飲食店メニューをAIでデータ化する検証

結果1：標準的なカフェメニュー → 全項目正確

FOOD／DRINK／DESSERTの3カテゴリ、計8品の料理名と価格を、カテゴリ構造を保ったまま正確に読み取れました。

結果2：暗背景＋金文字の装飾ディナー → 条件も正確

黒い背景に金色の文字という装飾的なメニューでも崩れませんでした。コースの付帯条件（ランチコース1,800円＝「前菜・本日のメイン・デザート・ドリンク付」）、単品価格、さらに追加オプション（＋ドリンクバー400／＋デザート600）まで、正確に拾えています。

わかったこと

• カテゴリ構造を保って読める。どの料理がどの分類かを取り違えなかった。
• コースの付帯条件を拾える。「〜付」の内容まで料理名とセットで抽出した。
• 暗背景・金文字でも読める。装飾的な配色・書体に耐性があった。

2026年10月の再測定：2枚を4条件で読み取らせた結果

2枚のメニュー画像と正解表（docs/menu-ocr-answer-key.md）を先に用意し、答えを知らないAI（Claude Opus 5.5とHaiku 4.5。画像を開く以外のツールは使わせない）に、画像1枚ずつ別々に読ませました。依頼は「このメニューの内容をデータ化してください」だけの場合と、下のプロンプトを使う場合の2通りで、各条件1回です。架空のメニュー2枚で、ChatGPT・Gemini・Sonnetなどは試していません。

品名と価格の読み間違いは、4条件とも0件でした。条件で差が出たのは、メニューに書かれていないことの扱いです。ただ頼んだOpusは、ドリンクバーとデザートの追加を単品の側に入れました。画像からは対象が分からないのにデータの置き場所を単品と決めた点を、書き足しの1件に数えました（補足では「どの料理に付けられるかはメニューに書かれていません」とも添えています）。プロンプトで「対象不明」「表示なし」と書くよう指示した2条件は、推測の書き足しがありませんでした。

この表の読み間違い0件は、文字がはっきりした2枚での結果です。6月の検証の回答は原文を残していないため、10月の表と6月の結果を並べて比べてはいません。

人が確認する観点

• 価格の桁と数：料理の数と価格の数が合っているか。
• 追加オプションの対象：「＋ドリンクバー」などが、どの料理に付くとデータに書かれているか。メニューに無い限り、対象を決めていないか。
• 税込・税抜：メニューに表示が無いのに、どちらかと書いていないか。
• 写真や手書きのメニュー：今回は試していないので、元の画像と1行ずつ見比べる。

メニューや商品のメモを読み取ったあと、ECの商品説明文に書き起こす場面は商品説明文の書き方にあります。商品名・内容量・価格、原材料、特長のほか、メモに無い効能や実績の書き足しを確かめています。

添付したメニューの画像を、表にしてください。

列：カテゴリ／料理名／価格／内容・付帯条件（「〜付」など）／備考

ルール：
- カテゴリの見出し（FOOD、単品 など）の下にある料理は、そのカテゴリに入れる
- コースの内容や「ドリンク付」などの条件は、料理名とは分けて「内容・付帯条件」に書く
- 「＋ドリンクバー」のような追加オプションは別の行にし、どの料理に付けられるかがメニューから読み取れない場合は「対象不明」と書く
- 価格に税込・税抜の表示が無ければ「表示なし」と書き、推測しない
- 最後に、料理の数と価格の数が合っているかを確かめる

まとめ

どの料理がどの分類かを取り違えませんでした。コースの「〜付」の中身も、料理名とセットで拾えました。暗背景＋金文字の装飾フォントも読めました。ここまで読めれば、デリバリーサービスへの登録、多言語のメニュー作り、価格表の整理といった作業の下準備に使えます。崩れやすいのは写真に重なる白文字・手書き黒板・斜め撮影です。大量にデータ化するなら、価格の桁や通貨の妥当性チェックを併用するのが安全です。