「銀のさら」 ai 盛り付けアプリ「 mibae 」が変えた教育と現場力

「怒らない経営」が支える教育文化の土台

コロナ禍の中で宅配すしは急速に市場を拡大した。しかしその一方で深刻な人手不足や人材不足に悩まされ、人材育成が重要な課題となっている。

宅配すしチェーン「銀のさら」を傘下に持つライドオンエクスプレスホールディングスは 1998 年に「銀のさら」の前身、宅配すし「寿司衛門」を岐阜市にオープンその後、 2000 年には業態名を「銀のさら」に変更、全国展開した。現在店舗数は全国に 367 店舗 （うち直営店は 101 店舗） を展開しているが、急拡大したことにより、店舗間の指導者格差、人材格差が大きな課題となっていた。

ランドオンエクスプレスの情報システム部プリンシパル兼エグゼクティブマネージャーの竹山覚氏は次のように語る。

「私たちはお寿司の業態なので、少しでもおいしい状態でお客様にお届けしようと創業以来切磋琢磨してきました。しかし店舗数なども増えていく中で、従業員にどう教育していくのか、大きな課題として浮上してきました。店舗数が増え一人の人が採点するのではなく、複数の人が採点するようになると、採点する側の見方によって評価がぶれてしまう。それが結果として店舗間でのクオリティーの差となって出てしまいます。これをなんとか均一化していきたいと思っていたわけです」

全国均一な評価基準とは何か。それをどうナショナルチェーンで展開していくのか。まさに試行錯誤の連続だったという。

「当時はまだ Ai なんてほとんど知られていませんでしたから、どうしていいのかわからなかった。 2003 年ぐらいから匠甲子園と称して全国のお店の人たちにお寿司をつくってもらって、その写真を送ってもらい、事前に本部で予選会のようなことをやって、そこから選ばれた人たちで全国大会をやっています。楽しく競い合ってもらいたいという思いです」 （竹山氏 竹山氏 竹山氏

楽しさにこだわっているのは代表の経営哲学に基づいている。

「私たちの代表の江見郎は『怒らない経営』を経営哲学に掲げております。ビジネスは多くの企業と競争しなければならない。そのためには感覚でやるのではなく、ロジカルに戦っていかなければ勝てない。怒りという一時の感情をぶつけても何も変わらない。何がいけないのかを指摘してあげる。怒られるよりも良いところをほめ、いけないところがあるのであれば、ロジカルに指摘してあげた方が効率もいいという発想をもっているわけです。どうすれば伸びてくれるのか、ということを考えるであれば、単に指摘するのではなく、遊びの要素も取り入れて楽しんで理解してもらいたいというところからこうした取り組みを進めているのです」 （竹山氏 竹山氏

こうした発想をもとに動き出したのが教育チームだ。もともと研修チームとして、主に加盟企業や新入社員にお寿司の技術を教えることからスタート。店舗のマニュアル作りなども手掛けていた。

当初は社員 3 人、外部の講師 3 人でスタートしたが、現在は直営担当６人、フランチャイズ担当 5 の計 11 人程度。こうした教育チームに加えシステム開発部が参加し、このチームが 2017 年ごろからスマホを使って全国均一に指導できるよう教育システムの構築に動き出したが、そこから 7 ～ 8 年近くかけて開発がすすめられていったという。しかしこの間さまざまな試行錯誤があったという。

「最初は ai を使ってというよりも、スマホのカメラの機能やゲーム機能などを使って楽しく学ぶことはできないかという発想でこのプロジェクトを進めていましたが、その後すぐ ai を導入してはどうかという話になりました」 （同 同 同

その後コロナなどの影響で一時とん挫したこともあったが 2021 年ごろから再び開発は日の目を見ることになる。

「スマホカメラを使う際に ai に画像解析をやらせてみたらどうだろうという話が出てきました。そこで ai による画像解析ができる企業を探し出し、発注しました」 （同 同 同

3 000枚の寿司写真と «反復学習» が育てた ai 「mibae」

発注を受けたのはスマホアプリの開発や ai の画像処理に知見のある It ベンチャーのアットマークカフェ。画像解析にはディープラーニング （Deep Learning） を活用した。ディープラーニングは、人間の脳の神経回路を模した「人工ニューラルネットワーク」を使って、データから自動的に特徴やパターンを学習する ai 技術だ。簡単に言うと、「大量のデータから自分で ‘コツ” をつかむ」ような仕組みで、従来の機械学習が「特徴を人間が設計する」のに対して、ディープラーニングではその特徴自体もモデルが自動で見つけ出す。 画像認識 （猫と犬の画像を見分ける） 、音声認識 （人の話し声を文字に変換） 、自然言語処理 ： ： 翻訳、要約、文章生成などで活用している。

ライドオンエクスプレスはディープラーニングをするために、お寿司の一貫一貫のアウトラインを学習させるために、お寿司の単品の写真と寿司桶に盛り込んだ寿司の写真を読み込ませた。

「この会社はもともと電柱などを写真にとって、電柱が傾いているかどうか、を検証するために画像のディープラーニングを使っていたのですが、私どもが言っているような視点に基づいて採点していくシステムの開発については経験がありませんした。彼らは電柱の角度や折れていないかという知見から、お寿司のアウトラインを見て、お寿司の横のライン、お寿司が並べられている角度、埋められた円の中で隙間がないか、といったことについてはひとつひとつはできると感じていたようですが、それを全部組み合わせて採点できるのか、それがきれいにできるようになり、人間が採点したものと違和感がないものに到達するにはいったいどのくらいの時間がかかるのか、検討もつきませんでした」 （同 同

