清掃スタッフの負担をAIで平準化する配分設計

結論：清掃負担の偏りはデータで見えて、AIで直せる

旅館の清掃現場では、ベテランスタッフが大部屋や難室を集中して担当し、新人スタッフは少ない部屋数しか割り当てられないという偏りが慢性化しやすい。この偏りは「暗黙のルール」として固定化し、離職率の悪化や採用コストの増加につながる。

AIを使った清掃配分の平準化とは、客室ごとの難易度・所要時間・スタッフの習熟度を数値化し、当日の体制に合わせて最適な割当を自動計算する仕組みだ。手書きや経験則による配分表を置き換えることで、特定の人に集中していた負担を分散し、全員が適切な量と難易度の仕事をこなせる状態をつくる。

---

なぜ清掃配分の偏りが起きるのか

清掃の割当は多くの施設でベテランリーダーが経験則で決めている。その背景には3つの構造的な問題がある。

客室の難易度が数値化されていない 「あの部屋は時間がかかる」という認識はあっても、「大部屋A棟は標準客室の1.8倍の工数」という形でデータが整備されていない。数値がないと公平な配分は不可能だ。

スタッフの体力・習熟度が考慮されない 60代のパートスタッフと20代の正社員では、1日にこなせる部屋数が異なる。しかし多くの現場では「今日は何人出勤したか」だけで単純に部屋数を割ってしまう。

当日の変動への対応が属人的 急な欠員や連泊延長が発生したとき、誰かが素早く配分を組み直す必要がある。この調整能力がベテランリーダー個人に依存すると、休んだだけで現場が混乱する。

---

AI配分設計の基本構造

清掃配分をAIで最適化するには、3つのデータレイヤーを整備することから始まる。

客室マスタ：難易度スコアを付ける

まず各客室に「清掃工数スコア」を設定する。以下のような基準で点数化するとよい。

客室タイプ	広さ（㎡）	基本スコア	加算要素の例
スタンダードシングル	20〜30	10	バス・トイレ別：+2
デラックスツイン	35〜50	16	露天風呂付：+5
和室大部屋（8畳以上）	50〜80	22	布団の上げ下げ：+3
スイート・特別室	80以上	30	調度品の多さ：+5〜8

スコアの初期値は過去の清掃ログや、スタッフへのヒアリング（「何分かかるか」）をもとに設定する。3か月分のデータが蓄積されると、実測値をもとに自動補正できるようになる。

スタッフマスタ：処理能力の上限を定める

スタッフごとに「1シフトで処理できるスコアの上限」を設定する。これを「稼働キャパシティ」と呼ぶ。

• フルタイム正社員（経験3年以上）：上限スコア120
• パートタイム（週3〜4日、体力的な制約あり）：上限スコア80
• 研修中の新人（入社6か月未満）：上限スコア60

キャパシティの初期値はリーダーが設定し、毎月の実績をもとに見直す。体調不良や季節的な疲労を反映するために、当日の出勤時に「今日の体調：80%」のような申告機能を設けると精度が上がる。

当日データ：リアルタイムの変数を取り込む

予約管理システムと連携し、以下の情報を当日朝に取得する。

• チェックアウト確定客室リスト（時刻つき）
• 連泊客室（清掃範囲の制限あり）
• VIPフラグ（特別対応が必要な客室）
• 当日の出勤スタッフと稼働開始時刻

これらを組み合わせて「今日の総清掃スコア」を算出し、出勤スタッフのキャパシティ合計で割り当てる。

---

配分ロジックの実装ステップ

ステップ1：Excelまたはスプレッドシートで基盤を作る

最初から専用ツールを導入する必要はない。GoogleスプレッドシートにGAS（Google Apps Script）を組み込めば、以下の処理を自動化できる。

1. 当日のチェックアウト客室リストを貼り付ける
2. 各客室の難易度スコアを客室マスタから自動参照
3. 出勤スタッフのキャパシティに基づいて配分を計算
4. 担当者・担当客室・開始目安時刻を一覧で出力

この段階では「完璧な最適化」より「誰でも使えること」を優先する。GASのスクリプトは以下のようなシンプルなロジックで十分だ。

スタッフをキャパシティの降順に並べる
↓
難易度スコアの高い客室から順に、キャパシティに余裕のあるスタッフに割り当てる
↓
全客室が割り当てられるか、全員のキャパシティが上限に達するまで繰り返す

ステップ2：実績データを蓄積して精度を上げる

配分システムが動き始めたら、毎日の清掃完了記録をログとして残す。記録すべき項目は「客室番号・担当者・開始時刻・完了時刻・品質チェック結果」の5点だ。

3か月分のデータが集まると、客室ごとの実際の所要時間分布が把握できる。初期に設定したスコアが実態と乖離していれば修正し、スタッフのキャパシティ設定も実績値に合わせて調整する。

この段階で客室清掃の品質チェックをAI写真判定で標準化の仕組みと組み合わせると、「負担の平準化」と「品質の均一化」を同時に管理できるようになる。

ステップ3：AI最適化エンジンに移行する

データが蓄積され、ルールベースの配分では対応しきれないケースが増えてきたら、機械学習を組み込む段階に移る。具体的には以下の用途でAIが力を発揮する。

残業リスクの予測 「このスタッフにこの配分を与えた場合、何時に完了するか」を過去実績から予測し、残業が発生しそうな配分を事前に警告する。AIで勤怠データから残業の偏りを見つけるで詳述している手法と組み合わせると、翌月のシフト設計にもフィードバックできる。

