管理栄養士・栄養士

米国。統計局は、栄養士の雇用が2025年から2035年に8%増え、86,300人から93,000人になり、求人は年に約5,700件になると予測している。理由として、健康増進と予防医療における食と栄養の役割への関心の高まりを挙げている。このページは人工知能に触れていない。数えているのは一つの国の職である。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

日本。食品会社の発表で、給食会社五社との試験を経て、管理栄養士が設定した条件を満たす献立を自動で生成するAIサービスを2026年5月11日に発売したとするもの。一日一食から三食、最長数か月分に対応し、一般食のみで、介護施設、幼稚園、保育所向け、価格は一施設あたり月5,467円である。試験導入の協力先一社による70%という見込みを引いている。会社が自社製品を説明したものである。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

五つのAIモデル（ChatGPT-4o、Gemini 2.5 Pro、Claude 4.1、Bing Chat、Perplexity）が、標準化された思春期の四つの人物像について三日分の食事計画を60件生成し、それぞれを栄養士の基準計画と比べた横断研究。微量栄養素はモデルによって大きくばらつき、すべての栄養素にわたって栄養士に一貫して近かったモデルはなかった。著者たちは、AIに基づく食事の推奨は専門家の監督なしに使うのは適切でないと結論している。標準化された人物像であって、患者ではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

登録栄養士が回答していた公開のオンラインフォーラムから栄養に関する質問100問を取り出し、それぞれをChatGPT-4oの回答と組にして、出所を伏せられた免許を持つ栄養士八人が評価した横断研究。AIの回答は、質（5段階で4.48対2.56）、共感（4.62対3.21）、総合的な出来で高い点を得た。栄養士の回答はばらつきが大きかった。フォーラムの回答は栄養相談の面接ではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

日本。介護施設、企業、学校の給食を運営する一つの給食受託会社。同社によれば、実際の給食の献立でAI献立プランナーの試験に参加したこと、献立作成が少数の職員に集中していたこと、このツールは設定した条件を満たす献立を最長数か月分生成できること、管理栄養士が献立を確認すること、そして同社自身の見込みでは献立作成業務の約70%を削減できることを述べている。試験導入による事業者の見込みであって、測定された結果ではない。この事業者はベンダーの協力先だった。

実際の場での小規模な試行。導入の条件が試されていることを教えてくれるのであって、それが成り立つことを教えてくれるのではない——だから一件の試行は単独では決して足りず、独立した二件で足りる。

日本。健康増進法第21条第1項は、特別の栄養管理が必要なものとして都道府県知事が指定する特定給食施設の設置者に、その施設に管理栄養士を置くことを求めている。第21条第2項は、それ以外の特定給食施設には、栄養士または管理栄養士を置くよう努めることだけを求めている。どの技術も名指ししておらず、求めているのは役割を担う人であって、献立の立て方ではない。

規制、補助金、あるいは公共調達が、導入を求めているか資金を付けている——constraint の鏡である。導入が求められていることを示すのであって、起きたことを示すのではないので、一件の mandate は単独では決して足りず、独立した二件で足りる。

日本。GPT-4o、GPT-4o-mini、そして検索を組み合わせたGPT-4oを、2022〜2024年の国家試験から公開されている多肢選択問題599問で試した研究。すべてが60%の合格基準を超え、GPT-4o-RAGが83.5%で最も高く、応用栄養学と臨床栄養学でよりよい成績だったが、計算問題での成績は限られていた。著者たちは、数値の推論と個別の指導における限界にはさらなる開発が必要だと述べている。試験問題であって、患者ではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

台湾。栄養士497人への横断調査で、59.8%がChatGPTを使ったことがあり、主に事務の書類作成のためだった。若く、学歴が高く、病院に勤める栄養士ほど使う傾向があった。一つの場所での自己申告の使用であり、節約された時間や正確さは測っていない。

ある道具が実際の仕事のために大規模に使われていることが測定されており、しかも使うと決めたのが雇用主ではなく働き手である場合。capability の記録より重い——仕事が実演ではなく本物だからである——そして deployment の記録より軽い。どの雇用主もそれを本番に置いておらず、求めてもおらず、その周りに工程も作っていないからである。重みは `cautious` である——`automating` とは、機械がその業務をできることと、採用の兆しがあることの両方を意味し、これは採用の兆しである——しかし利用は試験的でありうるし、測定の多くは利害のある側から来るので、一件では決して足りず、独立した二件で足りる。誰が数えているかに注意すること。ベンダーの計測データはこれを直に見るが、その道具を売っているので、そうした記録は適用範囲にその利害を明記する。統計機関が企業に「働き手は業務でAIを使っているか」を尋ねる場合、同じ経路を何の利害もなく見ており、それが存在するならそちらが良い出典である。

