カフェの店主さん、そのBGM、AI生成のプレイリストではありませんか?

先月、ソウルの聖水洞(ソンスドン)のカフェに二時間ほど座っていました。コンクリートの壁に照明のよく効いた店で、コーヒーは一杯7,000ウォン(約770円)。席を取って、ノートパソコンを開きました。

三十分ほど経ったあたりから、音楽が引っかかりはじめたんです。

最初は悪くなかったんですよ。ほどよいジャズ寄りのポップスが流れていて、音量も適切でした。ところが三曲、四曲と進むうちに、妙なことに気づきました。歌詞に出てくる単語がずっと同じなんです。コーヒー、雨、ジャズ、日曜日。声は曲ごとに変わるのに、言っていることは変わらない。そのうち、ある曲のサビで「虹について自分にできることは何もない」といった一節が流れてきました。

そんなことを諦めたように歌う人がいるでしょうか。Shazamを立ち上げました。

結果なし。

もう一度かけても同じでした。そこでわかったんです。つくられた曲じゃなくて、吐き出された曲なんだと。YouTubeに「カフェ 洋楽 4時間」みたいなタイトルで山ほど転がっている、生成ツールで量産されたあれです。

つくられるのは半分、聴かれるのは3%

感覚の話の前に、数字から見てみます。

ストリーミングサービスのDeezerは、毎日アップロードされる新曲を集計して公開しています。2026年7月時点で、一日のアップロードの半分以上がAI生成の音源です。一日あたり9万曲ほど。一年半前は一日1万曲でした。

同じ発表には、こんな数字も並んでいます。AI音源が実際の再生に占める割合は1〜3%。しかもそのうち85%は不正利用と判定され、分配から外されています。

半分がつくられているのに、聴く人はほとんどいない。これがいまカフェのスピーカーから流れているものの正体です。人が選んで聴く音楽ではなく、誰も選ばないから余っている音楽なんですね。

そして、こういう店が目に見えて増えました。個人経営のカフェだけじゃありません。セレクトショップ、ショッピングモールのフードコートまで、似たような音がします。

数日はもちます。問題はその先です

たいていのお客さんは、初回の来店ではこれに気づきません。私も気づきませんでした。

AIでつくった曲は、一曲だけ切り離して聴くとかなりそれらしいんです。ミックスはきれいだし、音質も悪くない。問題は、店の音楽が一曲で終わらないところにあります。四時間のプレイリストを一日中回して、お客さんはそのうち40分から二時間を聴く。常連なら週に二、三回聴くわけです。

その反復が正体を暴きます。英語圏のコミュニティで韓国のカフェのBGMが話題になるとき、反応はいつも似ています。最初は気づかなかったけれど、数日聴いているうちに、この歌手はずっと同じことしか言っていないと。コーヒー、雨、ジャズ、日曜日。私が三十分で覚えた違和感を、毎日来るお客さんは数日で確信に変えます。

バレるかバレないかの問題ではありません。いつバレるかの問題です。そしてその答えが早い。

耳にはまぶたがありません

目障りな看板は見なければ済みます。顔を背けるか、目を閉じればいい。音はそれができません。座っているあいだじゅう、耳の中に入ってきます。

ここで頼りになる概念がひとつあります。処理流暢性(processing fluency)です。ロルフ・レーバー(Rolf Reber)やノーバート・シュワルツ(Norbert Schwarz)らが整理したもので、要点は単純。人はある刺激を処理しやすいほど、それを良いものと評価するということです。そしてたいてい、自分がなぜ良いと感じたのかはわかっていません。処理が楽だったという感覚を、「これ、いいな」と読み違えるわけです。

音楽は、この流暢性がとりわけ大きく働く刺激です。聴いているあいだ、ずっと予測しているんですよ。奏者が拍を微妙に前後させるのを追いかけ、歌い手が息を継ぐ位置を先取りし、次の小節がどこへ向かうかを思い描く。予測が当たると処理の負荷が下がり、私たちはそれを心地よさとして感じます。

ここから先はあくまで私の仮説です。生成ツールでつくった曲は、この予測をたびたび外させます。フレーズが閉じきらないまま次へ移り、感情が上がるべきところを平らに通り過ぎ、子音が微妙につぶれる。歌詞は文法こそ合っているのに、何を言っているのかつかめない。虹を前に諦めていた、あの語り手のように。

