ATM現金補充計画を最適化する7つの計画変数と最適化AI

なぜ「ATMの現金補充計画」が金融機関で重要なのか

在庫保管コストとセキュリティコストが収益を侵食する

ATMに積んだ現金は、預貸業務にも市場運用にも回せない遊休資産です。1台あたり相当な金額の在庫を全国数千拠点で抱えれば、機会費用は無視できない規模になる。さらに保管中は警備費・保険料・金庫設備の減価償却が常時発生し、現金そのものが「持っているだけでお金がかかる」資産に変わる。

低金利下では機会費用が小さく見えがちでも、運用環境が変われば一気に重くなる。さらに金融庁の検査・監督指針はATM運営事業者に対して在庫水準の管理体制を求める方向で年々強化されており、根拠のない「過去の経験で多めに積む」運用は説明責任の面でも分が悪い。

現金は「持つほど信用」ではなく、「持つほど機会費用と説明コストを抱える」資産になりつつある。

キャッシュレス化と需要パターン分散で従来の補充ルールが効かない

決済のキャッシュレス化が進み、ATM1台あたりの出金額は緩やかに減っている。一方で、給料日・年金支給日・連休前後・地域イベントへの偏りはむしろ強まっている。「平日昼に均等に出金される」という前提で組まれた補充ルールは、ピーク日とそれ以外の落差を吸収しきれない。

商業施設内のATMと住宅地の郵便局併設ATMでは、ピーク時間帯も需要規模もまったく違う。観光地や空港ATMは曜日よりイベントカレンダーで動く。拠点ごとの需要パターンが分散したまま、単一の補充ルール（たとえば「2週間ごと」「金庫残高が一定割合を切ったら」）で運用すれば、過剰積込と在庫切れが同時に発生する構造から抜けられない。

需要パターンが多様化した以上、拠点別・時期別の最適補充頻度を計画から逆算しなければ、コストと顧客満足のどちらも妥協し続けることになる。

警送業界の人手不足が補充頻度の上限を引き下げている

ATMの現金補充は警備業法上の2号警備（貴重品運搬警備）に分類され、所定の人員配置と車両装備が義務付けられている。2024年4月から物流・運送業へ適用された時間外労働の上限規制は、警送業界にとっても運行可能時間と便数の制約を厳しくする方向で効いている。

警送会社は人員不足と燃料費高騰のなかで、運行便数の縮小と単価改定を進めざるを得ない。発注側の金融機関にとっては、「コストが上がるのに頻度を上げにくい」という供給制約の構造に変わった。補充頻度を増やして在庫を絞る従来型の改善策は、便数の天井に当たって機能しなくなりつつある。

警送リソースの上限が固定化された以上、限られた便数のなかで在庫切れも過剰保管も避ける計画設計が、現実的な打ち手の中心になる。

ATM現金補充計画が難しい3つの根本原因

ATMは「貯められる」が「貯めるほど機会費用が増える」財だから

ATMの現金は電力と違って物理的に貯めることはできる。しかし、貯めた瞬間から機会費用と保管コストが発生し続ける財です。電気のような「貯められない」制約はない代わりに、「貯めるほど運用コストが跳ね上がる」制約がかかる。

この性質は、製造業の在庫計画と物流の配送計画を混ぜ合わせたような難しさを生む。在庫として持つ意味（在庫切れ防止、災害時冗長性）と、持たない意味（機会費用、警備コスト削減）の両方が常時引っ張り合う。「適正在庫」は1日のなかでも変動し、給料日後の数日と月中では正解が変わる。

貯められるが貯めるほど高コストになる財は、需要予測と在庫戦略を同時に解かないと最適点に届かない。

拠点別の需要パターンと予測誤差が補充計画を毎日揺さぶるから

拠点ごとの出金需要は、立地・周辺施設・近隣の給与振込日・気象・イベントで揺れる。同じ商業施設内ATMでも、近隣にイベント会場ができれば週末の出金量が数倍に跳ねる。予測精度を高めても、誤差幅は時間帯や季節で平均±15〜25%に達し、突発要因が重なれば瞬間的に半減や倍増も起きる。

