プロジェクト計画最適化ツール

🌐 ライブデモ

Streamlit Community Cloud で常時稼働中。インストール不要・ブラウザから即アクセス可能。サンプルデータ（会議文字起こし・タスク一覧・カレンダー）が同梱されているので、ログインなしで全機能を試せます。

背景

プロジェクト管理の現場では「会議で決まったことを手動でタスク管理ツールに転記する」「スケジュールの衝突に気づかず後から手直し」という作業が慢性的に発生する。

特に複数プロジェクトを掛け持ちするメンバーが多い環境では、誰かの予定変更が連鎖的に他のタスクに影響するにも関わらず、それを把握するのは手動では限界がある。

このツールは「会議 → タスク更新 → スケジュール最適化」の一連の流れを自動化し、プロジェクトリーダーの判断作業を支援する。

できること

機能	説明
【コア機能】
要件抽出（ルールベース）	会議文字起こしからキーワードでタスク・宿題・決定事項・会議候補を自動分類
要件抽出（AI）	OpenAI / GitHub Copilot APIで文脈を理解した高精度な自然言語抽出
スケジュール最適化	タスクの依存関係からクリティカルパスを算出、最短完了経路を可視化
衝突検出	メンバーの休暇・会議重複を自動検出してアラート
代替日程提案	衝突タスクに対して実行可能な代替スケジュールを自動生成
遅延予測	進捗率・経過日数から完了予測日を算出
【UI・操作機能】
Ganttチャート（ドラッグ対応）	タスクをドラッグで動かしてスケジュールを直感的に編集
提案の承認/却下	確信度付きの提案を1件ずつUIで承認または却下
ボトルネック検出	保留・遅延・ブロック中のタスクを自動ハイライト
Excel入出力	非エンジニアでも使えるExcelフォーマットでの入出力

技術構成

project-optimizer/
├── app.py              # 1,336行：Streamlit UI エントリポイント
├── src/
│   ├── extractor.py    # ルールベース要件抽出
│   ├── ai_extractor.py # AI（Copilot/OpenAI）要件抽出
│   ├── matcher.py      # タスク×カレンダーの衝突検出
│   ├── optimizer.py    # タスク更新判定・確信度・ボトルネック分析
│   ├── scheduler.py    # クリティカルパス・代替日程・遅延予測
│   └── exporter.py     # Excel/JSON出力
├── components/
│   └── gantt_editor/   # ドラッグ可能カスタムGanttコンポーネント
├── tests/              # 52テスト（6ファイル）
└── data/
    ├── project.json           # タスク定義
    ├── calendar_mock.json     # カレンダーデータ
    ├── transcript.txt         # 会議文字起こしサンプル
    └── project_template.xlsx  # Excel入力テンプレート

合計: 2,425行のPythonコード（約3週間で構築）+ 52件の自動テスト（カバレッジ対象: 抽出・スケジュール・衝突検出の主要ロジック）

処理フロー

① 入力
   会議文字起こし（.txt）
   タスク一覧（.json / .xlsx）
   カレンダー（.json）
        ↓
② 要件抽出
   ルールベース：キーワードマッチ
   AI方式：自然言語理解 → 宿題/保留/決定/会議候補に分類
        ↓
③ 分析
   クリティカルパス計算
   衝突検出（休暇・会議重複）
   遅延予測・ボトルネック特定
        ↓
④ 最適化提案（確信度スコア付き）
   代替スケジュール案
   タスク更新案
   会議候補日程
        ↓
⑤ 承認/却下 → Excel/JSON出力

実装のポイント

ルールベースとAIの切り替え

要件抽出には2つの方式を実装し、用途に応じて選択できる設計にした。

# ルールベース（高速・低コスト）
results = extract(transcript_text)

# AI方式（高精度・API必要）
results = ai_extract(transcript_text, api_key=key)

ルールベースは「宿題」「〜してください」「確認します」などのキーワードパターンで分類。AIは文脈を理解して「明示されていないが次のアクションが発生する発言」も抽出できる。

クリティカルパス算出

タスクの依存関係をDAG（有向非循環グラフ）として構築し、最長経路を動的計画法で算出。

def calc_critical_path(tasks: list[Task]) -> list[str]:
    # 依存関係グラフ構築 → トポロジカルソート → 最早・最遅完了時刻算出
    # → CP上のタスクID一覧を返す

CPタスクはUIで赤くハイライトされ、遅延が全体に影響することを視覚的に示す。

ドラッグ可能Ganttチャート

Streamlitのカスタムコンポーネント機能を使い、React製のGanttエディタを組み込んだ。タスクをドラッグして日程を変更すると、リアルタイムで依存タスクへの影響が反映される。

効果

作業	従来の工数	ツール導入後	削減率
会議議事録からのタスク起こし	30〜60分/回	2〜5分	90%
スケジュール衝突の確認	15〜30分/週	即時自動検出	95%
代替日程の検討	30〜60分/件	5〜10分	85%
Gantt更新作業	20〜40分/回	ドラッグ操作のみ	80%

※ 数値は社内プロジェクトリーダー3名へのヒアリングに基づく推計値。

技術選定の理由

Streamlit: Pythonだけでインタラクティブなビジネスアプリを構築できる。非エンジニアへのデモが容易。
uv: パッケージ管理をuvで統一し、uv sync一発でセットアップ完了。
Plotly: インタラクティブなGanttチャートと予測グラフ。
AI切り替え設計: APIキーがない環境でもルールベースで動作保証。段階的なAI導入が可能。