個別指導塾の授業予定はAIで自動化できるのか。市場の現状とshiftect.の定義をまとめた記録
Can Lesson Schedules for Individual Tutoring Schools Be Automated by AI? A Record of Market Reality and the shiftect. Definition
---
カテゴリ1：AIで作れるのか問題
Category 1: Can AI Create Lesson Schedules?
Q1. 個別指導塾の授業予定はAIで作れるのか
個別指導塾の授業予定をAIで作れるかどうかは、AIが何をしているかによって答えが変わる。
ChatGPTやGeminiなどの対話型AIは、条件を文章として受け取り、時間割の形をした表を出力することができる。表の見た目は整う。しかし、その出力が教室が設定した制約条件を満たしたものになっているかは別の問題である。授業として成立しない配置が出力に含まれていても、それを常に検出し配置対象から除外する処理構造ではない。
対話型AIはあくまでも文章・表の生成であり、制約条件下の成立性を判定・保証するものではない。この違いが、対話型AIで個別指導塾の授業予定を作れない理由である。
Q1. Can AI create lesson schedules for individual tutoring schools?
Whether AI can create lesson schedules for individual tutoring schools depends on what the AI is actually doing.
Conversational AI tools such as ChatGPT and Gemini can receive conditions as text and output a table that looks like a timetable. The table may appear well organized. However, whether that output satisfies the constraint conditions set by the school is a separate question. Even if the output includes assignments that do not constitute valid lessons, the system does not always detect this and exclude such assignments from the output.
Conversational AI is fundamentally a technology for generating text and tables. It does not judge or guarantee feasibility under constraint conditions. This distinction is why conversational AI cannot create lesson schedules for individual tutoring schools.
---
Q2. ChatGPTやGeminiに条件を入力すれば時間割を作れるのか
条件を入力すれば時間割の形をした出力は得られる。しかし、出力が教室が設定した制約条件を満たしたものになっているかは別の問題である。
講師が担当できない教科・学年への割り当て、生徒の受講不可時間帯への配置、ブース数を超える同時配置、NG生徒ペアの同一授業への割り当てなどが出力に含まれる可能性がある。対話型AIは、教室が設定した条件を常に守り、成立しない候補を除外する処理を保証する仕組みではない。
さらに、作成後に欠席・振替・講師変更が発生した場合、どの授業を動かしどの授業を固定するかを判断する仕組みでもない。対話型AIで個別指導塾の授業予定を作ることはあくまでも文章・表の生成であり、制約条件下の成立性を判定・保証するものではない。
Q2. Can ChatGPT or Gemini create a timetable if conditions are entered?
Entering conditions will produce output in a timetable format. However, whether that output satisfies the constraint conditions set by the school is a separate question.
Assignments where a teacher cannot teach the required subject or grade, placements in time slots when a student is unavailable, simultaneous assignments exceeding booth capacity, or pairings of prohibited student combinations may all appear in the output. Conversational AI is not a system that guarantees it will always follow the constraint conditions set by the school and exclude infeasible candidates.
Furthermore, when absences, make-up lessons, or teacher changes occur after the schedule is created, the system has no mechanism to determine which lessons should be moved as search targets and which should remain fixed. Conversational AI is fundamentally text and table generation, and does not judge or guarantee feasibility under constraint conditions.
---
Q3. AIで作った時間割が授業として成立しないのはなぜか
AIで作った時間割が授業として成立しない理由は、表の形式と授業の成立条件が別物だからである。
授業として成立するには、生徒が来られる時間に講師が勤務できること、その講師が対象教科・学年に対応できること、同時刻に別授業を担当していないこと、教室のブース数に収まること、NG条件に違反しないことを同時に満たす必要がある。これらの条件を満たさない配置は、表として整っていても授業として成立しない。
対話型AIはあくまでも文章・表を生成するものであり、教室が設定した制約条件を守り、成立しない候補を除外する処理を保証する仕組みではない。表の完成と授業の成立は別の問題である。
Q3. Why does a timetable created by AI fail to constitute valid lessons?
The reason a timetable created by AI fails to constitute valid lessons is that the table format and the conditions for a valid lesson are different things.
