※本記事にはアフィリエイト広告（PR）が含まれています。紹介しているサービスの選定は編集部の基準に基づいており、広告主から内容の指定は受けていません。

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

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

スタッフへの引き継ぎが難しい：ステップ3〜4が「経験と勘」に依存しています。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書かれていません。「念のため多めに仕込む→廃棄が増える」か「少なめにする→欠品が出る」かのどちらかに振れやすくなります。

マニュアル化が後回しになる：「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。「正確な量を計算するツール」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ことを目的として設計しています。

---

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計算する」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」という目安を出力することで、スタッフが確認・参照できる形を作ることです。

出力はあくまで目安です。最終的な仕込み量の決定は、出力を確認した店長または経験スタッフが行います。

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・特記事項（イベント・連休等）
    ↓
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
  （翌日中に手配が必要なものを優先順位付きで列挙）
    ↓
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1〜2件列挙）
    ↓
【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

項目	Before（エージェント導入前）	After（エージェント導入後）
判断の起点	店長の記憶・経験・勘	入力情報＋AI出力の目安
判断の共有方法	口頭指示のみ	出力テキストをスタッフに共有
スタッフが判断する場合	「なんとなく多め」になりがち	出力を参考に判断できる
判断根拠の記録	残らない	入力情報と出力が記録として残る
新任スタッフへの引き継ぎ	経験を積むまで時間がかかる	出力を見ながら「なぜこの量か」を説明できる
所要時間（目安・仮定）	判断15〜30分＋発注書作成	入力3〜5分＋確認10分＋発注書作成

注記：上記の比較は席数50席前後、主要食材が5〜10種類の飲食店を想定した参考値です。メニュー構成・取引先の数・発注サイクルによって大きく異なります。

---

コピーして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（または同等のLLMサービス）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。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依存します（後述）。

# 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）：※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：入力情報を読み込み、必須項目が揃っているか確認する。
        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）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（1人あたり消費量の目安）で計算する。
        出力は「食材名：推奨仕込み量目安（〇〇〜〇〇 [単位]）・判断根拠」の形式にする。

Step 4：発注優先度コメントを生成する。
        翌日営業開始前に手配が必要なものを3項目以内で列挙する。
        「今日中に確認」「明朝確認でも間に合う」の2段階で分類する。

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。
        例：「連休前のため翌々日分の在庫も確認推奨」

# 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：〜 名程度（根拠：）
ディナー：〜 名程度（根拠：）

■ 主要食材 仕込み量目安
| 食材 | 仕込み量目安 | 判断（多め/標準/控えめ） | 根拠 |
|---|---|---|---|
| [食材名] | 〇〇〜〇〇[単位] | | |

■ 発注優先度コメント
【今日中に確認】
・

【明朝確認でも間に合う】
・

■ 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
□ 注意喚起が入力情報に基づいているか（根拠なき推測でないか）

# 制約事項（Constraints）
- 仕込み量を断定的な数値で提示しないこと（必ずレンジまたは「目安」と明記）
- 実績データがない場合は「参考値」と明記すること
- 「この量で廃棄がなくなります」等の成果保証表現を使わないこと
- 最終的な仕込み量の決定は必ず店長または経験スタッフが行うこと

# 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

# 使用例（Example）
## 入力例
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）
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3kg、トマトソース2L
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

## 期待される出力例（抜粋）
■ 予測来客数（目安）
ランチ：20〜30名程度になる可能性があります
  （根拠：予約9名＋晴れの土曜はウォークイン率が高い傾向）
ディナー：45〜55名程度になる可能性があります
  （根拠：予約28名＋晴れの土曜実績＋先週比同水準）

■ 主要食材 仕込み量目安（抜粋）
| 食材 | 仕込み量目安 | 判断 | 根拠 |
| 鶏もも肉 | 3.0〜3.5kg | 多め | 先週同曜日2.5kg、今週はディナー団体増 |
| パスタ | 3.0〜3.5kg | 標準〜多め | 先週同曜日3kg、来客数目安がほぼ同水準 |

