대부분의 호스피탈리티 매니저들에게 일요일 오후는 휴식을 위한 시간이 아닙니다. 바로 '스케줄링의 춤'을 추는 시간이죠. 한 손에는 스프레드시트를 들고, 다른 한 손에는 직감을 의지한 채 다음 주 목요일에 몇 명의 서버가 필요할지 추측하려 애씁니다. 인력을 너무 적게 배치하면 구글 리뷰 점수가 깎이고 팀은 번아웃됩니다. 반대로 너무 많이 배치하면, 이미 깨끗한 잔을 닦으며 서 있는 세 명의 직원과 함께 수익률이 증발하는 것을 지켜보게 됩니다.
저는 독립 레스토랑 그룹과 호텔 체인의 장부를 면밀히 분석하며 많은 시간을 보냈습니다. 거기서 반복되는 패턴을 발견했는데, 저는 이를 **정서적 안전 마진(The Emotional Safety Margin)**이라고 부릅니다. 이는 매니저들이 인력이 부족할까 봐 두려워 스케줄에 추가하는 15~20%의 추가 인건비를 의미합니다. 데이터가 없으면 급여로 보험을 드는 셈입니다.
최근 저는 추측을 멈추기로 결심한 한 중견 호스피탈리티 그룹과 협력했습니다. 날씨 패턴, 지역 콘서트 일정, 심지어 대중교통 지연 상황까지 외부 데이터를 스케줄링에 통합함으로써, 단 한 명의 해고나 업무 강도 강화 없이 인건비를 30% 절감했습니다. 그들은 단순히 '혹시 모를 상황'에 대한 지불을 중단했을 뿐입니다. 이를 위해 그들은 호스피탈리티를 위한 최고의 AI 도구를 파악하고, 사후 대응 중심에서 예측 중심의 사고방식으로 전환해야 했습니다.
문제: 왜 당신의 근무표는 거짓말을 하는가
💡 Penny가 귀하의 비즈니스를 분석해 주기를 원하시나요? 그녀는 AI가 대체할 수 있는 역할을 파악하고 단계별 계획을 수립합니다. 무료 평가판 시작하기 →
전통적인 호스피탈리티 스케줄링은 '작년 대비 증감' 방식에 의존합니다. 작년 이맘때의 실적을 보고 약간 조정하는 식이죠. 하지만 작년 화요일에는 비가 오지 않았고, 세 블록 떨어진 곳에서 2만 명 규모의 Harry Styles 콘서트가 열리지도 않았습니다.
매니저들이 정적인 도구를 사용하면 **사후 대응적 스케줄링의 함정(The Reactive Roster Trap)**에 빠지게 됩니다. 이는 당일의 실제 수요와 무관하게 과거 평균을 기준으로 인력 수준이 설정되는 현상입니다. 그 결과는 '교대 근무 비대화(Shift Bloat)'로 나타나며, 자본이 보이지 않게 서서히 빠져나가게 됩니다. 대부분의 소유주는 이를 '사업 비용'으로 받아들이지만, 식재료비가 상승하고 마진이 줄어드는 시대에 이는 사실상 돈을 잃기로 선택하는 것과 다름없습니다.
통찰: 인간의 직관을 넘어서는 데이터 합성
저는 종종 고객들에게 인간 매니저는 호스피탈리티에는 탁월하지만 다변수 계산에는 취약하다고 말합니다. 완벽한 근무표를 작성하려면 적어도 다음과 같은 다섯 가지 변동성이 큰 외부 요인을 고려해야 합니다:
- 하이퍼 로컬 날씨: 기온이 2도만 떨어져도 손님들은 야외 테라스에서 실내 라운지로 이동하며, 필요한 서버 대 테이블 비율이 즉시 바뀝니다.
- 이벤트 오버레이: 지역 경기장 일정, 공연, 심지어 학교 방학은 과거 데이터가 종종 놓치는 '수요 급증'을 만들어냅니다.
- 교통 물류: 매장 근처의 주요 지하철 노선이나 도로가 유지 보수를 위해 폐쇄되면 '예상' 유동 인구는 25% 감소합니다.
- 직원 정서 및 피로도: AI는 매출만 보지 않습니다. 누가 3회 연속 더블 시프트를 근무했는지, 그래서 서비스가 느려지거나 병가를 낼 가능성이 높은지까지 분석합니다.
- 경쟁사 활동: 길 건너 펍에서 대대적인 프로모션을 진행 중인가요? 이는 여러분의 워크인(walk-in) 비율에 영향을 미칩니다.
제가 협력한 그룹은 아무리 경험이 많은 사람이라도 일요일 오후 4시에 6개 매장의 이러한 변수들을 종합할 수 없다는 것을 깨달았습니다. 그들은 이를 가능하게 할 시스템이 필요했습니다. 이러한 역학 관계가 특정 분야에서 어떻게 작용하는지 자세히 보려면 호스피탈리티 인력 절감 가이드를 확인하세요.
