作りたい料理は決まっているのに、指定された肉や野菜が手元にありません。代用品を使いたくても、加熱時間や調味料まで変えるべきか迷います。米ニューヨーク・タイムズが運営する料理サービス「NYT Cooking」は、こうした日常の困りごとに生成AIを組み込みました。狙いは料理を一から考案させることではなく、専門家が作ったレシピを、利用者の食材や調理器具に合わせて調整することです。

2026年10月23日に案内された新機能は、購読者向けのiOS限定ベータ版として提供されています。材料一覧の上にある入力欄から、食材の置き換えや食事上の要望を伝えられます。たとえばバナナブレッド用の型がないと伝えると、手持ちの型を確認したうえでレシピを調整します。単に代用品を挙げるだけでなく、実際に作る手順へ変更を反映する点が特徴です。



ただし、発表直後の反応は好意的なものばかりではありませんでした。告知ページには解約を示唆する声や、機能を無効にする方法を尋ねる声が集まり、4日間で寄せられた172件のコメントはほぼ批判的だったとWIREDは伝えています。その後、同ページのコメント受付は停止されました。

この反発を、AIへの好き嫌いだけで理解するのは難しいでしょう。NYT Cookingでは、料理記者やレシピ開発者の個性と、読者とのやり取りもサービスの魅力を支えています。利用者が信頼してきたのは、材料と手順のデータだけではありません。今回の機能を評価するうえで中心になるのは、AIの器用さ以上に、その信頼を保ちながら日々の不便を減らせるかという問いです。

NYT Cookingは、新機能に先立って、人数に合わせた分量調整や、米国で使われる単位からメートル法への換算にもAIを活用していました。今回の機能は、その対象を材料や器具、食事上の条件に広げています。ただし、何を頼んでも別の料理へ作り変える設計ではありません。レシピとしてのまとまりを保てなくなる場合には、別の候補へ案内します。

WIREDの試用では、料理家エリック・キムのコチュジャン入りバターヌードルをクッキーに変えるよう求めると、機能はその変更を進めず、同氏によるコチュジャンキャラメルクッキーを提案しました。NYT Cookingのゼネラルマネジャー、カミラ・ベラスケス氏は、料理の持ち味から外れてしまう場合に、変更を勧めないための設計へ力を入れたと説明しています。



提案にあたって大規模言語モデルが参照するのは、対象のレシピ、同社の食材代替ガイド、利用者コメント、そして同社が専門知識に基づくAIの判断と説明する情報の順です。開発時にはレシピ編集者が初期ルールの作成に関わり、最後の評価にも参加しました。ベラスケス氏は、AIを主役ではなく補助役と位置づけ、長く会話を続ける使い方を目指していないとしています。

企業向けサービスの観点では、これはAIが回答できる話題を増やすより、扱う仕事と判断の範囲を絞る設計として読めます。もっとも、編集者がルール作成と評価に参加したことは、利用者ごとに生成される変更案をすべて人が確認しているという意味ではありません。専門家の知識を土台にしていても、個々の出力には誤りが残り得ます。その限界を踏まえて使えるようにすることも、機能設計の一部でしょう。

WIREDの料理ライター、ジョー・レイ氏が試した例で、機能の長所と弱点が最もよく表れたのは、チキン・アンド・ダンプリングでした。鶏肉の煮込みに、小麦粉などの生地を落として加熱する米国の家庭料理です。同氏は、料理家アリソン・ローマンによる、6,000件以上の評価がある五つ星のレシピを選び、骨付き・皮付きの鶏もも肉を、骨と皮を除いた鶏むね肉へ変更するよう頼みました。

AIは材料名だけを差し替えたわけではありません。むね肉のほうが早く火が通るとして煮込み時間を短くし、皮付きもも肉ほど脂が出ないことを補うため、ルーにバターを追加しました。変更は調理手順の該当箇所へ組み込まれ、利用者が別の説明を見ながら手順を読み替える負担を減らしていました。



問題は、その後の工程にありました。加熱してほぐしたむね肉を鍋へ戻し、ソースを煮詰めて生地を加熱する間、さらに約30分煮るよう勧めたのです。レイ氏は食感が悪くなると予想し、一部だけを指示どおりに戻して、残りは取り分けました。追加で煮た肉は食べられないほどではなかったものの、取り分けた肉に比べてジューシーさが劣ったと報告しています。

この例から読み取れるのは、個々の修正が理にかなっていても、工程全体では整合しないことがあるという点です。最初の加熱時間を短くする判断と、後半で長く煮る手順が両立するかまで確認する必要がありました。手順へ自然に組み込まれた提案ほど、そのまま従いやすくなります。業務でも、文書の一部をAIに修正させる際には、変更箇所の正しさに加え、後続の条件や処理への影響を確かめる視点が必要だと考えられます。

