① 行列と廃棄を同時に減らす 需要予測
条件を動かすと、来客予測・推奨焼き数・待ち時間・廃棄ロスがその場で再計算されます。「勘で多めに焼く」を「予測して焼く」に変えるとどうなるか。
※ 数値は本デモ用の推定モデルです（実店舗データではありません）。需要 = 基準客数 × 曜日 × 天気 × 気温係数。AI予測は当日条件に焼き数を合わせ、過不足を縮めます。
② 名物の味を「型」にする 属人化 → 品質ゲート
行列店の一番の資産は「あの味」。同時に一番の弱点は、それが 職人の頭の中にしかない こと。後継・多店舗・繁忙時に崩れます。同じ工程を、品質ゲートで「誰がやっても同じ」に。
残すもの（職人の価値）
- 味の設計・新商品の発想 — ここは人が主役のまま
- 「今日の小豆の状態」を見る目利き — 基準値づくりに活かす
- 接客と暖簾の空気 — デジタル化しない
型にするもの（再現可能化）
- 焼き温度・時間・餡量を数値レシピ化 → 新人初日から同品質
- 各工程に合否ゲート（色・重量・温度）→ NGは次へ進めない
- クレーム・廃棄を翌日のレシピ補正に自動で戻す
AMBL/コンサル文脈の一言：「属人化を、人が替わっても回る型と、それを担える人を育てる仕組みに変える」— まんじゅう屋でも基幹システムでも、やっていることは同じ構造です。
③ 経営に何が返るか インパクト
①の予測最適化と②の型化を入れた場合の、12か月での主要指標の動き（本デモ推定）。AXは「導入したか」ではなく「定着して数字が動き続けるか」。
効く順番（信用→拡張）
- まず現場で1つ：当日の焼き数予測だけ先に入れ、廃棄を可視化（小さく信用を作る）
- 次に横へ：効いた型を品質ゲートとして他工程・他店舗へ展開
- 最後に残す：職人がいなくても回る形にして、人を育てる側へ
この題材が示すこと
特別なシステムが要るわけではありません。「勘・暗黙知・多めに作る」で回っている現場はどこにでもあり、そこには必ずAXの入口がある。写真1枚の商店からでも、価値の筋道は描けます。
© 2026 Oyama Naoyuki — AX prototype. 数値はデモ用推定であり実店舗の実データではありません。題材：都まんじゅう（行列のできる名物まんじゅう店）。