関西地方の家庭料理定食屋・店長・従業員8名の事例
課題：同じメニューなのに、担当者で味が変わっていた
大阪市内の家庭料理定食屋では、約30種類の定食メニューを提供していました。
常連のお客様が多く、味の安定がとても大事なお店です。
しかし、調理はベテランスタッフの経験に頼っていました。
店長さんはこう話していました。
「うちは家庭料理が売りなので、細かい分量より感覚で作ってきました。でも新人に教える時、その感覚が伝わらないんです」
同じ生姜焼きでも、担当者によって味の濃さ、盛り付け、提供時間に差が出ていました。
品質への指摘は月10件ほど。新人教育にも1日2時間ほどかかっていました。
施策：レシピを作るだけでなく、確認ポイントを決めた
弊社では、AIを使ってレシピ文章を作る前に、調理の流れを整理しました。
ステップ1: 人気メニューから順に分解
最初から30種類すべてを整えるのではなく、注文数の多い10メニューに絞りました。
材料、下ごしらえ、火加減、調理時間、盛り付け、提供前の確認を分けて書き出しました。
ステップ2: ベテランの感覚を言葉にする
「ちょうどいい色」「いつもの量」「少し弱火」など、曖昧な表現を具体化しました。
たとえば「玉ねぎが透明になるまで」「中火で3分」「タレは大さじ2」などです。
AIには、聞き取った内容を分かりやすい手順書に整える役割を持たせました。
ステップ3: 提供前チェックを作る
最後に、提供前の確認項目を作りました。
味、温度、盛り付け、付け合わせ、伝票内容。
これにより、調理した人以外でも確認できるようになりました。
成果：品質安定性が70%から95%へ
導入後、料理品質の安定性は大きく改善しました。
| 項目 | Before | After |
|---|---|---|
| 品質安定性 | 70% | 95% |
| レシピ指導時間 | 1日2時間 | 45分 |
| 品質への指摘 | 月10件 | 月2件 |
| 調理時間 | 基準なし | 約20%短縮 |
| 新人の習熟 | 人によって差が大きい | 手順に沿って教育可能 |
店長さんはこう言っていました。
「レシピを作ったというより、教え方がそろった感じです」
この言葉が今回の本質です。
AIで立派なマニュアルを作ることが目的ではありません。
誰が見ても同じように調理できる状態を作ることが目的です。
なぜ効果が出たか
効果が出た理由は、ベテランの感覚をそのままAIに任せなかったことです。
まず人間が聞き取り、曖昧な言葉を具体化しました。
そのうえでAIに文章を整えさせました。
「AIにレシピを書かせる」のではなく、「現場のやり方をAIで見やすくする」という使い方です。
だからスタッフにも受け入れられました。
他の業種でも応用できます
レシピ標準化の考え方は、飲食店だけではありません。
美容室なら、カウンセリングから施術後の説明まで。
整体院なら、初回問診、施術記録、次回提案まで。
製造業なら、検品手順、梱包手順、出荷前確認まで。
介護施設なら、申し送り、記録、家族への報告まで。
人によってやり方が違う業務は、AIを使う前に手順を整えるだけで大きく変わります。
導入時に気をつけたこと
飲食店でレシピを標準化する時に注意したのは、ベテランスタッフのやり方を否定しないことです。
「今までのやり方が間違っていた」と伝わると、現場は動きません。
そこで、最初の説明ではこう伝えました。
「お店の味を守るために、ベテランの感覚を残す作業です」
この言い方にしたことで、スタッフの協力が得やすくなりました。
実際、ベテランの方からは細かいコツがたくさん出てきました。
肉を焼く前に少し常温に戻すこと。タレを入れるタイミング。盛り付けの向き。忙しい時間帯に先に準備しておく材料。
こうした情報は、普通のレシピには書かれません。
しかし、お店の品質を支えている大切な知識です。
AIには、この聞き取った内容を整理して、誰でも読める形にする役割を任せました。
現場に定着させるために行ったこと
作ったレシピは、分厚いマニュアルにはしませんでした。
厨房で見られるように、1メニュー1枚にまとめました。
材料、下ごしらえ、火加減、提供前チェックを上から順に並べました。
さらに、忙しい時間帯でも見やすいように、文字を短くしました。
「中火で3分」
「タレ投入後は30秒からめる」
「提供前に小鉢と味噌汁を確認」
このように、すぐ確認できる書き方にしました。
店長さんはこう言っていました。
「長い説明だと読まれません。厨房では短い方が助かります」
この視点も大事です。
AIで文章をきれいにしても、現場で読まれなければ意味がありません。
副次効果：新人の質問が変わった
導入後、新人スタッフの質問が変わりました。
以前は「これで合っていますか？」という漠然とした質問が多くありました。
導入後は「火加減はこの基準で大丈夫ですか」「盛り付けは写真の向きで合っていますか」という具体的な質問になりました。
質問が具体的になると、教える側も答えやすくなります。
また、提供前チェックがあることで、調理担当以外のスタッフも確認に参加できるようになりました。
忙しいランチ時間帯でも、味、温度、小鉢、伝票内容を短時間で確認できます。
これにより、店長だけに確認が集中する状態も減りました。
業務改善の効果は、時間短縮だけではありません。
現場の会話が具体的になり、教え方がそろうことも大きな成果です。
数字の見方：品質指摘が減ると、店内の空気も変わる
品質への指摘が月10件から2件に減ったことは、単なるクレーム減少ではありません。
飲食店では、指摘があるたびに店長が確認し、調理担当へ伝え、場合によっては作り直しが発生します。
忙しい時間帯にこれが起きると、厨房全体の流れが止まります。
導入後は、提供前チェックがあるため、出す前に気づける場面が増えました。
「味が濃い」「小鉢が違う」「盛り付けがいつもと違う」といった小さなズレを、厨房内で直せるようになったのです。
また、新人が注意される回数も減りました。
手順書があることで、ミスを人の性格や能力の問題にしなくて済みます。
「この手順のここを見直そう」と話せるため、店内の雰囲気も落ち着きました。
数字には出にくいですが、働きやすさの改善も大きな効果でした。
まとめ
今回の定食屋では、AIを使って「味を決める」のではなく、現場のやり方を見える形にしました。
その結果、品質への指摘は月10件から2件に減り、新人教育の時間も短くなりました。
気になる業務があれば、お気軽にお声がけください。
弊社では中小企業のAI活用・システム開発の伴走支援を行っています。