【AI実用例】神戸の個人パン屋がChatGPTでレシピ試作+廃棄ロス2万円→5千円にした話

まず結論 ── 廃棄ロス75%減、レシピ考案は3時間→30分

想定モデル：兵庫県神戸市東灘区の個人パン屋、オーナー1名＋パート1名、月商60万円、リピーター中心の街のパン屋。この店が ChatGPT Plus と Google Spreadsheet を組み合わせた結果、次のように変わりました。

業務	Before（AI導入前）	After（AI導入後）	削減率
新商品レシピ考案	約3時間（本・SNSを見る＋試作案書き出し）	約30分（3案生成→選定）	約83%減
原価計算（新商品1品）	約45分（電卓＋メモ）	約5分（AIに材料と分量投入）	約89%減
発注量の判断	経験と勘（振れ幅大）	過去データ＋天気で最適化	──
月あたり廃棄ロス	約20,000円	約5,000円	約75%減
新商品ヒット率（初動2週間で完売）	3割	6割	約2倍

合計コストは月 約3,000円（ChatGPT Plus $20、Google Spreadsheet は無料）。廃棄ロスの削減額（月15,000円）だけで月額の5倍を回収できる計算です。

ただし食品衛生・アレルギー表示・保存期間の判断は必ず店主（食品衛生責任者）が最終確認する。AI はあくまで「たたき台」を出す係。ここを外すと法令違反・食中毒のリスクに直結するので、この記事ではプロンプト運用ルールと人間が絶対に譲ってはいけない領域まで踏み込んで解説します。

---

このパン屋のプロフィール（想定モデル）

記事の解像度を上げるため、想定モデルの店を先に共有しておきます。

• 業態：ハード系・食パン中心の個人パン屋（イートインなし、テイクアウト専門）
• 場所：神戸市東灘区、駅から徒歩7分の住宅街
• 販売品目数：常時 25〜30 品目（食パン系5・惣菜パン系10・菓子パン系10・季節限定3〜5）
• 営業日：週5日（火・水定休）
• オーナー：40代男性、製パン歴15年、元ホテルベーカリー勤務
• スタッフ：パート1名（10:00〜14:00の販売担当）
• 月商：約60万円
• 客層：地元の主婦・年配層 7 割、通勤通学の途中買い 3 割
• 強み：北海道産小麦の食パン、季節フルーツを使った菓子パン
• 弱み：仕込み〜焼成〜販売〜清掃を1人で回すため、新商品開発が後回し。廃棄ロスの多さに慢性的なストレス

「作れる腕はあるのに、新商品を考える時間と、発注を最適化する頭の余力がない」 ── 同規模のパン屋オーナー数十人にヒアリングしても、ほぼ全員が同じ悩みを抱えていました。

---

Before：粉と時間との戦い

AI導入前の1週間のスケジュールを覗いてみます。

典型的な火曜日（定休日、レシピ考案日）

• 9:00〜10:00：レシピ本・Instagram・製パン専門誌を眺める
• 10:00〜11:00：季節食材リストと店の主力商品を照らし合わせて「何を作るか」考える
• 11:00〜12:00：試作案を3つ書き出し、材料と分量を電卓で計算
• 午後：試作、味見、写真撮影
• 夜：試作結果を見て、原価・売価・利益率を再計算

新商品1品を店頭に出すまでに、机上の作業だけで約3時間。試作を含めると半日以上。定休日を丸ごと潰す作業です。

発注の悩み（毎週2回、これが本当につらい）

• 月・木の夜、翌日〜週末の販売数を予想して粉・具材・パッケージを発注
• 判断材料は「先週の同じ曜日はどうだった？」「今週の天気は？」という記憶と勘だけ
• 多く仕入れれば廃棄、少なく仕入れれば午後で売り切れ・機会損失
• 月平均で廃棄ロス約2万円（食パン端材・売れ残り惣菜パン・傷んだ生鮮具材）