季節・曜日による難易度変動 夏季の大部屋は荷物量が多く実質的な清掃時間が伸びる、週末は連泊比率が上がりルーム整備の割合が変わる、といった季節・曜日パターンをAIが自動学習し、スコアを動的に補正する。

スタッフの相性と成長軌跡の考慮 ベテランと新人をペアリングする日と、単独担当にする日を使い分けることで、OJTの機会を計画的に設計できる。

---

現場導入時に起きやすい抵抗と対処法

「機械に仕事を決められたくない」という反発

配分ロジックをブラックボックスにすることが最大の失敗要因だ。スタッフに「なぜこの配分になったか」を説明できる仕組みを作る必要がある。

対策として、配分表に「担当スコア合計：84 / あなたの上限：90」のような数値を表示する。自分の負担が数値として見えると、「公平に割り当てられている」という感覚が生まれやすい。

リーダーのノウハウが失われるという懸念

「自分の判断が不要になる」という不安がリーダー層に生まれることがある。実際には、AIの出力した配分案に対して「今日はAさんの体調が悪そうだから変更する」という最終判断はリーダーが行う形にするのが現実的だ。AIは候補案を出す役割、人間は最終承認と例外対応を担う分担が定着しやすい。

データ入力の手間が増えるという問題

導入初期は客室マスタの整備やスタッフ情報の入力に時間がかかる。この工数を過小評価すると現場に嫌われる。最初の2週間は担当者が集中的にデータを整備する期間として確保し、現場スタッフには通常業務に負担をかけない形で進める。

---

ツール選定の考え方

専用ツールと自作ロジックのどちらを使うべきかは、客室数と予算によって異なる。

規模	推奨アプローチ	コスト感
10室以下	Google スプレッドシート + GAS	ほぼ無料
10〜30室	清掃管理アプリ（基本プラン）	月額1〜3万円程度
30〜100室	清掃管理アプリ（AI配分機能）	月額3〜8万円程度
100室以上	PMS連携対応の専用ツール	要見積もり

旅館向け清掃管理アプリの比較では各ツールの機能差を整理しているが、ここで重要なのはツール選定より「客室スコアとスタッフキャパシティのデータを整備すること」だ。ツールを変えてもデータがなければ精度は上がらない。

清掃スタッフの負担が平準化されると、二次的な効果としてAIでリネン在庫を自動で発注点管理する方法で扱うような消耗品の使用量予測精度も上がる。スタッフごとのリネン使用数が均等化されるため、在庫管理のばらつきが減るからだ。

---

平準化がもたらす経営的な効果

清掃負担の偏り解消は、コスト削減以上に採用・定着に効く。

ある20室規模の温泉旅館では、GASベースの配分ロジックを導入した3か月後に以下の変化が起きた。

• ベテランスタッフの残業時間が週平均8時間から3時間に減少
• 新人スタッフの「仕事量が重い・軽い」という不満がほぼゼロになった
• リーダーの配分作業が1日30分から5分に短縮され、品質確認に時間を使えるようになった

採用コストが高騰している現在、既存スタッフの離職を1人防ぐことで数十万円のコスト削減になる。清掃配分の公平化は、スタッフが「ここは働き続けられる職場だ」と感じる根拠の一つになる。

バック業務の効率化という観点では、旅館の経理をAIで月次決算を1週間早める方法のような財務面のAI活用と組み合わせることで、管理部門全体の負荷軽減につながる。

---

まとめ

清掃スタッフの負担平準化は、客室難易度スコアとスタッフキャパシティという2つのデータを整備するところから始まる。最初はスプレッドシートで十分で、データが蓄積されるにつれて配分精度を上げていく段階的なアプローチが現実的だ。

大切なのは、配分ロジックをスタッフに開示し「なぜその割当になったか」を説明できる状態を保つことだ。透明性がある仕組みは現場の信頼を得やすく、数値に基づく公平感がスタッフの定着率を高める。

各ツールの最新機能や料金は公式サイトで確認してほしい。

---

よくある質問

Q. 清掃スタッフの負担平準化にAIを使うと、具体的に何が変わりますか？ 当日の客室数・チェックアウト時刻・スタッフの体力や経験値を組み合わせて配分を自動算出するため、ベテランへの集中や新人への過剰割当が減ります。担当変更にかかる調整時間も短縮されます。

Q. 小規模な旅館でも導入できますか？ 客室数10室程度の小規模施設でも、ExcelやGoogleスプレッドシートにGAS（Google Apps Script）を組み合わせるだけで基本的な配分ロジックを実装できます。専用システムは不要です。

Q. 清掃スタッフが配分ロジックに不満を持った場合はどう対処しますか？ 配分の根拠（部屋タイプ別の所要時間・難易度スコア）をスタッフに開示し、月1回程度の見直し会議を設けることが重要です。ブラックボックスにしないことが定着の鍵です。

Q. AI配分ツールと既存の清掃管理アプリは併用できますか？ 多くの清掃管理アプリはCSVエクスポート機能を持つため、AIが出力した配分リストをインポートする形で連携できます。API連携に対応したツールであればリアルタイム反映も可能です。