Who（誰が）
小売・物流・介護・コールセンターなど複数拠点を持つ従業員50〜500名規模の企業のシフト担当者（店長・マネージャー兼務者を含む）が主な利用者である。
対象とする社会課題：繁忙期に人手不足が集中し、現場が疲弊する構造をAIが事前予測し調整する
社会の役に立ち、しっかり儲かる。その両立が、この計画には数字で示されています。
月末月初や給付金支給日に需要が跳ね上がる現場では、店長がExcelで人員配置を組み、読みが外れれば残業が積み重なり、離職につながっていく。シフト担当者は専門知識のないまま兼務で疲弊し、繁忙期になってから慌てて応援を探す後手対応が続く。ShiftForecastは、その慌てる前の一歩を作るための仕組みだと考えている。
※ この4つの数字は、見せるために作った数字ではありません。「事業計画」タブの10年計画とまったく同じ計算から出しています。EXIT（売却）時の手取りだけは「もし売れたら」の試算で、約束できる金額ではありません。
10年の事業計画も、創業融資400万円の申請資料も、システムの要件定義書も、最初の90日の段取りも——ぜんぶこのページにあります。足りないものはAIチャットが伴走しながらその場で作り、システム開発・専門家・投資家への橋渡しまで、このサイトの中で進められます。「やりたい」と思ったその日から、始められる状態です。
ボタンを押すとAIチャットが開き、ShiftForecastの事業設計を読み込んだ状態で、事業計画書やピッチ資料、開発の要件定義、創業融資の申請書などの素案をその場で作成します。内容は状況に合わせて調整できます。
※ ボタンを押すと確認のポップアップが出ます。「はい」を選ぶとAIチャットが新しいタブで開き、 この事業の内容を踏まえた作成指示が自動で送られます（あなたが文章を打ち込む必要はありません）。 どのボタンを出すかは事業の性質でAIが出し分けます。生成にはAIチケットを使用します。
あなたの経歴とこの事業のフィットをAIが診断します。活きる強み、足りないもの、 共同創業者に求める人物像まで示します。
無料会員登録して診断する登録済みの経歴をもとに、この事業とのフィットを診断します。経歴・スキルの内容はAI相談・AIチャットの回答にも反映されるため、最新の内容に更新しておくとより精緻なアウトプットが得られます。
💡 このショーケースをお気に入り登録すると、あなたのAIチャットがお気に入り登録した事業の情報を学習し、より賢く、具体的な提案ができるようになります。
※ AIによる参考意見です。合否や成否を保証するものではありません。経歴・スキルの登録内容は、この診断やAI相談・AIチャットの回答精度にも影響します。
ShiftForecastは、小売店舗・物流倉庫・介護施設・コールセンターなどでシフト作成を担う店長やマネージャーが、既存の勤怠システム(freee人事労務、KING OF TIME等)やPOS・受注データを連携するだけで、翌週から数ヶ月先までの日次・時間帯別の必要人員数をAIが予測し、ダッシュボードで確認できるサービスです。
担当者は『来週の土曜は何人不足しますか』とチャットで質問すれば、不足人数と応援要員候補・シフト組み替え案が返ってきます。承認ボタンを押すと対象従業員にLINE/SMSでシフト変更依頼が自動送信され、承諾状況に応じて次善候補へ自動で再送されるため、繁忙期の人員調整にかかる週5〜10時間の手作業と、現場の疲弊・離職を減らします。
小売店舗、物流倉庫、介護施設、コールセンターなどでは、月末月初・季節イベント・給付金支給日などに需要が急増し、シフト担当者が経験と手作業(Excel)で人員配置を決めているため、慢性的な過不足が発生している。
従業員50〜300名規模の店舗・拠点では、繁忙期に1人あたり月20〜40時間の残業が集中し、離職率が閑散期の2倍以上に跳ね上がるケースが多い。シフト担当者は店長やマネージャーが兼務することが多く、専門知識がないまま週5〜10時間を配置調整に消耗している。既存のシフト管理SaaSは「入力・可視化」が中心で、繁忙期を事前に予測し人員を自動再配置する機能を持つ製品はまだ少ない。結果として、現場は繁忙期になってから慌てて求人・応援要請を出す後手対応になり、コストと疲弊が積み重なっている。
時系列予測モデル(勾配ブースティング+LSTM)が売上・勤怠・外部イベントデータから時間帯別必要人員数を予測する。
数理最適化(線形整数計画)エンジンが予測結果と従業員の稼働可能時間・スキル・法定労働時間制約を突き合わせ、拠点間の人員再配置案を自動生成する。自然言語対話AI(LLM)が管理者からの質問応答とシフト変更の従業員への通知文生成・承諾交渉の一次対応を担う。予測誤差を継続的にモニタリングし異常検知した際は自動でモデル再学習をトリガーする仕組みを備える。
