• A（数字フック）客単価を1.8倍にした「90分の公演」——AIが接客しない店だけが売れる時代へ
• B（問いかけ形式）あなたの店の「人」は、コストですか、それとも出演者ですか？
• C（物語・象徴）劇団・厨房——回らない寿司屋がいちばん高い理由

飲食店の人件費は削るべきコストではなく、売るべき演目である。AIによる店舗運営の最適化が業界標準になった瞬間、「人が対応すること」は効率の敗北ではなく希少な体験供給に転じる。ゆえに人件費は原価表から外し、公演原価として別建てで管理し、チケットとして値付けすべきである。なぜなら、標準化が全店に行き渡った市場では、差別化の源泉が「非標準を維持し続けるコスト」にしか残らないからだ。

• ①嘉数千夏氏「人間食べなきゃ生きていけないんで、ずっといなくならない業界の1つだと思っていて、あんまりAIの影響も、今のところ、そんなにガストの猫ちゃんぐらいしか感じてない。」
• ②東原正典氏「でも、その回ってないのはしょうがないんですけど、やっぱりそういうこう、人間味のある、やっぱりこう盛り上がりとか、そういうのはやっぱりね、残っていってほしいなって、今のお話を聞いて思って。」
• ③横山耕平氏「AIに頼ると合理的なね。前提に出てくるじゃないですか。そうすると、何が起きるかというと、多分つまんない我々から人間からしたら、つまんない、正解しか残らないと思います」

• ①
  表層

  飲食チェーンはAI導入で配膳・受付・シフト管理を自動化しているのに、客単価は上がらず、むしろ「どの店も同じ」という均質化が進んでいる。
• ②
  構造

  店舗オペレーションの改善効果は、業界内で3〜5年以内に模倣・標準化される。省力化投資は競争優位ではなく参加資格に転落するため、投資した企業ほど差別化の残高を失う。
• ③
  根本

  人間は「効率よく栄養を摂る」ためではなく「誰かと同じ場に居合わせる」ために外食してきた。近代の外食は最初から劇場であり、厨房を囲む配置も、職人の所作も、演目として設計されていた。効率化はその舞台装置を「無駄」として先に削ってしまう。

定量データ（各1行）：

• 定量①転職入職者のうち賃金が1割以上増加した割合は25.8%（2017年）——人材が「条件」で流動する市場であることの裏付け（stat-fetcher取得・厚生労働省 雇用動向調査 statsDataId: 0003377361）
• 定量②入職率16.0%（2017年）——年間で在籍者の約6分の1が入れ替わる労働集約構造（stat-fetcher取得・厚生労働省 雇用動向調査 statsDataId: 0003377220）
• 仮置き③外食における「人的接客あり業態」と「省人化業態」の客単価差——（仮置き／検証先: 日本フードサービス協会 外食産業市場動向調査、および各社IR）

定性データ：

• 観察①東原正典氏が新店舗を訪れた際、以前は全席から見えた中央の調理場が、新設計ではブロック席によって遮られていた。設備投資が「見せる価値」を意図せず削っていた。
• 証言②東原弘典氏は前職の飲食チェーン向けシステム設計で「エンターテインメントを作るために、店舗の中」を設計対象としており、店舗設計の自由度こそがシステムの価値だと述べている。
• 記述③嘉数千夏氏はレストラン業界でのAIの影響を「ガストの猫ちゃんぐらい」「あれと回転寿司くらい」と表現した。導入は進んでいるが、体験価値の設計にはまだ手が入っていない空白地帯である。

飲食店の人的接客を「公演」として切り出し、時間帯・席種・演目単位で値付けする仕組みを設計する。予約システムに「公演枠」を実装し、板前の所作・仕込みの実演・生産者の紹介を演目化。省人化ゾーンと共存させ、同一店舗内で価格帯を二層化する。なぜ今か——省力化投資が業界全体に行き渡り差別化余地が消える前に、「人が出る時間」を先に商品として定義した店が、価格決定権を握るから。

