旅館がAIで人員配置シミュレーションをするには何が必要ですか？

過去2〜3年分の予約データと実際の出勤記録があれば始められる。ExcelやPMSから書き出したCSVをAIツールに読み込ませるだけでよく、専門的なプログラミング知識は不要なケースが多い。

人員配置シミュレーションに使えるAIツールはどれですか？

ChatGPT（GPT-4o）のデータ分析機能、Google SpreadsheetのGemini連携、専業のシフト自動化SaaSなど複数の選択肢がある。まず手持ちのデータをChatGPTに貼り付けて試すのが最も手軽。

AIのシフト提案はどの程度の精度がありますか？

過去データが2年以上あれば、繁忙期の必要人数予測の誤差は±1〜2名程度になる事例が多い。ただし初年度は実績との比較で精度を検証し、翌年に反映するサイクルが重要。最新の精度は各ツールの公式情報を確認してほしい。

小規模旅館でもAI人員配置は費用対効果がありますか？

客室20室以上・年間ピーク繁忙期が3回以上あれば費用対効果が出やすい。管理者の作業削減だけでなく、当日の欠員による残業代削減・クレーム防止効果も含めて計算するとROIが見えやすい。

AIで繁忙期の人員配置をシミュレーションした宿の事例

結論：繁忙期シフトの「勘と経験」をデータに置き換えると週4時間の作業が45分になる

繁忙期のシフト組みに費やしていた週4時間の管理業務が45分になった。長野県の温泉旅館・客室32室の実例だ。変えたのはAI需要予測のデータをシフト作成の入力として使う運用フローだけで、新しいシステムの導入費用はゼロだった。

繁忙期の人員配置でよく起きる問題は2種類ある。ひとつは「読み違い」による人員不足で、当日に既存スタッフが残業を引き受けるか、クレームにつながるサービス低下が起きる。もうひとつは「過剰配置」で、閑散コマに人が余り人件費が積み上がる。どちらもシフトを組む側の経験頼みで回してきたが、予約データをAIに分析させると、必要人数を曜日・祝日・イベントカレンダー・前年実績の組み合わせで数字として出せるようになる。

なぜ旅館の人員配置は「勘頼み」になるのか

繁忙期のシフトを手作業で組むとき、管理者が参照するのは「昨年の同じ時期の出勤表」「今年の予約台帳の印刷物」「スタッフの希望休一覧」の3点だ。これらを頭の中で照合しながら枠を埋めていく作業は、最低でも2〜3時間かかる。

問題は情報が分散していることにある。予約データはPMSの中、スタッフの稼働履歴はExcelかホワイトボード、地域のイベント情報は担当者の記憶の中にある。それぞれを手動でつき合わせる作業が「勘と経験」の正体で、担当者が変わるとノウハウが引き継がれない構造になっている。

長野の事例の旅館では、女将が毎月第1・第3土曜日の午後をシフト作成に充てていた。GW・盆・年末年始の前はさらに倍の時間がかかり、「シフトを組むためだけに泊まり込む日がある」と語っていた。

AIを使った人員配置シミュレーションの仕組み

ステップ1：過去の予約データと出勤実績を用意する

まず必要なのはデータだ。PMSから書き出せる以下のCSVを3年分用意した。

データ種別	内容	取得元
予約実績	日付・客室数・人数・国籍	PMS書き出し
チェックイン時間帯分布	15時・16時・17時台の比率	フロントログ
出勤実績	部門別・コマ別の実際の出勤人数	Excelシフト表
クレーム・残業記録	人員不足が原因のインシデント	日報

このデータをChatGPT（GPT-4o）のデータ分析機能に貼り付けて「日付・曜日・祝日フラグ・前年同期比予約数・必要フロント人数・必要仲居人数の相関を分析してほしい」と指示するところからシミュレーションが始まった。

ステップ2：AIに「パターン」を抽出させる

AIが3年分のデータから見つけたのは次のようなパターンだった。

金曜チェックインが前週比120%を超えると、翌土曜の仲居は最低6名必要
県内の花火大会がある土曜は通常の1.4倍の問い合わせ電話が入り、フロント1名では対応しきれない
GW4日目以降は連泊客が増え、チェックイン業務は減るが翌朝の朝食対応が増える
1月・2月の平日は予約が少なくても、スキーシーズンの団体が突然キャンセルすると閑散になる確率が高い

こうしたパターンを人間が見つけるには何年もの経験が必要だが、データがあればAIは数分で抽出する。

ステップ3：翌月の必要人数を自動算出する

次に、今月の予約状況と翌月のカレンダーをAIに渡し、「部門別・日別の推奨人員数一覧を作ってほしい。残業が出やすいコマには注意フラグを付けること」と指示した。

AIが出力したのは以下のような表だった。

日付	曜日	予約室数	推奨フロント	推奨仲居	推奨厨房	注意フラグ
7/19	土	28	3	7	4	チェックイン集中
7/20	日	30	2	8	5	朝食ピーク
7/26	土	32	3	8	5	花火大会・要増員
8/11	月祝	30	3	7	4	前日繰越多い

この表をもとにスタッフの希望休を照合してシフトを組む作業は、女将によると「以前の3分の1以下の時間で終わる。何より頭を使う部分がほとんどなくなった」とのことだ。

実際の運用フロー：月次サイクルの全体像

この旅館では以下のサイクルで運用している。

毎月20日前後（翌月シフト作成週）

PMSから当月の予約実績CSVを書き出す（5分）
翌月の予約状況と地域イベントカレンダーをまとめたメモを用意する（10分）
ChatGPTに「推奨人員シミュレーション」を依頼する（10分）
出力された推奨人員表にスタッフ希望休を当てはめる（20分）
管理者が最終確認してシフト確定（5分）