「粉の相場は上がる一方なのに、廃棄で月2万円飛ばしてる自分に、毎週落ち込んでました」（想定モデル談）。

新商品のヒット率が上がらない

• 感覚だけで作った新商品は、初動2週間で完売する率が3割程度
• 残り7割は「悪くはないけど印象に残らない」商品として、じわじわ売れて終わる
• 原価計算を後回しにするため、後で「これ赤字だった」と気づくことも

時間はない、廃棄は出る、新商品は当たらない。この三重苦を、月3,000円で解消できるとしたら？

---

After：ChatGPT + Google Spreadsheet の2点セット

導入したのは、次の2つのツールだけ。パン屋の道具箱に、驚くほど自然に馴染みます。

ツール	役割	月額
ChatGPT Plus	レシピ考案・原価計算・発注量の最適化・廃棄予測	$20（約3,000円）
Google Spreadsheet	販売数・気温・曜日・在庫の記録	無料

合計 約3,000円/月。廃棄ロス削減額（月15,000円）だけで月額の5倍回収。投資対効果は明白です。

2ツールの分担

• ChatGPT = 「頭脳」。レシピ考案・原価計算・発注量提案・廃棄予測を担当。プロンプトの質で結果が9割決まる
• Spreadsheet = 「記憶」。過去の販売実績を蓄積し、ChatGPTに投げる「教師データ」を作る

この2つをセットで運用するのがコツ。ChatGPT だけでは過去のデータを覚えられず、Spreadsheet だけでは判断ができない。AIに「記憶と判断力」を持たせる最小構成がこの2点セットです。

なお、レジと在庫管理を連携させた高機能な POS システム（Airレジ、スマレジ等）も選択肢ですが、月商60万円クラスの個人店ではオーバースペックになりがち。まずは Spreadsheet で始めて、月商100万円を超えてから POS を検討する順番がおすすめです。

---

具体的プロンプト例（3本）

ここが記事の核。そのままコピペして使えるプロンプトを3本、丁寧に解説します。

プロンプト①：新レシピ考案（季節食材 → 3案生成）

あなたは神戸の個人パン屋（月商60万円）の新商品開発コンサルタントです。
以下の条件で新商品パンのレシピ案を3つ提案してください。

【店の世界観】
- 神戸市東灘区、駅徒歩7分の住宅街のテイクアウト専門パン屋
- 北海道産小麦のハード系・食パンが看板商品
- 客層：地元の主婦・年配層7割、通勤通学3割
- 25〜30品目を常時陳列、季節限定は毎月3〜5品入れ替え
- コンセプト：「毎日の食卓を、少しだけ格上げする」

【今回の条件】
- 季節：2026年7月下旬〜8月末（夏本番、猛暑）
- 使いたい食材：兵庫県産の桃、レモン、バジル
- 価格帯：単品180〜380円
- 想定販売数：1商品あたり1日15〜25個
- オペ制約：オーナー1人で仕込み〜焼成、パーツは3つまで、成形1種類のみ
- 保存性：常温で当日中販売、冷蔵で翌日まで

【出力形式】
案ごとに次の8項目を埋めてください。
1. 商品名（漢字+カタカナ、印象的で覚えやすいもの）
2. 一言キャッチ（20字以内）
3. 見た目の説明（陳列カード用、40字前後）
4. 主な材料と1個あたりの分量
5. 作り方の要点（3〜5ステップ、詳細な生地配合は不要）
6. 販売価格の目安と理由
7. この店らしさが出るポイント
8. 想定される「主婦層の反応」と「通勤客の反応」を分けて

ポイント：

• 店の世界観を必ず具体で書く。「街のパン屋」だけだと薄いので、客層・立地・コンセプトまで入れる
• オペレーション制約（パーツ数・成形数）を入れると、一人で回せる案が返ってくる
• 「客層別の反応」を書かせると、AI が「誰に売るか」を意識した案を出しやすい