• Customer: 40代後半、共働き。月2回の外食を「家族の記念」として使いたいが、配膳ロボットの店で子どもが誰とも話さず食べ終えたことに、言語化できない寂しさを覚えている。安さより「今日は特別だった」と言える理由を買いたいが、コース料金の高さを正当化する説明を店から受け取れていない。
• Competitor: 【直接】高価格帯の対面カウンター業態、シェフズテーブル、料理教室併設型レストラン。【間接】体験型商業施設、地域の食のイベント、そして最大の間接競合は「配達アプリ＋自宅」——外出しない選択そのもの。
• Company: 事業主体は嘉数千夏氏（営業推進部リーダー・レストラン業界）と東原弘典氏（店舗内システム設計の実務者）。嘉数氏が現場の顧客接点と営業推進の実行力を、東原弘典氏が店舗設計の自由度を確保するシステム知見を持ち込む。SHINE PIECEは伴走者として、①公演枠の価格設計とPMI的な業績管理（人件費を公演原価へ組み替える会計設計）、②富裕層人脈を通じた高単価枠の初期送客、を担う。

価値（3者視点）：

• 消費者: 外食に「今日は特別だった」と説明できる理由が戻る。
• 協業先（パートナー）: 予約システムベンダーは公演枠という新SKUを、生産者は登場機会という新販路を得る。
• 社会: 接客職が「削減対象の人件費」から「代替不能な出演者」へ再定義され、飲食業の離職構造に反転の余地が生まれる。

• A（数字フック）年523万トンの沈黙——ロス開示を始めた企業から選ばれ始める
• B（問いかけ形式）なぜ、どの上場企業も「いくら捨てたか」を言わないのですか？
• C（物語・象徴）秘匿されるフードロス、反転——隠す原価から、語る資産へ

フードロスは削減すべきコストではなく、開示すべき信用情報である。ロス量は経営の意思決定の質——発注精度、需要理解、仕入先との関係——がそのまま数字として現れる指標であり、隠すほど「意思決定を見せられない会社」という評価に転化する。ゆえに開示は自社の弱点公開ではなく、経営品質の証明になる。なぜなら、AIが企業情報を横断して答える時代には、開示していない項目こそが「答えられない企業」として不利に処理されるからだ。

• ①東原弘典氏「フードロス自体をあえて秘匿せず、オープンにしていくとか。」
• ②松原輝和氏「あの確かにフードロスで隠されがちだし、日本の中でさえも、本当フードロスの量って、とてもとてつもない額だし、そうですよね。」
• ③東原正典氏「というわけで、見た目あれですよね。その無駄で潤っている会社もありそうですね。」

• ①
  表層

  東原弘典氏の指摘によれば、上場企業でさえ「どの会社がどのくらいフードロスをしてて、赤字になっているか」を出していない。開示されないため、業界内の比較も改善競争も起きない。
• ②
  構造

  ロス削減の利得は自社の原価にしか返らず、開示のリスク（批判・取引先との軋轢）だけが先に立つ。ロスを前提に成立している上流の需要——東原正典氏の言う「無駄で潤っている会社」——が存在するため、開示は取引関係そのものを揺らす。
• ③
  根本

  日本の食のもてなし文化は「足りないより余る方が礼儀」を美徳としてきた。松原氏が言及したこの文化的規範がある限り、余剰は失敗ではなく配慮の証拠として処理され、そもそも測定対象にすらならない。

定量データ（各1行）：

• 仮置き①日本の食品ロス発生量は年間523万トン（事業系279万トン・家庭系244万トン、令和3年度）——（仮置き／検証先: 農林水産省 食品ロス量推計。Gemini検証はグラウンディング出典0件のため未確定）
• 定量②農林水産省の食品ロス量推計ページ（https://www.maff.go.jp/j/shokusan/recycle/syoku_loss/161227_4.html）——stat-fetcherがURL直接ソースとして取得。最新年度の数値は当該ページで要再取得
• 仮置き③食品関連上場企業のうち廃棄量を有価証券報告書またはサステナビリティ報告で定量開示している社数比率——（仮置き／検証先: 各社統合報告書、環境省 食品リサイクル法定期報告）

