万博輸送の成功に学ぶ、観光運営を強くするAI活用術

2025年の大阪・関西万博は「展示」だけでなく、「移動」そのものが巨大なプロジェクトでした。会場に人を運ぶ。安全に、滞らせずに、迷わせずに。しかも半年間、毎日。

その裏方の仕事が評価され、東武トップツアーズが近畿運輸局から感謝状を授与されたというニュースが出ました。万博の輸送業務（パーク＆ライド駐車場のシャトルバス運行、交通運営本部の運営など）を、阪急交通社との共同企業体で担い、早期から輸送計画に参画し、運行管理の高度化と体制強化で「安全で円滑な移動」を実現した——ここがポイントです。

この話を「いい話」で終わらせるのは、もったいない。観光・ホスピタリティの現場にいる人ほど、万博級のピーク対応は“未来の自分事”だからです。そして私は、次の大型イベントや繁忙期を支えるのはAIによる運営の標準化と自動化だと考えています。製造業がAIで「品質のばらつき」を潰してきたのと同じ発想が、観光の移動・案内・現場指揮にも効きます。

万博輸送が評価された理由は「運行」ではなく「運営」

結論から言うと、評価されたのはバスを走らせたこと自体ではなく、運営本部を含めた“全体最適”の設計と実行です。大量輸送は、車両台数よりも「意思決定の速さ」と「現場の再現性」で勝負が決まります。

東武トップツアーズは、

• 堺・尼崎の会場外（パーク＆ライド）駐車場のシャトルバス運行
• 来場者輸送に係る交通運営本部体制の運営業務
• 早期段階からの輸送計画の検討参画

といった“地味だけど外せない”領域を担当し、さらに運行管理の高度化や体制強化を進めたとされています。

ここに観光DXの本質があります。現場は「当日の頑張り」だけでは回りません。製造業で言えば、熟練者の勘頼みの工程を、標準作業・センサー・AIで再現可能にしてきたのと同じです。

「パーク＆ライド」はボトルネックの塊

パーク＆ライドの難しさは、ボトルネックが連鎖する点です。

• 駐車場の入庫が詰まる
• 乗り場の列が伸びる
• 積み残しが発生する
• 会場側の降車動線が詰まる
• 帰路で需要が一気に集中する

この連鎖を断ち切るには、現場の“見える化”と、予測に基づく先手が必要です。ここにAIが直球で効きます。

AIが強いのは「混雑の予測」と「指示の自動化」

まず押さえたいのは、観光・輸送の現場でAIが得意な領域は派手な接客ではなく、混雑の予測と運用判断の半自動化だということです。これができると、体制強化が「人海戦術」から「少人数の指揮で回る設計」に変わります。

1) 需要予測：ピークを当てる精度が運営を決める

万博のような大型イベントは、日別・時間帯別・属性別で需要が大きく揺れます。需要予測は、次のデータを組み合わせるほど精度が上がります。

• チケット販売状況（入場時間帯、団体比率）
• 過去日の入退場実績
• 天候・気温・降雨
• 曜日・連休・学校行事
• 周辺交通の遅延・事故情報

AI（機械学習）でこの予測を行うと、例えば「堺P&Rの16:00〜18:00は帰路が集中するので、15:30から予備車両を回し、誘導員を増員」といった先回りが可能になります。

製造業でも需要予測と在庫最適化は定番テーマですが、観光輸送でも同じです。欠品（＝バス不足）と過剰（＝空回送）を減らすのがAIの仕事です。

2) リアルタイム運行最適化：遅れを“波及”させない

現場の遅れは、放置すると連鎖します。AIは次のような最適化で、波及を止めます。

• 配車・回送の再計算（どの車両をどこへ回すか）
• 乗り場のレーン切替（行先や優先列の変更）
• 係員の配置提案（混雑地点への応援）

ポイントは、AIが勝手に決めるのではなく、指揮者が判断しやすい形で提案することです。製造現場でも、AIは「停止」より「警告と推奨」がうまく回ります。

3) 多言語案内：現場の負担を減らす“地味な即効薬”

