※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。
クリーニング店のシミ判断を早見表でAIに渡す——若手OJTが回る継承設計【2026】
問題を3つ出します。受付台に立ったつもりで答えてみてください。
- 綿のワイシャツについた、つけたばかりの醤油。最初に水で触れていいですか。
- 絹のスカーフについた、1週間前のファンデーション。家庭でこすった跡あり。さあどうしますか。
- ウールのコートについた、いつ付いたか分からない黄ばみ。漂白剤を使っていいですか。
ベテランなら5秒で「方針」が口から出ます。水溶性か油性かタンパク質系か。繊維は水に強いか弱いか。時間が経って酸化していないか。この3つを頭の中で一瞬で掛け合わせている。
問題は、その掛け合わせがベテランの頭の中にしか無いことです。入店1年目の若手は、同じシミを見ても「方針」が出てこない。教えたいけれど、1件ずつ口頭で20分かけて説明する時間が、現場には無い。
この記事の結論を先に言います。シミの種類×素材×経過時間という判断の掛け算を、早見表（一覧マトリクス）1枚に書き出してください。そして、その早見表を「前提ルール」としてAI（ChatGPTなどの生成AI）に渡す。すると若手は、受付台でまず早見表で一次判断し、AIに顧客向けの説明文まで作らせ、最後にベテランが確認する——という流れで初日から判断の軸を持てます。
「マトリクスを作る → AIに渡す → 説明書を出す」の3段で、30年の暗黙知が継承できる形に変わります。順番に見ていきましょう。
10年で42,297店が消えた——廃業と一緒に失われる「シミ判断」
なぜ今、判断の継承を急ぐ必要があるのか。理由は、業界そのものが静かに縮んでいるからです。数字を見てください。
厚生労働省「クリーニング業概要」によれば、令和6年3月末現在の営業許可施設数は7万2,936施設で、前年度より1,147施設減りました。10年前と比べると、実に42,297施設が減少しています。従事するクリーニング師の数も、10年で約1万6千人減っています（厚生労働省 クリーニング業概要）。
減っているのは店の数だけではありません。判断のノウハウごと消えています。厚生労働省の生活衛生関係営業実態調査「クリーニング業 結果の概要」では、経営者の年齢が60歳以上で73.4%、そして後継者なしが61.7%にのぼります（厚生労働省 クリーニング業 結果の概要）。
つまり、3軒に2軒は跡継ぎが決まっていない。閉店すれば、その店主が30年かけて積み上げた「このシミは綿なら触れるが絹なら触れない」という判断が、そのまま世の中から失われます。
ここで大事なのは、シミ判断が書き出せないから消えるという点です。マニュアル化されていれば、店主が引退しても残る。けれど現実は、ベテランの感覚として頭の中にあるだけ。だからこそ、最初の一歩は「感覚を表に書き出すこと」になります。
同じ「暗黙知を表に書き出す」アプローチは、製造業の現場でも進んでいます。ベテランの作業手順を文章化する考え方はChatGPTで作業手順書・マニュアルを作る方法（製造業）が参考になります。クリーニングの「シミ判断」も、構造は同じです。
30年の経験を「早見表」に変換する（この記事の中核）
ここが本題です。ベテランの判断を、シミの種類（4分類）×素材（5分類）×経過時間（3段階）の早見表に落とし込みます。
まず判断の3つの軸を整理します。
- シミの種類（4分類）：水溶性（醤油・コーヒー・ジュース・汗）／油性（ファンデーション・口紅・機械油・ドレッシング）／タンパク質系（血液・卵・乳製品）／色素系（ワイン・墨・カレー・草）
- 素材（5分類）：綿／ウール／カシミヤ／絹／合成繊維
- 経過時間（3段階）：新鮮（当日〜数時間）／数日／数週間以上
この3軸を掛け合わせると、最大で60通りの組み合わせになります。ベテランはこれを瞬時にやっている。それを表にするわけです。
早見表（シミ種類 × 素材）の例
下の表は、各セルに「一次処理の方針」と「リスクフラグ（要ベテラン確認）」を入れた早見表の見本です。実際は自店のやり方に合わせて書き換えてください。
| シミ種類＼素材 | 綿 | ウール／カシミヤ | 絹 | 合成繊維 |
|---|---|---|---|---|
| 水溶性（醤油・汗等） | 水系処理から。一次対応しやすい | 水で縮みリスク🚩温度注意 | 水ジミ・輪ジミ注意🚩 | 水系で対応可。比較的安全 |
| 油性（化粧品・油等） | 溶剤系から。色柄は要確認🚩 | 溶剤系。風合い変化に注意🚩 | 溶剤でも光沢低下リスク🚩🚩 | 溶剤で対応可。表示確認 |