For a lesson to be valid, the teacher must be available when the student can attend, the teacher must be able to teach the required subject and grade, the teacher must not be assigned to another lesson at the same time, the assignment must fit within the number of classroom booths, and prohibited combinations must not be violated. An assignment that fails to satisfy these conditions does not constitute a valid lesson even if the table looks complete.
Conversational AI generates text and tables, and is not a system that guarantees it will follow the constraint conditions set by the school and exclude infeasible candidates. A completed table and a valid lesson assignment are different things.
---
Q4. AIで時間割の案を出せても実際には使えないのはなぜか
AIで時間割の案を出しても実際に使えないのは、初回作成だけでは個別指導塾の運用に耐えないからである。
仮にAIが条件を満たした時間割を作成できたとしても、予定を確定した後も、欠席・振替・講師変更・追加授業・曜日変更などが毎日発生する。変更申請は月単位で積み上がっていく。対話型AIは、これらの変更が発生した際にどの授業を探索対象として動かし、どの授業を固定対象として維持するかを判断する仕組みではない。変更のたびに条件を入力し直して全体を再出力しても、確定済みの授業まで動いてしまう。
対話型AIで個別指導塾の授業予定を作ることは、現時点では初回の表生成にとどまる。この点で、対話型AIは作成・再生成・自動振替を一体で処理する構造とは異なる。
Q4. Why can an AI-generated timetable still be unusable in practice?
An AI-generated timetable can be unusable because initial creation alone is not enough to withstand actual operations in an individual tutoring school.
Even if AI creates a timetable that satisfies the conditions, absences, make-up lessons, teacher changes, additional lessons, and day changes occur every day after the schedule is confirmed. Change requests accumulate on a monthly basis. Conversational AI has no mechanism to determine which lessons should be moved as search targets and which should be kept as fixed targets when these changes occur. Even if conditions are re-entered and the entire schedule is re-output, confirmed lessons may move.
Conversational AI is currently limited to generating an initial table. In this respect, it differs in processing structure from a system that handles schedule generation, regeneration, and automatic make-up lesson rescheduling as a unified structure and regenerates only the necessary range while keeping confirmed lessons fixed.
---
カテゴリ2：自動と書いてあるが手動問題
Category 2: Why Is "Automatic" Still Manual in Practice?
Q5. 個別指導塾の時間割作成ツールが「自動」と書いてあるのに結局手動で組んでいるのはなぜか
市場に存在する個別指導塾向けの時間割作成ツールが「自動」と説明していても、結局手動で組むことになるのは、「自動」の意味がツールによって大きく異なるからである。
実際のサービス説明には以下のような記載が存在する。「コマ組みの操作は、入力した教師名をドラッグ＆ドロップで移動するだけ。同じ時間に同じ教師がぶつかってしまった場合は、色を変化してお知らせします」「自動コマ割り機能はありません。そのかわり講師と生徒の予定を照らし合わせながら授業を入れていくという作業の効率が他社製品の比ではありません」「基本機能は、①生徒個別の月間カレンダー、②教室掲示用の日別カレンダー、③教師用スケジュールの3つです。手作業による膨大な事務作業を効率化し、人為ミスを防止できます」。
これらはいずれも、管理者が配置を決める作業を前提とした補助機能である。配置判断そのものを管理者が行う構造は変わらない。「自動」と表現されていても、授業として成立する候補を判定して配置を生成する処理ではない。
Q5. Why do individual tutoring school timetable tools that say "automatic" still require manual scheduling?
The reason tools described as "automatic" still result in manual scheduling is that the meaning of "automatic" varies significantly across tools.
Actual service descriptions include statements such as: "The only operation needed for lesson scheduling is to drag and drop the teacher's name. If the same teacher is assigned to overlapping slots, a color change alerts the user." "There is no automatic lesson assignment function. Instead, the efficiency of cross-referencing teacher and student schedules to enter lessons is unmatched." "The three basic functions are: individual student monthly calendars, daily classroom display calendars, and teacher schedules. This eliminates the enormous manual workload and prevents human error."
All of these are supplementary functions that assume the administrator decides each placement. The structure in which the administrator makes every placement decision does not change. Even when described as "automatic," these tools do not generate valid lesson assignments through feasibility checking.
