Iga restoraniomanik teab reedeõhtust „tööjõukriisi“. See on see täpne hetk kella 19:45 paiku, kui köök on kolme tellimusega maas, saalipersonal on nähtavalt ületöötanud ja te tabate end mõttelt, kas oleksite pidanud palkama veel kaks abilist – isegi kui te ei saa seda palgakulu endale lubada. Kuid ma olen veetnud piisavalt aega numbreid analüüsides, et teada: probleem ei ole inimeste puuduses, vaid ettenägelikkuse puuduses. Kui otsime parimaid AI-tööriistu külalislahkuse sektori jaoks, ei otsi me lihtsalt läikivaid vidinaid; me otsime viisi, kuidas lõpetada reageeriv juhtimine ja alustada prognoosivat juhtimist.
Eelmisel aastal töötasin ühe keskmise suurusega bistroogrupiga, mis upus tööjõukuludesse, tundes end samal ajal alamehitatuna. Nad olid lõksus selles, mida ma nimetan reaktiivse graafiku lõksuks (The Reactive Rota Trap) – harjumus määrata igaks juhuks liiga palju töötajaid, sest nende prognoosid põhinesid pigem kõhutundel kui andmetel. Rakendades tehisintellektil põhinevaid operatiivtööriistu, õnnestus neil suurendada külastajate arvu 30% võrra ilma ühtegi täiendavat töötajat palkamata. Siin on kirjeldus, kuidas nad seda tegid ja kuidas praegune AI-maastik defineerib ümber, mida tähendab säästliku ja tulu teeniva köögi juhtimine.
Reaktiivse graafiku lõks: miks rohkem inimesi teid ei päästa
💡 Kas soovite, et Penny teie ettevõtet analüüsiks? Ta kaardistab, millised rollid AI võib asendada, ja koostab etapiviisilise plaani. Alustage tasuta prooviperioodi →
Traditsiooniline vastus kiirele teenindusajale on inimeste lisamine töögraafikusse. Kuid 2024. aasta järgses majanduses on see kaotatud mäng. Arvestades tõusvat miinimumpalka ja tõelist kvalifitseeritud talentide puudust külalislahkuse sektoris, on strateegia „lisa rohkem inimesi“ kiireim viis oma marginaalide hävitamiseks.
Kui räägime parimatest AI-tööriistadest külalislahkuse sektori jaoks, räägime tegelikult kahe konkreetse probleemi lahendamisest: ennetav ettevalmistus (Predictive Prep) ja dünaamiline graafikute koostamine (Dynamic Scheduling).
Enamik restorane töötab 90/10 reegli alusel: 90% nende operatiivsest stressist tuleneb 10%-st teenindustundidest. Kui suudate kasutada AI-d selle 10% kriisi lahendamiseks, hoolitseb ülejäänud nädal iseenda eest. Näete, kuidas need tõhususe nihked kanduvad otse kasumisse meie külalislahkuse säästujuhendit lugedes.
Case Study: 30% külastajate arvu kasv
Mainitud bistroogrupp teenindas kahes asukohas reede õhtul umbes 400 külastajat. Nad tundsid, et on saavutanud oma suutlikkuse piiri. Külalised ootasid jooke liiga kaua ja laudade teenindusaeg (turn-time) seisis paigal 95 minuti juures.
Me ei ostnud uusi ahjusid ega laiendanud saali. Me alustasime andmetest.
1. samm: Nõudluse ennetav prognoosimine
AI ei vaata ainult seda, mida te tegite eelmisel reedel. See vaatab ilma, kohalikke sündmusi staadionitel, liiklusmustreid ja ajaloolisi broneerimistrende. Kasutades selliseid tööriistu nagu Tenzo või Venga, mõistis bistroo, et nende „tipphetk“ ei olnudki kell 19:00 – see oli rida mikro-tippe, mis olid tingitud kohalike teatrietenduste lõpust.
Tuvastades need mikro-tipud, ei vajanud nad rohkem personal; nad vajasid, et nende personal teeks eri aegadel erinevaid asju. See on prognoosimisele tuginev köögimudel (Forecasting-First Kitchen). Kui AI ennustas päikeselise õhtu ja kohaliku festivali tõttu 15% suurust nõudluse kasvu, tegi köök ettevalmistusi teisiti.
2. samm: AI-põhine töögraafikute haldamine
Kui teil on prognoos, vajate sellele vastavat töögraafikut. Traditsiooniline graafikutarkvara on lihtsalt digitaalne kalender. AI-põhine graafikuhaldus, nagu 7shifts või Planday, kasutab masinõpet, et soovitada optimaalset töötajate arvu igaks 15-minutiliseks ajavahemikuks.
Süsteem märkas, et ajavahemikus 15:00–17:00 oli neil üks töötaja liiga palju, kuid vahemikus 18:30–20:00 oli kaks töötajat puudu. Neid tunde ümber tõstes – mitte lisades – muutis restoran teeninduse sujuvamaks. Stressitase langes ja kuna personal ei olnud pidevalt „ummikus“, suutsid nad laudu vabastada keskmiselt 12 minutit kiiremini. See 12-minutiline sääst ongi koht, kust tuli see täiendav 30% külastajaid.
