Ravintola-alalla on piilokustannus, joka ei koskaan näy erillisenä rivinä tuloslaskelmassa, mutta se kuluttaa enemmän voittoa kuin lähes mikään muu tekijä. Kutsun sitä nimellä arvailuvero.
Se on kustannus, joka syntyy, kun keittiömestari ottaa sulamaan kolmekymmentä ylimääräistä ribeye-pihviä, koska ”on aurinkoinen perjantai”, mutta äkillinen ukkoskuuro saakin kaikki jäämään kotiin. Se on kustannus siitä, että esimies vuorottaa tiistaille viisi tarjoilijaa kymmentä asiakasta varten – tai mikä pahempaa, vuorottaa vain kaksi tarjoilijaa, kun paikallinen teatteriryhmä pölähtää paikalle esityksen jälkeen.
Vuosien ajan olemme hyväksyneet tämän epävakauden alan luontaisena piirteenä. Viime vuonna työskentelin kuitenkin viiden toimipisteen itsenäisen ravintolaketjun kanssa, joka päätti, että arvailuveroa on maksettu tarpeeksi. Ottamalla käyttöön työkaluja, joita pidetään yleisesti parhaina ravintola-alan tekoälytyökaluina, he eivät ainoastaan hienosäätäneet katteitaan – he uudistivat perusteellisesti sen, miten heidän keittiönsä ja salinsa toimivat. Tulokset olivat hämmästyttäviä: 40 % vähemmän ruokahävikkiä ja 100 % enemmän viiden tähden arvosteluja kuuden kuukauden sisällä.
Arvailuveron anatomia
💡 Haluatko Pennyn analysoivan liiketoimintaasi? Hän kartoittaa, mitkä roolit tekoäly voi korvata, ja rakentaa vaiheittaisen suunnitelman. Aloita ilmainen kokeilu →
Ennen kuin tarkastelemme ratkaisua, meidän on ymmärrettävä, miksi ongelma on niin sitkeä. Useimmat ravintola-alan yritykset toimivat ”intuitiivisen ennustamisen” varassa. Esimies tarkastelee viime vuoden myyntiä, katsoo sääsovellusta ja tekee päätöksen mututuntumalla.
Inhimillinen intuitio on loistava kastikkeen maustamisessa, mutta se on surkea käsittelemään monimuuttuja-aineistoa. Ihminen ei pysty samanaikaisesti laskemaan, miten kello 15:00 alkanut vesisade, läheinen lukion valmistujaisjuhla ja paikallisten elintarvikkeiden hintojen 12 prosentin nousu vaikuttavat Caesar-salaattien kysyntään torstai-iltana. AI pystyy tähän.
Kun intuitio pettää, joudutaan vaihteluloukkuun. Tällöin toiminnallinen todellisuus vaihtelee niin rajusti, että henkilökunta on joko toimeton (mikä johtaa korkeisiin työvoimakustannuksiin) tai ylikuormittunut (mikä johtaa huonoon palveluun). Tämä ravintolaryhmä oli loukussa. Heidän ruokahävikkinsä oli noin 12 % kokonaisvarastosta, ja heidän arvostelunsa olivat vuoristorataa tyyliin ”Loistavaa ruokaa, mutta odotimme tunnin” ja ”Tyhjä ravintola, vaivaannuttava tunnelma”.
Esivalmistelun ongelman ratkaiseminen: Ennakoiva varastonhallinta
Muutoksen ensimmäinen pilari oli siirtyminen staattisista esivalmistelulistoista ennakoivaan esivalmisteluun.
Perinteiset esivalmistelulistat perustuvat vakiovarastomääriin (par levels) – vähimmäismääriin, joiden tulisi aina olla valmiina. Ongelma on siinä, että nämä tasot ovat staattisia, mutta kysyntä on dynaamista. Käyttämällä tekoälypohjaisia kysynnän ennustetyökaluja ketju alkoi luoda esivalmisteluvaatimuksia 48 tunnin näkymän perusteella. Nämä työkalut hyödyntävät historiallista myyntidataa, paikallisia tapahtumia ja tarkkoja säämalleja ennustaakseen tarkalleen, kuinka monta annosta kutakin ruokalistan tuotetta tullaan myymään.
Kaventamalla esivalmistellun ja tilatun ruoan välistä kuilua he saavuttivat 40 % vähennyksen hävikissä. Katso ruokahävikkisäästöjen oppaamme syventyäksesi näiden järjestelmien taustalla olevaan mekaniikkaan. Aluksi skeptiset kokit huomasivat pian, että tarkempi esivalmistelulista tarkoitti vähemmän turhaa työtä ja selkeämpää, tehokkaampaa työskentelyä keittiölinjalla.