現場責任者は既存の勤怠・POS・受注データをShiftForecastに連携するだけで、翌週〜3ヶ月先の必要人員数を日次・時間帯別にAIが予測したダッシュボードを閲覧できる。
AIは過去のシフト実績、売上・入荷・季節性、地域イベント情報を組み合わせ、拠点間で人員を融通すべきタイミングと人数を自動算出し、担当者はチャット画面で『来週の土曜は何人不足しますか』と自然言語で質問するだけで回答と対応案(応援要員候補、シフト組み替え案)を受け取れる。担当者が承認ボタンを押すと、AIが対象従業員へシフト変更依頼を自動送信し、LINE/SMSで承諾を回収、承諾率に応じて次善候補へ自動再送する。月次では過去予測と実績のズレをAIが自己検証し、翌月以降の予測モデルを自動再学習する運用フローになっている。
| 繁忙期残業代の割増分(100名規模店舗、1人月30時間×時給1500円×1.25倍換算) | 月額 約56万円(拠点あたり) |
| 離職に伴う採用・研修コスト(離職率2倍、年間10名想定・1人あたり50万円) | 年額 約500万円 |
| 店長・所長が兼務するシフト調整の人件費換算(週8時間×時給3000円×4週) | 月額 約9.6万円(拠点あたり) |
| 緊急求人広告費・派遣スポット手配費(月2〜3件×3万円) | 月額 約6〜9万円(拠点あたり) |
| 基本SaaS利用料(拠点あたり月額3万円+従業員100名×200円) | 月額 5万円 |
| AI予測プレミアムプラン(3ヶ月先予測・多拠点最適化込み) | 月額 +5万円(合計10万円/拠点) |
| 初期導入・データ連携支援(勤怠/POS API連携構築費、一括) | 初年度のみ 80万円 |
この事業をやっている人のある1日、1年後・3年後・10年後の姿、向いている人・向いていない人、よくある質問……
あなたと事業の詳細は無料会員限定です。
時間軸別に、各チャネルの具体施策と、それをAIでどうプロンプティングして実現するかをセットで。
上記の施策をもとに、広告物の作成業者（マーケ会社）への紹介をご希望の場合はこちらからエントリーできます。
マーケ会社の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
この事業に必要なアプリを作るための仕様です。下のボタンでWordに書き出せば、そのまま開発会社への相談・見積の依頼に使えます。
※ このボタンは、このページに載っている内容をそのままWordファイルに書き出します（AIは使いません。すぐ保存できます）。 ページの上のほうにある「ほしい資料を、その場でAIがつくります」の要件定義書のボタンは、AIチャットがあなたのご要望を聞きながら、そのつど書き起こすものです。 すでにある内容をそのまま渡したいときはこちら、作りたい範囲や条件を相談しながら仕上げたいときはAIチャットをお使いください。
繁忙期の人員配置は店長やエリアマネージャーが本業と兼務しながらExcelと経験で決めており、専門知識がないまま週5〜10時間を配置調整に費やしているのが実態である。
月末月初や給付金支給日などの需要急増を事前予測する仕組みがなく、慌てて求人や応援要請を出す後手対応になり、1人あたり月20〜40時間の残業集中と離職率2倍以上という結果を招いている。既存のシフト管理SaaSは入力・可視化が中心で、需要予測から人員再配置提案まで一気通貫で行う製品が少なく、現場の負担を構造的に解消する手段が不足している。
PoC構築期間(0〜6ヶ月)は予測モデルの精度目標や連携仕様が確定していないため準委任契約が適しており、パイロット3社での実証を通じて要件を固めていく進め方が向く。
MVPリリース以降、連携するデータ項目・画面仕様が明確になった機能については請負契約への切り替えも検討可能だが、予測精度(MAPE)は開発側が完全に保証できる指標ではないため、機能実装は請負、精度目標はSLA(努力目標値+段階的改善条項)として契約書上分離することを推奨する。応援人材マッチング機能は労働者派遣法との関係で法務レビューが必須のため、当該範囲は別途法務顧問を交えた契約条項の確認を発注前に行うこと。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 店長・エリアマネージャー等、シフト作成を兼務するシフト担当者 |
| セカンダリ | シフト変更依頼を受け取り承諾・拒否を行う現場従業員 |
