ChatGPTでシフト作成はどこまでできる？実験してわかったこと【2026年】

「ChatGPTでシフト表を作れるらしい」。そんな話を耳にしたことはありませんか？

気になるけど、本当に使いものになるのかわからない。自分の職場で試して失敗したら、結局いつも通り手作業に戻るだけ——。

そこで今回、実際にChatGPTに2パターンのシフト作成を依頼し、出力されたシフト表を1つ残らずチェックしました。飲食店の20名シフトと、病棟の50名シフト。結果は、良い意味でも悪い意味でも予想外でした。

シフト作成、何が大変なのか

AIの話に入る前に、そもそもシフト作成の何が大変なのかを整理しておきます。「わかってるよ」という方は、次の章まで飛ばしてください。

時間がかかりすぎる

私たちがユーザーインタビューで聞いた中には、1ヶ月分のシフト作成に20時間以上かけている企業もありました。

スタッフの希望休を集め、配置ルールを確認し、パズルのように組み合わせて、「あ、ここ足りない」と気づいてやり直す。この繰り返しに膨大な時間がかかっています。

担当者しか作れない

「シフト作成はAさんにしかできない」。この状態は多くの職場に当てはまります。

どのスタッフがどの時間帯に入れるか、誰と誰を同じシフトにしてはいけないか、法令で決まっている最低人数は何人か。こうした情報が担当者の頭の中にしかないため、その人が休むとシフトが作れなくなります。

ミスが許されない

飲食店で人数が足りなければお客様に迷惑がかかります。医療現場で配置基準を下回れば、行政指導の対象になります。保育園で保育士の人数が足りなければ、子どもの安全に関わります。

シフト作成は「間違えても直せばいい」では済まない仕事です。

AIの進化で「シフト作成」が変わりつつある

ChatGPTをはじめとするAIの進化は、この1〜2年で急激に進みました。

以前は「AIにシフトを作らせても、結局手直しだらけ」という評価が一般的でした。しかし2026年現在、AIの精度はかなり上がっています。

ただし、ネット上には「ChatGPTでシフトが作れます！」と紹介する記事が多い一方で、実際にどこまでできて、どこからが難しいのかをデータで検証した記事はほとんどありません。

そこで今回、2つのパターンで実験してみました。

【実験】ChatGPTにシフトを作ってもらった

やったこと

ChatGPTに以下の情報を渡して、「2026年5月の1ヶ月分のシフト表を作ってください」と依頼しました。

• スタッフの一覧（名前、雇用形態、担当ポジション）
• シフトの種類と時間帯
• 各スタッフの希望休
• 1日あたりの必要人数
• 守ってほしいルール（制約条件）

データはすべてCSVファイル（Excelのようなもの）で用意し、ルールはテキストで細かく指示しました。

出力されたシフト表は、ChatGPTの「チェックOK」を鵜呑みにせず、すべてのルールを1つずつプログラムで自動チェックしています。

実験は「緩めの条件」と「厳しめの条件」の2パターンで行いました。

実験A: 飲食店・20名のシフト

条件の概要

設定したルールは、「正社員は月22日以上出勤」「全シフトに正社員を1名以上」「連続勤務は5日まで」「希望休は必ず守る」といった、飲食店では一般的な内容です。

結果: 8個中7個のルールをクリア

唯一のNGは、GW期間のホール人数不足でした。5月3日〜5日にかけて、ホール担当の半数が希望休を出していたため、物理的に必要人数を満たせなかったのです。

これはChatGPTの計算ミスではなく、条件同士の矛盾です。面白いことに、ChatGPTは自分で矛盾に気づき、「この条件では全ルールを満たすシフトは作れません」と報告してきました。

ただし「じゃあ誰の希望休をずらしましょうか」という提案まではしてくれません。矛盾の発見はできても、解決の交渉は人間の仕事です。

ChatGPTがこの実験にかけた時間は約5分30秒でした。

実験B: 病棟・50名のシフト（三交代制）

条件の概要

実験Aとは比べものにならない複雑さです。ルール数が8個から18個に増えただけでなく、内容も格段に難しくなっています。

たとえば、こんなルールです。

• 資格別の配置基準（日勤には正看護師7名以上＋准看護師or補助者5名以上）
• 深夜勤の翌日は必ず休み
• 準夜勤の翌日に日勤を入れてはいけない（勤務間インターバルの確保）
• 夜勤は1人あたり月8回まで
• 育児中・妊娠中のスタッフは日勤のみ
• 新人が夜勤に入るときは、経験豊富な正看護師と同じシフトに入れる
• 夜勤帯にはリーダー格のスタッフを必ず1名配置する

結果: 18個中17個のルールをクリア

唯一のNGは、妊娠中のスタッフの公休が指定より1日多かったこと。「日勤のみ＋連続勤務3日以内」というルールを守ろうとした結果、公休を1日多めに取る形になっていました。安全側に寄せた判断とも言えます。

ChatGPTがこの実験にかけた時間は約6分30秒。実験Aからわずか1分増えただけで、スタッフ数は2.5倍、ルール数は2倍以上です。

正直なところ、ここまでできるとは思っていませんでした。

ChatGPTだけでは難しくなるポイント

ここまでの結果だけを見ると、「ChatGPTで十分じゃないか」と思うかもしれません。実際、条件がシンプルなうちはそれで回ります。ただ、現場の条件が複雑になるにつれて、いくつかの壁が見えてきます。