イングランド。専門職団体のウェブサイトに載った、一つの病院チームの直接の報告である。糖尿病を専門とする栄養士三人は、AIスクライブによって記録と手紙にかける時間が減ったこと、90%の場合に記録と手紙は正確で適切であること、そして臨床家がなおすべての出力を確認しなければならないことを述べている。病状に応じた献立を、その地域の食品を使い、患者の言語で、AIに求めていることも述べている。方法を伴わない、一つのチームの印象である。

ある道具が実際の仕事のために大規模に使われていることが測定されており、しかも使うと決めたのが雇用主ではなく働き手である場合。capability の記録より重い——仕事が実演ではなく本物だからである——そして deployment の記録より軽い。どの雇用主もそれを本番に置いておらず、求めてもおらず、その周りに工程も作っていないからである。重みは `cautious` である——`automating` とは、機械がその業務をできることと、採用の兆しがあることの両方を意味し、これは採用の兆しである——しかし利用は試験的でありうるし、測定の多くは利害のある側から来るので、一件では決して足りず、独立した二件で足りる。誰が数えているかに注意すること。ベンダーの計測データはこれを直に見るが、その道具を売っているので、そうした記録は適用範囲にその利害を明記する。統計機関が企業に「働き手は業務でAIを使っているか」を尋ねる場合、同じ経路を何の利害もなく見ており、それが存在するならそちらが良い出典である。

GPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Proを、試験対策の問題集から取った米国の登録栄養士試験の問題1,050問で試した研究。GPT-4oはゼロショットのプロンプトで91.92%を得て、全体でも最も高かった。著者たちは、結果がプロンプトや問題の分野によって大きく変わったと指摘している。試験問題が試すのは知識であって、患者のケアではない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

栄養アプリの研究で、そのうち七つがAIによる食品画像認識を備えており、混ぜた料理を含む食品画像で試された。最も正確なものは食品の構成要素の97%（39のうち38）を、最も不正確なものは46%（39のうち18）を識別した。著者たちは、AIによる食品画像認識からの自動のエネルギー推定は不正確だとし、アプリを改善するには栄養士との協働が欠かせないと述べている。少数の画像による消費者向けアプリの研究である。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

これから始めるなら、献立、教育用の資料、記録の下書きはAIがすると考え、AIが間違えるところを身につけること——特定の患者のための数字、病状に応じた食事、そして人が何を食べるかを変える関係である。

献立の下書きと書類仕事は、とりわけ施設の給食で速くなると考えておくこと。医学的栄養療法と、AIが下書きしたすべての計画の確認は、あなたのもとにとどまる。

職の形を組み替える

献立を一から書くのではなく、AIが下書きした献立を確認する

研究はAIの献立が栄養素の点で外れることを示しており、献立ツールは栄養士がその出力を確認することを前提に販売されている。

留まって強くする

免許が必要な臨床栄養にとどまる

日本は指定された施設に管理栄養士を求めており、モデルは患者ごとの計算で最も弱い。

隣へ移る

栄養ソフトウェアを検証する仕事へ移る

食事記録アプリや献立プランナーは、食品データベースとエネルギー推定を確認する栄養士を必要としている。

証拠はそれを示していない。AIは試験の問題集に合格し、流暢な回答を書くが、その献立は栄養素の点で外れ、写真アプリはエネルギーを見誤る。施設の献立の下書きは日本で自動化されつつあるが、そこでは法律が指定された施設に管理栄養士を置くことをなお求めている。米国は栄養士の雇用が2025年から2035年に8%増えると予測している。

それに年数で答えることはしない。自分の勤め先が献立作成や記録作成のAIを買うかどうか、そして自分の免許の規則が何を栄養士に留保しているかを見ておくこと。そのほうが、どんな日付よりも多くを教えてくれる。

下書きはできる。だが研究は、AIの献立がエネルギーと栄養素の点で栄養士の献立から外れることを見出しており、著者たちは専門家の監督なしに使わないよう勧めている——とりわけ子どもや治療食の場合には。

食品を認識する点では、最もよいものは正確である。エネルギーを見積もる点では、ある研究が不正確だと結論した。七つのアプリで、認識できた食品の構成要素は97%から46%までの幅があった。