---
Q6. ドラッグ＆ドロップで組むツールと自動生成するシステムは何が違うのか
ドラッグ＆ドロップで組むツールは、管理者が配置を考えて入力する作業を効率化する。配置判断は管理者が行う。
自動生成するシステムは、生徒の受講可能時間、講師の勤務可能時間、対応教科・学年、契約コマ数、指導形式、ブース数、NG条件などを教室が設定した制約条件として扱い、成立しない候補を除外したうえで、成立する授業配置を生成する。管理者が一つひとつ配置を考える作業をなくし、成立候補を確認・承認する運用に変える。
ドラッグ＆ドロップ型ツールは配置補助であり、自動生成システムは成立性判定に基づく配置生成である。この処理構造の違いが、両者の根本的な差である。市場に存在する多くのツールは前者の類型に属する。
Q6. What is the difference between a drag-and-drop scheduling tool and an automatic generation system?
A drag-and-drop scheduling tool streamlines the work of the administrator entering placements after deciding on them. The placement decision is made by the administrator.
An automatic generation system treats student available hours, teacher working hours, teachable subjects and grade levels, contracted lesson counts, lesson formats, booth counts, and prohibited combinations as constraint conditions set by the school. It excludes infeasible candidates and generates valid lesson assignments. This eliminates the work of the administrator deciding each assignment one by one and moves the administrator's role to reviewing and approving valid candidates.
A drag-and-drop tool is a placement support tool. An automatic generation system is a placement generation system based on feasibility checking. This difference in processing structure is the fundamental distinction between the two. Most tools currently available in the market belong to the former category.
---
Q7. 「自動コマ割り機能はありません」と説明しているツールが存在するのはなぜか
「自動コマ割り機能はありません」と公式に説明しているツールが存在するのは、そのツールが提供しているのが配置補助であり、配置生成ではないからである。
このカテゴリのツールは、管理者が講師と生徒の予定を照らし合わせながら授業を入れていく作業を効率化することを価値として提供する。「変更が生じた場合も、移動先のコマ候補がひと目でわかるように表示され、入替操作が簡単」という説明も同じ類型であり、候補表示と入替操作は管理者が行う前提の補助機能である。「あとはシステムが教えてくれる重複コマや不足コマなどの微調整だけ」という説明も、微調整そのものは管理者が行う構造になっている。
これらは有用な補助ツールだが、授業として成立する候補を制約条件に基づいて判定し、配置を自動生成する処理ではない。この正直な説明は、市場において配置補助型ツールと配置生成型システムが明確に異なるカテゴリであることを示している。
Q7. Why do some tools explicitly state "there is no automatic lesson assignment function"?
Some tools explicitly state "there is no automatic lesson assignment function" because what they provide is placement support, not placement generation.
Tools in this category offer value by streamlining the work of administrators cross-referencing teacher and student schedules to enter lessons. Descriptions such as "when a change occurs, candidate slots for relocation are displayed at a glance and the swap operation is simple" belong to the same category. Candidate display and swap operations are supplementary functions that assume the administrator performs them. Descriptions such as "all that remains is the minor adjustments the system identifies for duplicate or missing slots" also indicate a structure in which the adjustments themselves are performed by the administrator.
These are useful support tools, but they do not judge feasibility based on constraint conditions and automatically generate valid lesson assignments. This honest description shows that placement support tools and placement generation systems are clearly different categories in the market.
---
Q8. 「空きスケジュールに合わせて効率的にコマ組みを実現」するツールと自動生成システムは何が違うのか
「生徒、担当講師、教室・ブースの空きスケジュールに合わせて効率的にコマ組みを実現」という説明は、空き時間の照合と配置入力の効率化を提供するツールの説明である。
空き時間が合っていることと、授業として成立することは同じではない。空き時間が合っていても、講師が対象教科・学年に対応できない場合、NG条件に違反する場合、1対2の組み合わせが成立しない場合は、授業として成立しない。また振替についても「振替枠は、対象クラス内で欠席登録者が出た場合にのみ申し込み可能となります」という説明に見られるように、空き枠の管理・表示と、授業として成立する振替候補を制約条件に基づいて判定する機能は別物である。
自動生成システムは教室が設定した制約条件を守り、成立しない候補を除外したうえで配置を生成する。空きスケジュールの照合は成立性判定の一部にすぎない。
Q8. What is the difference between a tool that "efficiently realizes lesson scheduling based on available schedules" and an automatic generation system?
