AIによるマッチングは、企業の余剰食品と、食品を必要とする施設や家庭の情報を一か所に集め、条件に合う組み合わせと配送ルートを計算する仕組みです。フードバンクの手作業のうち、情報集めと配送計画をシステムに任せる設計が考えられています。この構成のシステムが運用され、手作業を減らした実績は、確かめられていません。
しかし、効率化を進めると、人の温かみが失われるのではないかと感じる人もいるでしょう。システムが受け持つのは在庫管理や配送計画の事務作業で、スタッフとボランティアは支援先との対話と、新しい支援先の探索を続けます。
この記事では、フードバンクの運営で手間がかかる3つの作業、AIマッチングシステムの3段階、人が続ける仕事の順に説明します。
フードバンクの運営で手間がかかる3つの作業
手間がかかるのは、需給の情報集め、配送計画、個別のニーズに合わせた分配の3つです。この3つの作業の手間は、団体への調査では確かめられていません。総務省の資料には、基本的にボランティアで運営し、予算も厳しいというフードバンク団体の意見が載っています。
フードバンクは、食品関連事業者などから未利用食品の寄附を受け、こども食堂、生活困窮者、福祉施設などに無償で提供する団体です。農林水産省は、経済的に困窮している人への食品支援と食品ロス削減の取組として広がっていると説明しています。この3つの作業の手間は、活動の規模が大きくなるほど増える運営の仕組みの問題だと思います。
供給と需要の情報が各地に分かれている
企業の余剰食品の種類、量、時期と、福祉施設や家庭が必要とする食品の種類、量は、どちらも情報が各地に分かれていて、リアルタイムで正確に把握することは困難です。その結果、集まった食品と現場のニーズが合わない需給のミスマッチが起きやすくなります。総務省の資料には、提供を始めてしばらくたっても引き取り手が見つからない食品がある、というフードバンク団体の意見も載っています。
配送計画を人手で組むのは難しい
食品を回収して各地の支援先へ届ける作業には、効率のよい配送計画が欠かせません。回収場所と配送先、食品の量、車両の積載量、交通状況は日々変わります。これらを考えながら、限られた人員と時間で最適なルートを決めるには、人手の計画では限界があります。
個別のニーズに合わせた分配に手間がかかる
アレルギーのある子ども、噛む力が弱くなった高齢者、乳幼児のいる家庭など、支援を必要とする人の状況は一人ひとり違います。個別のニーズに合わせて分配するには、手作業で管理して実行する多くの労力が必要です。
AIマッチングシステムの3段階
システムは、情報を集め、組み合わせを決め、配送ルートを作る3段階で動きます。
需給データの入力と集約
最初の段階は、供給側と需要側の情報のデジタル化です。食品を提供する企業は、自社の在庫管理システムと連携させ、余った食品の種類、数量、アレルギー情報、賞味期限をプラットフォームに登録します。支援を必要とする福祉施設や個人は、必要な食品の種類、人数、食事制限の有無を入力します。システムは、需給の情報を一か所に集めます。
条件に合う組み合わせの計算
次に、集めたデータをもとに、AIが組み合わせを決めます。賞味期限が近い食品から先に割り振り、アレルギー情報を見て配送先を選び、栄養バランスを考えて複数の食品を組み合わせます。多数の組み合わせの中から、条件に合う候補を計算して出します。
配送ルートの自動作成
組み合わせが決まると、次は配送ルートです。複数の車両が、積載量を超えない範囲で、複数の地点を最短の経路で回る問題は、Googleの最適化ツールの資料で、キャパシテッド車両ルート決定問題（CVRP）として説明されています。設計では、交通情報や天候のデータも加えてルートを作り、ドライバーの端末に指示を送ります。システムは、配送ルートを自動で作ります。
AIに任せる作業と、人が続ける仕事
在庫管理と配送計画をシステムに任せても、人の仕事は残ります。人が続ける仕事は、支援を必要とする人との対話と、新しい支援先の探索です。
AIによるマッチングと物流の最適化の目的は、在庫管理や配送計画の事務作業を減らすことです。事務作業をシステムが受け持つほど、人は対話と探索に時間を使えると思います。
自分の地域のフードバンクで、手作業になっている部分はどこか
医療、教育、介護、地域の活性化など、ほかの社会課題にも、同じ手法を使える可能性があると思います。まず、自分の地域のフードバンクの活動を調べ、在庫管理や配送計画のどこに人手がかかっているかを見てみてはいかがでしょうか。
