飲食店のAI活用事例

鰻の成瀬はテイクアウトの需要が高く電話注文が多いが、混み合う時間帯の着信がそのたびに調理と接客の手を止めていた。

電話に出られず注文を取り逃がすことも起きていた。

1. 店舗への電話に対話AIのアイブリーが応答する
2. テイクアウトのメニューを音声で案内し品目と数量を聞き取る
3. オプションと受け取り時間と氏名も続けて確認する
4. 聞き取った内容をテイクイーツへ連携し予約として登録する
5. スタッフは調理と接客を続け登録された注文を見て用意する

電話対応にかかる現場の手間を大きく減らせる形になり、目の前の客への対応に集中できる環境ができたとPafit側は説明する。

全店ではなく一部店舗で実証を進めている。

社内研修「ワイン大学」だけでは業務の合間に出る細かい疑問に答えられず、スタッフごとに学ぶ速さも違っていた。

産地や品種、料理との組み合わせなど覚える範囲が広く、必要なときに確かめる手段がなかった。

1. 研修「ワイン大学」の内容と店の知識をAIが読める形に整理する
2. スタッフがチャットで産地や品種、ペアリングを質問する
3. 新人は用語や歴史を自分の速さで学び、バイヤーは銘柄の背景を調べる
4. LINEやSlack、Teamsからも使えるようにする
5. 管理画面で質問の傾向を見て回答や資料を追加する

研修の場に加えて、日々の接客の中でも必要なタイミングで知識を確かめられる形になった。

新人の自主学習やペアリング提案の下調べにも使われている。

店舗も本部も業務を抱えて手一杯で、生産性を上げる必要があった。

生成AIを入れたものの、どの業務にどう使えばよいかが分からず手探りだった。

1. 2025年5月にexaBase 生成AIを導入し翌月にDX推進委員会を立ち上げた
2. 契約書を読み込ませて稟議書のたたき台と整合性チェックを任せた
3. 店舗ではイベント出店先の商圏ニーズ調査や棚卸リスト更新に使った
4. 社内資料を参照するRAGを組み合わせメルマガや雑談スレッドで事例を配った
5. 部署代表が1か月使い方を競う生成AIチャンピオン制度を走らせた

月間利用率は80％に届き、一部の業務では作業時間が平均51％減った。

DX戦略の作りこみやDX認定に出すページのHTML作成にも使い、宅配ピザチェーンで初のDX認定事業者となった。

店長が応募書類を見て自分で電話をかけ面接の日程を組んでいた。

候補者と電話がつながらず採用まで13日かかり、店は人手が足りない状態が続いていた。

1. Workday Paradoxを入れ日程調整をAIエージェントに任せた
2. 店長の空き時間をもとに面接できる時間をSMSで送る
3. 候補者が時間を選ぶと予定を押さえて店長へ知らせる
4. 会話型のATSで求人の開始や終了をスマホから操作できるようにした
5. 応募の受付から入社手続きまで任せ採否は店長が判断する

採用までの日数は13日から4日へ短くなり、店の人員が埋まるようになった。

採用の流れの9割以上がSamで自動になった。

全国の店舗で働く約10万人のクルーが、必要なマニュアル情報にその場でたどり着けずにいた。

サービスの幅も働く人の背景も広がり、同じ品質を保つことが難しくなっていた。

1. 社内の動画やPDFを回答の情報源に設定する
2. 動画の音声を先に文字起こしして根拠にする
3. 普段の言葉の質問に要約と動画リンクを返す
4. 人事や給与など答えさせない話題を決める
5. 利用者の属性で閲覧範囲を分け複数言語で返す

2026年1月から2月に437店舗で試したあと、全店約2,600店舗へ広げた。

試用中のアンケートで回答がとてもわかりやすいという答えが1回目から2回目にかけて14ポイント伸びた。

175店舗を超える全店の採用を実質1人で回していて選考や面接の日程調整に追われていた。

返事が遅く候補者が次々に抜けてしまい求人広告を増やしても割に合わなかった。

1. Conversational ATSを入れAIエージェントを候補者の窓口にした
2. AIエージェントが24時間いつでも候補者の質問に答える
3. 一次の選考質問と面接の日程調整をショートメッセージで自動で進める
4. 採用担当と店長は事務作業から離れ候補者と向き合う時間に回した

