コードを1行も書かずに、総務の「めんどくさい」をアプリで解決した話 ― 物流倉庫の発想を文具棚に持ち込む ―

社労士開業準備中のともちかと申します。
前回は、既存の勤怠管理システムを使い切る取り組みと、クラウドPBXによる電話環境の改善についてお話ししました。
今回はその続編として、生成AIを活用した業務改善の事例を紹介します。
改めてお伝えしておくと、私はプログラマーではありません。
持っているIT関連の資格は「MOS（Microsoft Office Specialist）Excel Expert」くらいで、プログラミングはネットで調べながらマクロが少し触れる程度です。
それでも、生成AIという相棒がいれば、現場の困りごとは十分に解決できます。

① 事務用消耗品の在庫管理アプリ

「あの備品、どこにありますか？」「あれ、もう在庫切らしてました。」
総務でよくある、この不毛なやり取り。
これを無くすために作ったのが在庫管理アプリです。
プログラミングコードは1行も書いていません。
生成AIに対話形式で「こういう管理がしたい」と伝え、ノーコードツールと組み合わせて形にしました。
ただ、この話で本当にお伝えしたいのは「AIで作れた」ということではありません。
何をどう設計したかのほうです。

a.物流倉庫のWMSを、文具棚に持ち込む

設計のヒントになったのは、物流会社時代に使っていたWMS（倉庫管理システム）でした。
物流倉庫では、商品を「どこに置いたか」を人の記憶に頼りません。
棚の一つ一つにロケーションという住所が割り振られていて、システム上で「この商品はこのロケーションにある」と管理されています。
作業者はハンディ端末でバーコードを読み取り、指示された場所から指示された数量をピッキングする。
だからこそ、大量の商品を正確に、誰でも同じように扱えるわけです。
考えてみると、文具の保管置場も構造はまったく同じです。
棚があり、そこにモノが置かれていて、人が取りに来る。
規模が違うだけで、やっていることは倉庫と変わりません。
そこで、この仕組みをそのまま持ち込みました。

　1. 保管置場内の棚をロケーションとして設定する
　2. 各棚にQRコードを貼る
　3. 文具を取り出すときは、スマホでその棚のQRコードを読み取る
　4. 画面に表示された文具の中から、取ったものを選択する
　5. 取り出した個数を入力する

ハンディ端末の代わりにスマホを、バーコードの代わりにQRコードを使っただけで、発想は倉庫のピッキング作業と同じです。
「新しい仕組みを考えた」のではなく、すでに世の中で確立している仕組みを、規模を落として持ってきたということになります。

b.在庫把握は入口にすぎない ― 最初から狙っていた3つの効果―

このアプリで実現したかったのは、「今いくつあるか」を把握することだけではありません。
WMSを扱った経験があれば分かることですが、入出庫のデータが溜まる仕組みを作った時点で、その先にできることは決まっています。
物流倉庫が在庫数だけを見ているわけではないのと同じです。
以下の3つは、設計の段階から見込んでいた効果です。

　効果1：棚のレイアウトを最適化する
取り出しの記録が残るということは、どの文具がどれだけ使われているかが可視化されるということです。
すると、取り出し頻度の高い文具と、そうでない文具がはっきり分かれてきます。
そこで配置を入れ替えました。
よく使うものは目線の高さの棚へ、ほとんど使われないものは最上段か最下段へ。
これは物流倉庫でいう「ABC分析に基づくロケーション見直し」そのものです。
倉庫では出荷頻度の高い商品を取り出しやすい位置に置くのが鉄則で、それをそのまま文具棚に適用しただけです。
かがんだり背伸びしたりする動作が減るだけですが、毎日のことなので、使う側の負担は確実に軽くなります。

　効果2：発注をまとめる
在庫数がリアルタイムで見えるようになったことで、発注のタイミングを自分でコントロールできるようになりました。
以前は「切れた」と気づいた時点で都度発注していました。
しかし在庫が把握できていれば、複数の品目をまとめて発注できます。
これも倉庫における発注点管理と同じ考え方です。
　
　効果3：取引先と環境への負荷を減らす
そして、発注をまとめれば当然、配送の回数が減ります。
都度発注していた頃は、そのたびに配送業者のドライバーが会社まで足を運んでいました。
まとめて発注すれば、その回数が減る。
ドライバーの負荷が減り、配送に伴う環境負荷も下がるということです。
物流に携わっていた人間からすると、これは見逃せない部分でした。
発注する側の都合で配送回数が増えれば、その負担はすべて運ぶ側にかかります。
自社の在庫管理を整えることは、取引先の働き方を守ることでもある。
この視点があったからこそ、単なる在庫数の表示で終わらせなかったというのが正直なところです。

c.本当の狙いは、文具ではない

ここまで文具管理の話をしてきましたが、正直に言うと、文具は本命ではありません。
現在の職場は製造業です。
そして製造現場では、ねじやボルトといった部材の管理が、いまだに紙と担当者の感覚に頼っています。
「そろそろ少なくなってきたな」という肌感覚で発注する。
長年その仕事をしている人にとっては、それで回ってきたのだと思います。

