人手不足が真の課題か？

毎日のように、いろいろな場面で「人手不足」という表現を見聞きする。確かに図‐1が示すように労働人口（20歳から64歳として）は総人口の40％となっている。

（図—1）日本全國の総人口、労働人口、及び総人口に対する労働人口の比率の推移

※労働人口は、20歳～64歳の就業者（休業者を含む）と完全失業者としております。

出典：総務省統計局 國勢調査結果

しかし、真の課題は「人手不足」なのだろうか？
私は、「人手不足」ではなく、「人財（人材）不足」が真の課題だと考えている。
例えば、図‐2を參照して頂きたい。物流センターでの「ピッキング作業」の人時構成を示したものである。ここで50％の人時を費やしている歩行時間は、コンベアやピッキンロボットに置き換えることはできないのか？また、手待ち、リスト確認、探す時間を情報システムや人工知能の活用で削減することはできないのか？

（図—2）ピッキング作業の人時構成比

出典：「ビジュアル図解 物件センターのしくみ」田中 彰夫氏、臼井 秀彰氏

ご推察どおり、現在の技術レベルで両方とも可能である。
このように、人財以外でも可能な作業も含めて「人手不足」と表現しているように感じている。
私の専門分野である、ロジスティクスを例に人財の狀況を記述する。

ロジスティクスにおける「業務」の現狀？

日本においては、「物流」という言葉と「ロジスティクス（Logistics）」という言葉が混同して使用されていることが多々あるが、本來は全く違う意味である。「Logistics」を日本語にすれば「兵站」であり元々は戦爭用語である。戦爭に勝利する為にあらゆる情報（データ）を収集し、分析をして、戦略を練り、実行する。
以前のコラム「物流不動産の価値を上げる「人工知能」が資産価値を上げる」で説明した內容に近い。これをビジネスの世界に適用し、コストという重要な要素を加えた物が、我々が日常的に使用している「ロジスティクス」の意味である?！弗恁弗攻匹％埂工献预榭激à毪猡韦扦ⅳ?、ルールに従って実行する「物流」とは大きく違う。
ここで、日本のロジスティクス事情を振り返ってみたい。日本の人財に対する考え方、文化のようなものが見えてくる。
先ずは、WMS（Warehouse［倉庫］Management Systemの略）から振り返る。在庫管理システム（IMS）ではなく、WMSという倉庫管理システムと言われるカテゴリが整理されたのは、ERPと同時期の1990年代であり、もう四半世紀も以前の話である。WMSはこの間に日本獨自の進化を遂げている。人間が作業をする前提であり、優秀な人材の豊富な日本においては、人間による判斷や人間による改善といった屬人性に依存するシステムとして進化してきたのだ。それでもトップクラスの生産性と素晴らしい物流品質を実現してきた。誤解されては困るが「カイゼン」がまさにその典型だ。
2010年くらいにAmazonにおけるピッキングの様子が撮影された動畫が多く紹介されたが、記憶されているだろうか。ガンタイプのハンディターミナルを渡せば教育しなくても直ぐにピッキング作業が行えるというものだ。1指示に対して1作業を実行する。行き先ロケーションが表示されたら、そこへ行ってロケーションのバーコードを読み取る。次は、そこのロケーションでピッキングすべき商品が指示される。ピッキングすべき商品を探したらバーコードを読み取る。指示と合っていれば、次の行き先ロケーションが表示されるというものである。間違った商品をピッキングしたら次の指示には進まない。
この當時の日本では、ピッキング作業を実施する人に有効であろう情報を多く與えて、如何に生産性を向上させてもらうかに主眼をおいたWMSが開発導入されていたのである。教育は必要な時間だけ行うことが當然である。繰り返しになるが、優秀な人材がいることが大前提、人が作業する事が前提のWMSである。
次に、配車業務である。配車業務には配車マンと呼ばれる人がいる。日常的に意識はしていないだろうが、配車業務は大きく分けて3つの最適化を実行している。最適な車両臺數の決定、最適なルートの決定、最適なドライバーの決定である。世の中には配車システムと呼ばれるものが存在するが、基本的には配車マンをサポートするシステムである。ここでも人間が仕事をする前提なのだ?？证椁钸mに近い解が出されていると思うが、一番殘念なことは、人間が判斷する前提であるがために、データ化（コンピュータが認識可能なデータ）されていない情報が多く存在したままで放置されていることだ。こういう事象は多い。データ活用が進んでいないのである。いやデータ活用が出來る環境整備が進んでいないのである。一方で、データ活用を実施した場合の効果が大きいことも分かっている。

これからのロジスティクスにおける人財の重要性

「人間が仕事をすることが大前提」という延長線上では、これからの「人財不足時代」は乗り切れないとしたときに、コンピュータが認識可能なデータを作成し、収集し、上手く活用していくこと、人間とロボットや人工知能をどのように共存させるかが重要であることはこれまでに記述してきた通りである。
フル自動で全ての業務をロボットと人工知能で実施することも一案であるし、人間がするべき仕事、人間ではなくロボットが仕事をした方が良いこと、或いは人間が考えるより人工知能が考えた方が良いこと、これらをいかに組み合わせるかというコネクテッドロジスティクスの概念も一案である。
いずれの方策であっても、人材が考えるエンジニアリング力と人財が意思決定する投資が重要になってくる。だからこそ考えるべきことがある。
例えば、物流施設の中で取り扱う商材をカテゴライズできるとすれば、そこで動かすロボット、マテハン機器、システム、或いはそこでオペレーションする人をシェアリングすることは當然可能である。荷物だけを預ければ、非常に効率的なオペレーションを委託することができるようなセンターが構築できる。さらに、物流センターだけではなく、配送、或いはお店の中までの情報を一元的に管理することによって、物流センターや配送でのオペレーション、ショップでのオペレーションの次の動きを予測することができ、ロジスティクス全體で効率化が図れるのである。
こうした仕組み、システムを個社で設備投資をするCAPEXモデル（設備投資モデル）から、全てを運用コスト化するOPEXモデル（オペレーションコストモデル）に代わっていく流れの中で、経営者という人財の意思決定が今まで以上に企業価値、資産価値に與える影響が大きいと私は考える。

「人財」の有効活用に向けた課題

まず行うべきことは、人財にしかできない業務を選別することである。言い換えると人工知能やロボット、マテハン機器に代替え可能な業務を特定することである。人財の屬人性に依存してきた日本では苦手なことだが、これができなければいつまでたっても、「人手不足」と言い続けることになる。
次に業務のデータ化（コンピュータが認識可能なデータ化）である。これによりデータが蓄積され、人工知能が「経験」を積むことができ、ロボットが自分の判斷で動き出すのである。業務のデータ化もすぐに始めなければいけない。
そして、人財にしかできないことにフォーカスした人財教育である。オペレーション教育ではない、専門性の高い、あるいは特殊な業務の教育を実施する。

これらができれば、人財が人手の10倍以上の生産性を人工知能やロボットを駆使して実現するだろう。そして企業価値、資産価値は向上する。