予測の点推定だけで補充頻度を決めれば、誤差時に在庫切れと過剰保管のどちらかが必ず出る。誤差幅を確率分布として扱い、「この拠点は誤差が大きいから安全在庫を厚めに」「この拠点は安定しているから攻めた在庫水準でよい」と拠点別に運用しなければ、全社平均で見たコストと欠品率は両立しない。需要予測そのものに加えて、予測誤差の取り扱い設計が、在庫の総量と警送頻度を直接動かす。

予測の中央値ではなく、誤差の分布まで計画モデルに組み込めるかが、補充戦略の精度を分ける。

警送ルートの時間枠と車両制約が複数の計画を同時拘束するから

警送車両は容量・安全要員・運行時間に物理的な上限を持つ。1便で訪問できる拠点数は数件〜十数件、現金センターからの出発・帰着の時間枠、ATM側の補充作業可能時間（営業時間外の警備員立会、遠隔操作の停止時間）まで合致しないと作業できない。営業時間内の補充は顧客導線を遮るため避けたい拠点も多い。

これは時間枠付きの巡回問題で、配送計画の難しさと共通する。時間枠制約は他の運行計画と同様に独立に最適化できる問題ではなく、1拠点の補充頻度を変えれば、その日のルート全体の効率が変わる。複数拠点の計画が同じ便のなかで連鎖し、1つの変更が他の全拠点の最適解を動かす関係にある。

物理ネットワークと時間枠の制約を計画に同時に組み込めない限り、机上の最適在庫水準は警送現場で実行できない。

ATM現金補充で同時に考えるべき7つの計画変数

(1) 拠点別の出金需要予測と予測誤差バッファ

出発点は、ATM拠点ごとに「いつ・どの金種が・いくら出金されるか」を予測することです。曜日効果、月内パターン（給料日・年金支給日・月末月初）、季節効果（連休・お盆・年末年始）、地域イベント、近隣の競合ATM稼働状況などを変数として持つ。点予測だけでは安全在庫の量が決まらないため、誤差の分布を一緒に扱う必要がある。

ある観光地ATMの土曜の出金が平均500万・誤差±150万なら、欠品確率を一定以下に抑える在庫水準は中央値+1.5σ前後で逆算できる。逆に住宅街の小型ATMで誤差幅が小さければ、攻めた水準でよい。拠点ごとの誤差プロファイルを使い分ける運用が、過剰保管を膨らませずに欠品確率を抑える前提になる。

予測精度そのものに加えて、誤差の取り扱い設計が、在庫水準と警送頻度の両方を動かす。

(2) 紙幣の金種ミックスと小銭の在庫

ATMの在庫管理は総額だけでは足りない。万円札、5千円札、千円札、500円玉といった金種ごとに需給バランスが分かれる。給料日には万券中心、観光地では小額紙幣、駅前では夜間の千円札需要が伸びる。総額が十分でも、特定金種が枯渇すれば実質的に出金不能になる拠点が出る。

さらに金種ごとに発注リードタイム、現金センターでの仕分け工程、警送車両の積載スペースが変わる。万券だけ過剰に積めば容積が空くが、小銭を厚く積めば1台で運べる総額が落ちる。金種ミックスを最適化することが、警送便数と現金センターの仕分け工数を同時に下げる。

総額在庫の最適化と金種別在庫の最適化は別問題で、両方を同時に解かないと現場で使える計画にならない。

(3) 在庫上限（金庫容量）と最低在庫（セーフティ）

各ATMには物理的な金庫容量があり、それを超えて積み込むことはできない。一方、出金不能を回避するための最低在庫水準も設定する必要がある。容量は機種・設置スペースで決まる固定値だが、最低在庫は需要予測の誤差幅・補充頻度・災害時の備えで動かす変数です。