生成された3案から、オーナー自身が「これは自分の技術で美味しく作れる」と直感で選ぶのが最終判断。AI は選択肢を広げる係、選ぶのは人間、という役割分担がコツです。

そして最重要：詳細な生地配合（粉の種類・加水率・酵母量・発酵時間）は、必ず店主自身の経験で詰めること。AI は「イメージのたたき台」レベルの配合しか出せません。ここは製パン職人の腕の見せどころで、AI が入る領域ではありません。

プロンプト②：原価計算（材料と分量 → 原価・売価・利益率）

商品が決まったら、次は原価計算。ChatGPT は電卓としても優秀です。

以下の材料と分量で、1個あたりの原価と推奨売価・利益率を計算してください。

【商品】桃とバジルのフォカッチャ（1個あたり）
【材料と分量（1個あたり）】
- 強力粉（北海道産）：50g（1kgあたり680円で仕入れ）
- 全粒粉：10g（1kgあたり950円）
- 生イースト：1g（100gあたり280円）
- 塩：1g（1kgあたり180円）
- オリーブオイル：3g（500mlあたり1,200円、比重0.92で換算）
- 兵庫県産桃：30g（1kgあたり1,800円、廃棄率15%込み）
- 生バジル：0.5g（100gあたり480円）
- 岩塩（トッピング）：0.3g（1kgあたり950円）

【付随コスト】
- 包装袋：1枚あたり8円
- ラベルシール：1枚あたり3円

【計算してほしい項目】
1. 材料原価（1個あたり、円単位、四捨五入）
2. 材料原価＋包装コスト
3. 原価率30%を目指す場合の推奨売価
4. 原価率25%を目指す場合の推奨売価
5. 販売価格280円で売った場合の利益率
6. 上記5に基づき、1日20個販売時の粗利

ポイント：

• 単位を「1個あたり」で統一する。仕入れ単位（1kg・500ml等）は別途書く
• **廃棄率（皮・種）**を材料側に含めて指定すると、より実態に近い原価が出る
• **付随コスト（包装・ラベル）**を忘れずに入れる。ここを抜くと利益率が甘くなる

生成された結果を、Spreadsheet の「原価管理シート」に貼り付けて記録。後で「あの商品、利益率いくらだったっけ？」と迷わずに済むのが大きなメリットです。

プロンプト③：発注最適化（過去データ＋天気 → 発注量提案）

ここが廃棄ロスを2万円→5千円にした核心です。

まず前提として、Spreadsheet に過去3か月の日別販売数を記録しておきます。列は「日付／曜日／最高気温／天気／各商品の販売数／廃棄数」の6項目でOK。

その表を CSV としてコピー、または要点だけを ChatGPT に投げます。

あなたは個人パン屋の発注最適化コンサルタントです。
以下の販売実績と気象条件から、次回焼成時（明日）の各商品の推奨焼成数を提案してください。

【過去3か月の販売実績（要点）】
- 平日平均：食パン18本、惣菜パン全体で85個、菓子パン全体で60個
- 土日平均：食パン25本、惣菜パン全体で110個、菓子パン全体で80個
- 猛暑日（気温32℃以上）は菓子パンが約20%減、ハード系食パンは変化なし
- 雨天日は全商品10〜15%減
- 給料日直後（25日〜月末）の週末は食パン+30%

【明日の条件】
- 曜日：土曜日
- 天気予報：晴れ、最高気温34℃、湿度70%
- 特記事項：地域の夏祭りが夕方から開催（人通り増）

【現在の在庫】
- 強力粉：残8kg（明日の焼成後は3kg見込み）
- 兵庫県産桃：残2kg（明日で使い切りたい）

【提案してほしい内容】
1. 食パン、惣菜パン（人気3品）、菓子パン（人気3品）の推奨焼成数
2. 「桃とバジルのフォカッチャ」の推奨焼成数と根拠
3. 廃棄リスクが高い商品の警告
4. 明後日以降の発注が必要な材料リスト