画像認識に使うためのデータとして何枚の写真が必要なのか。100 枚なのか 1000 枚なのか、 1 万枚なのか、チューニングには相当苦労したという。

「その都度、写真の追加やパラメーターを調整しながらトライ＆エラーを繰り返しました。人間と違和感のない採点ができるようになるまで２年から 3 年かかりました」 （同 同

使用した写真は 3000 枚程度。それぞれ正解の写真には正解 （ラベル） をもとにして、 Ai がデータからパターンやルールを自動的に掘り起こしていく。いわば、教師 （正解） ありの ありの ありの ありの 反復練習 反復練習 反復練習 を通じて、未知のデータに対しても高精度に判断できるようになるのがディープラーニングの特徴だ。

まず教育担当者が見て 100 点の寿司桶を作り、そのあと 80 点の寿司桶を作る。その後 50 点、 30 点、 20 点と寿司桶のクオリティーを下げて、何がよくないのかを「 Mibae 」に学ばせる。

«写真の撮り方» が評価を左右する盲点に

システムが完成しても問題は続く。

「こうした評価というのは人の感覚もある。人間というのは、疑り深いものですから ai が自分の思い通りに近いことをやってくれないと、安心しない。現場の人たちが安心して使ってくれないと大切なお客様のことをお前には預けられないという発想になってしまう。使ってもらえなければ結局宝の持ち腐れになってしまうわけです。作ることより使ってもらうことの方がハードルが高いので、トライ＆エラーを繰り返し、我々がやっていた採点と ai の採点がほぼほぼ近くなったところで、リリースしました」 （同 同 同

寿司を盛り込んだ寿司桶をスマホで撮影し、その写真をアプリに送ればすぐにサーバーが解析して、いつでも採点し、全国での順位を教えてくれる。

使い勝手のよさというのも大きな課題だったという。

「寿司桶の写真の撮り方というのがあって、われわれは開発の段階では明るいところで撮ってみようとか、大きくとってみようとか気にして撮影していたのです。さらに寿司桶には天地があり、マニュアルに沿った天地として写真を撮るように設計しているのですが、寿司桶の天地を必ずしもすべてのスタッフが知っているとは限らないわけですよ。最初の直営店にデータ版を提供したときには、天地をさかさまにとってみたり、斜めからとってみたり、暗いところで撮ってみたり、小さくとってみたりと人それぞれ。写真一つとるにしても人によって感覚が違う。それで点数が低くなってしまうこともあるんです。そこまで気を使うことができなかったので、その次からは、アウトラインで円を出して、『この中いっぱいになるようにしてくれ』とか、真ん中に中心線を引いて『なるべくここを中心にしてくれ』『明るいところで撮ってくれ』『どういう形でとってくれ』といった指示を増やしてったのが最後の大きな詰めの仕事でした」 （同 同

最初のころはみんなに使ってもらえるように普及にも力を入れた。各直営店で、写真を撮って「 Mibae 」の採点が一番高い店舗に商品を贈るキャンペーンなどを実施。ゲーム感覚で楽しみながら社内で普及させていく方策を展開した。

今後の課題は「多様な盛り付け」への対応

リリースしたのが 2023 年５月。すでに全店舗の 3 割にあたる直営店全店、それに fc の 10 ～２０％で使われているという。

「点数がわかりますから、そのアベレージを見ていくと、店舗のレベルがどう向上したのか見ることができると思います。また新しい従業員やクルーも『今日はうまくできたから写真をとってみよう』というふうになり、社員の士気の向上につながっています」 （同 同

実は顧客サイドにもいろいろな影響がでているという。

「インターネット経由で注文されるお客様になるんですが、注文後 1 時間後にネットで回答できるアンケートが届くのです。その中の調査によると、 fc よりも直営店の方が高くなり始めています。その実績をもとに、フランチャイズさんにも少しずつ使っていただこうとアピールしています」 （同 同

今後は FC にどれだけ広げていくかが大きな課題だという。また、現在評価の対象のなっているのは寿司を斜めに、左上から右下へ流れるように並べる「流し盛」の「相模」だけ。流し盛は寿司の盛りつけの基本といわれ、銀のさらの寿司の 3 割を占める主力商品。流し盛は一見シンプルだが、雑な仕事が目立ちやすいため、職人の技術と美意識が問われる奥深い盛り方といわれる。しかしそれ以外にも桶や丸皿の中心から放射状に寿司を配置する「放射盛」の「雅」、上半分が「放射盛」で下が「流し盛」の「扇」などなどさまざまな盛り付けがある。

「今写真にとれるのは『流し盛』と呼ばれる横に並んだもっともスタンダードなものだけなんですね。横のライン、角度、どう埋まっているのか、といって点が採点地なものですから、放射盛など円形や形のかわったものについては、まだその評価の方法が確認されていないんです。今後は標準的な寿司桶以外のものも評価できるようにすることが課題となっています」 （同 同

Ai に詳しいアローサル・テクノロジー社長の佐藤拓哉氏は次のように語る。

「寿司樽への詰め方というのはまさに寿司職人の技術そのものです。言い方を変えればベテランの寿司職人から若い職人に技術を伝承するということです。こうした技術伝承というのは定性的な側面があります。単純に定量化してシステムに組み込み、伝承するということが簡単にはできません。こうした定性的な情報を生成 ai を使ってどう伝承していくのか。このとき定性的な問題をどうやってデータ化していくのか、というのが大きな課題になります。そしてもうひとつは ai が読みやすいデータをいかにして提供していくのか、ということです。大量のデータがあっても、 ai が読めないようなデータでは結局意味をなさないからです。そうした配慮をどうしていくのか、というのが今後の技術伝承の大きな課題になるのではないかと思います」