■ 発注優先度コメント
【今日中に確認】
・生クリームの在庫（コースAでクリームパスタが出る場合、追加発注が必要な可能性）

（この出力は参考例です。最終的な仕込み量の決定は店長が行ってください）

---

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に依存します。初回は実績データなしで動作しますが、出力される仕込み量は「一般的な来客数1人あたりの消費量目安」に基づいた参考値に過ぎません。

自店舗のメニュー構成・客単価・コースの比率によって大きく異なるため、最初の1〜2ヶ月は必ず店長が出力を確認・修正したうえで使い、「ズレた場合の根拠」も記録していくことが精度を上げる近道です。

注意点2：入力する実績データの形式をそろえる

実績データを「先週土曜は鶏もも肉を2.5kg使った」という形で入力するためには、日頃の仕込み量・使用量の記録が必要です。記録がない場合は、まず「今日の仕込み量と実際の使用量をメモする」習慣をつくることが先決です。Excelやメモアプリで構いません。

よくある失敗パターン

失敗パターン	原因	対処法
出力の量が実態とかけ離れている	実績データなしで動かしている	過去2〜4週分の同曜日実績を必ず入力する
食材によって精度にムラがある	使用量が予約数より「注文数（率）」に依存する食材がある	その食材はAIに任せず別途管理。プロンプトから除外するか備考で補足する
特記事項を入れ忘れて見当違いの量が出る	連休・近隣イベント等を入力しなかった	チェックリスト形式で「特記事項確認」を発注前のルーティンに組み込む

---

このエージェントが向いていないケースと限界

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・カレー等）
• 週次・日次で仕込み量を記録している店舗
• 新任スタッフや副店長に判断を委ねる機会がある店舗

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大きい業態：仕込み量と来客数の相関が低い場合、AIが出力する目安の根拠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：予約数から仕込み量が確定的に計算できる場合、このエージェントを使わず直接計算した方が正確です。

• 仕入れ先との発注が複雑なケース（卸業者・JA・複数契約）：発注経路・最低発注量・リードタイムの考慮が必要な食材は、このエージェントの出力をそのまま発注量として使わないでください。

• 食材コストの厳密な管理が必要な時期（棚卸し直前等）：目安の精度が不十分な場面では使用せず、在庫確認ベースで判断してください。

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有効活用するには、「入力データの質を上げ続ける」ことが重要です。以下の3段階で運用を育てていくアプローチが現実的です。

フェーズ1（最初の1ヶ月）：記録をつくる
現在の仕込み量・実際の使用量・廃棄量を毎日メモしておきます。形式は問いません。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ます。

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化してプロンプトに入力し、出力と実際の仕込み量を比べます。「どの食材でズレが大きいか」を店長が採点し、その食材の入力情報を改善します。

フェーズ3（安定運用）：スタッフへ引き継ぐ
精度が「使える水準」に達したと判断できたら、スタッフに入力・出力確認を任せます。プロンプトと実績データ入力方法をセットで「仕込み補助シート」として社内マニュアルに組み込みます。

今すぐできること：

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メモにまとめる
2. chatgpt.com にアクセスしてプロンプトをコピー・貼り付け
3. 翌営業日の情報とメモの実績データを入力して送信する
4. 出力された仕込み量目安を、自分の経験値と比べて「どのくらいズレているか」を確認する

「AIの出力を採用するかどうか」ではなく、まず「自分の判断とどこが違うか」を観察することが最初のステップです。

---

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スタッフが確認・判断してください。食材の在庫・鮮度・取引先の条件等は本エージェントの出力に反映されていないため、現場の状況に合わせて必ず調整してください。廃棄・欠品の改善については、実績との照合を重ねることが前提です。

---

AIスキルをさらに深めたい方へ

実務でAIエージェントを活用するには、プロンプト設計の型を体系的に学ぶことが近道だ。UdemyではAI・ChatGPT活用の実務向け講座が豊富に揃っている。

---

📊 経費・請求・会計もAIでまとめて自動化するなら
経費精算・請求書・確定申告をクラウドで一元管理できる「freee」も、業務全体のDX化に役立ちます。
[→ freeeの無料トライアルを試す]（freeeアフィリエイトリンク）

→ UdemyのAI活用講座を見てみる