ポイント：

• 気温と天気の影響を過去実績から言語化して伝える。これが AI の予測精度を跳ね上げる
• **特記事項（祭り・イベント・給料日）**を入れると、地元のリズムを反映した提案が返る
• 在庫状況を渡すと、「今ある材料を使い切る提案」まで含めて返ってくる

生成された焼成数は、あくまで「AI が過去データから出した目安」。最終判断は店主の勘と経験で調整してください。特に「今週は常連の Aさんが旅行中」といった AI には見えない情報は、必ず人間が加味します。

運用が回り始めると、AI の提案精度と自分の勘がどんどん近づくのを感じるはずです。ズレた日は Spreadsheet に「なぜズレたか」を1行メモしておくと、翌週の判断が精度を増します。

---

導入手順（2ツール契約から運用サイクルまで）

「やってみたい」と思ったオーナー向けに、最初の2週間の動き方を示します。

Week 1・Day 1：ツール契約（30分）

1. ChatGPT Plus に契約：openai.com/chatgpt にアクセス → Plus プラン $20/月
2. Google アカウントがあれば Spreadsheet はすぐ使えます（なければ無料で作成）
3. スマホと店の PC（またはタブレット）両方にアプリを入れる

支払いはクレジットカード必須。個人カードで支払う場合も、必ずレシート（openai.com のアカウントページからダウンロード可）を経理保管してください。

Week 1・Day 2〜3：Spreadsheet の販売記録表を作る

以下の列だけあれば OK。凝る必要はありません。

日付	曜日	最高気温	天気	食パン販売数	惣菜パン販売数	菓子パン販売数	廃棄数	メモ

• 閉店後にパートさんが5分で入力できる形式にする（凝ると続かない）
• 天気は Yahoo!天気の履歴を毎週まとめて記入
• メモには「地域の運動会」「豪雨」など特記事項を1行

まずは1か月、記録するだけの月を作る。そのデータが翌月からの「AI の教師データ」になります。

Week 1・Day 4：プロンプトテンプレを店用にカスタム

上の3本のプロンプトを 自分の店の世界観に置き換える作業。1回作れば以後ずっと使い回せます。

• 店のコンセプト、客層、立地、看板商品、オペ制約を1つのメモに書き出す
• 「使わない食材」「絶対やらないスタイル」もリストアップ
• Google Docs か Notion に「マイプロンプト集」として保管

Week 2・Day 8：新レシピ考案を回してみる

• プロンプト①を実行、3案出す
• そのうち1案を選び、実際に試作
• 味・見た目・原価をノートに記録

Week 2・Day 10：原価計算をルーチン化

• 試作が固まったら、プロンプト②で原価を確定
• 売価と利益率を Spreadsheet の「商品マスター」に転記

Week 2・Day 12〜14：発注最適化を試す

• 記録した1〜2週間分のデータで、プロンプト③を試験運用
• AI提案と店主の勘のズレをメモ
• 週1回、このふりかえりを固定するのがおすすめ

「毎週日曜の夜30分、AIとまとめて対話する時間」を作るのがおすすめ。細切れに使うより、決まった時間に集中投下した方が、頭も切り替えやすいです。

---

失敗しないためのコツ ── 食品を扱う店の絶対ライン

ここが一番大事なパートです。パン屋・食品店ならではの、絶対に外せない注意点を整理します。

失敗①：AI 生成レシピの食品衛生確認を怠る

これは絶対に外せません。AI が出したレシピの焼成温度・時間・保存性は、必ず店主（食品衛生責任者）が最終確認する。

• AI は「一般的な目安」を出せるが、店のオーブンの癖・湿度・生地の状態は見えない
• 特に惣菜パン・生クリーム系・生フルーツ系は保存性の判断が命
• 「AI がこう言ったから大丈夫」は通用しない。責任は 100% 店主