面接の無断キャンセルが30%減った。

Indeedへの支払いは月65,000ドルから月6,000ドルになり応募は月42,000人まで増えて年間840,000ドルの削減になった。

生成AIへの関心はあったが、社員の多くが自分の仕事でどう使えばいいか思い描けずにいた。

自社だけで研修や調べ物を進めるのは負担が大きいという悩みもあった。

1. 普段使うGoogle Workspaceに付くGeminiを選び全社に広げた
2. 導入初期は外部の支援プログラムで基礎から段階的に学んだ
3. 議事録や企画書や報告書の下書きをGeminiに作らせた
4. 下書きの中身は人が確かめて仕上げる形にした
5. 情報開発部ではアプリづくりにも使い開発を速めた

文章を作る仕事が大きく楽になり、情報開発部ではアプリの開発期間が1ヶ月から1週間に縮まった。

社員の間で自分の仕事でも使えそうだという気づきが広がった。

米国で年160,000人を超える現場スタッフを採用し、常に13,000〜17,000件の求人を抱えていた。

書類選考も面接の日程調整も人手で回していたため時間がかかり、決定の早い他社に候補者を取られていた。

1. 応募の入口をAIエージェントのOliviaに任せた
2. 応募をテキストの会話に置き換える
3. 条件確認と質問対応と日程決めをOliviaが進める
4. 既に使っているATSとHCMにつないだ
5. 採用サイトの各ページにもOliviaを置いた

応募が終わるまでの時間は3分未満まで短くなり、応募者の転換率は600%上がった。

採用担当1人で8000人を採用する回し方ができるようになった。

店長が応募書類を自分で見て応募者へ電話をかけ面接日を決めていた。

調整だけで数日かかって応募者が途中で抜け落ち、求人広告には月2万5000ドルを使っていた。

1. 採用サイトのウィジェットと店内QRから会話型AIにつなぐ
2. 応募者はチャットで求人を探し数通で応募を終える
3. AIが最低限の条件を満たすかを判定する
4. 通過者へ店長の空き時間を送り予定を押さえる
5. 日程の変更もチャットで受ける

応募にかかる時間が15分から3分になり年間の離職は37%減った。

求人広告費は年間27万ドル減り、応募者1人あたりの費用は50ドルから1ドルになった。

毎年6万人を超える現場スタッフを採用する必要があるのに、手作業中心の流れで選考が進まなかった。

待たされた候補者が途中で離れ、人手が足りない状態が続いていた。

1. Workday ParadoxのConversational ATSを入れた。
2. AIのDexiが応募者とテキストでやり取りする形にした。
3. Dexiが応募条件を質問で確かめ面接日程まで決める。
4. 100以上の言葉を判別して相手に合わせて切り替える。
5. 入社手続きまで自動で進み担当は候補者を知る時間に回す。

採用にかかる平均日数が60%短くなった。

導入から10日で10,000人を採用した。

サービス管理に6つ以上のツールを使っていて情報が散らばり、必要なものを探すのに手間がかかっていた。

長い障害の振り返りレポートを読んで次の作業につなぐのも人任せだった。

1. 全社の仕事をAtlassianの基盤にまとめた
2. 会議の最中に必要な情報をその場で引き出す
3. 長い障害の振り返りレポートを要約させる
4. 要約した中身からJiraのチケットを作る
5. ナレッジ管理の担当者も日々の調べ物に使う

ナレッジ管理の担当者は使い始めた最初の週に2.3時間を減らした。

全社の規模で見れば年に数千時間分の余裕が生まれると見ている。

約1,800名のうち77%を占めるパート・アルバイトには社内チャットのアカウントが無く聞く手段が限られていた。

伝達が店長頼みになり書類を間違えるなどのやり直しが起きていた。

1. 新しい就業規則をSmartHRのAIアシスタントへ上げた
2. 雇用形態と勤務場所ごとに見える範囲を分ける
3. 従業員は自分に当てはまる規則だけをもとに何度でも質問できる
4. 人事は問い合わせをまずAIアシスタントで確かめるよう案内する
5. 今後は評価制度や経理・法務の資料も足していく

人事や店長への問い合わせが減り一次対応をAIに任せられるようになった。

担当者がいない土日や深夜でも従業員がその場で正しい答えを得られる。

新機能の話ばかりが先に立ち基盤の安定や拡張の作業が後回しになっていた。

部品ごとの状態や持ち主も見えず、障害が起きてから直せる人を探すため対応が遅れていた。

1. ソフトウェア部品を一つのカタログにまとめた
2. 状態と担当者と依存関係を一画面から見える形にする
3. 基準を下回りそうな部品へ自動で警告を出した
4. カタログから対応できる人を探してコードを直す
5. 新機能と基盤の改善を同じ場所に並べて優先順位を決めた

Change Agentによって手作業が90%減った。

AtlassianのAutomationsとRovoで手作業のレビューが約80%なくなった。