| 管理 | 本社人事労務部門の管理者、および導入企業を支援するカスタマーサクセス担当 |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| 勤怠・POS・受注データ連携基盤 | 勤怠/POS/受注データをAPI取得→正規化・名寄せ→統合データストアへ保存する。 |
| 時間帯別需要予測エンジン | 過去実績・売上・季節性・イベント情報→勾配ブースティング+LSTMで学習→時間帯別必要人員数を出力する。 |
| 人員再配置最適化エンジン | 予測人員数と従業員稼働時間・法定労働時間制約→線形整数計画で最適化→拠点間再配置案を出力する。 |
| 労基法ルールエンジン | 再配置案と休憩・連続勤務規制→社労士監修ルールで制約判定→違反案を自動除外する。 |
| 自然言語対話(チャット問い合わせ) | 管理者の自然言語質問→LLMが予測/最適化結果を解釈→回答と対応案(応援候補・組替案)を返す。 |
| シフト変更通知・承諾回収 | 承認済み再配置案→LLMが通知文生成しLINE/SMS送信→承諾/拒否結果を回収する。 |
| 承諾率連動自動再送 | 従業員の承諾結果→承諾率をもとに次善候補を自動選定→次善候補へ再送信する。 |
| 予測誤差モニタリング・自動再学習 | 予測値と実績値の差分→誤差閾値超過を異常検知→モデル自動再学習をトリガーする。 |
| 予測・実績ダッシュボード | 予測結果と実績データ→日次・時間帯別に集計→ブラウザ上に可視化グラフを表示する。 |
| 応援人材マッチング | 拠点間の人員過不足情報→マッチングアルゴリズムで候補算出→候補リストと手数料額を提示する。 |
| 月次予測精度検証レポート | 月次予測値と実績値→乖離要因をAIが分析→検証レポートと翌月改善提案を出力する。 |
| テーブル | 主要カラム |
|---|---|
companies | company_id, company_name, industry_type, plan_type, contract_start_date, billing_cycle |
locations | location_id, company_id, location_name, address, staff_count, timezone |
employees | employee_id, location_id, name, skill_tags, max_weekly_hours, hourly_wage, line_user_id |
shift_records | shift_id, employee_id, location_id, work_date, start_time, end_time, status |
demand_forecasts | forecast_id, location_id, target_date, time_slot, predicted_headcount, mape_score |
reallocation_plans | plan_id, source_location_id, target_location_id, employee_id, plan_date, approved_flag |
notification_logs | notification_id, employee_id, shift_id, channel, message_body, response_status, sent_at |
external_data_sources | source_id, location_id, data_type, event_date, event_detail, weather_code |
| # | 画面 |
|---|---|
| 1 | ダッシュボード(予測概要) |
| 2 | 日次時間帯別人員予測 |
| 3 | AIチャット質問応答 |
| 4 | シフト再配置承認画面 |
| 5 | 従業員シフト回答状況 |
| 6 | 拠点間応援マッチング |
| 7 | 予測精度モニタリング |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS(拠点データ基盤の可用性確保のため) |
| 2 | LightGBM(勾配ブースティングで需要予測精度を確保) |
| 3 | PyTorch(LSTM実装で時系列変動を学習) |
| 4 | OR-Tools(線形整数計画で配置最適化を実施) |
| 5 | OpenAI API(自然言語チャット対応の一次実装) |
| 6 | Airflow(データ連携・再学習パイプライン管理) |
