予約数・天候・曜日から仕込み量の目安を提案：飲食店店長が使うAI発注補助エージェント

対象読者： 飲食店の店長・調理リーダー
難易度： 中級（段階的導入で今週から試せます）
所要時間： 初回セットアップ30分、1案件あたり5〜10分

飲食店の仕込み量判断が抱える「属人化」の課題

飲食店の店長が毎日こなしている判断の中で、意外と言語化されていないものがあります。**「明日の仕込みをどのくらいにするか」**です。

経験のある店長であれば、翌日の予約数・曜日・天気予報・近隣イベントの有無・季節感を組み合わせ、「だいたいこのくらいだろう」という量を直感的に出せます。しかし、その判断プロセスを言葉にして残しているケースは多くありません。

現状の仕込み・発注判断フロー

席数30〜80席規模の飲食店（中小チェーン・個人経営）を想定した場合、翌日の仕込み量・発注の判断は次の手順で行われることが多いです。

1. 翌日の予約台帳でランチ・ディナーの予約数と団体有無を確認する
2. スマートフォンで天気予報を確認する
3. 「今週や先週の同じ曜日はどうだったか」を記憶から引き出す
4. 食材ごとの仕込み量を頭の中で計算・決定する
5. 発注書を作成して取引先へ連絡する

この状況が生む2つの問題

①スタッフへの引き継ぎが困難
ステップ3〜4が「経験と勘」に強く依存しています。新任店長や、店長不在時に対応するスタッフが同じ判断をしようとしても、根拠となる判断基準がどこにも文書化されていません。

その結果として：

• 「念のため多めに仕込む → 廃棄が増える」
• 「少なめにする → 欠品が出る」

どちらかに振れやすくなります。

②ノウハウの属人化
「全パターンを書ききれない」という理由から、仕込み判断のマニュアル化は多くの店舗で後回しになりがちです。経験のある店長が異動・退職すると、判断ノウハウがそのまま失われるリスクがあります。

本記事では、翌日の予約数・天候・曜日・直近の実績データを入力するだけで、主要食材の仕込み量目安と発注コメントを生成するAI補助エージェントの実装プロンプトを完全公開します。

重要な前提： これは「正確な量を自動計算する完全ツール」ではなく、店長の判断根拠を言語化し、スタッフと共有できる形にする補助ツールです。最終判断は必ず人間が行います。

発注補助エージェントの設計思想：経験と勘を言語化する

このエージェントが解決するのは「暗黙知の見える化」

このエージェントの役割は、AIが最適な仕込み量を一方的に決めることではありません。

店長が頭の中で行っている判断プロセスを入力情報として整理し、「この条件ならこのくらい」という目安を文章と表で出力することで、店長や経験スタッフが確認し、必要に応じて調整できる「判断の出発点」を作ります。

エージェントの処理フロー

【入力】
  予約数（ランチ/ディナー）・曜日・天候予報
  直近同曜日の実績データ・現在庫・特記事項
    ↓
Step 1：入力情報の読み込みと不足項目の確認
    ↓
Step 2：予測来客数レンジの推定
  （予約数＋ウォークインの目安を条件付きで提示）
    ↓
Step 3：主要食材ごとの仕込み量目安を生成
  （実績データをもとに「多め/標準/控えめ」の3段階で判断）
    ↓
Step 4：発注優先度コメントの生成
  （仕込み量目安と現在庫を比較し、手配が必要なものを列挙）
    ↓
Step 5：注意喚起の付記
  （特記事項から見落としやすいリスクを列挙）
    ↓
【出力】仕込み量目安表＋発注コメント＋注意事項
    ↓
【確認・修正】店長または経験スタッフが出力を確認・調整

Before/After：店長の仕込み・発注判断業務の変化

注記： 上記の比較は席数50席前後、主要食材5〜10種類の飲食店を想定した目安です。メニュー構成・取引先の数・発注サイクル・スタッフの習熟度によって大きく異なります。効果を保証するものではありません。