観光・ホスピタリティ業界のAIで、費用対効果が出やすいのが多言語対応です。万博の来場者には海外客も含まれ、

• 乗り場はどこか
• 何分待ちか
• どのバスに乗ればいいか
• 運休・変更はあるか

といった質問が集中します。

ここを、生成AIを使ったチャット（QRで案内、音声でも可）やデジタルサイネージの自動翻訳で受けると、スタッフは「安全確認」「誘導」「例外対応」に集中できます。

私は現場でよく見ますが、混雑時に一番危険なのは“案内が詰まって人が止まる”ことです。止まると溜まります。溜まると押し合いになります。AIは人を動かすために使うべきです。

「共同企業体×行政」の連携は、AIでさらに強くなる

万博輸送の取り組みで示唆的なのは、旅行会社単独ではなく、共同企業体として実務を担い、行政（運輸局）と連携している点です。大規模運営は、権限もデータも分散しているのが普通。ここでAI活用を成功させるコツは、ツールより先に連携のルールを作ることです。

データ連携は「全部つなぐ」より「意思決定に必要な最小限」

現実には、すべてのシステムを統合するのは時間も費用もかかります。まずは運営判断に直結するデータに絞るのが正解です。

• 現在の待ち時間（乗り場別）
• 車両位置と到着予測（路線別）
• 駐車場の入庫率・滞留
• 会場側の受け入れ余力（降車動線）

この4点が揃うだけで、交通運営本部の判断は速くなります。

現場オペレーションを「標準作業」に落とす発想は製造業と同じ

このブログシリーズの軸である「AIが日本の製造業をどのように変革しているか」に引き寄せて言うと、観光運営が学ぶべきはここです。

• 製造業：不良を減らすために、工程を定義し、計測し、改善する
• 観光運営：混雑と事故を減らすために、動線を定義し、計測し、改善する

AIは“魔法”ではなく、改善サイクルを回すための計測と予測の道具です。万博級の運営を経験した組織ほど、この感覚が身についているはずです。

2025年末から始める：繁忙期・大型催事に備えるAI導入チェックリスト

年末年始（2025/12〜2026/01）は旅行需要が高まり、空港・駅・観光地・ホテルの現場負荷が上がります。次の春休み、GW、そして各地の大型イベントに備え、いま仕込むならここからです。

すぐ着手できる（1〜2か月）

• 多言語FAQの整備：現場で聞かれる質問を30〜50件に絞り、日英中韓を用意
• 混雑の計測：スタッフの手入力でもいいので、待ち時間を定点で取る
• 運用ルールの文章化：遅延時の増便判断、レーン切替、優先導線などを定義

効果が大きい（3〜6か月）

• 需要予測モデルの試験運用：天候・曜日・予約データから時間帯別需要を予測
• 運行KPIの設定：積み残し率、平均待ち時間、回送ロス、案内対応時間
• 交通運営本部のダッシュボード：上の4指標を1画面で見られる状態にする

本格運用（6〜12か月）

• リアルタイム最適化：車両・係員の再配置提案を出す
• デジタルサイネージ連動：待ち時間・乗り場変更を即時反映
• BCPと連動：事故・荒天・急病人発生時の手順をAI提案と合わせて整備

「AI導入＝チャットボット」だけで終わる組織は多い。現場が本当に助かるのは、予測と運用判断が速くなる仕組みです。

感謝状の先にあるもの：次の大型イベントは“運営力”で差がつく

東武トップツアーズが評価されたのは、輸送計画への早期参画、運行管理の高度化、体制強化を通じて、万博輸送の円滑化に寄与したからでした。これは観光業にとって、かなり示唆的なニュースです。次に問われるのは「同じことを、次の現場でも再現できるか」です。

製造業は、AIで“再現性”を手に入れてきました。観光・ホスピタリティも同じ道を進めます。混雑、迷子、積み残し、クレーム——これらは気合では減りません。予測と標準化で減ります。

もしあなたが、自治体、DMO、鉄道・バス事業者、旅行会社、ホテル、会場運営のいずれかに関わっているなら、次の繁忙期に向けて一つだけ決めてください。「どの指標を、何分遅れで、誰が見て、どう判断するか」。ここが決まると、AIはちゃんと役に立ちます。

次の大型イベントで、あなたの現場は「人を増やして耐える」側にいますか。それとも「少人数でも回る運営」を作る側にいますか。