予測が外れつづけると、負荷が下がりません。お客さんは「この曲、歌詞がおかしいな」とはっきり認識するわけではないんです。そのかわり20分、30分と経つうちに、なんだか息苦しくなる。集中できず、肩が凝り、理由もなく立ち上がりたくなる。

「なんだかここ、長く座っているのがしんどいな」

この一文が出た瞬間、その店はもうお客さんを失っています。お客さん本人も、なぜなのかわからないままに。

反論:ゆっくりした音楽ならむしろ好都合では

ここで、この記事にとっていちばん痛い反論が入ります。きちんと受け止めておきます。

店舗音楽研究の古典は、ロナルド・ミリマン(Ronald E. Milliman)が1986年に『Journal of Consumer Research』に発表したレストランの実験です。実際に営業中の店でBGMを変えながら客の行動を測定したところ、ゆっくりした音楽を流したときの滞在時間は、速い音楽のときより約25%長くなり、その分だけドリンクの注文が増えました。

ところが、ミリマンが操作した変数はテンポひとつです。音楽の良し悪しではありません。

そしてカフェに流れるAIプレイリストは何かというと。ジャズ風、ローファイ、静かなピアノのループ。ほぼ全部ゆっくりです。ミリマンの結論をそのまま当てはめれば、AIのローファイはむしろ客を長く座らせるはずなんですよ。

この反論は有効です。だから軸を分ける必要があります。

テンポは覚醒の水準を調節する装置です。速ければ体が急ぎ、遅ければ体がゆるむ。処理流暢性のほうは、その調節が働くための条件です。脳が音の予測に失敗しつづけている最中なら、テンポがどれだけ遅くてもリラックスにはつながりません。

ゆっくりした音楽が人をくつろがせるのではなく、予測できるゆっくりした音楽がくつろがせるのです。 ミリマンが流した曲は、当然ながら人がつくり、人が演奏した音楽でした。予測可能性はそもそも変数として入ってすらいません。統制したのではなく、当時は問題になりようのない条件だった、ということです。

いまはその条件が揺らいでいます。だからミリマンを反論の根拠に使うなら、問いをこう立て直す必要があります。遅ければいいのか、それとも遅くて、かつ予測できる必要があるのか。 私は後者だと見ています。ただし、まだ測定されたことのない問いですから、断定ではなく仮説として置いておきます。

どれだけ座るかが、どれだけ使うかを決めます

テンポの論争とは別に、ミリマンがはっきり示したことがひとつあります。滞在時間と支出がくっついているということ。 40年前にすでに実店舗で測定されていて、いまも揺らいでいません。

カフェはコーヒーだけを売る場所ではありませんよね。席と時間を売る場所です。お客さんが心地よく長く座っているときに、二度目の決済が起きます。

• 会話が長引いて、ショーケースからケーキをもう一切れ持ってくる
• パソコン作業が続くので、アメリカーノをもう一杯頼む
• 帰りぎわに豆やドリップバッグを手に取る

滞在時間が短くなると、この三つがまるごと消えます。お客さんはドリンクだけ飲んで帰る。

回転が速くなっていいじゃないか、と思われるかもしれません。それは行列のある店の話です。待ち客のいない店で回転が速くなるというのは、空席が早くできるという意味ですから。

いくら節約して、いくら賭けているのか

ここから先は仮定です。AI音楽が滞在時間を何分縮めるかを測定した研究はありません。ないものをあるふりをすれば、この記事も一緒に崩れます。だから損失を断定するかわりに、しきい値を計算してみます。 どれだけ少し失っただけで元が取れなくなるのか、を。

まず節約する側から。韓国の店舗音楽サービスの基準だと、コーヒー専門店の50〜99㎡は月23,000ウォン(約2,500円)ほど。ここに演奏権使用料が別途つきますが、これは思ったより少ないんです。同じ面積区分で月4,000ウォン(約440円)、50㎡未満なら支払い義務そのものがありません。合わせて月27,000ウォン(約3,000円)ほどですね。

では、しきい値はいくらでしょうか。

6,500ウォン(約715円)のデザートで換算すると、ひと月に四つです。一日に四つではなく、ひと月に四つ。二日にひとつ売れなくなれば月10万ウォン(約11,000円)が飛び、毎日ひとつなら19万5千ウォン(約21,000円)です。

常連で換算すると、しきい値はもっと下がります。週2回来ていたお客さん一組が足を止めれば、月5万ウォン(約5,500円)前後が消えます。一組です。節約額の二倍ですね。

