職場の方たちも、よく業務中に『牛🐄』になるんです。
こんにちは。
人事や店舗異動に関わる方な、一度はこんな風に思ったことがあるのではないでしょうか。
「異動先、家から遠すぎないかな…？」
「Googleマップで毎回調べてたら手間がすごい…」
「正直、全員分を調べるのは限界ある…！」
はい、まさに私もその一人でした。
通勤時間の「数字」だけじゃ見えないリアル
実際に使ってみて感じたのが、Google Mapsの「距離」「時間」だけでは判断しきれないケースがあるということ。
🚙「朝は通勤ラッシュで渋滞するので、
Googleマップでは30分と出ますが、実際は1時間かかります…」
🚉「始発が5時30分で、店舗の出勤時間が6時。
間に合わないので通えません…」
こうした、地図では測れないリアルな事情も確かに存在します。
🛠 作ったもの：通勤距離チェックシステム
そんな中でふと思ったんです。
「この作業、MakeとChatGPTで自動化できるんじゃ…？」
ということで、さっそく作ってみました。
作ったのは、従業員住所と異動候補店舗を入力すると、自動で距離・通勤時間・通えるかどうかを判定してくれる仕組みです。
🧩 使用ツール
Make（旧Integromat）：自動化シナリオ構築
Google Sheets：住所入力・結果出力
Google Maps Distance Matrix API：距離と通勤時間を取得
ChatGPT（OpenAI API）：通勤可能かを自然な言葉で判定
📐仕組みの流れ
🤖 全体図
割とシンプルな見た目になりました。Sectionごとに分けました！
以下Sectionごとに解説です！
🤖 Section 1
ここは非常にシンプルです。各Google Sheetsに必要な情報を記載して登録するだけです。
イメージとしては、田中さんのA市から、各店舗の住所（WW市、QQ市、PP市、KK市）を読み込み、通勤距離や所要時間などの情報を取得する仕組みになっています。
🤖 Section 2
ここが最大の難関でした・・・完成形を見ると何を悩んでいたのかと思いましたが、
特に Array aggregatorモジュールの店舗名Aの設定に行き着くまで頭を抱えました。
この設定が実際に必要かどうかはもう少し調査してみます。
🐄 HTTPモジュール（GETリクエストで距離情報を取得）
ここでは、Google Maps Distance Matrix API を使って「従業員の住所から店舗まで、どのくらい距離があるか？」を一気に調べるための設定をしています。
Method：GET
→ データを取得するために「GETリクエスト」を使っています。
origin（出発地）
→ これは「従業員の住所」が入っている場所（例：従業員住所（B））を指定しています。
destinations（目的地）
→ 「この店舗どう？」っていう候補の店舗住所たち（例：住所（B））を指定して、「全部まとめて」距離を測っています。
language（言語指定）
→ APIの返事を「日本語」にしてもらうために、ja を指定しています。
📝この設定のおかげで、「1人の従業員に対して、複数の店舗の距離」を一括で取れるようになります。
🐄Array aggregatorモジュール（店舗情報のまとめ処理）
さっきのHTTPモジュールから返ってきた「距離情報たち」を、従業員ごとに1つのまとまり（配列）にする設定です。
Source Module：HTTP – Make a request [3]
→ このデータを集める元は、直前のHTTPモジュール。
Target structure type：Custom（カスタム構成）
→ 必要な情報だけを自分で選んで、まとめるようにしています。
Aggregated fields（集約対象）
→ たとえば「店舗名」などをここで指定しておくと、あとで「距離が短い順に並べる」などがしやすくなります。
📝この設定によって、「1人の従業員に対して、複数の店舗との距離情報」がきれいにひとまとまりになるので、後の処理（最寄り店舗を選ぶなど）がスムーズになります。
🤖 Section 3
ここでは各プロセスで取得した情報をChatGPTへの読み込みとプロンプトを作成して
ほしい回答を精度が高くなるようにロールの設定もしています。