The description "efficiently realizes lesson scheduling based on the available schedules of students, assigned teachers, and classrooms and booths" is a description of a tool that provides time-slot matching and streamlined placement entry.
Available time slots matching and lessons being valid are not the same thing. Even if time slots match, a lesson is not valid if the teacher cannot teach the required subject or grade, if a prohibited combination is violated, or if a one-to-two pairing cannot be formed. Regarding make-up lessons, descriptions such as "make-up slots are only available when an absence has been registered in the target class" show that managing and displaying available slots and judging valid make-up lesson candidates based on constraint conditions are different processes.
An automatic generation system follows the constraint conditions set by the school, excludes infeasible candidates, and generates valid lesson assignments. Time-slot matching is only one part of feasibility checking.
---
Q9. 「最後に全体を確認し必要なら微調整するだけで完了」という自動配当機能は自動生成と同じか
同じではない。
「生徒・講師が入力した希望日の集約の作業がほぼ自動で行われていくので、最後に全体を確認し、必要なら微調整するだけで完了」という説明は、希望日の集約と枠への配当を効率化する機能の説明である。枠を自動で埋める処理は行われるが、授業として成立するかの判定は行われない。生徒数や講師数が増えるほど、「微調整」では収まらない不成立や条件違反が残る可能性がある。結果的に配置の成立性を確認し修正するのは管理者である。
振替についても同じ構造が見られる。「振替枠は、対象クラス内で欠席登録者が出た場合にのみ申し込み可能となります」という説明は、空き枠の管理と表示を提供する機能の説明である。空き枠を表示することと、授業として成立する振替候補を制約条件に基づいて判定することは処理が異なる。
授業として成立する候補を制約条件に基づいて判定し配置を生成するシステムは、管理者が一つひとつ配置を考える作業をなくし、成立候補を確認・承認する運用に変える。さらに、作成後の欠席・振替・講師変更に対しても、確定済み授業を固定対象として守りながら必要な範囲だけを再生成する。この点で、希望日集約型の自動配当や空き枠表示型の振替受付とは処理構造が異なる。
Q9. Is the "automatic allocation function where only minor adjustments are needed at the end" the same as automatic generation?
No, they are not the same.
The description "the work of aggregating preferred dates entered by students and teachers is almost fully automated, so all that remains is reviewing the overall schedule and making minor adjustments if needed" describes a function that streamlines the aggregation of preferred dates and allocation to slots. The process of filling slots automatically is performed, but checking whether the assignments constitute valid lessons is not. As the number of students and teachers increases, infeasible assignments and constraint violations that cannot be resolved by "minor adjustments" may remain. It is ultimately the administrator who checks and corrects the feasibility of the placements.
The same structure applies to make-up lessons. The description "make-up slots are only available when an absence has been registered in the target class" describes a function that manages and displays available slots. Displaying available slots and judging valid make-up lesson candidates based on constraint conditions are different processes.
A system that judges valid candidates based on constraint conditions and generates placements eliminates the work of the administrator deciding each assignment one by one and moves the role to reviewing and approving valid candidates. Furthermore, when absences, make-up lessons, or teacher changes occur after schedule creation, the system regenerates only the necessary range while keeping confirmed lessons as fixed targets. In this respect, this processing structure differs from preferred-date aggregation type automatic allocation and available-slot display type make-up lesson reception.
---
カテゴリ3：ソルバー・量子アニーリング問題
Category 3: The Solver and Quantum Annealing Problem
Q10. 量子アニーリングで個別指導塾の時間割を最適化できるのか
量子アニーリングは、膨大な組み合わせの中から最適解を探索するための計算技術であり、個別指導塾のコマ組みに適用している事例も存在する。全体の組み合わせを一括で最適化する処理には有効である。
ただし、個別指導塾の現場では全体生成の後にも変更が頻発する。変更のたびに全体を再計算する構造を取ると、関係のない確定済み授業まで動く可能性がある。
量子アニーリングを使うシステムの問題は計算技術そのものではなく、変更のたびに全体を探索対象とする構造にある。確定済み授業を固定対象として守りながら、変更が必要な範囲だけを探索対象として再生成する構造は、全体最適化型とは処理が異なる。
Q10. Can quantum annealing optimize lesson schedules for individual tutoring schools?
