飲食チェーンがAIエージェントで実現したメニュー開発から発注管理までの革新

「何が売れるか」を、人間の勘だけで決め続けるのはもう無理だ

正直に言うと、飲食チェーンのメニュー開発ほど「経験と勘」に頼ってきた領域はない。全国に100店舗以上を展開するチェーンになると、地域ごとの嗜好、曜日・天候による来店数の波、競合他社の新メニュー投入タイミング、食材の仕入れ相場の変動——これらが複雑に絡み合う意思決定を、毎月何十回も繰り返すことになる。「この季節はこれが売れる」という肌感覚が大きな武器になる一方、それが外れたときの代償も大きい。大量に仕込んだ食材が売れ残り、廃棄になるという問題は、飲食業界全体で慢性的に続いてきた。

関東を中心に展開する定食チェーンD社は、2025年から段階的にAIエージェントシステムを導入した。同社が痛感していたのは「データはある、でも使いきれていない」という現実だ。各店舗のPOSデータ、食材の発注履歴、SNSの口コミ、天気予報——バラバラに存在するこれらのデータを誰も統合できておらず、結局ベテランの「読み」に頼ることになっていた。AIエージェントはその統合を担う役割として導入された。

導入の意思決定を後押ししたのは、ある週末の「チキン南蛮事件」だった。担当バイヤーの予測が外れ、週末の需要を大きく読み違えた結果、2日間で廃棄した鶏肉の原価が100万円を超えた。「同じミスを繰り返すのは仕組みの問題だ」という判断が、AIエージェント導入へのアクセルになった。

トレンドを「予測」するエージェントが、メニュー開発を変えた

D社のメニュー開発エージェントは、複数のデータソースをリアルタイムで監視している。SNS上の食トレンドキーワードの拡散速度、食品メーカーの新商品情報、競合チェーンのメニュー変更動向、食材の市場価格トレンド——これらを組み合わせて「今後3ヶ月で注目度が上がる食材・料理カテゴリ」を予測する。

重要なのは、このトレンド予測が「何となく流行りそう」という定性的な判断ではなく、数値化されたスコアとして出てくる点だ。「麻婆豆腐系の辛旨メニューは今後6週間でSNS言及数が1.4倍になると予測。自社の粗利率との相性を考慮するとスコアは87点」という具体的な提示を受けて、開発担当者は試作に入れる。以前は月1〜2品だった試作数が月5〜6品に増え、実際に市場投入できるメニュー数は3倍に拡大した。

実は、このトレンドスコアはメニュー廃止にも使われている。「この定番メニューの注文率が12週連続で低下している。類似カテゴリの他メニューへの代替が進んでいるため、次シーズンでの廃止を検討すべき」という提案も自動で生成される。感情的に「長年続けてきたメニュー」を切る判断は難しいが、データに基づいた提案があることで、社内での合意形成がスムーズになったという。

「フードロス32%削減」を支えた、店舗ごとの需要予測

あなたが飲食チェーンの店長だとして、月曜日の朝に「今週の鶏肉の発注量」を決めなければならないとしたら、何を参考にするだろう。おそらく先週の売上、季節感、そして自分の経験だろう。しかし実際には、今週の週末に近隣で大型イベントが開催されること、水曜日から気温が10度下がる予報が出ていること、競合チェーンが同じ商圏内で新メニューを投入することが重なると、「先週と同じ感覚」では大きく外れる。

D社の発注管理エージェントは、各店舗の過去販売実績・予約状況・天候予報・近隣イベント情報を統合して店舗ごとの需要予測を行い、最適発注量を算出する。この仕組みによって、フードロスが全社平均で32%削減された。金額に換算すると、年間数千万円規模のコスト削減に相当する。

さらに「集中調達エージェント」も稼働している。100店舗以上がバラバラに発注していた状態から、需要を集約してサプライヤーとのボリュームディスカウント交渉に活用する仕組みだ。食材コストが平均8%低減し、D社の店舗あたり営業利益率は導入前比で4.2ポイント改善している。利益率4ポイントの改善がどれほど大きいか——飲食業の薄利多売の世界では、これは経営を根本から変えうる数字だ。

「フードデータアナリスト」という新しいキャリアが生まれた

AIエージェントの導入によって、D社内に「フードデータアナリスト」という新職種が誕生した。AIが出力するトレンドレポートや需要予測を解釈し、メニュー開発チームと店舗オペレーションチームに橋渡しする役割だ。食品業界の知識とデータ分析スキルを兼ね備えた人材が求められ、実際に調理師免許を持つスタッフがデータ分析の研修を受けてこのポジションに転身するケースも出ている。

発注業務や在庫チェックを担っていたスタッフは、顧客対応や店舗QSC（品質・サービス・清潔感）の向上に注力できるようになった。接客に使える時間が増えたことで、顧客満足度スコアも改善している。AIが「考える業務」を担うことで、人間が「感じる業務」に集中できる環境が整いつつある。飲食業における「人間にしかできない仕事」が何かを、D社の事例は明確に示している。