定性データ：

• 観察①東原弘典氏は「AIでシステム導入が進んでいったら」ロスの発生場所と時点が特定できるようになり、削減の流れは不可逆だと見ている。技術的な可視化は既に射程に入っている。
• 証言②東原弘典氏は自らが好意的に見る企業として「全勝さん」（はま寿司等を展開／原文ママ・企業名要確認）を挙げ、一次産業を自社で抱えてロスを減らす取り組みを「もっと伝わったらいいなと思ってるぐらい」と述べた。優れた実践が伝達されていないこと自体が課題であるという認識。
• 記述③東原弘典氏は「その時代だからこそ、どういう志で会社経営していくかとか、そういうところで共感を得るとか、それがファンになるとか、重要なブランディングになってくる」と、開示をブランディング投資として明確に位置づけた。

飲食・食品企業のフードロス量を、店舗単位・品目単位で計測し、あえて外部公開する開示フォーマットと運用支援を提供する。POS・発注データから廃棄を自動集計し、月次で顧客向けに開示。減少実績を店頭・Web・生成AIが読み取れる構造化データの3経路で発信する。なぜ今か——消費者が企業を生成AI経由で調べ始めた今、「開示していない項目」が沈黙ではなく不利として処理され始めるから。

• Customer: 【一次顧客】年商30〜200億円の中堅飲食・食品企業の経営企画部長。SDGs対応を求められているが、開示できる自社固有の数字がなく、他社と同じ抽象的な宣言文しか出せないことに苛立っている。【二次顧客】30代の子育て世帯の消費者。価格でも味でもなく「この会社は何をしているか」で選びたいが、判断材料がない。
• Competitor: 【直接】食品ロス削減アプリ（余剰在庫のマッチング）、廃棄計量ソリューションベンダー、ESG開示コンサルティング。【間接】沈黙という選択そのもの——開示しなくても罰されない現状。および、ロス削減より値上げで利益を確保する経営判断。
• Company: 事業主体は東原弘典氏（取締役・別会社）。前職での飲食チェーン向け店舗内システム設計と、フードロス・フィー経営への深い関心が直接のアセットとなる。東原正典氏は「無駄で潤っている会社」という上流構造への視点で、サプライチェーン側の抵抗を事前に織り込む役割。SHINE PIECEは伴走者として、①一次産業〜製造流通の現場知（松原氏の木材産業役員10年）を活かした上流側の説得ロジック設計、②地域金融機関・自治体との接続による開示企業の信用評価への反映、を担う。

価値（3者視点）：

• 消費者: 「なんとなく良さそう」ではなく、数字で企業を選べるようになる。
• 協業先（パートナー）: 生産者は自社の食材が最後まで使われた証跡を得る。POS／発注システムベンダーは既存データの新たな出口を得る。
• 社会: 開示が競争条件になれば、削減インセンティブが自社原価の外側（評判・調達条件）にも生まれ、業界全体のロス総量が下がる。

• A（数字フック）6382億ドル市場を歪める「実在しない需要」を、業界横断で検出する
• B（問いかけ形式）その発注書、本当に売る予定のある数量ですか？
• C（物語・象徴）港を埋め尽くしたベニヤ板——ウッドショックが半導体で繰り返される前に

供給不足は実需の増加ではなく、恐怖が生んだ二重発注の累積である。品薄局面では各社が確保のために実需を超える数量を発注し、その記録だけが生産地に伝わって過剰生産を引き起こし、需要が落ち着いた頃に在庫となって港を埋める。ゆえに解くべきは「増産」ではなく「発注記録から仮需を分離する」ことである。なぜなら、市場は需要そのものではなく、需要の記録を見て動いているからだ。

• ①宮崎雅之氏「変化が一番大きいのはAIなので、お願いします。」
• ②松原輝和氏「よからぬことを考える人は、じゃあ、買い占めしてやろう！みたいな。発注をかけると、じゃ、発注という記録だけ残るんだけど、実情以上の、こんなとんでもない発注量が、あれだけ輸入してきているんで、現地でインドネシアとか、マレーシアのシッパーと言われている生産工場に、日中だけ行っちゃうんですね。」
• ③東原弘典氏「役員に答えたら、99人がいいよね、っていうような路地から答えを出せるんだけど、そのそれで本当にいいんだっけ？」

• ①
  表層

  横山耕平氏の観察では、AIデータセンター需要でEMSの受託生産が増え、「半導体確保と適正在庫で明暗」が分かれ、同じ市況で天国と地獄に分かれる企業が出た。
• ②
  構造