변화: 예측형 인력 배치로의 전환
우선 기존 기술 스택을 점검하는 것부터 시작했습니다. 그들은 기본적인 업무는 수행하지만 예측 기능은 전혀 없는 표준 급여 서비스를 사용하고 있었습니다. (참고로, 기본적인 행정 처리에 과도한 비용을 지불하고 있다면, AI에 더 효율적으로 투자할 수 있는 방법을 찾기 위해 급여 서비스 비용 분석 자료를 확인해 보시기 바랍니다.)
교대 근무 비대화를 해결하기 위해 우리는 3단계 예측 스케줄링 루프를 구현했습니다:
1단계: 데이터 입력
스케줄링 소프트웨어에 단순히 '과거 매출'만 입력하는 대신, 지역 날씨와 Eventbrite/Ticketmaster 일정 API를 연결했습니다. 이를 통해 10일 전까지 92%의 정확도를 자랑하는 '수요 예측'이 가능해졌습니다.
2단계: 호스피탈리티를 위한 최고의 AI 도구 통합
우리는 그들을 7shifts 및 Planday와 같은 플랫폼으로 전환시켰지만, 한 가지 장치를 더했습니다. '수요 예측' 데이터를 가져와 권장 근무표 초안을 자동으로 작성하는 AI 미들웨어 계층을 사용한 것입니다. 이로써 매니저의 역할은 근무표를 '작성'하는 것에서 '검토'하는 것으로 바뀌었습니다.
3단계: 실시간 유연성 확보
AI가 갑작스러운 변화(예: 갑작스러운 폭풍이나 교통 파업)를 감지하면, 근무 시작 3시간 전에 매니저에게 알림을 보내 한 명을 제외하거나 다른 사람에게 일찍 출근하도록 요청할 것을 제안합니다. 이것이 30% 절감과 5% 절감의 차이를 만듭니다.
실행 중인 90/10 법칙
이러한 변화는 90/10 법칙의 완벽한 예입니다. AI가 반복적인 데이터 합성(예측 및 초기 초안 작성)의 90%를 처리하고, 매니저는 마지막 10%인 인간적인 결정을 내립니다.
어떤 직원이 가족 일로 특정 오후에 쉬어야 하나요? AI는 감정적인 맥락을 항상 알 수는 없지만, 그 편의를 봐주는 데 인력 배치 측면에서 얼마의 비용이 드는지 매니저에게 정확히 알려줄 수 있습니다. AI가 '무엇(what)'을 처리하면 인간은 '누구(who)'에게 집중할 수 있습니다. 이러한 접근 방식은 예측 타이밍이 모든 것을 결정하는 식음료 물류와 같은 다른 분야에서 확인된 효율성 증대 사례와 유사합니다.
결과: 수치는 거짓말을 하지 않습니다
6개월 후, 이 호스피탈리티 그룹의 결과는 극명했습니다:
- 총 인건비: 그룹 전체에서 30% 감소.
- 직원 유지율: 오히려 증가. 직원들은 인력이 부족해 업무에 치이지 않고, 매니저의 과잉 스케줄링으로 인해 조기 퇴근(급여 손실)을 당하지 않게 되어 스트레스가 줄었다고 보고했습니다.
- 매니저 업무 시간: 주당 6시간의 스케줄링 업무가 45분간의 검토 업무로 단축되었습니다.
Penny의 관점: '불확실성 세금' 지불을 중단하세요
인건비가 매출의 30%를 상회한다면, 여러분은 단순히 직원에게 급여를 주는 것이 아니라 **불확실성 세금(Uncertainty Tax)**을 내고 있는 것입니다. 다음 주 화요일에 무슨 일이 일어날지 모르기 때문에 그 대가를 지불하고 있는 셈이죠.
호스피탈리티 산업에서의 예측형 AI는 레스토랑의 '영혼'을 대체하는 것이 아닙니다. 스프레드시트 오류 때문에 그 영혼이 파산하지 않도록 지켜주는 것입니다. 호스피탈리티를 위한 최고의 AI 도구는 배경으로 사라져 단순히 적절한 시간에 적절한 인원을 배치해 주는 도구입니다.
시작하는 방법
'교대 근무 비대화'의 무게를 느끼고 있다면 다음 단계부터 시작해 보세요:
- '안전 마진' 점검: 지난 4주간의 근무표를 살펴보세요. 직원을 조기 퇴근시킨 적이 몇 번인가요? 직원이 할 일 없이 서 있었던 적은 몇 번인가요? 그것이 바로 여러분의 절감 목표입니다.
- 하나의 외부 변수 통합: 첫날부터 전체 AI 제품군이 필요한 것은 아닙니다. 다음 근무표를 '게시'하기 전에 날씨와 지역 이벤트를 확인하는 것부터 시작해 보세요.
- 기술 스택 평가: 현재 사용 중인 스케줄링 소프트웨어가 API 통합이나 AI 지원 예측 기능을 제공하지 않는다면, 월 구독료보다 더 큰 기회비용을 발생시키고 있는 것입니다.
효율성은 더 열심히 일하는 것이 아니라, 문을 열기도 전에 해야 할 일이 얼마나 되는지 정확히 아는 것입니다. 데이터는 이미 존재합니다. 여러분은 그것을 활용하고 계신가요?