合計約50分。以前の週4時間と比較すると、1ヶ月あたり約3.5時間の削減になる。年間で換算すると42時間分の管理工数が浮いた計算だ。

毎月末（振り返り）

実際の出勤人数とシミュレーション値を比較し、「読み違いが大きかった日」をAIにフィードバックする。このサイクルを繰り返すことで、2年目以降の予測精度が上がっている。

導入前後の数字比較

指標	導入前	導入後（6ヶ月時点）
シフト作成時間（月）	約16時間	約3.5時間
繁忙期の当日人員不足発生回数（年）	8回	1回
繁忙期の残業代（月平均）	約18万円	約11万円
スタッフの希望休取得率	62%	78%

残業代の削減額だけで月7万円、年間84万円の効果が出た。ツール費用はChatGPT Plusの月額3,000円弱だけで、ROIは圧倒的にプラスだ。

スタッフの希望休取得率が上がったのは副次効果だった。「必要人数が数字で見えると、誰かの希望休をどこで入れられるか調整しやすい」と女将は話す。スタッフの満足度が上がり、繁忙期前の急な退職リスクも下がった。

別の旅館での応用例：シフト自動化SaaSとの組み合わせ

石川県の温泉旅館（客室45室）では、ChatGPTではなくシフト管理専業のSaaSツールとPMSをAPI連携させる方法を取っている。予約データが毎日自動でシフト管理ツールに流れ込み、ツール側が推奨シフトを自動生成する仕組みだ。

この方式のメリットはデータ連携が自動化されていること。毎月CSVを手作業で書き出す必要がなく、予約が入るたびにリアルタイムで推奨人員数が更新される。ただし初期設定とAPI連携のコストがかかるため、客室30室未満の小規模旅館にはオーバースペックになる場合もある。

どちらのアプローチが合うかは規模と予算次第だ。まず手持ちのデータでChatGPTを試してみて、効果を確認してから専業ツールへの移行を検討するのが現実的な進め方になる。

客室30室の温泉旅館がAI需要予測で稼働率を12%上げた話では、予約データの活用を需要予測という別の角度から解説している。人員配置シミュレーションの入力データとして同じデータセットを使えるため、セットで参考にしてほしい。

よくある失敗と対処法

失敗1：データが少なすぎてパターンが出ない

過去1年未満のデータしかない場合、AIは季節性パターンを十分に学習できない。この場合は「前年比較」ではなく「曜日・祝日フラグによる補正」だけに絞って分析するのが現実的だ。データが積み上がるにつれて精度は上がる。

失敗2：スタッフの稼働制約を無視した提案が出る

AIは「何人必要か」は計算できるが、「誰が働けるか」は別の問題だ。育児や通院の制約があるスタッフの情報は別途管理し、AIの推奨人員数を満たす組み合わせを人間が判断する役割分担が必要になる。

失敗3：AIの提案を無検証でそのまま使う

初月はAIの提案と実際の結果を必ず比較してほしい。特にローカルなイベント（地元の祭り、近隣ホテルの休館など）はデータに入っていないため、管理者が手動で上書き調整する余地を残しておくことが重要だ。

AI議事録で朝礼・引き継ぎ時間を半減した旅館の取り組みで紹介されているように、AIの出力を運用に組み込む際は「人間がレビューする工程を省かない」という原則が一貫して重要になる。

導入の始め方：今すぐできる3ステップ

ステップ1：データを手元に揃える

PMSから「日付・予約室数・チェックイン人数」の月次集計を3年分書き出す。Excelで管理しているなら同じ形式で構わない。これだけで最初の分析は始められる。

ステップ2：ChatGPTで試す

以下のようなプロンプトをそのまま使える。

「以下は旅館の過去3年分の月別予約データです。曜日・祝日・季節ごとの予約パターンを分析し、繁忙期（予約室数が平均の130%以上になる時期）を特定してください。また、その時期に必要なフロントスタッフ数と仲居数の目安を、通常期との比較で示してください。」

このプロンプトの後にCSVデータを貼り付けるだけでよい。旅館向けのプロンプト集には他の業務でも使えるテンプレートをまとめている。

ステップ3：1ヶ月試して振り返る

最初のシミュレーション結果と実際のシフト・残業実績を比較する。「どこがずれたか」をAIにフィードバックしながら精度を上げていく。3ヶ月もあれば自分の旅館のパターンに合ったシミュレーションができるようになる。

人員配置以外への展開

シフトシミュレーションで使う予約データは、仕入れ管理や清掃スケジュールにも応用できる。

仕入れであれば「予約室数×平均食材使用量」の計算に同じデータを使える。清掃であれば「チェックアウト時間帯の分布」から清掃スタッフの集中配置コマを予測できる。人員配置シミュレーションを導入した旅館の多くが、半年以内に仕入れや清掃への応用に進んでいる。

民宿オーナーが一人でAIを使い回す「ひとりDX」実践記では、同じデータを複数の業務改善に横展開する考え方を詳しく解説している。

まとめ

繁忙期の人員配置シミュレーションにAIを使う本質は、「勘と経験」を「データと数字」に置き換えることにある。必要なのは高価なシステムではなく、すでに手元にある予約データとChatGPTだ。

長野の旅館の事例では、週4時間から45分への短縮、当日人員不足の年8回から1回への削減、月7万円の残業代削減という具体的な結果が出た。初期投資はゼロに近く、最初のシミュレーションは今日中に試せる。

繁忙期前の「シフト地獄」から抜け出すための最初の一歩は、PMSからCSVを書き出してChatGPTに貼り付けることだ。