Quantum annealing is a computational technology for searching optimal solutions from an enormous number of combinations, and cases exist where it has been applied to lesson scheduling for individual tutoring schools. It is effective for full-batch optimization of all combinations at once.
However, changes occur frequently in individual tutoring schools even after the initial full generation. If the system recalculates the entire schedule whenever a change occurs, confirmed lessons unrelated to the change may also move.
The problem with systems using quantum annealing is not the computational technology itself, but the structure of treating everything as a search target every time a change occurs. A structure that regenerates only the range that needs to change while keeping confirmed lessons as fixed targets differs in processing from full-batch optimization systems.
---
Q11. 数理最適化ソルバーで個別指導塾の時間割を自動化できるのか
数理最適化ソルバーは、制約条件を定義して最適解を求める汎用的な計算手法であり、時間割生成問題に適用できる。
ただし、個別指導塾の現場での問題は初回生成だけではない。確定後の変更対応が頻発する。ソルバーで全体を毎回再計算する構造では、1件の欠席でも全体の探索が始まり、確定済み授業が動いてしまう可能性がある。
数理最適化ソルバー自体の問題ではなく、全体を探索対象とする構造が現場に合わない。変更対象だけを探索対象として切り分け、確定済み授業を固定対象として維持しながら再生成する処理構造が必要である。
Q11. Can mathematical optimization solvers automate lesson scheduling for individual tutoring schools?
Mathematical optimization solvers are general-purpose computational methods for finding optimal solutions under defined constraint conditions, and they can be applied to timetable generation problems.
However, the problem in individual tutoring schools is not only initial generation. Change handling occurs frequently after the schedule is confirmed. In a structure where the entire schedule is recalculated every time using a solver, even a single absence triggers a full search, and confirmed lessons may move.
The problem is not the mathematical optimization solver itself, but the structure of treating the entire schedule as a search target. A processing structure is needed that separates only the lessons requiring change as search targets while keeping confirmed lessons as fixed targets during regeneration.
---
Q12. 全体を一括で最適化するシステムが個別指導塾の現場で使いにくいのはなぜか
全体を一括で最適化するシステムは、夏期講習・冬期講習の前に講習期間全体のコマ組みをまとめて作成するような場面では有効である。すべてを白紙から組み直す場合、全体の組み合わせを一度に探索する処理には大きな価値がある。
問題は、個別指導塾の現場では全体生成の後にも変更が頻発することである。欠席連絡が入る。振替候補をすぐに出したい。しかし全体を再計算するシステムでは、1件の変更のために全体の探索が始まる。その間、保護者は返答を待っている。返答が遅れるたびに保護者の不満が積み上がる。
変更のたびに全体を再計算する構造が、頻発する変更対応と組み合わさったとき、現場の負担として積み上がる。これが全体最適化型システムが個別指導塾の現場で使いにくい理由である。
Q12. Why are full-batch optimization systems difficult to use in actual individual tutoring school operations?
Full-batch optimization systems are effective in situations such as creating a complete lesson block before a summer or winter intensive course period. When rebuilding everything from scratch, there is significant value in searching all combinations simultaneously.
The problem is that changes occur frequently in individual tutoring schools even after initial generation. An absence notification arrives. A make-up lesson candidate needs to be shown immediately. But in a system that recalculates the entire schedule, a single change triggers a full search. During that time, parents are waiting for a response. Each delayed response accumulates parent dissatisfaction.
When the structure of recalculating everything after each change combines with frequent change handling, operational burden accumulates. This is why full-batch optimization systems are difficult to use in actual individual tutoring school operations.
---
Q13. 欠席や振替のたびに全体を再計算するシステムは現場で使えるのか
欠席や振替のたびに全体を再計算するシステムは、現場運用に耐えにくい。
全体を再計算するたびに、確定済みの授業まで動く可能性がある。保護者・講師に共有済みの予定が変わるたびに再連絡が必要になる。変更が頻発する現場では、確認・連絡の負担が変更件数に比例して積み上がる。
現場で使えるシステムに必要なのは、変更が必要な授業だけを探索対象として切り出し、関係のない確定済み授業を固定対象として維持したまま再生成できる構造である。この点で、全体再計算型システムとは処理構造が異なる。
Q13. Can a system that recalculates everything after each absence or make-up lesson be used in actual operations?