最低在庫を厚く設定すれば欠品リスクは下がるが、平均在庫が膨らんで保管コストが膨張する。容量上限ぎりぎりまで積めば次回補充までの猶予は伸びるが、警送車両が他拠点に回せる現金が減る。容量と最低在庫の両端を、需要予測の信頼区間に合わせて拠点別に設計しなければ、欠品と過剰のどちらかが必ず残る。

物理上限と運用下限は、需要分布と警送頻度の関数として計画段階から動的に設定する変数になる。

(4) 警送ルートと時間枠の制約

警送車両は現金センターから出発し、複数拠点を巡回して帰着する。各拠点には作業可能時間帯、立会者の手配、近隣道路の混雑時間、商業施設内ATMの搬入経路の制約がある。営業時間内に補充を行う拠点と、夜間・早朝に行う拠点で運用が分かれる。

加えて、警送車両の総走行時間、ドライバーの拘束時間、車両の容量と総積載重量、複数銀行の現金を混載するかしないかの契約条件が絡む。時間枠付きの巡回問題は組合せ最適化の中でも難所で、拠点数と時間枠が増えれば手作業では実用的な時間内に解けない。日々のシフト変動や交通障害で再計画も頻繁に発生する。

ルート設計を在庫計画と切り離して扱えば、片方が最適でも全体は最適から外れる。

(5) 補充頻度と現金保管コストのトレードオフ

補充頻度を上げれば、1拠点あたりの平均在庫を抑えられる。一方で警送費用が増え、警送業界の便数制約に当たる。頻度を下げれば警送費は減るが、平均在庫が膨らんで機会費用と保管コストが上がる。さらに需要急変時の在庫切れリスクも増える。

このトレードオフは拠点ごとに最適点が違う。出金量が多く誤差の小さい都心の主力ATMは「高頻度・低在庫」、需要が小さく誤差の大きい地方拠点は「低頻度・厚め在庫」が適していることが多い。年単位で見ると、給料日週は全拠点で頻度を上げる、月内中盤は絞るといった季節性も入る。コスト・欠品・警送費を同時に追う多目的トレードオフの設計では、全拠点を同じルールで縛るほど全体最適から遠ざかってしまう。

頻度とコストの関係は拠点ごとに違う関数で、全社一律のルールでは最適点に到達できない。

(6) 障害・停電・災害時の冗長性

地震・水害・大規模停電・通信障害の発生時に、被災エリアのATMは補充できなくなる。一方で、被災者向けの現金需要は急増する局面が多い。平時の最適在庫だけを追えば、災害時に在庫切れが連鎖する設計になりかねない。

冗長性は単純な「平均より多めに積む」だけでは設計できない。被災想定エリアの在庫水準、近隣現金センターの代替補充ルート、移動式ATMの配備計画、銀行間の応援補充協定までを含めて、平時の運用と非常時の切替条件を計画段階で決めておく必要がある。冗長性のために常時保有する追加在庫は、コスト負担と社会的責任のバランスで決まる経営判断の領域に入る。

非常時シナリオを計画モデルに組み込めるかどうかが、災害時の事業継続と平時のコスト効率の両立を決める。

(7) 警送車両の積載計画と複数拠点回付順

1便で運ぶ現金の総量・金種構成と、各拠点への配分・回付順を同時に決める。先に補充する拠点と後で補充する拠点で必要量が違うため、車内の現金を「どの拠点用にどの引き出しに入れるか」まで踏み込んだ積載設計が要る。回付順を1つ変えるだけで、拘束時間と燃料費、各拠点の在庫補充タイミングが変わる。

複数銀行のATMを1便で巡回する共同警送モデルでは、銀行ごとの現金を混載しない契約や、銀行別に分離保管した状態で回付するルールも入る。積載効率と契約遵守を両立させるには、容量・重量・分離保管・時間枠を全て満たす積載パターンを総当たりで評価する必要がある。物流の積載計画と同じ構造で、組合せ爆発の典型例である。

