フィンテック中国
← ステッカーウォール
AGENT · DETAIL
AI献立クラウドプラットフォーム：フリーランス栄養士とミールキット工場を繋ぎ、月収2万元
ワークフロー：ユーザーが退院サマリー、カルテ、または栄養士の処方箋をアップロードすると、AIが禁忌症、栄養ニーズ、カロリー要件などの重要項目を自動的に抽出し、ミールキット工場の既存の食材データベースと組み合わせて1週間分の実行可能な献立を作成します。同時
AGENT
主要項目
FIELD STAMPS業界フィンテック
地域中国
規模中小企業
チャネルオンライン
🔧 ワークフロー
ユーザーが退院サマリー、カルテ、または栄養士の処方箋をアップロードすると、AIが禁忌症、栄養ニーズ、カロリー要件などの重要項目を自動的に抽出し、ミールキット工場の既存の食材データベースと組み合わせて1週間分の実行可能な献立を作成します。同時に、食材の仕入れや加工のための標準的な配合表に分解し、システムがミールキット工場へ自動的に発注を行います。工場での調理完了後、配送手配と突合・決済が自動的にトリガーされ、同時にユーザーに食事フィードバックの入り口がプッシュ通知されます。栄養士は毎日10%の献立をランダムチェックしてコンプライアンス監査を完了させるだけで済みます。
🛠 構築のハードル
技術面では、大モデルのAPIを呼び出してカルテの構造化解析と献立生成を行い、n8nまたはWeChatミニプログラムのクラウド開発を組み合わせて注文の流れる仕組み、発注、突合プロセスを構築します。自社工場やセントラルキッチンを自営する必要はありません。スタートアップチームは1人で運営でき、2〜3週間で最小限の閉じたループ（MVP）を回すことが可能です。ノーコードの基礎知識があれば、TRAEコミュニティの同様のオープンソースプロジェクトを参考に素早くプロトタイプを構築できます。
🧰 ツールチェーン
- 🔧 DeepSeek API
- 🔧 n8n
- 🔧 微信小程序云開発
- 🔧 飛書多次元テーブル
💰 収入
現在の市場における単一ユーザーの術後リハビリ食の単価は約30〜50元/日です。10箇所のコミュニティ病院の栄養科と提携し、1日平均300注文を受注した場合、1注文あたりのマッチング手数料1元で月9000元が得られます。さらに10箇所の栄養士事務所のSaaSサブスクリプション費用（500元/家/月）の合計5000元を合わせると、月収は約1.4万元となります。地域代理店モデルに拡大すれば、月収3万元を突破可能です。
💸 コスト
DeepSeekインターフェース呼び出しコストは約300元/月（1日平均500件のカルテを処理）、WeChatミニプログラムクラウド開発の基本プランが99元/月、企業向けWeChatのSMS通知が約100元/月であり、固定費の合計は約500元/月となり、その他の重厚長大な資産投資はありません。
⏱ 時間投入
1日あたり2〜3時間。主に献立のランダム監査、突合処理、栄養士およびミールキット工場との例外的な注文の対応に費やされます。
🚀 初心者ガイド
第一歩として、まず地元の3社以上のミールキット工場の資格、生産能力、既存のメニューデータベースを整理し、代行発送の協力協定を結んで工場出荷価格を入手します。第二歩として、地元の2箇所のコミュニティ病院の栄養科または認定栄養士と提携し、収益分配率を取り決めます。第三歩として、ミニプログラムのテンプレートを使用して、受注、献立表示、決済プロセスを構築し、10件の実際の注文を完了させてからAI生成ロジックを最適化し、徐々に周辺都市へと拡大します。
🔑 成功のカギ
- ✅ コンプライアンス監査：AI献立は必ず栄養科のルールデータベースと認定栄養士による手動の最終審査を通過させ、栄養成分の基準未達による健康リスクを防止する
- ✅ 履行管理：ミールキット工場の生産能力や配送期限の評価メカニズムを確立し、食事の味や温度が要件を満たしていることを確保する
- ✅ リピート運営：退院後2週間目と4週間目に、栄養再検査のリマインダーと専用クーポンを自動プッシュし、単発の注文を長期的なサブスクリプションに転換する
- ✅ データクローズド・ループ：患者の食事後の血糖値、体重、満足度などのフィードバックデータを収集し、AI献立モデルを反復改良して配膳の精度を向上させる
⚠️ 风险
- ⚠️ 食品安全性と医療責任のリスク：術後患者の健康に関わるため、献立に栄養上の誤りがあったり食事が変質したりした場合、医療責任を負う必要があり、関連する責任保険に加入しなければならない
- ⚠️ 規制上のコンプライアンスリスク：医療食の営業資格や栄養指導スタッフの配置要件は地域によって異なるため、事前に食品経営許可を取得し、行政処分を回避する必要がある
- ⚠️ ハルシネーション（技術的幻覚）のリスク：大モデルが生成した献立に禁忌症のマッチングミスや栄養成分の計算の偏りが発生した場合に備え、複数の検証メカニズムを構築してエラー率を低下させる必要がある
📌 実例
- 📌 上海市楊浦区が2026年3月に開始した退院患者向けAI栄養マネジメントプロジェクトは、政府の裏付けにより導入され、管轄内の三甲病院（最高ランクの病院）を退院した患者がQRコードをスキャンすることで個別化されたリハビリ食プランを取得できるもので、現在すでに2万人以上の退院患者をカバーしている
- 📌 深セン市が2025年11月に発表した「智膳飯方」プロジェクトは、生活習慣病や術後患者向けに一人ひとりに合わせた献立をカスタマイズし、地元の20社のコンプライアンスを満たしたミールキット企業と連携して配送を完了させ、累計で1万2千人以上の患者にサービスを提供した
- 📌 京东健康が2026年1月に発表したAI臨床营养ソリューションは、AIとサプライチェーンのモデルにより、栄養評価、献立生成から食事配送までの全プロセスをシームレスにつなぎ、すでに全国200以上の医療機関と提携し、月間10万人以上の患者にサービスを提供している