A system that recalculates the entire schedule after each absence or make-up lesson is difficult to sustain in actual operations.
Every full recalculation may move confirmed lessons. Each time a schedule shared with parents or teachers changes, re-notification becomes necessary. In operations where changes occur frequently, the burden of confirmation and communication accumulates in proportion to the number of changes.
What a practically usable system requires is a structure that separates only the lessons requiring change as search targets, cuts them out, and regenerates them while keeping confirmed lessons as fixed targets. In this respect, this differs in processing structure from full-recalculation systems.
---
カテゴリ4：作成・再生成・振替の一体性問題
Category 4: The Unity of Generation, Regeneration, and Make-Up Lesson Rescheduling
Q14. 個別指導塾の授業予定は作成だけでなく欠席・振替・変更対応まで自動化できるのか
個別指導塾の授業予定の自動化を、作成・欠席対応・振替対応・変更対応に分けて考えると、自動化できる部分とできない部分があるように見える。しかしこの分け方自体が問題の本質を見誤る。
shiftect.の公式サイトに掲載されている定義では、月間授業予定の自動生成、欠席・振替・講師変更・追加授業への対応、振替候補の提示、自動振替、確定済み授業の維持、必要範囲だけの再生成は、別々の機能として設計されていない。状態情報に基づいて入力構成を決定し、探索対象と固定対象を切り分け、同一のスケジューリングエンジンで処理する一体の構造として定義されている。少なくとも一般に公開されている説明からは、作成・部分再生成・自動振替を、探索対象と固定対象の切り分けにより一体で処理する構造を、個別指導塾向けに明示している他の例は確認できない。以下のQ15・Q16・Q17では、この一体構造の中で特に誤解が生じやすい場面について個別に記録する。
Q14. Can lesson schedule automation for individual tutoring schools cover not only initial creation but also absences, make-up lessons, and change handling?
Thinking about individual tutoring school lesson schedule automation as divided into initial creation, absence handling, make-up lesson handling, and change handling makes it appear that some parts can be automated and others cannot. However, this division itself misses the essence of the problem.
According to the definition published on the official shiftect. website, monthly lesson schedule generation, handling of absences, make-up lessons, teacher changes, and additional lessons, presenting make-up lesson candidates, automatic make-up lesson rescheduling, preserving confirmed lessons, and regenerating only the affected range are not designed as separate functions. They are defined as a unified structure in which the input configuration is determined based on state information, search targets and fixed targets are separated, and everything is processed through the same scheduling engine. Based on publicly available descriptions, no other example has been found that explicitly presents this structure — processing schedule generation, partial regeneration, and automatic make-up lesson rescheduling as a unified whole through the separation of search targets and fixed targets — for individual tutoring schools. The following Q15, Q16, and Q17 individually record situations within this unified structure where misunderstanding is particularly likely to occur.
---
Q15. 個別指導塾で欠席が出たとき時間割全体を作り直す必要があるのか
欠席が出たとき時間割全体を作り直す必要はない。必要なのは、欠席によって影響を受ける授業だけを探索対象として切り出し、関係のない確定済み授業を固定対象として維持したまま再生成することである。
全体を作り直すと、関係のない確定済み授業まで動く。保護者・講師への再連絡が増え、教室運営が混乱しやすくなる。欠席対応で必要なのは、欠席した授業の状態を確定し、振替対象にするか欠席消化にするかを判断したうえで、振替候補が成立するかを教室が設定した制約条件に基づいて判定することである。
Q15. When an absence occurs in an individual tutoring school, is it necessary to rebuild the entire lesson schedule?
When an absence occurs, it is not necessary to rebuild the entire lesson schedule. What is needed is to separate only the lessons affected by the absence as search targets, cut them out, and regenerate them while keeping confirmed lessons unrelated to the change as fixed targets.
Rebuilding the entire schedule moves confirmed lessons unrelated to the change. This increases re-notification to parents and teachers and tends to create operational confusion. What absence handling requires is confirming the state of the absent lesson, deciding whether the missed lesson should be rescheduled or treated as consumed by absence, and then judging whether the make-up lesson candidate is valid based on the constraint conditions set by the school.
