日本の介護事業者のためのAI支援シフト作成と報酬請求データの出力
シフトは職員、ボランティア、資格、利用者のニーズを両立させる必要があり、スプレッドシートでは複雑すぎました。AIが提案し人が必ず判断するシフト作成を構築し、同じ記録から行政への報酬請求データを出力できるようにしました。
- サービス
- AI業務アプリケーション
- 業界
- 医療・介護
- 地域
- 日本
- 契約形態
- ラボ型ODC(専属チーム)
成果
- AIが提案し、人が承認するシフト
- 予定と実績を一つの記録に
- 報酬請求データを自動で生成
スタック
Python · Scheduling optimisation · Web app · PostgreSQL · Cloud
執筆Oriental Nipponチーム
日本の介護事業者は、自施設と地域の両方でケアを提供しています。職員は雇用された支援スタッフとボランティアの組み合わせで、それぞれ勤務できる時間、資格、制約が異なります。報酬は、決められた形式で活動の報告を求める公的制度を通じて支払われます。
そのすべてを手作業で調整し、さらに手作業で報酬請求に置き換えていました。
課題
- スプレッドシートには多すぎる制約。 職員、ボランティア、資格、利用者のニーズをすべてそろえる必要があった。
- 二種類のケア、一つの全体像。 施設内と訪問は別々に計画されていたが、まとめて見る必要があった。
- 予定と実態の食い違い。 活動の記録がシフトとは別に行われていた。
- 毎回作り直す請求。 報酬請求のデータを、複数の情報源から組み立てていた。
- 大きな責任。 シフトの誤りは、ケアの訪問が行われないことを意味しかねなかった。
| 導入前 | 導入後 | |
|---|---|---|
| シフト作成 | 手作業での調整 | AIが提案し、人が承認 |
| 予定と実績 | 二つの別々の記録 | 一つの記録 |
| 報酬請求データ | 手作業で作り直し | 制度の形式で生成 |
| 検証 | 提出後 | 稼働前に実際の提出データでテスト |
構築したもの
AI支援のシフト作成
勤務できる時間、資格、場所に照らしてシフトの割り当てを提案します。最終判断は必ず人が行います。
シフトと結びついた活動記録
訪問を完了するとシフト自体が更新されるので、予定と実績が一つの記録になります。
制度に沿った報酬請求データ
活動記録から、国の報酬制度が求める形式で生成します。
各シフトは、提案から報酬請求まで一つの記録の上を進みます。
技術と、このプロジェクトでの役割
| 技術 | このプロジェクトでの役割 |
|---|---|
| Python | シフト作成のロジックと制約の処理 |
| スケジュール最適化 | 勤務可能時間、資格、場所に照らした割り当ての提案 |
| Webアプリケーション | コーディネーターの確認・承認画面 |
| PostgreSQL | 職員、ボランティア、利用者、拠点、活動 |
| クラウドホスティング | 施設内と地域のケアの両方からアクセス |
進め方
ODCチームは、まず制約の全体像を整理しました。誰が、何を、どこで、いつ、どのルールのもとで行えるか。シフトの提案は、そのモデルができてから作りました。
- 制約を整理する。 人、資格、拠点、報酬のルール。
- 土台づくり。 職員、ボランティア、利用者、拠点、活動のデータモデル。
- シフト作成、次にアシスタント。 提案は反映される前に必ず確認できるようにしました。
- 活動記録。 完了すると、別の記録ではなくシフト自体が更新されます。
- 報酬請求データ。 実際の過去の提出データで検証しました。
- パイロット。 1チームで、報酬の1期間を通して運用しました。
01ディスカバリー
2〜3週
制約の全体像、報酬制度の要件、ケアのパターン
02土台づくり
2〜3週
データモデル、環境、アクセス制御
03シフト作成と割り当て
4〜6週
勤務表、制約、提案機能
04活動記録
3〜4週
シフトと結びついた施設内・訪問の記録
05報酬請求データ
2〜3週
形式への準拠、実際の提出データでの検証
06パイロット期間
3〜4週
1チームで報酬の1サイクル
リスクと対応
| リスク | 対応 |
|---|---|
| ケアの訪問が抜ける | すべての提案を、反映前にコーディネーターが確認する |
| 報酬請求が差し戻される | 実際の過去の提出データで出力を検証した |
| 予定と実態の食い違い | シフト自体に対して活動を記録する |
成果
シフト管理は、毎週手作業で解く調整の問題ではなく、一つの業務になりました。報酬請求のデータは、ケアを動かしているのと同じ記録から作られます。
国の報酬制度への対応が、簡単で安価なものになりました。それはお客様が最も重視していた成果であり、私たちが稼働前に最も慎重にテストした部分です。
お客様に残るもの
- 本番システムとそのソースコード(お客様のリポジトリ内)
- 制約と資格のモデル
- 出力の仕様と検証ケース
- 運用ランブック
参考資料
- People + AI Guidebook(Google PAIR)
- Guidelines for human-AI interaction(Microsoft HAX Toolkit)
同じような課題をお持ちですか? これは私たちのAI搭載業務アプリケーションチームが日々手がけている仕事です。お使いのシステムについてご相談ください。