積載と回付順は、ルート計画と在庫計画の両方を結ぶ最後のピースになる。

なぜ「人手の運用と従来型の補充ルール」では限界があるのか

数千拠点×7変数の組合せが探索空間を爆発させる

地方銀行1行で数百拠点、メガバンクや共同警送モデルで数千拠点。日次粒度で需要予測・在庫水準・警送ルート・積載計画まで一括で扱うと、判断パターンは天文学的な数になる。変数同士が連動して選択肢が指数関数的に膨らむ組合せ爆発が、ATMの現金補充における計画問題の本質である。

人間が比較できるパターンは多くて数十通り。Excelで組んでも、拠点数十・1〜2週間・固定ルートが扱える限界に近い。従来の運用ルール（「2週間ごと」「在庫が一定割合を切ったら」）は、リソースが百を超えた段階で実効性を失う。判断粒度は粗くなり、安全側に倒した結果として過剰保管が積み上がる。

問題サイズが現場の処理能力を超えた以上、勘と経験の延長では計画は粗くなり続ける。

多目的トレードオフが現場の判断では揺れ続ける

ATMの現金補充は、機会費用、警送費、欠品罰則、災害対応、契約遵守という複数目標を同時に追う。一方を最大化すれば他方が必ず崩れる。在庫を絞れば欠品が増え、欠品を抑えれば警送費が増え、警送費を抑えれば顧客満足が落ちる構造です。

現場では「先月は欠品が多かったから今月は厚めに積もう」「警送費が予算超過しそうだから今月は便数を絞ろう」のような切り替え運用に陥りがちです。月次でブレが出るうえ、年間で見ると複数目標のいずれも当初計画から外れる。複数目標を同時に評価する仕組みがないと、判断は振り子のままになる。

トレードオフ設計を仕組みで支えなければ、現場の判断は揺れ続ける。

需要予測の更新スピードに人手の再計画が追いつかない

連休前の需要急増、災害時のATM稼働停止、近隣ATMの臨時休止、突発イベント。再計画が要るたびに、数百〜数千拠点を巻き込んだ計画を当日中に出し直す必要がある。手動の調整は分〜時間単位がやっとで、再計算する間に状況が再び変わる。

状況変化に応じて計画を秒〜分単位で組み直せるリアルタイム最適化の体制が要求されるが、ATM補充では更新頻度が日次・半日次に達する場面が増えている。半日かけて作る計画と、30分で作り直す計画は別物です。スピードが落ちたままでは、需要急変への先手は打てず、欠品が出てから応急便で対応するという後追い運用が続く。

再計画コストが高いと、計画は古いまま死蔵し、現場は応急処置で損失を後追い精算するしかなくなる。

最適化AIがATMの現金補充をどう変えるか

最適化AIは、現場が守らなければならないルールを破らずに、最も良い結果を返すAIです。生成AIのように「それらしい計画」を作るのではなく、金庫容量・最低在庫・警送車両の容量・時間枠・契約条件といった制約を一つも違反しない計画の中から、機会費用・警送費・欠品リスクを同時に最適化する解を探し出す。守るべき条件を数式として明示し、その範囲内で最善解を導く点に汎用ツールとの本質的な違いがある。

ゴールと守るべきルールを数式に落とす

ATM現金補充最適化のゴール（AIに与える目標）は、たとえば「全拠点の機会費用と警送費の合計を、欠品確率を一定以下に抑えた上で最小化する」と定義する。守るべきルール（現場の条件）は、各ATMの金庫容量と最低在庫、警送車両の容量・走行時間・拘束時間、各拠点の作業可能時間枠、警備業法上の人員配置、複数銀行の混載ルール、災害時の冗長確保、現金センターの締め時間などです。

これらを定式化したうえで、拠点別の需要予測と誤差分布、警送車両の稼働状況、現金センターの在庫状態、契約条件をすべて入力に渡す。マスター整備（拠点台帳の統一、出金実績の粒度合わせ、警送ルートの電子化）が前提として要る。ここまで揃って初めて、最適化AIは「数千拠点をどの便でどの順に補充するか」を組合せ最適化として扱える。