  サプライチェーンの各段は、下流の発注記録しか観測できず、実需を観測できない。品薄時には各段が安全在庫を上乗せするため、上流に行くほど発注量が増幅される（ブルウィップ効果）。松原氏のベニヤ板の事例は、この増幅が実際に港の在庫滞留として現れた記録である。
• ③
  根本

  欠品の責任は個人に帰属し、過剰在庫の責任は組織に分散する。この非対称な責任構造がある限り、担当者にとって過剰発注は常に合理的な選択であり、個々の合理性の総和が全体の不合理を生む。

定量データ（各1行）：

• 発言採用①EMS業界の市場規模6382億ドル（話者発言より採用・横山耕平氏 05:13頃／Gemini検証は「2023年の世界EMS市場規模と一致」と回答したがグラウンディング出典0件のため要再確認）
• 定量②転職入職者の産業間移動構成比（2008〜2017年）——サプライチェーン各段の人材流動性の基礎データ（stat-fetcher取得・厚生労働省 雇用動向調査 statsDataId: 0003377360）
• 仮置き③品薄局面における業界別の発注量と実出荷量の乖離率——（仮置き／検証先: 経済産業省 生産動態統計調査、財務省 貿易統計）

定性データ：

• 観察①松原氏の証言では、ウッドショック時に生産地の工場は「あの絶対売れないだろうと思いつつも」発注量の通りに生産した。上流は仮需だと薄々分かっていても、記録に従う以外の判断基準を持たない。
• 証言②横山耕平氏は自身の株式投資を通じて「いろいろ情報があそうなんだぐらいで見てる人でさえ目に触れる」ほど半導体の需給が可視化されていると述べた。情報は溢れているが、仮需と実需の区別は誰も提供していない。
• 記述③東原弘典氏はAIによる予算配分の最適化について「見落としている人間の、かけるべき」ものが「見逃されちゃう」と指摘した。最適化は多数派の合理を出力するが、そこから漏れる例外を報告しない。

複数社の発注データと実出荷データを匿名で持ち寄り、品番単位で「発注／実需の乖離」を業界横断で算出し、仮需アラートとして各社に返す共同インテリジェンス基盤。加えて、AIが出した最適解から漏れた例外——切られた少数取引先、見落とされた地域——を必ず一覧で提示する例外監査レイヤーを標準搭載する。なぜ今か——AIデータセンター投資で半導体・EMSに同じ増幅が起きつつあり、次の在庫滞留が起きる前でなければ検証データが取れないから。

• Customer: EMSまたは資材商社の調達責任者。40代、品薄局面で確保に走った判断が翌年の在庫評価損として跳ね返り、社内で説明を求められた経験がある。「あの時の判断は正しかったのか」を検証する材料を今も持っていない。次の局面で同じ判断を迫られることを恐れている。
• Competitor: 【直接】需要予測SaaS（単一企業内のデータで完結するため業界横断の仮需は原理的に見えない）、業界団体の統計（粒度が粗く、遅い）。【間接】商社の情報力と経験則、および「みんなが増やしているから増やす」という横並び行動そのもの。
• Company: 事業主体は横山耕平氏（ゼネラルマネージャー・別会社／EMS業界）が中核。EMS・半導体サプライチェーンの当事者としてデータ提供企業の初期連合を組成できる立場にある。SHINE PIECEは伴走者として、①松原氏がウッドショック時の輸入実務で得た「仮需がどう記録に化けるか」の一次知見をアルゴリズム設計要件に翻訳、②M&A/PMI関係先および建設設備・木材業界のネットワークを使って業界をまたいだ検証データを確保（同じ現象が複数業界で起きることを示せれば参加インセンティブが跳ね上がる）、③データ共有に伴う競争法・秘密保持の枠組み設計を外部専門家と組成する。

価値（3者視点）：

• 消費者: 品薄と価格高騰の振れ幅が縮小し、最終価格が安定する。
• 協業先（パートナー）: 生産工場は仮需に基づく設備投資と過剰雇用を回避できる。金融機関は在庫評価損リスクを早期に把握できる。
• 社会: 過剰生産の抑制は資源とエネルギーの浪費を直接減らす。例外監査レイヤーは、最適化から漏れる中小取引先や地方拠点が「見落とされたまま消える」ことを防ぐ。