# 課題定義

## 日本の飲食体験が抱える3つの構造的問題

---

### 問題1：情報過多による「選択疲労」の深刻化

#### 現状

食べログには全国130万件以上の飲食店データが登録されており、東京・渋谷エリアだけで約15,000件が検索可能です。しかしユーザーが実際に訪問できるレストランは人生を通じても数千件に過ぎません。

情報の非対称性がユーザーを圧倒し、「何を食べるか決められない」という現象が顕在化しています。

| ユーザー行動 | 調査結果 |
|------------|---------|
| 外食前のアプリ検索平均時間 | 18.3分/回 |
| 「結局いつものお店」を選ぶ比率 | 61% |
| 検索結果に満足できずにあきらめる比率 | 34% |
| 複数人でのお店選び平均所要時間 | 32分/回 |

**問題の核心：** 既存のグルメサービスはすべて「ユーザーが検索する」受動的モデル。AIが「先読みして提案する」能動的モデルが存在しない。

---

### 問題2：飲食業界の深刻な人手不足とDX格差

#### 日本の飲食業における人手不足の実態

日本では少子高齢化による労働人口減少が急速に進行しており、飲食業界は特に深刻な打撃を受けています。

**労働力不足の現状（2025年データ）：**

| 指標 | 数値 |
|------|------|
| 飲食業界の有効求人倍率 | 3.8倍（全業種平均1.2倍の3倍超） |
| 人手不足を「深刻」と答えた飲食店比率 | 78% |
| 閉店理由のうち「人手不足」が原因の割合 | 23% |
| 飲食店の年間廃業数（2025年） | 約4.2万件 |

**DX人材不足の問題：**

飲食業界のDX推進を妨げる最大の障壁は「DX推進人材の不在」です。経済産業省の試算では、2030年に日本全体で約79万人のDX人材が不足するとされており、中小飲食店にとってITエンジニアの採用はほぼ不可能な状況です。

| 課題 | 実態 |
|------|------|
| SNSマーケティング担当者が不在 | 飲食店の67% |
| 予約システム管理に週5時間以上費やしている | 飲食店の44% |
| デジタル広告を活用できていない | 飲食店の72% |
| ホームページ更新が月1回未満 | 飲食店の58% |

**FoodSenseが解決できること：** AIエージェントを「飲食店のデジタルスタッフ」として提供することで、DX人材ゼロの飲食店でも高度なデジタルマーケティングが可能になります。

---

### 問題3：既存グルメサービスの個人化の限界

#### 食べログ・Rettyが解決できていない問題

**食べログの課題：**
- 評価が「大衆の平均値」であり、個人の嗜好と乖離する
- 口コミ操作・やらせ問題が信頼性を毀損（2019年以降、アルゴリズム非公開化）
- 飲食店への課金構造が情報の中立性を歪める
- ユーザーの過去訪問履歴を推薦に活用できていない

**Rettyの課題：**
- 「実名制口コミ」はリアルな友人ネットワークが薄いユーザーには機能しない
- 能動的な推薦機能がなく、ユーザーが検索しなければ情報が届かない
- シーン・気分・体調に応じたダイナミックな推薦が不可能

**共通の本質的課題：**

```
現在のグルメサービス = 図書館モデル
  → ユーザーが自分で本棚から探す必要がある

FoodSense = 司書AIモデル
  → AIが「今のあなたに必要な情報」を先読みして届ける
```

---

### 課題の定量的インパクト

日本において「食べる場所探し」に費やされる社会的コスト（時間・機会損失）を試算すると：

- 国内のグルメアプリMAU：約4,200万人
- 1回あたりの検索時間：平均18.3分
- 月間検索回数：平均8.4回
- **年間の社会的損失時間：約51億時間**（時給1,000円換算で約5.1兆円相当）

この「検索コスト」を AIエージェントによって 90% 削減することがFoodSenseの根本的な社会的価値です。

---

### まとめ：解くべき課題の優先順位

| 優先度 | 課題 | 対象者 | インパクト |
|--------|------|--------|-----------|
| ★★★ | 個人化された推薦の欠如 | 消費者（B2C） | 利用頻度・継続率に直結 |
| ★★★ | 飲食店のDX・人材不足 | 飲食店（B2B） | 月次収益・LTVに直結 |
| ★★ | グループ意思決定の非効率 | 複数人ユーザー | バイラル拡散に寄与 |
| ★★ | 情報の信頼性・中立性 | 全ユーザー | ブランド信頼に関わる |