ほかの試用では、材料の変更に応じて下ごしらえや投入順序まで調整できたことが、使いやすさにつながりました。料理家フランシス・ラムのロースト野菜入りグレインボウルでは、ブロッコリーをカリフラワーへ置き換え、デリカータという品種のカボチャを追加しています。グレインボウルは、穀物に野菜などを盛り合わせる料理です。AIは加えたカボチャを半月切りにするよう指示し、ほかの具材と加熱がそろうようにしたうえで、オリーブオイルの量も増やしました。

パスタとひよこ豆の煮込みでも、使う野菜を選ぶと、それぞれを適切な段階で入れるよう手順が書き換えられました。辛い豆腐入りピーナツ麺の例では、辛さを抑え、野菜と白身魚を追加し、麺をうどんへ変更しています。AIは魚を先に調理して取り出し、フライパンを拭いてから豆腐を調理する流れを提案しました。麺の加熱案内もうどんに合わせて変えていました。



ワッフルをイースト発酵の生地に変える試みでも、冷蔵庫で一晩置く工程が追加され、レイ氏は仕上がりを好意的に評価しています。ただし、これらは同氏が数日間に試した範囲での結果です。発酵キャベツにニンジン、ニンニク、ケールを追加した例は、執筆時点ではまだ完成していませんでした。香りから順調と感じたという観察を、完成後の品質確認と同じには扱えません。

企業のAI活用に引きつけて考えると、価値が生まれたのは提案の多さより、利用者が作業する場所へ変更が届いた点でしょう。材料一覧だけが更新され、手順が変わらなければ、整合性を取る仕事が利用者に残ります。関連する工程まで反映できると負担は減りますが、そのぶん変更が及ぶ範囲も広がります。使いやすさの評価と、工程全体の品質評価は、組み合わせて進める必要があります。

NYT Cookingは、AIによる変更を赤みのあるオレンジ色で示しています。レイ氏が試した鶏肉料理では、題名の変更部分にも色が付き、利用者がAIで作成した版であること、レシピの考案者による検証や承認を受けていないことが表示されました。変更前のレシピと、自分向けに調整した版を切り替えることもできます。見慣れたサービスの中にAI出力を置く際に、どこまでが検証済みの内容かを区別するための工夫です。

この区別は、料理サービスのブランドと直結しています。レシピ開発には試作と検証の手間がかかり、利用者はその仕事に対して対価を支払っています。AIで調整した版が同じ画面に並ぶと、同じ水準の検証を経たものだと受け取られる可能性があるでしょう。変更表示と注意書きは、その受け止め方のずれを小さくする役割を持ちます。



雇用や制作体制への懸念に対し、ベラスケス氏は、NYT Cookingはこれまで以上に採用しており、公開するレシピを減らす意図はないと説明しています。同サービスには編集者、ライター、映像記者など約60人が関わっています。ただし、これは同氏が示した現時点の方針として受け止めるべきで、将来の体制まで保証する情報ではありません。

読者の反発についても、機能の精度だけで答えが出るわけではなさそうです。レイ氏は、人とのつながりが失われることへの心配が背景にあるのではないかと見ています。ベラスケス氏は、希望する利用者がアプリ内でAI機能を非表示にできるようにすると説明しました。iOS限定のベータ提供は継続し、ほかのプラットフォームへの展開時期は明らかにしていません。利用を選べることは、異なる期待を持つ購読者に応えるための具体的な対応です。

NYT Cookingの事例が日本企業へ示すのは、生成AIの役割を「専門家に代わって新しい答えを出すこと」だけに求める必要はないという視点です。レイ氏の評価では、この機能の利点は、著名な料理家の設計を超える料理を作れることより、買い物を一度省いたり、家にある材料を使えたりすることにありました。すでに価値のあるコンテンツと、利用者ごとの事情の間を埋める使い方です。

業務へ応用する場合も、たとえば承認済みの説明資料を顧客の条件に合わせて調整するなど、元になる情報と変更条件を示しやすい作業が検討対象になるでしょう。これは今回の事例から導ける活用の考え方であり、NYT Cookingが企業向け機能として提供しているものではありません。自由に文書を生成させる場合に比べ、どの条件を保ち、どこを変えるのかを事前に整理しやすい点に意味があります。



評価では、文章の自然さだけを見ても不十分です。鶏むね肉の例なら、材料と最初の加熱時間の変更は妥当でも、後半の工程に問題が残りました。同様に業務文書でも、一か所の条件変更が別の説明や手順と矛盾しないかを確認する必要があります。変更箇所が分かる表示、変更前へ戻れる操作、人が確認する範囲を、試行の段階から一緒に考えるとよいでしょう。

また、食事上の要望に対応できるという説明だけから、アレルギー対応や医学的な食事管理まで保証されるとは判断できません。今回確認できるのは、食材や器具の置き換えを中心とする試用結果です。企業が導入を検討する際も、便利だった事例と、品質を保証できる範囲は分けて考える必要があります。最初の一歩として、社内で繰り返し発生する小さな調整作業を一つ選び、守るべき条件と、変更後に確認すべき箇所を書き出してみてください。AIに任せる仕事の輪郭が、具体的に見えてくるはずです。