飲食・調理への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 飲食・調理（米国の職業分類では レストランの調理師、SOC 35-2014）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. メニューの品目を考え、価格を決める
2. オーブン・グリルなどの温度を調節し、食材を適切な温度で保管・調理する
3. 品質を確かめ、新旧の食材を把握し、在庫を回して、食材の鮮度を保つ
4. 均一に火が通るよう、食材を返したりかき混ぜたりする
5. レシピや自身の判断と経験に従って、味付けして調理する

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- ebica AIレセプション（エビソル）: AIが飲食店の電話予約を受け付ける。満席時の案内、予約の確認・キャンセル、店舗への転送にも対応する。
- HANZO 自動発注（Goals）: 曜日や天候、季節の傾向を加えたAIの需要予測で、飲食店の食材の発注量を出す。
- アイブリー（予約システム連携）（IVRy）: 飲食店の予約台帳（リクルートのレストランボード、TableCheck）と連携し、AIが電話で空席を確かめて予約を登録する。
- サキミル（ソフトバンク）: 飲食・小売業向けのAI需要予測サービス。予測をもとに発注を自動で行うサービスもある。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: ほぼ同じ。外食の需要は人口減で頭打ちだが、調理の自動化が進まず、1食あたりに要る人の時間はほとんど変わらない。人手不足の店は時短メニューやセントラルキッチンで対応し、現場の調理の仕事量は大きくは増えも減りもしない。

{"tasks": [{"no": 1, "weight": 5, "now": 20, "year1": 25, "year5": 40, "human_layers": ["品質の確認", "実行の承認", "目的と制約の設定"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "品目案と原価・価格の試算はAIが出し、人は試作して味を確かめ、何を売るかを決める。試作と客の反応の読み取りまでAIが担えば人の時間はさらに減る。売上や客の声がデータとして残らない店では、価格の試算もAIに渡らず人のままになる。", "confidence": "中"}, {"no": 2, "weight": 20, "now": 10, "year1": 12, "year5": 20, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "費用"], "enablers": ["技術", "費用"], "outlook": "温度の監視と調理機器の設定はセンサーと機器の自動制御に移り、人は食材の出し入れや焼き上がりの確認を行う。調理ロボットが機器への投入と取り出しまで担えば人の作業が減る。機器の更新費用を賄えない店では、温度管理も人が目視と手で行い続ける。", "confidence": "中"}, {"no": 3, "weight": 15, "now": 20, "year1": 25, "year5": 35, "human_layers": ["作業", "品質の確認", "例外の発見"], "blockers": ["技術", "費用"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "発注量の計算と在庫の記録は需要予測ツールに移り、人は食材の状態を目と鼻で確かめ、傷みや納品のずれに気づく。画像で鮮度を判定する機器が安く普及すれば確認も減る。納品や売上のデータが整わない店では、予測の精度が出ず人が発注量を決め続ける。", "confidence": "中"}, {"no": 4, "weight": 25, "now": 5, "year1": 6, "year5": 12, "human_layers": ["作業", "例外の発見"], "blockers": ["技術", "費用"], "enablers": ["技術", "費用"], "outlook": "返す・混ぜる作業は人の手に残り、揚げ物や炒め物の一部で調理ロボットが担う。ロボットの価格が下がり多品目に対応すれば、チェーン店から人の作業が減る。メニューが頻繁に変わる店や厨房が狭い店では、導入しても扱える品目が限られ人が続ける。", "confidence": "中"}, {"no": 5, "weight": 35, "now": 3, "year1": 4, "year5": 8, "human_layers": ["作業", "品質の確認", "例外の発見"], "blockers": ["技術", "費用", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "味付けと仕上げの判断は人に残り、AIはレシピの提示と手順の標準化に使われるにとどまる。ロボットが味見と微調整まで行い客が受け入れれば人の時間が減る。客が人の手による調理に価値を置く店では、技術が整っても人が調理し続ける。", "confidence": "高"}], "share_now": 8, "share_year1": 10, "share_year5": 17, "reason": "人の時間が減るのは、メニュー設計の試算と発注量の計算、在庫記録といった厨房外の事務的な部分で、需要予測・自動発注ツールと生成AIが引き受ける。加熱機器の温度管理はセンサー付き機器の自動制御に移る。一方、仕事時間の大半を占める火加減・味付け・盛り付けの作業と品質の確認は人の手に残り、調理ロボットの普及が限られるため全体の減り幅は小さい。", "demand": "ほぼ同じ", "demand_reason": "外食の需要は人口減で頭打ちだが、調理の自動化が進まず、1食あたりに要る人の時間はほとんど変わらない。人手不足の店は時短メニューやセントラルキッチンで対応し、現場の調理の仕事量は大きくは増えも減りもしない。", "remains": "火加減・味付け・盛り付けの作業、出来上がりの品質の確認、食材や機器の異常への気づきが人に残る。理由は、厨房の多様な食材と狭い空間でロボットが汎用に動く技術が足りず、導入費用も個人店には重く、客も人の手による調理を求めるため。崩れるのは、汎用の調理ロボットが低価格になり、チェーン店の標準化メニューから置き換わる場合。", "who": "仕事の量はほぼ同じで、人数も大きくは変わらない。発注や在庫管理、メニューの原価計算を担っていた店長・料理長の事務時間が減り、現場の調理に充てられる。チェーン店では加熱機器の自動化で見習いの単純作業が減り、少人数で回す構成になる。個人店では経験のある調理師が中心のまま、機器とツールを使いこなす人が残る。", "skills": "需要予測や自動発注の結果を疑い、天候や催事などの例外を見つけて修正する力。センサー付き機器やレシピ管理ツールを設定し、出てきた数値を味と見た目で確かめる力。AIが出したメニュー案を試作し、店の客に合うかを判断する力。味覚と手の技術は変わらず要るが、それに機器とデータを読む力が加わる。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: 不明。料理の提供量は客数、価格、立地、食習慣で変わる。調理や発注の効率化で提供しやすくなる面はあるが、それだけで外食の需要が増えるとは限らない。店舗の形態や地域が指定されていないため、全体の方向は定められない。

