米ニューメキシコ州で飲食店を3つ営む加盟店主が、メニューの値付けや毎月の現金の照合をChatGPTに手伝わせています。最初は自分の手作業の結果と比べ、任せられると分かった仕事から広げました。本人の話では、値付けの分析は5日から1〜2時間に、現金の照合は3時間から5〜10分になりました。数字はオープンAI（OpenAI）の導入事例のページに載った本人の説明で、外の人による確かめはありません。
テッド・テイラー（Ted Taylor）氏は、半導体の業界で25年働いたあと、飲食の仕事に移りました。いまは、サンドイッチ店のシュロツキーズ（Schlotzsky’s）と、シナモンロールの店シナボン（Cinnabon）が一緒になった店を3つ営んでいます。本部に属さない、独立した加盟店主です。オープンAIの学びのサイト（OpenAIアカデミー）の記事によると、妻のタミ・テイラー氏と、アルバカーキ、リオランチョ、サンタフェにある店を買いました。
店を回すには、客から見えない仕事がたくさんあります。メニューの値付け、人の配置、設備の修理、店の決まりづくりなどです。テイラー氏は、こうした仕事にChatGPTと、データを集めて分析できるChatGPT Workを使っています。オープンAIは2026年10月20日に、この話を導入事例として出しました。
値付けは年に1回の仕事です。材料の費用、品の人気、近くの店の値段、量、店で食べる場合と配達の場合の違いを合わせて考えます。テイラー氏はまずAIに、近くの店の値段の動き、量、料理の質から、値上げの目当てを調べさせます。次に渡すのは、品を分類した一覧に、店と配達のいまの値段をつけたものです。全体でどれだけ上げるか、どの品を多めか少なめに上げるかは、テイラー氏が決めて伝えます。AIは、店と配達のすすめの値段を表にして返します。品ごとの売上の記録と、仕入れの値段を足せば、値段を変えたときの売上の変わり方も見積もれます。
人手の分析では、売上と勤務のデータを、AIが読むだけの形で見られるようにしました。AIは、予定の時間、予算の時間、実際の時間を、売上の予測と実績と並べて比べます。いつも予測より多い店や少ない店があるので、直前の12週も見ます。結果の報告に出るのは、残業、予定より長い勤務、人が足りない時間と、店長が見るべき点です。
勤務表は、1店で試しました。従業員ごとの役割、研修、出られる時間、時給と、売上の大きさごとに要る人の数をAIに渡しました。テイラー氏と店長は、AIの案を、店長が自分で作る場合の表と並べて比べました。忙しい時間に人を足す条件が抜けていると分かり、AIへの指示に書き足しました。いまはこの店の勤務表をAIが全部作り、店長が確かめて直し、店の勤務の仕組みに入れています。
毎月の現金の照合では、3店それぞれの現金の取引のデータと、銀行の記録を入れます。AIは、取引と入金を一つずつ照らし合わせます。給与の集計に使う数字をまとめるのも、AIの仕事です。
ほかにも、州が飲食店に求めた、体液で汚れたときの手順書の下書きを、約30秒で作りました。従業員のSNSの決まりも書かせ、外の人事の会社が手引き全体を見直したとき、この部分は変えませんでした。消耗品や修理を頼むための従業員向けのウェブの窓口も、AIを使って作りました。
テイラー氏は、自分が判断に使うのと同じデータと決まりをAIに渡し、出た結果を自分のやり方と比べます。任せられると分かった仕事から使い方を広げ、結果は使う前に必ず見直しています。
学びのサイトの記事には、作りかけの仕組みも出てきます。本部は、ふだん10時に開く店でも、朝7時半からの仕出しの注文を受けています。2時間以内に用意する注文もあります。テイラー氏は、AIを使って注文のメールを見張り、大きい注文、急ぎの注文、朝早い注文を見つけたらタミ氏に携帯のメッセージで知らせる仕組みを作っています。
| 🧾 仕事 | AIを使う前 | → | AIを使ったあと |
|---|---|---|---|
| 値付けの分析（年1回） | 5日 | → | 1〜2時間 |
| 3店の現金の照合（毎月） | 3時間 | → | 5〜10分 |
| 給与の集計の手作業（毎回） | — | → | 4時間減った |
| 体液で汚れたときの手順書の下書き | — | → | 約30秒 |
出典：オープンAI「Franchisee reconciles cash in 94% less time with ChatGPT Work」（2026-10-20）。どれもテイラー氏の説明で、測り方は書かれていません
勤務表については、テイラー氏の見込みがあります。勤務表を良くすれば、時間給の人件費が3店の売上の1〜2ポイント下がり、年に5万〜10万ドル（約750万〜1500万円。1ドル150円で換算）の現金が残るかもしれないといいます。この数字は、まだ起きた結果ではありません。
| 📢 公表されている説明 | ⚠️ 確認できていない点 |
|---|---|
| 値付けの分析が5日から1〜2時間になった | 測り方。値上げのあとの売上や利益の変化 |
| 初回は手作業でも分析し、AIの方が近くの店との比べが深かった | 初回に手作業でどこまで分析したか。学びのサイトの記事は「手作業では時間がかかりすぎ、ChatGPTがなければ比べを省いていた」と書いている |
| 現金の照合が3時間から5〜10分になった | 照合の間違いや見落としの数。AIの照合を人がどう確かめているか |
| 人件費が売上の1〜2ポイント下がり、年5万〜10万ドル（約750万〜1500万円）が残る | 人件費が実際に下がったかの記録 |
| ChatGPT Workで分析している | 使っているモデルの名前、料金、従業員の数 |
凡例：📢＝当事者が公表している説明 ⚠️＝出典に書かれておらず、こちらで確認できていない点
出典：オープンAIの導入事例のページ（2026-10-20）・学びのサイトの記事（2026-08-06）。どちらもオープンAIが出したものです
数店舗の美容室や整骨院で、毎月の売上の集計と入金の照合を院長が夜にしているなら、レジのデータと銀行の記録を並べてAIに渡し、合わない取引を人が確かめる形にできます。
小さなホテルや旅館で季節ごとの料金を決めている支配人は、近くの宿の料金と自分の部屋の違いをAIに調べさせ、上げ幅は自分で決めて伝えられます。
勤務表をAIに作らせるときは、テイラー氏と店長のように、まず人が作った表と並べると、AIに伝えていない決まりが見つかります。
テイラー氏は、値上げの幅を決めることと、AIの結果を使う前に見直すことを、今も自分の手に残しています。
