食材価格高騰にAIで対策する飲食店の実務——昆布・かつお節の急騰から学ぶ仕入れリスク管理

公開日：2026年10月28日文：クリスタルメソッド編集部監修：河合継（代表取締役）

昆布・かつお節の価格急騰——現場が直面している実態

日本経済新聞の2025年12月の報道によれば、昆布・かつお節・煮干しなどのだし素材が高騰し、飲食店の仕入れコストを直撃している（日本経済新聞）。北海道新聞の報道では、利尻昆布の2025年夏の入札価格が前年比約2割高を記録しており、記録的不漁が背景にあると伝えている（www.hokkaido-np.co.jp）。山形県ではあご（トビウオ）も不漁で入手困難になっており、だし素材全般にわたる供給不安が広がっている状況だ。料理店・飲食店からは「非常事態」との声も上がっており、とりわけ和食業態や出汁を多用する店舗への打撃は大きい。

高騰の主因は不漁と生産基盤の弱体化であり、温暖化による海水温上昇の影響も指摘されている。これは単なる一時的な価格変動ではなく、構造的な供給制約を背景に持つ。「仕入れ値が上がったらメニュー価格を上げる」という事後対応だけでは乗り切りにくい局面に入りつつある。

食材価格高騰が中小飲食店の経営に生む4つの構造的課題

飲食店の原材料費率は売上の30〜35%程度が目安とされるが、だし素材のように調理の根幹を担う食材が上昇すると、単品コストの問題にとどまらない連鎖が起きる。現場で実際に生じやすい課題を整理する。

課題1：価格変動の察知の遅れ。多くの中小飲食店では、仕入れ価格の変動を月次や週次の発注時に初めて気づく。相場の先読みを行う仕組みがなく、手遅れになってからメニュー価格や仕入れ先を見直すことになる。

課題2：代替食材の探索コスト。昆布が高騰した場合、日高昆布・羅臼昆布・乾燥きのこ類など代替候補は複数存在するが、各素材の風味・使用量・原価を比較する作業は経験と時間を要する。担当者の属人的な判断に頼らざるを得ない状態が多い。

課題3：メニュー全体の原価再計算の手間。原材料が複数変動すると、使用している全メニューの原価率を再計算する必要がある。手作業でのレシピ原価管理は時間がかかり、変動に追いつかないことがある。

課題4：値上げ判断の遅延。原価上昇をメニュー価格に転嫁するタイミングは難しい判断だ。根拠となるデータがなければ「どこまで上がったら値上げすべきか」の意思決定が感覚頼りになる。

食材価格の急騰が利益圧縮に至る連鎖と、AIが介入できる2つのポイント。早期察知と代替案の迅速な提示が、対応の遅れによる損失拡大を抑える。

次に読む：物価高をAIで乗り越えるには？

物価高をAIで乗り越える：企業・自治体・個人の実践的対策2026

食材価格高騰への対策にAIを活用する3つの具体的手法

食材価格の高騰に対してAIが提供できる価値は、「早く見つける」「代替案を素早く出す」「影響範囲を自動で計算する」の3点に集約される。中小飲食店が実際に着手できる粒度で解説する。

1. 仕入れコストの予測と早期警戒：価格変動を先読みする

時系列予測モデル（ARIMAやLSTMなど）は、過去の食材相場データを学習し、今後の価格トレンドを推計する目的に広く使われている。農林水産省の食品原材料価格データや市場卸値の公開データを入力として使えることが多い。

実務的な使い方としては、スプレッドシートに過去1〜2年分の仕入れ単価を記録しておき、GoogleのVertex AI ForecastやMicrosoftのAzure Machine Learning Designerなど、コーディング不要のAIサービスに取り込む方法がある。価格が設定した閾値を超えた際にアラートを出す仕組みを構築できる。規模が小さい場合は、ChatGPTやGeminiなどの汎用LLMに過去の価格推移データを貼り付け、「トレンドと注意すべきタイミングを教えてほしい」と問い合わせる方法も現実的だ。

昆布や水産系素材の場合、水産庁や都道府県水産試験場が公開している漁獲量統計を組み合わせると、価格変動の先行指標として活用できる。相場が動く前に仕入れ量を確保したり、早めに仕入れ先と交渉する根拠として使える。

2. 代替食材の探索と比較：属人的な判断をデータで補う

汎用LLMに「利尻昆布の代替として同等のうま味（グルタミン酸）を持つ食材を教えてほしい。使用量・価格帯・入手先も示してほしい」と入力すると、日高昆布・羅臼昆布・乾燥きのこ類・チキンブロス系素材など複数の候補と特徴の比較を即座に得られる。候補の絞り込みの出発点として機能する。

ただし、LLMの回答はあくまで一般的な知識に基づくものだ。実際の風味や現場のメニューとの相性は必ず試作で確認する必要がある。AIが提示した候補を採用するかどうかの判断は、必ず人が行う。

より高度な活用として、RAG（検索拡張生成）の仕組みを使い、自店のレシピデータと食材情報を組み合わせて「このレシピに使っている昆布を代替した場合、風味プロファイルへの影響が少ない順に候補を出して」という問い合わせができるシステムを構築している飲食チェーンもある。中小店舗ではここまでの構築は現実的でないが、自店のレシピをExcelで管理しているなら、そのデータをLLMに渡して代替案を検討させるだけでも意思決定の精度を上げやすい。