| 7 | LINE Messaging API(従業員への通知承諾回収) |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 月間稼働率99.9%以上、計画停止を除く障害停止は年間8.7時間以内を目標とする。 |
| 性能 | 性能: 予測ダッシュボードAPI応答時間は95パーセンタイルで3秒以内、チャット応答は5秒以内を目安とする。 |
| データ同期 | データ同期: freee人事労務・KING OF TIME等の主要勤怠SaaSとのAPI連携は15分間隔での差分同期を基本とする。 |
| セキュリティ | セキュリティ: 勤怠・給与等の個人情報はAES-256で暗号化保存し、通信経路はTLS1.2以上を必須とする。 |
| 監査・法対応 | 監査・法対応: シフト変更・承認・通知の操作ログは労基法対応のため最低5年間保持する。 |
| スケーラビリティ | スケーラビリティ: 3年目目標の2,000拠点・従業員30万人規模までオートスケール構成で水平拡張可能とする。 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | パイロット企業から過去の勤怠・POSデータをExcelやCSVで受け取り、代表自身が表計算とスクリプトで繁忙期の必要人員数を試算し、レポートとして手渡しで提供して反応を確かめる。 | クラウド利用料と交通費だけ、外注は行わない水準感 |
| ②最小システム | 勤怠SaaSとのAPI連携を1〜2社分だけ最小構成で組み、予測結果を簡易ダッシュボードで表示する。チャット質問応答は定型パターンのみに絞り、法令チェックロジックも最低限に留める。 | 外注で数か月分の開発費用に、外部データAPI利用料が上乗せされる水準感 |
| ③本開発 | 勾配ブースティングとLSTMを組み合わせた予測モデル、数理最適化による人員再配置エンジン、LINE/SMS連携によるシフト承諾フローまでを本番運用に耐える形で構築し、複数拠点・複数業界に展開できるようにする。 | データサイエンティストとエンジニアの人件費が主体となり、外注費用も含めた継続的な開発投資が必要な水準感 |
上記の要件定義書をもとに、システムベンダー（開発会社）への紹介をご希望の場合はこちらからエントリーできます。
システムベンダーの紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
10年の収支と資金の集め方、財務、KPI、資本政策、そして図解付きのフル事業計画書・AI実装仕様書……
事業計画の詳細は無料会員限定です。
市場の前提（ボトムアップ試算）とTAM/SAM/SOMの規模感……
市場規模の詳細は無料会員限定です。
競合となるサービス・企業と、この事業ならではの差別化ポイント……
競合企業の詳細は無料会員限定です。
対応が必要な許認可・法規制と、確認すべき相手先・想定調整期間……
関連法令・許認可の詳細は無料会員限定です。
手を挙げたその日から動けるように、完了条件つきで並べています。
| 誰に会うか | なぜ会うか | 接触の仕方 |
|---|---|---|
| 小売チェーンの人事労務担当役員またはSCM部門責任者 | 繁忙期人員不足の実態とExcel運用の課題感を直接確認できる | 日本チェーンストア協会や商工会議所の勉強会・展示会で名刺交換 |
| 物流倉庫運営会社の現場統括マネージャー・拠点長 | 月末月初のピーク対応と応援要請の実務フローを把握できる | 物流業界向け展示会(ロジスティクスOKINAWA等)や3PL企業への飛び込み訪問 |
| 介護施設グループの施設長または人事担当マネージャー | 介護報酬改定・夜勤配置基準など業界特有制約を把握するため | 介護経営者向け勉強会(全国老人福祉施設協議会関連イベント)で接触 |
| freee・KING OF TIME等勤怠SaaSベンダーのアライアンス担当者 | API連携仕様と代理販売チャネルの可能性を早期に確認するため | 各社パートナープログラム窓口へ提携提案として問い合わせ |
| 労務問題に詳しい社会保険労務士(社労士事務所所属) | 最適化エンジンの労基法制約をルール化するため監修依頼が必要 | 社労士会の紹介制度またはスタートアップ支援の社労士法人へ相談 |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| 勤怠SaaSベンダーの担当者紹介 | freeeやKING OF TIMEの営業担当に「連携先パートナーとしてシフト予測機能を持たない既存顧客を紹介してほしい」と依頼し、共同デモの機会をもらう。 |