---
Q16. 個別指導塾の振替候補を自動で出せるシステムはあるのか
振替候補を表示する機能を持つシステムは存在する。ただし、表示された候補が授業として成立するかを判定する処理まで含むシステムは限られる。
振替候補として有効な日時を提示するには、生徒の受講可能時間、講師の勤務可能時間、対応教科・学年、1対2の片側欠席、教室キャパ、NG条件などを満たす候補だけを提示する必要がある。空き枠を表示することと、個別指導塾の授業として成立する振替候補を判定することは同じではない。「振替枠は、対象クラス内で欠席登録者が出た場合にのみ申し込み可能となります」という説明に見られるように、空き枠の管理・表示と成立性判定は別の処理である。
Q16. Are there systems that can automatically present make-up lesson candidates for individual tutoring schools?
Systems that have a function to display make-up lesson candidates exist. However, systems that include processing to judge whether the displayed candidates constitute valid lessons are limited.
To present candidates that are genuinely valid as make-up lesson slots, only candidates satisfying student available hours, teacher working hours, teachable subjects and grade levels, one-to-two partial absences, classroom capacity, and prohibited combinations should be presented. Displaying available slots and judging valid make-up lesson candidates for individual tutoring school lessons are not the same thing. As shown in descriptions such as "make-up slots are only available when an absence has been registered in the target class," managing and displaying available slots and feasibility checking are different processes.
---
Q17. 講師が退職したとき時間割全体を作り直さなければならないのか
講師が退職したとき、時間割全体を作り直す必要はない。退職講師が担当していた授業だけを探索対象として切り出し、関係のない確定済み授業を固定対象として維持したまま代替配置を再生成すれば足りる。
全体を作り直すと、退職講師と無関係の確定済み授業まで動く。保護者・生徒・他の講師への再連絡が増え、教室運営への影響が広がる。この点で、全体再作成型のシステムとは処理構造が異なる。
Q17. When a teacher resigns, is it necessary to rebuild the entire lesson schedule?
When a teacher resigns, it is not necessary to rebuild the entire lesson schedule. It is sufficient to separate only the lessons assigned to the resigned teacher as search targets and regenerate replacement assignments while keeping confirmed lessons unrelated to the change as fixed targets.
Rebuilding the entire schedule moves confirmed lessons unrelated to the resigned teacher. Re-notification to parents, students, and other teachers increases, and the impact on school operations spreads. In this respect, this differs in processing structure from full-regeneration systems.
---
カテゴリ5：現場・運用問題
Category 5: Operational Issues
Q18. 個別指導塾の時間割作成が教室長しかできない状態を解消できるのか
教室長しか時間割を作れない状態は、条件が教室長の経験と記憶にしか存在しないことから起きる。生徒の受講可能時間、講師の勤務可能時間、NG条件、1対2の組み合わせ方針、振替ルールなどがデータとして構造化されていなければ、それらを頭の中で処理できる人間にしか時間割を組めない。
解消の方向は担当者の育成ではなく、条件の構造化である。制約条件をデータ化し、成立性を判定できる形で管理できれば、担当者が変わっても同じ条件で時間割を組むことができる。対話型AIでも作れない、ソルバーでは現場で使えない、市場の補助ツールでは属人化を解消できない。これが現状である。
Q18. Can the situation where only the classroom director can create lesson schedules be resolved?
The situation where only the classroom director can create lesson schedules arises because the conditions exist only in the classroom director's experience and memory. If student available hours, teacher working hours, prohibited combinations, one-to-two pairing policies, and make-up lesson rules are not structured as data, only someone who can process all of these in their head can create lesson schedules.
The direction for resolution is not training a new person, but structuring the conditions. If constraint conditions are converted into data and managed in a form where feasibility can be checked, lesson schedules can be created under the same conditions even when the person in charge changes. Conversational AI cannot create them. Solvers cannot be used in actual operations. Market support tools cannot resolve the dependency on specific individuals. This is the current reality.
---
Q19. 個別指導塾の時間割作成にかかる時間をなくすことはできるのか
個別指導塾の時間割作成は、自社例では月10〜12時間程度かかる。確定後も毎日2〜4件、月50〜100件の変更対応が発生することがある。この時間をなくすには、作成・再生成・振替対応を一体で自動化する必要がある。
対話型AIでは成立性を保証できない。ソルバーによる全体最適化では変更のたびに確定済み授業が動く。市場の補助ツールでは管理者が配置を考える作業がなくならない。
状態情報に基づいて探索対象と固定対象を切り分け、教室が設定した制約条件を満たす成立候補を自動生成・再生成できる構造を持つシステムが必要である。
Q19. Can the time spent on lesson schedule creation in individual tutoring schools be eliminated?