| タンパク質系（血液等） | 必ず冷水・低温。熱厳禁🚩 | 縮充リスク高🚩🚩 | 繊維損傷リスク高🚩🚩 | 低温処理で対応可 |
| 色素系（ワイン・墨等） | 漂白検討も色柄で要判断🚩🚩 | 漂白ほぼ不可🚩🚩🚩 | 漂白ほぼ不可🚩🚩🚩 | 漂白は表示厳守🚩 |
🚩はリスクフラグです。数が多いセルほど「若手だけで進めず、必ずベテランが確認する」という意味になります。たとえば「絹×油性」や「カシミヤ×色素系」は、若手の独断で薬剤を使うと取り返しがつかない領域。ここに旗を立てておくことが、事故を防ぐ最大のポイントです。
経過時間という「第3の軸」を忘れない
表は2次元ですが、判断は3次元です。同じ「綿×水溶性」でも、当日なら水で軽く触れて済むものが、数週間放置されて酸化すると一気に難易度が上がります。
そこで早見表の余白に、経過時間の補正メモを添えます。
- 新鮮（当日〜数時間）：早見表どおりの一次処理でよい場合が多い
- 数日：酸化・固着を疑う。1段階慎重に
- 数週間以上：自己処理跡（特に過酸化水素系漂白剤を使った後）は繊維が膨潤し、判断精度が落ちる。原則ベテラン確認
この「自己処理済みのシミは水洗いで繊維が膨潤して読みにくくなる」という経験則は、ベテランしか持っていない情報です。早見表に1行書き添えるだけで、若手の事故が減ります。
なお、こうした処理はクリーニング業法に基づく業務基準の上で行うものです。法令上の取り扱い基準は厚生労働省 クリーニング業法概要で確認できます。早見表は、あくまで現場の一次判断を助ける道具であり、法的な業務基準や最終的な品質責任に取って代わるものではありません。
このマトリクスをAIの「前提ルール」として渡す
早見表が1枚できたら、次はそれをAIに前提として丸ごと渡します。ここがこの記事の肝です。AIに「シミの抜き方を教えて」と聞くのではなく、「このルールに従って答えて」と縛る。だから出力が自店の基準とぶれません。
入力フォーマット（受付で聞き取る3点を構造化）
若手が受付で集めるのは、たった3点です。早見表の3軸と同じです。
- シミの見た目（色・範囲・つや・におい）と、推定されるシミ種類
- 素材（洗濯表示タグの内容）
- 経過時間と、家庭での自己処理の有無
渡すプロンプトの骨格
あなたは経験30年のクリーニング師の助手です。
以下の【早見表】を絶対の前提ルールとして守り、
これに反する処理は提案しないでください。
【早見表】
（ここに自店の早見表をそのまま貼り付ける）
【今回の品物】
・シミの種類：油性（ファンデーション）
・素材：絹
・経過時間：1週間／家庭でこすった跡あり
上の早見表に照らして、次の3つを出力してください。
1. 一次処理の方針（早見表のどのセルに当たるか明記）
2. リスクフラグの有無と、ベテラン確認が必要かの判定
3. お客様への説明文ドラフト（専門用語を避け、
「なぜそうするか」「仕上がりの見通し」を含める）
確実でないことは断定せず「現物確認が必要」と書いてください。
ポイントは2つ。1つ目は、早見表をプロンプトの冒頭に「前提ルール」として埋め込むこと。2つ目は、AIに断定させない指示を入れること。シミ抜きは現物を見ないと最終判断できない領域です。AIに100%の保証をさせてはいけません。
AIの出力は、必ずベテランが確認してから顧客に渡します。AI事業者ガイドラインでも、AIの利用にあたっては人間による監督と、出力をそのまま鵜呑みにしない確認の重要性が示されています（総務省 AI事業者ガイドライン）。早見表で縛り、人で確認する。この二重の仕組みがあって初めて、若手に任せられます。
AIが出力する「顧客向け説明書ドラフト」の使い方
早見表をAIに渡すと、3点セット（方針・リスク・顧客向け説明文）が返ってきます。中でも現場で一番効くのが、顧客向けの説明文ドラフトです。
これまで、抜けないシミへの説明はこうなりがちでした。
Before： 「このシミは抜けません」
これだと顧客は理由が分からず、不満だけが残ります。早見表を前提にAIが書くと、こう変わります。
After： 「こちらは絹に油性の化粧品が1週間ほど付いた状態です。絹は薬剤に弱く、強い処理をすると光沢が落ちる恐れがあります。そのため今回は風合いを守る範囲での処理を行い、うっすら残る可能性があります。次回は、付いてすぐ乾いた布で押さえ、こすらずにお持ちいただくと落ちやすくなります。」
理由・見通し・次回の予防。この3点が入るだけで、同じ「完全には抜けない」という結論でも、顧客の納得感がまるで違います。
若手OJTの教材にもなる
この説明文ドラフトは、そのまま教育に使えます。AIが出した一次判断と、ベテランが下した最終判断を並べて見せるのです。
- AIの方針：絹×油性 → 風合い優先・残存可能性あり