ゴールとルールを明示すれば、判断は属人運用から再現可能なロジックへ移行できる。

精度: 数千ATMを日次粒度で同時最適化する

最適化AIは、数百〜数千の拠点を日次または半日次の粒度で、車両・時間枠・契約・容量の制約をすべて満たした計画にまとめる。金庫容量と最低在庫を守りつつ、警送車両の総積載と拘束時間を超えないように、機会費用と警送費の重み付き合計を最小化する解を見つける。

配車・回収計画では、ドライバーの勤務条件を満たしながら残業を抑えるルートを設計でき、再計画も高速に回せる。配送・交換計画のような領域でも、枯渇リスク・人員制約・配送ルートといった複数の制約を同時に満たす計画を導ける。ATM補充計画でも、需要・在庫・ルート・積載の四面を同時に解ける計画は、ルールベース運用や手作業の組み合わせでは届かない精度に到達できる。

実行可能性まで担保した計画は、当日の応急便と過剰保管の両方を構造から減らす。

スピード: 需要シナリオが変わっても数分で再計画できる

連休前の需要更新、災害時の稼働停止、近隣拠点の臨時休止、突発イベントの発生。再計画が要るたびに、数千拠点を巻き込んだ計画を数分で出し直せる。これにより、当日朝の補充指示、夕方の翌日便の確定、突発時の応急対応が、現場の手作業の速度から解放される。

計算アーキテクチャ（並列化・近似手法・前回計画からの差分計算）を組み合わせることで、運用粒度に合った再計画頻度を確保できる。判断のボトルネックがなくなれば、応急処置から計画ベースの先回りに運用が変わる。給料日翌日の在庫過剰、連休明けの欠品、災害時の応援補充が、後追いではなく事前の計画として組み込めるようになる。

スピードが上がると、計画は「立てて終わり」から「動かしながら更新する」運用に切り替わる。

透明性: 「なぜこの拠点をこの順で補充するか」を説明できる

最適化AIは、出力された計画について「どの制約がきいて」「どの目的のためにこの順序が選ばれたか」を可視化できる。事務統括や警送会社が監督官庁や経営層に説明する際も、データと制約条件を起点に議論ができる。本来は「経験」と一括りにされていた判断根拠が、誰でも追跡可能なロジックに置き換わる。

汎用の在庫管理ツールが「在庫水準の管理」しか扱えないのに対し、最適化AIは需要・在庫・ルート・積載・契約・冗長性を横断した全体最適を扱える。さらに「この支店は近隣にイベント会場があるため週末の安全在庫を厚めに」「この警送便は混載不可契約なので分離保管」といった現場固有のルールも、業務ヒアリングを通じてモデルに組み込める。

意思決定が透明化されると、補充計画は「ベテランの勘」から「組織の標準」へ格上げできる。

まとめ

ATMの現金補充計画は、キャッシュレス化と需要パターン分散、警送業界の人手不足のもとで、機会費用・警送費・欠品リスク・災害対応を同時に追いかける経営課題に化けた。貯められるが貯めるほどコストが上がるという財の性質、拠点別の予測誤差、警送ルートの時間枠制約が重なって、人手と従来型の補充ルールでは扱いきれない領域に突入している。

ATM現金補充の計画には、拠点別の需要予測と誤差バッファ、紙幣の金種ミックス、金庫容量と最低在庫、警送ルートと時間枠、補充頻度と保管コストのトレードオフ、災害時の冗長性、警送車両の積載と回付順という7つの変数が同時に絡む。組合せ爆発と多目的トレードオフ、再計画スピードの三方向で、運用は構造的な限界に達している。

最適化AIを使えば、数千拠点を日次粒度で同時最適化し、需要シナリオが変わっても数分で再計画を回し、判断ロジックを透明化できる。OptHubは現場理解とアルゴリズム設計の両面から、現金補充を金融機関の継続的な意思決定プロセスに組み込む支援を行っている。