で終わります。 [1, 2, 3, 4]