確率がどれくらいかはわかりません。私にもわからないし、誰にもわかりません。ただ、しきい値がこの程度に低いなら、確率を知らなくても賭けそのものがおかしい。節約する側は月2万ウォン台に固定されているのに、失う側はお客さん一組から始まるわけですから。

真っ先にいなくなる客が、いちばん惜しい客です

ここに本当の問題が出てきます。この違和感を、誰が真っ先に気づくのか、です。

鈍いお客さんは最後まで気づきません。「ふつうの洋楽だな」で通り過ぎます。ただ、こういうお客さんはたいていアメリカーノ一杯で30分です。

敏感に気づくのは別の層です。週に二、三回来て三、四時間作業するフリーランス、打ち合わせ場所に毎回同じカフェを使う人、豆を買って帰るお客さん。店の売上を実際に支えている人たちですね。この人たちは音の環境に敏感です。それが仕事だったり好みだったり、少なくとも長く座っているからそうなります。

そしてこのお客さんたちは、何も言いません。レビューにも書かない。音楽が変だからといって星を減らす人がどこにいるでしょう。ただ来週から、二ブロック離れたカフェに座っているだけです。

これは音にだけ起きることではありません。少し前、サンフランシスコのあるカフェがメニューにAIでつくった料理写真を載せ、客の反発を受けて全部下ろしました。クロワッサンがレゴブロックみたいだ、という声まで出たそうです。

ただ、この二つを同じものとして束ねてはいけません。メニュー写真は商品の表示です。自分が買うものが写真と違えば、それは欺きであり、怒る根拠がはっきりしています。BGMはそうではありません。誰も音楽を買いに来るわけではないので。

持ち越せるのはひとつだけです。お客さんは、店が自分で用意したものと、適当に埋めたものを区別するということ。 写真は指で差して抗議もできますが、音楽はただ来なくなって終わる、という違いがあるだけですね。

5分あれば、いま何を流しているのかわかります

ここまでが診断です。ここからはできることを書きます。

ひとつめ、判別。 いま流しているプレイリストを三曲続けて聴いてみてください。次の四つのうち二つ以上に当てはまれば、ほぼ確実です。

• ShazamやSoundHoundで検索結果が出ない
• 曲ごとに声は違うのに、歌詞の題材が重なる(コーヒー、雨、季節、曜日)
• 歌詞は文法こそ合っているのに、何を言っているのかつかめない
• そのチャンネルに4時間の動画が数日おきに上がりつづけている

ふたつめ、代替。 選択肢は三つあり、性格が違います。

• 店舗音楽サービス — コーヒー専門店基準で月2万ウォン台。演奏権使用料を代納してくれたり、はじめから含めて売る商品もあります。いちばん単純で、著作権を気にする必要がありません
• 商用ライセンス音源ライブラリ — 自分で選びたいとき。手間はかかりますが、店の色が出ます
• 商用向けに編集されたAI音楽サービス — YouTubeから拾ってきたものとは別物です。選ぶ基準はカフェでAI音楽を使ってもいいプレイリストのほうで別に整理しました

みっつめ、運用。 一日をひと塊で流さないでください。午前の作業時間帯はボーカルなしの曲、午後の会話の時間帯はボーカルがあってもいいけれど歌詞が前に出ない曲、閉店一時間前はテンポを少し上げる、というふうに分けます。ファイル三つで足ります。

よっつめ、音量とスピーカーの位置。 スピーカーが席の真上についていると、どんな音楽を流してもお客さんは長く座っていられません。基準は簡単です。人の話し声に音楽がわずかに埋もれるくらい。音楽が会話に勝ったら、それはもう騒音です。

いま、スピーカーからは何が流れていますか

いいカフェは、扉を開けて入った瞬間から空気が違います。グラインダーの音とスチームの音のあいだに、音楽が自然に載っている。お客さんはそれを意識すらしないまま、くつろいでいます。音楽を褒めるために座っているのではなく、音楽のおかげで長く座ってしまうわけです。

逆にどこかがずれていると、お客さんは理由をつかめないまま居心地が悪くなる。そして理由をつかめないので、改善を求めることもありません。ただ来なくなります。

誤解されるといけないので付け加えると、AIでつくった音楽を店で使うのが一律に間違いだ、という話ではありません。問題は道具ではなく、誰も選ばなかったというところにあります。一日9万曲が流れ込むなかで、そのうちのどれかを四時間もらってきて流すこと。その選択が、お客さんに伝わる信号なんです。

私はあの日、聖水洞でコーヒーを半分残して出ました。コーヒーはおいしかったんですよ。それがちょっと惜しかった。