しかし、今は物がすぐに手に入る時代ではありません。

たとえば受注が増えて、急いで部材を発注しようとする。
ところが取引先に在庫がなく、納期が数週間先だと判明する。
この時点で製造は止まります。
「作れるのに、部材がないから作れない」という理由で受注機会を失うのは、企業として大きな損失です。
感覚に頼った管理は、平時であれば問題なく回ります。
問題が表面化するのは、供給が不安定になったときや、想定外に需要が増えたとき。
つまり、一番困る場面でしか露呈しないという性質を持っています。
だからこそ、部材管理をデータで押さえられる状態にしたい。
これが本来の目的です。

d.なぜ、まず文具から始めたのか

とはいえ、いきなり製造現場の部材管理に手を突っ込むのは現実的ではありません。
製造は会社の本業です。
そこで使う仕組みが中途半端だと、現場を混乱させて生産に影響が出ます。
実績のない仕組みを、いきなり本番に持ち込むわけにはいきません。
そこで選んだのが、事務用消耗品でした。

●    総務の管轄なので、自分の裁量で試せる
●    品目数も管理単位も、部材に比べれば扱いやすい
●    万が一うまくいかなくても、事業への影響が限定的

つまり文具在庫管理は、製造部材の管理という本丸に進むための、実地検証だったということになります。
ここでQRコードによるロケーション管理が現場で機能すること、入出庫データが実際に使える形で溜まることを確認しておけば、次の展開に説得力を持って進めます。
社内に対しても同じです。
「こういう仕組みを入れましょう」と口で説明するより、「総務ではこうやって回っています」と実物を見せられるほうが、話がはるかに早く進みます。
小さく始めて、確かめて、広げる。
これも物流時代の改善活動で身につけた進め方です。

② 従業員向け・就業規則問い合わせアプリ

もう一つが、就業規則に関する問い合わせに答えるアプリです。
「これって慶弔休暇もらえますか？」「副業のルールってどうでしたっけ？」
こうした質問を受けるたびに、総務が分厚い就業規則のファイルをめくって確認し、回答する。
この時間を無くしたいと考えました。
そこで、自社の就業規則データをもとにしたAIチャットボットを作成。
従業員がPCから質問すれば、「就業規則の〇条に基づき、〇日間の休暇が取得できます」と自動で回答してくれる仕組みです。
この取り組みの価値は、総務の手間が減ることだけではありません。

a.回答が統一されること

総務が複数名いる職場では、誰が対応するかによって回答の細かなニュアンスが変わることがあります。
同じ規程を見ていても、説明の仕方が違えば、受け取る側の理解も変わります。
規程に基づいて自動で回答する仕組みがあれば、誰が聞いても、いつ聞いても、同じ答えが返ってきます。
しかも「第〇条に基づき」と根拠が示されるので、回答の出どころもはっきりします。

b.総務自身にとっても、検索ツールになる

このアプリは従業員向けに作ったものですが、実際に一番活用しているのは総務かもしれません。
というのも、アプリの回答を見た従業員から「もう少し詳しく知りたい」と相談を受けることがあります。
そのとき、自分もこのアプリで検索すれば、該当する条文にすぐたどり着けます。
分厚いファイルをめくって「たしかこのあたりに書いてあったはず」と探す手間が無くなりました。
根拠条文を素早く手元に出せる状態で説明できるので、回答の正確さも、スピードも上がります。
作ったときは従業員の利便性しか考えていませんでしたが、結果的に自分の武器にもなっています。

c.聞くハードルが下がること

従業員側にも、「こんなことで総務に聞くのは気が引ける」という遠慮があります。
特に休暇や手当の話は、聞くこと自体にためらいを感じる人もいます。
聞かなくても自分で調べられる状態を作ることは、制度を実際に使ってもらううえで意味のあることだと考えています。
制度は、存在しているだけでは機能しません。
従業員が内容を知っていて、必要なときにアクセスできて、初めて使われるものです。

大事なのは「AIで作れること」ではない

2つのアプリを紹介しましたが、共通しているのは、生成AIが解決してくれたのは「作る」工程だけだということです。
何が困っているのかを見つけるのも、どういう仕組みで解決するかを考えるのも、人間側の仕事です。
文具管理でいえば、「WMSの考え方を持ち込む」という設計判断があって初めて、あのアプリの形が決まりました。
AIに「文具管理アプリを作って」と丸投げしても、あの形にはならなかったはずです。
おそらく出てくるのは、在庫数を入力して表示するだけのアプリでしょう。
それでも「在庫が分かる」という目的は満たせます。
しかし、文具の配置を見直すことも、発注をまとめることも、配送回数を減らすこともできません。
どこまでを狙うかは、作る前の設計で決まっています。
裏を返せば、現場を知っている人ほど、生成AIを活かせるということでもあります。
何が面倒で、どこに無駄があって、どうなれば楽になるのか。
それを知っているのは、日々その仕事をしている人だけです。
プログラミングができないから無理だと諦める必要は、もうありません。
現場の課題が見えているなら、それを形にする手段はすでに手の届くところにあります。