{
  "tasks": [
    {
      "no": 1,
      "weight": 10,
      "now": 30,
      "year1": 42,
      "year5": 60,
      "human_layers": [
        "作業",
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "献立と価格の比較案はAIに移り、人は味と店の狙いを選ぶが、顧客の反応と原価を評価できれば検討も減る。仕入れの変化や料理の再現性を反映できなければ、案出しから人が調整する。",
      "confidence": "中"
    },
    {
      "no": 2,
      "weight": 15,
      "now": 15,
      "year1": 25,
      "year5": 45,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "温度の監視と定型の加熱制御は機械に移り、人は食材と機器を確かめるが、多様な条件で安全に制御できれば調整も減る。厚みや投入量の変化を捉えられなければ、自動調理にも人の点検が要る。",
      "confidence": "低"
    },
    {
      "no": 3,
      "weight": 20,
      "now": 20,
      "year1": 30,
      "year5": 48,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "在庫の記録と使用順の提案はAIに移り、人は鮮度を実物で確かめるが、劣化を確実に検知できれば点検も減る。保管状態の違いや記録漏れがあれば、提案された使用順も人が修正する。",
      "confidence": "低"
    },
    {
      "no": 4,
      "weight": 25,
      "now": 8,
      "year1": 15,
      "year5": 32,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "定型の攪拌や返しは調理機械に移り、人は火の通りを確かめるが、食材の変化に合わせて動ければ作業も減る。形や粘度がばらついたり洗浄の手間が増えたりすれば、機械化する範囲は狭くなる。",
      "confidence": "低"
    },
    {
      "no": 5,
      "weight": 30,
      "now": 10,
      "year1": 18,
      "year5": 35,
      "human_layers": [
        "作業",
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ",
        "費用"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "標準レシピの計量と調理は機械に移り、人は味と仕上がりを調整するが、食材差と好みを扱えれば手作業も減る。香りや食感の違いを評価できなければ、定型料理にも人の味見と修正が残る。",
      "confidence": "低"
    }
  ],
  "share_now": 14,
  "share_year1": 23,
  "share_year5": 41,
  "reason": "現在は献立や原価の比較、発注量の予測、在庫の整理で時間を減らせる。1年では機器と記録の連携が進み、5年では標準的な加熱や攪拌の一部も自動化が広がる。提示された予約受付AIは、調理そのものの時間削減には直接数えない。食材の状態が変わるたびに、鮮度、火の通り、味を確かめる必要があり、実物を扱う作業と品質の確認を人の時間として多く残した。",
  "demand": "不明",
  "demand_reason": "料理の提供量は客数、価格、立地、食習慣で変わる。調理や発注の効率化で提供しやすくなる面はあるが、それだけで外食の需要が増えるとは限らない。店舗の形態や地域が指定されていないため、全体の方向は定められない。",
  "remains": "食材の鮮度と火の通りを確かめ、味や食感を仕上げる仕事が残る。人は記録や温度だけでなく、実物の状態を見て作業を変え、機器の不調や注文の例外にも対応する。店の狙いと顧客の好みに合わせた献立の選定も続く。多様な食材を安全に扱い、洗浄や準備まで含めて機械に任せられるなら、調理と確認の時間は減るが、厨房の設備条件による差は大きい。",
  "who": "客数の方向が不明なため、調理師の総数が減るとは定められない。同じ提供量なら定型の仕込みや加熱に使う人数は縮み、少人数で機器を動かしながら仕上がりを管理する形が増える。食材の状態を判断し、複数の料理を同時に進められる人の比重が上がる。若手には機器の設定だけでなく、味見や火入れを通じて、異常な仕上がりを見分ける経験が必要になる。",
  "skills": "衛生、食材、加熱の基礎を使い、機器の表示と実際の仕上がりを突き合わせる力が要る。需要予測に頼るだけでなく、在庫の状態と予約の変化を見て発注や仕込みを調整する。自動調理の条件を設定し、失敗したときに原因を切り分けて手作業へ戻す力も重要になる。料理の品質、提供の速さ、廃棄と原価の釣り合いを取り、厨房全体の動きを整えることが求められる。"
}