🤖ChatGPT（ロール設定）
あなたは人事担当者のアシスタントです。以下の候補店舗情報をもとに、通勤しやすい店舗を1つ選び、その理由を述べてください。また通勤距離を算出てください。その時に朝の通勤ラッシュや夜の渋滞も考慮してください
🤖ChatGPT（回答設定）
従業員の住所は「{{13、従業員住所B}}」です。
候補店舗は以下のとおりです：{{2、住所B}}
🐄 Google Sheetへの転記
得られた回答をGoogle Sheetへの転記です。chatGPTから得られた情報を各転記用のセルに
記載するように設定しています。
A列には従業員の住所を抽出、B列にはArray aggregatorモジュールでの店舗名を
C列ではChatGPTから返ってきた回答を記載するように設定しました。
🐄 最終結果
🐄結果はAさんがWW市の店舗に通うのは・・・無理！
画像では文字が小さいので下記転記します！得られた回答の全文です！
同じようにAさんが（QQ市、PP市、KK市）の店舗に通えるかの判定も行っております。
候補店舗の住所「WW」から従業員の住所「A」までの通勤について考えます。
-
移動手段:
- 最も一般的な移動手段は車を使用するか、または公共交通機関（電車、バス、フェリー）を利用することです。
-
距離と時間:
- 車で移動する場合の直線距離は約140kmですが、道路の実際の走行距離は一般的にこれより長くなります。予想として約170km程度の走行が必要です。
- 通常、車での移動時間は高速道路を使用した場合で約2時間半程度ですが、朝晩の通勤ラッシュや週末の観光ラッシュを考慮すると、さらに時間がかかる可能性があります。
-
公共交通機関:
- 公共交通機関を利用する場合、Aからフェリーで経由地へ移動し、その後、経由駅から電車でA町へ向かうルートが一般的ですが、乗り換えが複数あり、時間は3時間以上かかる可能性があります。
-
通勤ラッシュの影響:
- 朝の通勤ラッシュではさらに時間がかかる可能性があります。特にAからWWに向かう交通や、A内での渋滞が考えられます。
以上を考慮すると、AからWWまでの通勤は非常に困難で現実的ではないため、この店舗は通勤しやすいとは言えません。候補店舗がこれ一つの場合、通勤には移動時間やコストに対する理解を持った上での検討が必要になります。
従業員の通勤負担を考慮するため、現実的な別の店舗配置を検討するのがベストです。現状では、この店舗が選択肢であれば、十分な通勤手当や、週の通勤回数を減らすなどの対策が必要になるでしょう。
まとめ：通勤チェックも、“業務改善”のひとつかも
今回この仕組みをつくって強く感じたのは、
「通勤が現実的かどうかを検討すること」も、
人事にとって大切な仕事の一つだということです。
そして、もしそれを仕組みで少しでも軽減できるのであれば、
それ自体が立派な“業務改善”なのだと実感しました。
職場には、子育て中の方や家族との時間を大切にしたい方がたくさんいます。
そうした方々が、夜遅くまで異動案の確認や調整に追われている姿を見て、
「なんとかできないか…」という思いが生まれました。
異動は、ときに人の人生やライフプランを大きく左右するものです。
だからこそ、それを検討・判断する側にも大きな責任と負担があります。
そんなとき、AIの力を借りて相談したり、意見をもらったりすることで、
その不安や負担が少しでも軽くなるのではと考えました。
もちろん、すべてを自動化できるわけではありません。
でも、「全体像をつかむ」「あたりをつける」作業が簡単になるだけでも、
異動の検討はぐっと前に進めやすくなります。
通勤に無理がないか？
現場に過度な負担がかかっていないか？
こうした視点を、テクノロジーの力で支えていけたら──
そんな思いを込めて、今回の取り組みをご紹介しました。
もし、同じように「業務中によく【牛🐄】になってしまう…」という方がいれば、
この取り組みが少しでもヒントになればうれしいです。
それではまた、次の【もー🐄】の解消ネタでお会いしましょう！
その変化は、ただ見た目にとどまらず、彼女の活動にも大きな影響を与えているようです。これからのゆりやんのさらなる活躍に目が離せません。
BS日テレ『marie claire TV〜ルイ・ヴィトンのエスプリに出逢う旅〜』に出演する平野紫耀