3. メニュー原価の自動再計算：値上げ判断の根拠をつくる

原価管理ソフトウェアにAI機能が組み込まれるケースが増えている。メニューエンジニアリングの文脈では、各メニューの原価率・売上貢献・人気度をマトリクス分析するが、食材価格が変動するたびに手計算で更新するのは現実的でない。

実用上は、Googleスプレッドシートまたは ExcelのマクロやスクリプトでもAIなしに基本的な仕組みは作れる。各メニューのレシピをデータ化し、食材単価を変数として持たせておけば、単価を更新するだけで全メニューの原価率が自動再計算される状態になる。ここにAIを組み合わせると、「原価率が35%を超えたメニューを抽出し、値上げか代替食材への変更かを判断する優先順位を提案してほしい」という問い合わせが可能になる。

POSシステムと連携した分析ツール（freee、スマレジの分析連携など）では、売上・客単価・原価率を統合的に監視し、異常値を検知した際に通知する機能を持つものがある。食材価格の変動が原価率に与える影響をリアルタイムで把握できる状態をつくることが、対応速度に直結する。

AI活用が特に有効な飲食店の場面と限界

以下の業態・場面では、上記のAI活用が実際の意思決定を後押ししやすい。

場面・業態	AI活用のポイント	主に使えるツール・手法
和食・割烹・だし文化を主軸とする店舗	昆布・かつお節の代替食材探索と風味比較	汎用LLM（ChatGPT、Gemini等）への問い合わせ
複数メニューを持つ定食・ランチ主体の店	全メニューの原価率一括再計算・値上げ優先順位付け	スプレッドシート＋LLM分析、原価管理ソフト
複数店舗を持つ中規模チェーン	仕入れ価格の統合管理と予測アラート	クラウド型原価管理・AI予測サービス
仕入れ先が複数ある店舗	複数サプライヤーの価格比較・最適仕入れ先の提案	発注管理ツール＋スプレッドシート自動化
食材コストの季節変動が大きい店舗（鍋・海鮮系）	季節ごとの価格トレンド予測・メニュー構成の事前調整	時系列予測モデル・汎用LLM

汎用LLMを活用する際の初期ハードルは低い。月額数千円の有料プランで使えるChatGPTやGeminiに、自店の仕入れデータと状況を文章で説明するだけで、専門家に相談するのと同等の分析の出発点が得られる。ツール選定に迷う段階では、まず汎用LLMへの問い合わせから始めるのが現実的だ。

ただし、いくつかの限界は押さえておく必要がある。

予測は確率であり保証ではない。AIによる価格予測は過去データに基づく推計であり、記録的不漁のような突発的な供給ショックを事前に高精度で当てることは難しい。2025年の利尻昆布の記録的不漁のような事象は、海洋環境の変化が重なって生じており、予測モデルが学習してきたパターンから外れることがある。

データ品質が結果を左右する。入力する仕入れデータが不正確・不完全であれば、AIの分析結果も信頼できない。AIの分析の前提として、自店の仕入れデータを記録・整備する習慣そのものが不可欠だ。

最終判断は人が行う。代替食材への切り替えは、風味・品質・常連客の嗜好・仕入れ先との関係など、データだけでは測れない要素を含む。AIの提案はあくまで選択肢の整理であり、採用判断は必ず人が担う。

初期コストと習熟コストが生じる。クラウド型の予測サービスや原価管理ソフトには月額費用が発生する。ツールを安定して業務で使えるようになるまでの習熟コストも見込む必要がある。

不漁・供給制約そのものはAIで解決できない。昆布の不漁は海洋環境の変化という構造的な問題を背景に持つ。AIはリスクを可視化し対応の判断を助けるが、供給量を増やしたり漁獲量を回復させることはできない。AIによる最適化は「あるリソースをいかに賢く使うか」であり、リソースの不足そのものへの解決策ではない。

明日から始められる実務的な一歩

理想的な仕組みを一度に構築しようとすると着手の障壁が高くなる。段階的に取り組むための具体的な手順を示す。

Step 1（今週中）：仕入れ価格の記録を始める。スプレッドシートに「日付・食材名・仕入れ先・単位・価格」の5列を作り、毎回の発注時に記録する。この習慣が後のAI分析の基盤になる。昆布・かつお節など変動が大きい素材は必ず対象に入れる。

Step 2（今月中）：汎用LLMで代替食材の候補リストを作る。ChatGPTまたはGeminiに「利尻昆布が高騰したとき、和食のだしで代替できる食材を教えてほしい。グルタミン酸含量・価格帯・入手先の観点で比較してほしい」と入力し、候補のリストを叩き台にして自店のメニューに合う素材を検討する。

Step 3（3か月以内）：スプレッドシートでメニュー原価を変数管理する。主力メニュー5〜10品のレシピをスプレッドシートでデータ化し、食材単価を参照セルで管理する。食材価格を更新するだけで原価率が自動再計算される状態にする。これが整うと、値上げ判断の議論がデータに基づいて行えるようになる。

食材価格高騰への対策においてAIが担う役割は、現場の負担を大きく増やさずに意思決定の質を上げることにある。昆布やかつお節の高騰は飲食店にとって直接的な打撃だが、対応の速さと精度で同じ状況でも結果に差が生まれやすい。そのための情報基盤をAIで整えることが、今できる現実的な一歩となる。