Henkilöstöhaasteiden ratkaiseminen: Kysynnän ja työvoiman tasapaino
Toinen pilari oli puuttuminen ”väsyneen tarjoilijan” palautekierteeseen. Kun ravintolassa on liian vähän henkilökuntaa, palvelu hidastuu, virheet lisääntyvät ja arvostelut romuttuvat. Kun henkilökuntaa on liikaa, kate valuun hukkaan.
Automatisoitujen henkilöstöratkaisujen avulla ryhmä alkoi luoda työvuorolistoja, jotka vastasivat ennustettuja kysyntähuippuja. ”Vakiovuorojen” sijaan he siirtyivät joustavaan vuorosuunnitteluun.
Tämä johti 100 % lisäykseen positiivisissa arvosteluissa. Miksi? Koska ravintola ei koskaan yllättynyt. Joka kerta kun ruuhka alkoi, AI oli ennustanut sen kolme päivää aiemmin, ja paikalla oli juuri oikea määrä työntekijöitä. Henkilökunnan työtyytyväisyys parani, koska heidän ei tarvinnut juosta jalkoja altaan eikä toisaalta seisoskella kiillottamassa laseja neljää tuntia putkeen.
Parhaiden ravintola-alan tekoälytyökalujen tunnistaminen
Jos haluat toistaa nämä tulokset, sinun on ymmärrettävä, että ”parhaat” työkalut eivät ole niitä, joissa on eniten ominaisuuksia, vaan niitä, jotka integroituvat syvimmin nykyiseen kassa- (POS) ja varastonhallintajärjestelmääsi.
Arvioidessani parhaita ravintola-alan tekoälytyökaluja etsin kolmea erityistä kyvykkyyttä:
- Monilähteinen tiedonkeruu: Huomioiko työkalu muutakin kuin pelkän menneen myyntisi? Sen pitäisi hyödyntää paikallisia tapahtumakalentereita, säätietoja ja jopa alueellisia talousindikaattoreita.
- Yksityiskohtainen ennustaminen: Pystyykö se ennustamaan kysyntää 15 minuutin intervalleissa? Tämä on ratkaisevaa työvuorosuunnittelun kannalta.
- Toiminnalliset tulokset: Antaako se vain kaavion, vai kertooko se keittiömestarille tarkalleen, kuinka monta kiloa kanaa on tilattava?
Monille yrityksille matka alkaa laitteistosta ja infrastruktuurista. Et voi seurata sitä, mitä et mittaa, ja suurtalouskeittiön laitekustannusten ymmärtäminen suhteessa tuotokseen on elintärkeä ensimmäinen askel keittiön modernisoinnissa.
Keittiön 90/10-sääntö
Kuten usein sanon asiakkailleni, tekoälyn tavoite ravintola-alalla ei ole korvata ravintolan ”sielua”. Kutsun tätä ravintola-alan tekoälyn 90/10-säännöksi.
Tekoälyn tulisi hoitaa se 90 % liiketoiminnasta, joka on loogista, toistuvaa ja tietopohjaista – tilaukset, työvuorosuunnittelu, esivalmistelun ennustaminen ja perusasiakaskyselyt. Tämä vapauttaa tiimin keskittymään siihen 10 %:iin, jolla on todella merkitystä: vieraanvaraisuuteen.
Kun esimies ei ole kumartuneena taulukkolaskentaohjelman ääreen yrittäessään selvittää, miksi työvoimakustannukset ovat 35 %, hän on salissa keskustelemassa vieraiden kanssa ja varmistamassa, että tunnelma on täydellinen. Sieltä arvostelujen 100 % parannus todellisuudessa tulee. Tekoäly ei tarjonnut palvelua; se loi olosuhteet, joissa ihmiset voivat tarjota erinomaista palvelua.
Mistä aloittaa?
Jos maksat tällä hetkellä arvailuveroa, älä yritä automatisoida kaikkea kerralla.
- Auditoi hävikkisi: Seuraa yhden viikon ajan tarkalleen, mitä menee roskiin ja miksi.
- Yhdistä tietosi: Varmista, että kassajärjestelmäsi keskustelee varastonhallintajärjestelmäsi kanssa.
- Aloita yhdestä toiminnosta: Yleensä esivalmistelun ennustaminen tarjoaa nopeimman sijoitetun pääoman tuoton (ROI).
Koska yritykseni on itsekin tekoälylähtöinen, näen tämän kaavan jokaisella sektorilla: voittajia ovat ne, jotka lopettavat arvailun ja alkavat käyttää dataa, jonka he jo omistavat. Ravintola-alalla tämä siirtymä ei ole enää luksusta – se on selviytymisvaatimus. Teknologia on täällä, kustannukset ovat pienemmät kuin luulet, ja kate odottaa ottajaansa jäteastioissasi ja ylimehitytyissä työvuoroissasi.