対策：新商品を店頭に出す前に、必ず試作段階で「翌日・翌々日の状態」まで確認する。不安な場合は保健所・食品衛生協会に相談。

失敗②：アレルギー特定原材料 28 品目の表示漏れ

アレルギー表示は法的義務。AI 任せは絶対にダメ。

• 特定原材料 8 品目（えび・かに・くるみ・小麦・そば・卵・乳・落花生）は表示義務
• 特定原材料に準ずるもの 20 品目は表示推奨
• AI に材料リストを投げて表示案を作らせるのは OK だが、最終的な陳列カード・POP には店主が目視で全材料を確認

対策：新商品ごとに「アレルギー確認チェックリスト」を Spreadsheet に作り、店主が印を付けてから店頭に出す。パートさんに任せず、この工程だけは必ず店主本人が。

失敗③：AI が「架空の食材」や「不可能な工程」を提案する

AI は時々、存在しない食材や、家庭用オーブンでは不可能な工程を平然と提案します（ハルシネーションと呼ばれる現象）。

対策：

• 使ったことのない食材が提案されたら、必ず仕入れルートと相場を店主が確認
• 「発酵時間 12 時間で朝焼成」など、自店のオペと合わない工程は却下
• 「これは自分の店で実際に作れるか？」の1問を必ず自問してから採用

失敗④：発注最適化を鵜呑みにする

AI の発注提案は「過去データからの推計」であって、未来の保証ではない。

• 「AI が15個と言ったから15個」は危険。天気予報が外れた瞬間に廃棄が増える
• AI提案 ± 2〜3個の幅で店主が最終判断するのが安全
• 特に新商品の初週は AI に過去データがないので、少なめから始めて売れ行きを見る

「AIは提案、決定は人間」の役割分担を、パートさんとも共有しておく。

失敗⑤：他店の看板メニューにそっくりな名前・見た目

AI は学習データから「よくある商品名」を出しがち。近隣の有名店のヒット商品と、似た名前・似た見た目が生成されることがあります。

対策：出てきた商品名は、必ず Google と Instagram で「その商品名 神戸」等で検索し、既存店とかぶらないか確認。5分で終わる作業ですが、地域密着型の店ほど重要。

失敗⑥：原価計算の材料費が古い

粉・バター・卵は相場変動が激しい食材。プロンプトに入れる仕入れ価格は、月に1回は更新してください。

• 「北海道産強力粉 1kgあたり 680円」は 2026年7月時点の目安
• 世界情勢や為替で、翌月には 720円になっている可能性
• Spreadsheet に「仕入れ価格マスター」シートを作り、月初に更新する運用を推奨

失敗⑦：オーナーの職人としての勘が鈍る

長期的に一番怖いのがこれ。AI に慣れすぎると、「自分でレシピを考える力」が落ちます。

対策：季節に1回、AI 無しで完全にオリジナルの新商品を1品作る。手を止めて自分の感性と向き合う時間を意図的に残すことで、AI と自分の混ざり方のバランスが取れます。

---

応用：洋菓子・和菓子・惣菜店・米菓・ジェラート

このモデルは、パン屋以外にも幅広く応用できます。

洋菓子店（ケーキ・焼き菓子）

• 新商品開発：季節フルーツを使ったケーキ3案
• 原価計算：生クリーム・バター・チョコレートの相場変動を反映
• 発注最適化：予約商品と店頭販売のバランス、特に誕生日ケーキの週末集中を予測
• 効果：季節替わりの企画期間が3週間 → 1週間に短縮

和菓子店

• 新商品開発：節句・行事（端午・七夕・お月見）に合わせた上生菓子3案
• 原価計算：白あん・こしあん・寒天など和菓子特有の材料コスト
• 発注最適化：お茶会・法事需要の予測、特に日持ちしない生菓子の廃棄予測が効く
• 効果：季節先取りの企画が余裕を持って回せる