コピペで使える実装プロンプト（仕込み量目安＋発注コメント生成）

以下のプロンプトをChatGPT（GPT-4クラス推奨）に貼り付け、「【翌日の情報】」以降に実際のデータを入力して使ってください。

重要： 初回は実績データが少ない状態でも動作しますが、精度は蓄積データに強く依存します。

# 役割定義（Role）
あなたは[店舗名]の仕込み量・発注判断を補助する飲食店運営サポートエージェントです。
翌日の営業に向けた主要食材の仕込み量目安と、発注優先度コメントを生成することを担当します。
# 入力仕様（Input）
以下の情報を受け取ります：
- 翌日の曜日（月〜日）：※必須
- 天候予報（晴れ/曇り/雨/雪/不明）：※必須
- 予約数（ランチ：〇組〇名、ディナー：〇組〇名）：※必須
- 団体予約の有無とコース内容：※任意
- 直近の同曜日実績（来客数・主要食材の使用量）：※任意（精度に大きく影響）
- 主要食材の現在庫：※任意（発注コメントの精度に影響）
- 特記事項（近隣イベント・連休・季節のピーク等）：※任意
- 主要食材リスト（[主要食材リスト]を参照）：※必須
# 処理手順（Process）
Step 1：入力情報を読み込む。必須項目に不足がある場合は「確認が必要です：[項目名]」と記載して処理を止める。
Step 2：予測来客数のレンジを推定する。
        予約数＋一般的なウォークイン率（曜日・天候ごとの傾向という前提）をもとに
        「最小〜最大の来客数目安」として条件付きで提示する。
        断定はせず「〇〇名〜〇〇名程度になる可能性があります」と表現する。
Step 3：主要食材ごとの仕込み量目安を生成する。
        実績データがある場合：直近同曜日の使用量を基準に、
          天候・予約状況の差分を加減して「多め/標準/控えめ」のいずれかを判定する。
        実績データがない場合：「実績データがないため参考値として提示します」と明記し、
          来客数目安をもとに一般的な仕込み係数で計算する。
Step 4：発注優先度コメントを生成する。
        仕込み量目安と現在庫を比較し、不足しそうな食材を3項目以内で列挙する。
        「今日中に手配が必要」「明朝の確認で間に合う」の2段階で分類する。
        現在庫の入力がない場合は、団体予約等から通常より多く消費しそうな食材を
        推測してアラートを出す。
Step 5：注意喚起を1〜2件付記する。
        特記事項や季節・イベント情報から、見落としやすいリスクを簡潔に記載する。
# 出力形式（Output）
【仕込み量・発注補助レポート】
対象日：（翌営業日の曜日・日付）
作成：[店舗名] AI補助
※本レポートは目安情報です。最終判断は店長または経験スタッフが行ってください。
■ 予測来客数（目安）
・ランチ：〇〇〜〇〇名程度になる可能性があります（根拠：）
・ディナー：〇〇〜〇〇名程度になる可能性があります（根拠：）
■ 主要食材 仕込み量目安
| 食材名 | 仕込み量目安 | 判断 | 根拠 |
|---|---|---|---|
| [食材名] | 〇〇〜〇〇[単位] | 多め/標準/控えめ |  |
■ 発注優先度コメント
【今日中に手配・確認が必要】
・
【明朝の確認で間に合う】
・
■ 注意喚起
・
# 品質基準（Quality）
出力前に以下を自己チェックしてください：
□ 来客数予測が「〜可能性があります」等の条件付き表現になっているか
□ 実績データがない食材に「参考値」と明記されているか
□ 仕込み量に断定的な表現（「必ず〇〇g必要です」等）を使っていないか
□ 発注優先度コメントが3項目以内に絞られているか
# 制約事項（Constraints）
- 仕込み量を断定的な数値で提示しないこと（必ずレンジで提示）
- 実績データがない場合は「参考値」と明記すること
- 「この量で廃棄がゼロになります」等の成果保証表現を使わないこと
- 最終的な仕込み量・発注量の決定は必ず人間が行うこと
# カスタマイズ変数
[店舗名]：自店舗の名称に置き換えてください
[主要食材リスト]：自店舗でよく使う食材を5〜10種類書き出してください
  例：鶏もも肉、豚バラ肉、玉ねぎ、トマト、パスタ、生クリーム、レタス 等
---
【翌日の情報】（※ここを毎日書き換えて入力してください）
翌日の曜日：土曜日
天候予報：晴れ
予約数：ランチ 3組9名、ディナー 8組28名
団体予約：ディナー 1組20名（コースA：クリームパスタ含む）
直近同曜日実績：先週土曜 ランチ25名・ディナー40名
  使用量：鶏もも肉2.5kg、パスタ3.0kg、トマトソース2.0L
主要食材の現在庫：鶏もも肉1kg、パスタ5kg、生クリーム0.5L
特記事項：特になし
主要食材リスト：鶏もも肉、豚バラ肉、パスタ、トマトソース、生クリーム、レタス

実装時の注意点：実績データの準備と精度の関係

注意点①：実績データが少ないうちは「参考の参考」として使う

このエージェントの出力精度は、入力する実績データの質と量に大きく依存します。

• 実績データなしでも動作しますが、その場合の仕込み量は「一般的な来客数1人あたりの消費量」をAIが推測したかなり粗い目安にとどまります
• 自店舗のメニュー構成・客単価・コース比率によって必要量は大きく違うため、最初の1〜2ヶ月は必ず店長が出力を確認・修正したうえで使う前提にしてください

特に、ズレが大きかったケースについては：

• 来客数
• 実際の使用量
• AIが出してきた目安
• どこがどう違ったか

をメモしておくと、後からプロンプトの調整や入力項目の見直しに役立ちます。

注意点②：現在庫情報の重要性

発注優先度を正確に判断するためには、現在庫の情報が不可欠です。おおまかで構わないので、主要食材の在庫状況を入力項目に含めることで、より実用的な発注コメントが得られます。