| 業界団体・勉強会への登壇 | 小売・物流・介護の業界団体が開催する勉強会やセミナーに「繁忙期の人員不足とAI予測」というテーマで登壇を申し込み、名刺交換から個別商談につなげる。 |
| 既存の店長・拠点責任者への直接ヒアリング経由の紹介 | 知人経由で店長・施設長を紹介してもらい「シフト作成の困りごとを聞かせてほしい、御礼に業界動向レポートを渡す」と伝えて訪問し、そこから同業他社への紹介を頼む。 |
| 社労士・中小企業診断士との提携 | 36協定運用や残業削減の相談を受けている社労士事務所に「顧客企業の繁忙期シフト課題を一緒に解決したい」と持ちかけ、顧問先企業への紹介を依頼する。 |
対応が必要な許認可・法規制の詳細は「関連法令」タブでご確認いただけます。着手前に必ずご確認ください。
制度名・金額・要件は年度ごとに変わるため、ここでは種別と公式の探し先だけを示します。必ず一次情報で最新の要件を確認してください。
| 種別 | 特徴 |
|---|---|
| 自己資金・身内からの出資 | 最初の検証（ヒアリング・試作）はここで賄えることが多い。 |
| 日本政策金融公庫の創業融資 | 実績のない創業期でも相談できる公的融資。事業計画書の提出が要る。 |
| 自治体の創業支援制度 | 市区町村・都道府県ごとに補助・利子補給・家賃補助などがある。要件と募集時期は年度で変わる。 |
| 国の中小企業向け補助金 | 設備・販路開拓・IT導入などの類型がある。公募期間が短いので、常設の情報源で追う。 |
| エンジェル投資家・ベンチャーキャピタル | 急成長を前提にする資金。社会課題型では投資家の性格を選ぶ必要がある。 |
| 確認先 | 何がわかるか |
|---|---|
| ミラサポplus（中小企業庁） | 補助金・支援制度の横断検索 |
| J-Net21（中小機構） | 支援策・創業手引きのデータベース |
| 地域の商工会議所・よろず支援拠点 | 無料の対面相談。申請書の書き方まで見てもらえる |
| 日本政策金融公庫の各支店 | 創業計画書の事前相談 |
| 制度 | 誰が使えるか | この事業でどう効くか |
|---|---|---|
| 日本政策金融公庫 新創業融資制度 | 税務申告を2期終えていない、またはこれから法人を設立する創業者 | 自己資金100万円に対して無担保無保証で運転資金を借り入れられ、当事業の開発人件費・クラウド費用の立ち上げ原資になる。融資合計は400万円を想定。着金は設立から2か月目ごろのため、初期のPoC構築費用は自己資金でつなぐ設計にする必要がある。 |
| IT導入補助金 | ITツールを導入する中小企業・小規模事業者（この場合は導入先企業側が申請者） | ShiftForecastを導入する小売・物流・介護施設側がこの補助金を使えると初期導入・データ連携支援費の負担感が下がり、パイロット企業獲得の営業トークとして使える。 |
| 小規模事業者持続化補助金 | 従業員数が少ない小規模事業者（創業初期の自社にも該当し得る） | 展示会出展費・広告費・営業資料作成費など、初期の販路開拓（最初の10社への直販セールス）にかかる費用の一部を補助対象にできる可能性がある。 |
| ものづくり・商業・サービス生産性向上促進補助金（ものづくり補助金） | 革新的な設備投資・システム開発を行う中小企業 | 予測モデルや最適化エンジンの本開発フェーズでの外部委託・システム構築費用の一部を補助対象にできる可能性がある。採択実績次第で追加のシステム投資の後押しになる。 |
| 東京都創業助成事業（公益財団法人東京都中小企業振興公社） | 東京都内で創業予定または創業から間もない中小企業者 | 人件費・賃借料・広告費などの立ち上げ費用の一部が助成対象になり得るため、代表1名体制から採用を始める半年目以降の人件費計画と合わせて検討できる。 |
会社設立の手続きや許認可の取得、契約書の整備など、弁護士・税理士・司法書士等の専門家への紹介をご希望の場合はこちらからエントリーできます。
専門家の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
本文中の「※1」「※2」の番号は、ここに対応しています。番号を押すと、この欄に飛びます。
この事業が失敗するとしたら原因はどこから来るか、単価をその値段にした理由、最初の3か月で確かめること、必要な契約書と支払い条件、1人目の求人票、この事業の1週間……
実行の手引きの詳細は無料会員限定です。
同じ労務・メンタルヘルス領域で挑戦する仲間がコミュニティにいます。ひとりで抱え込まず、同じ課題を見ている人と話すところから始められます。
※ バッジは閲覧・登録などの状況にもとづく自動集計・相対表示です。