条件を準備すること自体が大変

今回の実験で一番苦労したのは、ChatGPTにシフトを作らせることではなく、正しい条件データを準備することでした。

今回は「月の必要人数は平日12名、土日祝14名」というシンプルな設定でしたが、実際の現場ではもっと細かい条件があるはずです。

• 曜日ごとに必要人数が違う（月曜は混むから多め、水曜は少なめ）
• 時間帯ごとの人数（ランチ帯は3名、ディナー帯は5名、仕込みの朝は2名）
• 週ごとの繁閑差（月末は忙しい、GW明けは暇）
• スタッフのスキルレベル（調理ができるパートとできないパートで配置が変わる）

こうした条件を漏れなくテキストで伝えるのは、なかなか骨の折れる作業です。

さらに、条件同士が矛盾していることに気づかないケースもあります。実験Bでは、最初に用意した条件にルール同士の矛盾が3つあり、ChatGPTに指摘されて修正する往復が発生しました。現場の担当者が「なんとなく頭の中で考慮していること」を正確に言語化すること自体が、シフト作成と同じくらい大変な作業です。

希望休の回収やシフトの配布はどうする？

ChatGPTができるのは、あくまで「条件を受け取って、シフト表を計算する」ところだけです。

シフト作成の業務全体を考えると、その前後にも多くの作業があります。

• スタッフから希望休を集める
• 完成したシフト表をスタッフに共有する
• 急な欠勤が出たときにシフトを組み替える
• 「このシフト替わってほしい」という交渉に対応する

これらはChatGPTの守備範囲外です。結局、LINEやメール、紙で別途対応することになります。シフト表の「計算」だけをAIに任せても、前後の業務フローが手作業のままだと、トータルの負担はあまり変わらないかもしれません。

ある程度の複雑さで限界が来る

今回の実験では「早番・遅番・通し」「日勤・準夜勤・深夜勤」という固定パターンのシフトを扱いました。ChatGPTはこれをうまく処理してくれました。

ただ、飲食店やコールセンターのように「9:00〜13:00」「17:00〜22:00」といった時間単位のシフトを扱う場合、複雑さは一気に跳ね上がります。固定パターンなら選択肢は3〜4種類ですが、時間単位になると組み合わせが膨大になります。

また、毎月の運用を考えると別の課題も出てきます。ChatGPTはセッションをまたぐと前回の設定を忘れるため、毎月最初から条件を入力し直す必要があります。同じ条件を渡しても毎回違う結果が返ってくるので、品質の安定も保証されません。スタッフが1人変わっただけでも、条件の修正からやり直しです。

シフト作成専用ツールという選択肢

ChatGPTで「AIにシフトを任せる感覚」をつかんだ上で、次のようなことを感じたら、専用のシフト管理ツールが選択肢に入ってきます。

• 条件が複雑になり、毎回プロンプトで伝えるのが手間になった
• 時間単位のシフトや、日ごとの細かい人数設定が必要になった
• 希望休の回収からシフト配布まで、一つの仕組みで管理したい
• 毎月の条件入力やチェックの手間を減らしたい

シフト管理アプリの比較はこちらも参考にしてみてください。

シフッタなら、募集から配布・調整まで一気通貫

私たちシフッタは、まさにこの「ChatGPTだけでは難しいポイント」を解決するためにサービスを作っています。

チャットでルールを伝えるだけで、AIがシフトを自動作成。 ChatGPTと同じように自然な言葉で条件を伝えられますが、裏側では数理最適化エンジンがルールを最も多く満たすシフト表を計算します。「このルールは守れた、このルールは守れなかった」を明確に回答するので、自分でチェックし直す必要がありません。

条件設計も簡単。 医療なら配置基準や夜勤明け休み、製造なら三交代の切替ルール、保育なら保育士の配置基準。業界ごとのテンプレートを用意しているので、1から言語化する必要はありません。

そして一番の違いは、シフト作成の「前後」もすべてシフッタの中で完結すること。 スタッフがスマホから希望休を提出し、AIがシフトを作成し、完成したシフトがスタッフのスマホに届く。急な欠勤が出たときの組み替えや、シフト交代の調整もツール内で対応できます。

ChatGPTでは「計算」しかできませんが、シフッタは希望休の募集 → シフト作成 → 配布 → 調整までをワンストップでカバーします。

まとめ

ChatGPTのシフト作成能力は、正直なところ予想以上でした。50名・18ルールという複雑な条件でも、ほぼすべてのルールを守ったシフト表を約6分半で出力しています。

一方で、実験を通じて見えてきたのは、シフト作成の大変さは「シフト表を作る計算」だけではないということ。条件を正しく整理すること、希望休を集めること、完成したシフトをスタッフに届けること、急な変更に対応すること。この「計算の前後」にある業務こそが、現場の本当の負担です。

まずはChatGPTで小さく試してみてください。自分の職場に「言語化されていないルール」がたくさんあることに気づけるはずです。

そして、希望休の募集からシフト配布・調整まで一気通貫で管理したいと感じたら、ぜひシフッタを試してみてください。