案件アサインAIとは。スキル・稼働・採算・意向を同時設計する仕組み

案件アサインAIとは、プロジェクト型組織における案件と人の組み合わせを、スキル・稼働・限界利益・本人のキャリア意向の4軸で同時に評価し、受注前に最適な体制を設計するAIである。

従来のスキルマトリクスと稼働表を組み合わせる属人運用では届かなかった、案件ごとの限界利益を最大化する編成設計を担う。採算設計クラウドの中核機能として位置づけられる。

この記事の要点

• 案件アサインAIはスキル・稼働・採算・意向の4軸を同時に評価する編成設計AIで、二次元のスキルマトリクスと稼働表の延長線にはない。
• 必要な理由は多変数性だ。アサインの良し悪しは静的なスキル一覧では決まらず、案件相性・グレードミックス・本人意向まで含めた動的な組み合わせで決まる。
• 熟練PMの暗黙知を不要にするのではなく、その判断を組織の標準として再現可能にするための仕組みだ。
• 採算設計クラウド（カテゴリ）の中核機能として、案件アサインAI（編成エンジン）が位置取りする関係にある。
• 完璧なスキルシートは前提ではない。AIメンターとの対話で生きたデータを蓄積しながら立ち上げる設計だ。

案件アサインAIとは何か

案件アサインAIは、案件と人の組み合わせを多変数で評価し、限界利益が最大になる体制を受注前に設計するAIである。投入する情報は主に四つだ。

第一に、メンバー個々のスキルとグレード。第二に、現在と将来の稼働見込み。第三に、案件単位の単価・原価・限界利益。第四に、本人のキャリア意向と相性データ。これらをAIが多面的に組み合わせ、編成案ごとの限界利益と組織リスクをシミュレーションする。

出力は単なる「空いている人のリスト」ではない。「この体制で受注すれば限界利益は何%、誰を入れ替えると何ポイント動くか」を、走り出す前に数値で示す。 これが案件アサインAIの仕事だ。

従来のスキルマトリクス＋稼働表との違い

多くの組織は、スキルマトリクスと稼働表を組み合わせてアサインを決めている。両者は別ファイル、別部門、別の更新頻度で管理されることが多い。

観点	スキルマトリクス＋稼働表	案件アサインAI
扱う情報	静的なスキルと空き時間	スキル・稼働・採算・意向の動的な組み合わせ
評価できる組み合わせ数	人手で数パターン	数百〜数千を瞬時に評価
評価の指標	スキル該当数・空き工数	案件ごとの限界利益・組織リスク
更新頻度	半期〜四半期（更新が止まりやすい）	案件・面談・対話のたびに更新
時間軸	過去〜現在（保有・空き）	受注前〜将来（最適編成のシミュレーション）
結果として残るもの	表の正確性	利益の出る編成判断
属人性	熟練PMの暗黙知に依存	判断ロジックが画面に残る

二次元の表を二枚重ねても、案件ごとの限界利益にはたどり着かない。表の正確性と、利益の出る編成は、別物だ。 スキルマトリクスを完璧に整備した組織が、それでもアサインで利益を出せていないのはこのためだ。

スキルマトリクスが現場で機能しない構造的な理由は「入力しろ」では、誰も入力しない。スキル管理に欠けた現場インセンティブに書いた。

4軸とは何か——スキル・稼働・採算・意向

案件アサインAIが同時に扱う4軸を、それぞれ整理する。

スキルは、保有スキルの静的なリストではない。直近の案件で実際に発揮された経験、伸びている領域、未経験だが抜擢可能な領域を含む動的な変数だ。スキルシートに載らない「現場で見せた強さ」を捕捉する。

稼働は、空き工数の集計ではない。直近の負荷、連続稼働の疲弊度、退職リスクと連動する稼働シグナルまで含む。空きが多い人を埋めるのではなく、健全に稼働できる人を選ぶための変数だ。稼働率を追うほど利益が逃げる構造は埋めるほど利益は逃げる。「稼働率100%」という錯覚に詳しい。

採算は、案件ごとの単価・原価・限界利益。誰を入れるかで原価が動き、グレードミックスで限界利益率が変わる。この変動を編成の段階で見える化する。

意向は、本人のキャリア志向、やりたい領域、避けたい案件。AIメンターとの対話で蓄積される。意向を無視した編成は、短期で回っても中期で離職に直結する。1on1がこのデータを取れない理由はカーナビは「走ってきた道」を示さない。1on1が機能不全になる構造的理由に書いた。

この4軸を同時に解くことで、初めて受注前に限界利益と組織リスクを両立する編成が設計できる。4軸のうち1つでも欠ければ、編成は短期最適か長期破綻のどちらかに振れる。

AIが解いている問題は、組み合わせ爆発と暗黙知の継承

案件アサインAIが技術的に解いているのは二つの問題だ。

一つは、組み合わせ爆発の問題である。メンバー数十人、案件数十件、グレード4〜5段、各案件に3〜10人の編成を想定すると、検討すべき組み合わせは現実的に数千〜数万を超える。人間が一度に比較できるのはせいぜい数パターンで、結果として「過去のあの案件と似ているから、この体制で」という勘の運用に落ちる。AIはこの組み合わせ空間を瞬時に評価し、限界利益の差を数値で示す。

もう一つは、暗黙知の継承の問題だ。熟練PMが脳内で行っている未来の予見・相性の想起・スコープの翻訳は、引き継ぎ書には書けない。本人が辞めれば組織から消える単一障害点である。AIは判断ロジックと根拠を画面上に残し、誰が回しても同じ精度で再現できる仕組みに変える。

この属人性の構造的問題はアサインメントが神業で回っていないか？属人業務から経営資産へで詳述している。

採算設計クラウドとの関係

混同されやすいので整理する。採算設計クラウドはSaaSのカテゴリ名で、案件アサインAIはその中核機能の一つである。包含関係だ。

階層	名称	役割
カテゴリ	採算設計クラウド	受注前に案件の利益を設計するSaaSカテゴリ
中核機能	案件アサインAI	4軸で編成を同時最適化するAIエンジン
製品	CATCAREERアサインメント	上記を実装した製品（特許出願済）

採算設計クラウドが「何のための場所か」を定義するカテゴリ名で、案件アサインAIはそのカテゴリの中で「編成の最適化」を担う具体機能、CATCAREERアサインメントがその両方を含む製品実装、という三層構造になる。

どこから使い始めるか

案件アサインAIの導入は、スキルシートを完璧に整備してから始めるものではない。むしろ逆だ。

スタートは、次に提案する1案件である。受注前にAIで体制候補を複数並べ、限界利益のシミュレーションを見てから受注を決める。並行して、メンバーがAIメンターと対話するたびに、スキル・稼働・意向の生きたデータが溜まっていく。データが厚くなるほどシミュレーションの精度が上がる。

完璧なシートを準備してから動くのではなく、動きながらデータを育てる。これが案件アサインAIの立ち上げ方だ。

製品としての実装は、採算設計クラウド『CATCAREERアサインメント』である。