Lisaks graafikule: „nähtamatu“ sääst
Kuigi tööjõud on suurim kuluartikkel, pole see ainus, mida AI puudutada saab. Me räägime sageli füüsilistest varadest – toitlustusseadmete maksumus on niigi kõrge –, seega on nende marginaalide kaitsmine laovarude AI kaudu kriitilise tähtsusega.
Värskuse delta (The Freshness Delta) on kontseptsioon, mida kasutan kirjeldamaks lõhet selle vahel, mida te tellite ja mida te tegelikult müüte. AI-tööriistad nagu Afresh või Winnow jälgivad raiskamismustreid. Meie näidisjuhtumi puhul märkas AI, et köök valmistas nädalavahetuseks ette liiga palju garniiri ja teatud valke. Tihendades ettevalmistusnimekirja AI prognoosi põhjal, vähendas bistroo toidujäätmeid 18%.
See ei tähenda ainult mõne kilo tomatite säästmist. See tähendab nende tomatite ettevalmistamiseks kuluvat tööjõudu. Kui teie meeskond kulutab 4 tundi nädalas toidu ettevalmistamisele, mis lõpuks prügikasti rändab, siis need on 4 tundi, mida ei kulutata külaliste kogemuse parandamisele või koristamisele.
Parimad AI-tööriistad külalislahkuse sektori jaoks: kust alustada
Kui soovite neid võite korrata, ei vaja te Silicon Valley eelarvet. Te vajate etapiviisilist lähenemist.
1. Andmekiht („Aju“)
Lõpetage Exceli kasutamine müügiaruannete jaoks. Te vajate tööriista, mis integreerib teie kassa (POS) tööjõu ja laoseisuga.
- Soovitatav: Tenzo või Lightspeed Insights. Need tööriistad koondavad teie andmed ja annavad teile ühe kindla tõeallika.
2. Graafikukiht („Pulss“)
Liikuge platvormile, mis pakub müügiprognoosidel põhinevat automaatset graafikute koostamist.
- Soovitatav: 7shifts või Planday. Eesmärk on vähendada juhtide aega graafikutele 4 tunnilt nädalas 15 minutile. Kui teete seda ikka veel manuaalselt, maksate tohutut „administreerimismaksu“ – vaadake meie AI ja manuaalsete palgaarvestusteenuste võrdlust, et näha, kuidas need kulud kuhjuvad.
3. Külaliskiht („Nägu“)
AI-põhised reserveerimissüsteemid nagu SevenRooms või OpenTable (oma uuemate AI-funktsioonidega) suudavad ennustada mitteilmumisi jahmatava täpsusega. See võimaldab teil suure tõenäosusega mitteilmumiste õhtutel kohti veidi üle broneerida, tagades, et teie kohad on alati täis.
Radikaalne ausus: mida AI ei suuda (veel)
Ma olen esimene, kes ütleb teile, et AI ei küpseta täiuslikku medium-rare steiki ega tegele pahase kliendiga, kes leidis oma supist juuksekarva. Külalislahkus on ja jääb alati inimkeskseks äriks.
Kuid ettevõtted, kes praegu võidavad, on need, kes kasutavad AI-d arvutusliku raske töö tegemiseks. Inimesed on kehvad arvutama, kuidas 30%-line vihmavõimalus mõjutab Pinot Grigio müüki. AI on selles hiilgav.
Kui annate „mõtlemisülesanded“ üle AI-le, vabastate oma inimesed tegema „tundmisülesandeid“. See ongi 30%-lise külastatavuse kasvu saladus. Asi pole selles, et AI töötas rohkem; asi on selles, et AI võimaldas teie personalil töötada paremini.
Kokkuvõte: Säästliku külalislahkuse teekaart
Kui tunnete reedeõhtust pinget, ärge vaadake töökuulutuste portaale. Vaadake oma andmeid.
- Auditeerige oma praegust prognoosimist. Kui tihti jääte tegeliku müügiga 5% piiresse? Kui vastus on „harva“, vajate prognoosivat tööriista.
- Vaadake oma „surnud tsoone“. Tuvastage tunnid, mil personal seisab tegevuseta, ja tunnid, mil nad upuvad töösse. AI-graafikud täidavad selle lünga.
- Mõõtke laua teenindusaega. Laua teenindusaja vähendamine 10 minuti võrra on sageli väärt rohkem kui £5 suurune kasv keskmises kulutuses.
See üleminekuaken on sulgumas. Teie konkurendid on juba alustanud nende tööriistade kasutamist, et vähendada püsikulusid ja pakkuda konkurentsivõimelisemat hinda. Küsimus ei ole selles, kas AI kuulub kööki – küsimus on selles, kas teie olete see, kes seda kasutab, või see, keda teised selle abil võidavad.