- ベテランの判断：同じ。ただし襟の縫い目部分は薬剤が回りやすいので時間を短く
「どこが同じで、どこにベテランの一手が乗るか」を毎日見ることが、若手にとって最高のOJTになります。早見表が共通言語になっているから、議論がかみ合います。
AIを単なる時短ツールで終わらせず、業務全体の底上げに使う発想を体系的に学びたい方は、Udemyの生成AI・業務活用講座が入口になります。シミ診断だけでなく、SNS集客や予約案内など店舗業務の横展開にも応用できます。
顧客の衣類情報をAIに入れるときのルール
便利だからこそ、入力する情報には線引きが要ります。クリーニングで預かるのは、形見の着物や冠婚葬祭の衣装など、思い入れのある品も多い。顧客情報の扱いを誤ると、信頼を一度で失います。
最低限、次の3つを守ってください。
- 氏名・住所・電話番号はAIに入れない。 顧客は「A様」「整理番号23番」などのコードに置き換える。判断に必要なのはシミと素材と時間だけで、個人を特定する情報は不要です。
- 衣類の写真をクラウドに送る場合は送信先を確認する。 不特定多数が学習に使う可能性のある環境に、個人が写り込んだ写真を安易にアップしない。
- 最終判断と専門領域は人に残す。 薬剤の最終選定、賠償が絡む判断、法令上の取り扱いは、有資格者であるクリーニング師や専門家が決める。AIは一次案の作成までです。
個人情報保護委員会も、生成AIサービスに個人情報を入力する際のリスクと注意点を公表しています（個人情報保護委員会 生成AIサービスの利用に関する注意喚起）。「早見表で判断を助ける」ことと「顧客情報を守る」ことは両立できます。AIに渡すのはシミの情報だけ、と決めておけば安全です。
診断の次に来る「再来店の動線」——顧客カルテとの連携
早見表でシミを診断し、AIで説明文を作る。ここまでで品質と接客は底上げされます。最後に、それを売上に変える動線を1つ足します。
シミ診断で得た情報——「この方は絹のスカーフを大事にしている」「油性のシミが多い」——は、一度きりで捨てるにはもったいないデータです。来店履歴とひも付けて残せば、「そろそろ衣替えのお手入れ時期です」といった次回提案の材料になります。
そこで役立つのが、顧客の来店履歴を一元管理できるPOSレジです。Airレジのようなツールで来店記録を蓄積すれば、過去の品物・シミ傾向・仕上がり満足度を見ながら、再来店の声かけができます。診断データが貯まるほど、提案の精度も上がっていきます。
ただし、レジに残す顧客データも個人情報です。前章のルールと同じく、AIに渡すときは個人を特定できる情報を外す。「データは店で管理し、AIには匿名化して渡す」を徹底してください。
なお、預かりから受け渡しまでの流れを取り違えないための仕組みはクリーニング店の受け渡し・取り違え防止をAIで支える方法で詳しく扱っています。受付（診断）→受け渡し→万一の事故対応、と動線でつなぐと、店全体の標準化が進みます。
まとめ：マトリクス1枚 → AIプロンプト → 説明書の3段継承
最後に、この記事の流れを振り返ります。後継者なし61.7%・10年で42,297施設減という業界で、30年のシミ判断を残す方法は、特別な機械ではありませんでした。早見表1枚から始まります。
- シミ種類×素材×経過時間を早見表（マトリクス）に書き出す。 ベテランの頭の中を、A4で受付台に貼れる1枚に変える。
- その早見表を「前提ルール」としてAIに渡す。 AIは早見表に縛られて答えるので、自店の基準とぶれない。
- AIが出す3点セット（方針・リスク・顧客説明文）を、ベテランが確認して使う。 説明文は若手OJTの教材にもなる。
この3段があれば、入店1年目の甥御さんでも、受付台で判断の軸を持てます。今週末、まずは自店の早見表を1枚、手書きで作ってみてください。完璧でなくていい。よく出るシミから埋めていけば十分です。
シミ診断のあとは、受け渡しの取り違え防止、そして万一の事故・賠償クレームへの一次対応まで、AIで支える流れがそろっています。1枚の早見表から、店の継承を始めましょう。
次のアクション： ①よく出るシミ上位5種で早見表を手書きする → ②その早見表をAIに貼り、1件分の説明文を出させてみる → ③ベテランの判断と並べて若手と見比べる。この3ステップを今週中に一度だけ回せば、継承の入口に立てます。
※本記事は業務効率化の一般的な方法を示すものです。シミ抜きの最終的な処理判断、薬剤の選定、賠償が関わる判断、法令上の取り扱いは、クリーニング師・専門家が現物を確認のうえ行ってください。AIの出力は一次案であり、効果や仕上がりを保証するものではありません。顧客の氏名・住所など個人を特定できる情報は、AIに入力しないでください。
コメントを残す