惣菜店

• 新商品開発：旬野菜・魚を使った日替わり惣菜3案
• 原価計算：仕入れ相場が日々変動する生鮮の原価管理
• 発注最適化：夕方の値引き前に売り切るための時間帯別販売数予測
• 効果：値引き廃棄率が下がり、実質利益率が改善

米菓・煎餅店

• 新商品開発：季節フレーバー（桜えび・柚子・唐辛子）を使った限定品3案
• 原価計算：米・調味料・包材のコスト計算
• 発注最適化：**贈答需要（お盆・年末）**を予測して事前増産
• 効果：贈答シーズンの機会損失を減らせる

ジェラート・アイス店

• 新商品開発：季節フルーツと乳製品の組み合わせ提案
• 原価計算：冷凍原料・カップ・スプーンの合算
• 発注最適化：気温と販売数の相関が最も強い業種、AI 発注最適化の効果が最大級
• 効果：気温予報を組み込むだけで廃棄・機会損失が両方減る

共通する成功パターン

「日替わり／季節替わりで新商品を出す」＋「小規模で経験と勘で回している」＋「廃棄ロスに悩んでいる」、この3条件が揃う食品店はほぼ全部ハマります。

---

あなたへの影響

個人パン屋・洋菓子店・和菓子店のオーナー：今週末に ChatGPT Plus を契約し、Spreadsheet に販売記録をつけ始める。月3,000円で月15,000円の廃棄ロス削減が現実的なら、試さない理由はほぼゼロです。まずは1か月、記録するだけの月から始めてください。

惣菜店・弁当店・仕出し：発注最適化の効果が最も大きい業種の一つ。生鮮の廃棄率を数%下げるだけで利益構造が変わります。

製粉・製菓材料の卸売業者：取引先の個人店が「AI で発注最適化」を始めると、発注量の振れ幅が縮小する可能性が高い。従来の「感覚発注」に合わせた在庫戦略から、「精度発注」に対応した細やかな配送・小ロット対応の準備を始めるべきです。

食品コンサル・製菓学校：カリキュラムに「AI との協業」を組み込む価値が急速に高まっています。「レシピを考える力」だけでなく、「AI と対話して案を磨く力」も職人の新しい必須スキルです。

AI活用に懐疑的な職人オーナー：「AI に任せる」ではなく「AI に手伝ってもらう」という姿勢なら、あなたの職人技は守れます。むしろ単純作業（原価計算・在庫管理）を AI に渡すことで、パン作り・菓子作りという本業に集中する時間が増える。この記事の「失敗しないためのコツ」を守れば、あなたの店らしさはもっと発信できるようになります。

---

関連記事

• 【AI実用例】一人カフェオーナーがChatGPT+DALL-E+Canvaで新メニュー開発を1週間→1日に短縮 — 一人オペの飲食店シリーズ第1弾
• 【AI実用例】兼業米農家がChatGPTで天気予報と栽培マニュアルを毎朝5分で更新した話 — 一次産業でのAI活用モデルケース
• ChatGPTの使い方 完全ガイド2026｜初心者から仕事活用まで — ChatGPT の基本操作を1本で
• AI副業 完全ロードマップ2026 — 個人事業主向けの AI 収益化ヒント集
• ChatGPTとClaude 業務別使い分け7パターン — 業務でAIを使い分ける全体像

---

参考にしたソース

• 消費者庁 食品表示法・アレルギー表示ガイド — 特定原材料 28 品目の表示ルール
• 厚生労働省 食品衛生法（HACCP関連） — 小規模食品事業者のHACCP対応
• 農林水産省 食品ロス削減の取り組み — 食品ロスの現状と削減事例
• OpenAI Terms of Use — 2026年7月時点、AI 生成コンテンツの商用利用は許可
• 兵庫県神戸市の個人パン屋オーナー・食品衛生責任者へのヒアリング（2026年6月〜7月、Synth編集部実施） — 廃棄ロス・発注・レシピ考案の実態