よくある失敗パターンと対処法

このエージェントが向いているケース・向いていないケース

向いているケース：

• メニューが比較的安定しており、食材の使用量が来客数に連動しやすい業態（定食・パスタ・カレー・ラーメン等）
• 週次・日次で仕込み量を記録している、またはこれから記録する意欲がある店舗
• 店長以外のスタッフや副店長に仕込み判断を任せたい店舗

向いていないケース：

• メニューが日替わりで、食材の変動が非常に大きい業態
  来客数と使用量の相関が低く、AIの「係数ベース」の予測が成立しにくくなります
• 完全予約制・コース料理のみの店舗
  人数とコース内容から、必要量がほぼ計算で出せる場合は、AIを挟むより自前の計算シートの方が正確です
• 仕入れ先との発注条件が複雑なケース
  複数の卸業者・市場・最低発注量・リードタイムが複雑に絡む場合、AI出力をそのまま発注量として使うのは危険です
• 棚卸し直前など、在庫コントロールを特にシビアにしたい時期
  廃棄・在庫調整の精度を極限まで上げたいタイミングでは、AIの目安より在庫実数と経験値を優先してください

限界について正直に

このエージェントは「過去のデータ」と「一般的な傾向」をもとに目安を出すツールです。「この予測が外れたとき」のリスクは、最終判断を行う人間が引き受けます。 AIは責任を持てません。過信せず、あくまで判断の補助・言語化ツールとして位置づけてください。

実績データ蓄積フロー：使い続けて精度を上げる方法

このエージェントを「現場で使えるレベル」に育てていくには、少しずつデータを溜めながら運用を調整するのが現実的です。

フェーズ1（最初の1ヶ月）：記録をつくる

• 今日の仕込み量
• 実際の使用量
• 廃棄量

を、主要食材だけでも毎日メモしておきます。このフェーズではAIは使わず、記録の習慣づくりだけを目標にしてOKです。

フェーズ2（2〜4ヶ月目）：試しながら精度を確認する

1〜2週分の実績データをテキストにまとめ、プロンプトに入力してみます。

• AIが出してきた「目安」と、自分が決めた仕込み量
• 実際の使用量

を比較してみて、どの食材でズレが大きいかを確認します。ズレが大きい食材については：

• 人数より、注文される確率に左右されていないか
• 曜日・天気より、キャンペーン・コース内容に左右されていないか

を見直し、必要であれば「AIの対象から外す」のも一つの手です。

フェーズ3（安定運用）：スタッフへ引き継ぐ

店長が「このくらいなら参考になる」と感じられる水準になったら、入力と一次確認をスタッフに任せていきます。

• プロンプト
• 実績データの入力例
• 出力の読み方・注意点

をセットにして、「仕込み補助シート」として社内マニュアル化すると、店長が現場を離れてもノウハウが残りやすくなります。

今すぐできる小さな一歩

1. 直近3〜4週の同曜日（例：土曜日）の来客数と主要食材の使用量を、ざっくりでいいのでメモにまとめる
2. chatgpt.com などにアクセスし、この記事のプロンプトをコピー＆ペースト
3. 翌営業日の情報＋まとめた実績データを入力して送信
4. 出力された「仕込み量目安」を、今自分が判断している量と比べてみる

この時点では、AIの出力をそのまま採用する必要はありません。 「自分の感覚とどこが違うか」を見ることが、導入のスタートラインです。

まとめ：AIは「判断」ではなく「判断根拠の見える化」を担う

このエージェントは、飲食店店長の仕込み判断を「経験と勘」から「データと根拠に基づく判断」に変えるツールです。

重要なポイント：

• AI生成の出力は必ず店長または経験スタッフが確認する
• 仕込み量の最終決定はAIに委ねない
• 実績データの蓄積が精度を左右する
• 記録の習慣づくりから始める
• 現在庫情報も含めることで発注判断の精度が向上する

AIを「完全自動化」のツールとして使おうとすると失敗します。**「店長の頭の中にある判断プロセスを、スタッフが見える形にする」**という位置づけで導入すると、現実的な成果につながりやすくなります。

免責事項： 本記事で紹介したプロンプトは参考情報です。仕込み量・発注量の最終決定は必ず店長または経験のあるスタッフが確認・判断してください。食材の在庫状況・鮮度・取引先の条件・アレルギー対応等は、本エージェントの出力に自動では反映されません。現場の状況を加味したうえで、必ず人間が最終調整を行ってください。本記事の情報に基づく損失（廃棄・欠品・売上機会の損失等）について、当サイトは責任を負いかねます。AIの出力には誤りが含まれる可能性があり、その利用による損害について当サイトは責任を負いかねます。