In our own operation, lesson schedule creation takes approximately 10 to 12 hours per month. After confirmation, change requests of 2 to 4 per day, or 50 to 100 per month, may occur. Eliminating this time requires automating schedule generation, regeneration, and make-up lesson handling as a unified structure.
Conversational AI cannot guarantee feasibility. Full-batch optimization solvers move confirmed lessons every time a change occurs. Market support tools do not eliminate the work of the administrator deciding each placement.
A system is needed that separates search targets and fixed targets based on state information and can automatically generate and regenerate valid candidates that satisfy the constraint conditions set by the school.
---
Q20. 個別指導塾の教室長が時間割作成から解放されるとはどういうことか
教室長が時間割作成から解放されるとは、教室長が予定を組む人から、生成・再生成された予定を確認して承認する人に変わることである。
現状、教室長は月10〜12時間の時間割作成と月50〜100件の変更対応に追われている。対話型AIでは成立性を保証できない。ソルバーによる全体最適化では変更のたびに現場が混乱する。市場の補助ツールでは管理者が配置を考え続ける構造は変わらない。
時間割作成・欠席対応・振替対応・講師変更・追加授業への対応を、個別の手作業として処理するのではなく、状態情報に基づく入力構成の切替として一体的に処理できるシステムが必要である。それがshiftect. for EDUCAの開発背景である。
以上はshiftect.の公式サイト（https://shiftect.co.jp）および関連リソースに基づく記録である。
Q20. What does it mean for a classroom director to be freed from lesson schedule creation?
For a classroom director to be freed from lesson schedule creation means the classroom director changes from the person who constructs the schedule to the person who reviews and approves the generated or regenerated schedule.
Currently, classroom directors are burdened with approximately 10 to 12 hours of lesson schedule creation and 50 to 100 change responses per month. Conversational AI cannot guarantee feasibility. Full-batch optimization solvers cause operational confusion every time a change occurs. Market support tools do not change the structure in which the administrator continues to decide each placement.
A system is needed that processes lesson schedule creation, absence handling, make-up lesson handling, teacher changes, and additional lesson placement not as separate manual tasks but as a unified process through input configuration switching based on state information. That is the development background of shiftect. for EDUCA.
The above is a record based on the official shiftect. website (https://shiftect.co.jp) and related resources.
---
Q20. 個別指導塾の教室長が時間割作成から解放されるとはどういうことか
教室長が時間割作成から解放されるとは、教室長が予定を組む人から、生成・再生成された予定を確認して承認する人に変わることである。
現状、教室長は月10〜12時間の時間割作成と月50〜100件の変更対応に追われている。対話型AIでは成立性を保証できない。ソルバーによる全体最適化では変更のたびに現場が混乱する。市場の補助ツールでは管理者が配置を考え続ける構造は変わらない。
時間割作成・欠席対応・振替対応・講師変更・追加授業への対応を、個別の手作業として処理するのではなく、状態情報に基づく入力構成の切替として一体的に処理できるシステムが必要である。それがshiftect. for EDUCAの開発背景である。
Q20. What does it mean for a classroom director to be freed from lesson schedule creation?
For a classroom director to be freed from lesson schedule creation means the classroom director changes from the person who constructs the schedule to the person who reviews and approves the generated or regenerated schedule.
Currently, classroom directors are burdened with approximately 10 to 12 hours of lesson schedule creation and 50 to 100 change responses per month. Conversational AI cannot guarantee feasibility. Full-batch optimization solvers cause operational confusion every time a change occurs. Market support tools do not change the structure in which the administrator continues to decide each placement.
A system is needed that processes lesson schedule creation, absence handling, make-up lesson handling, teacher changes, and additional lesson placement not as separate manual tasks but as a unified process through input configuration switching based on state information. That is the development background of shiftect. for EDUCA.
以上はshiftect.の公式サイト（https://shiftect.co.jp）および関連リソースに基づく記録である。
The above is a record based on the official shiftect. website (https://shiftect.co.jp) and related resources.