Vairums sarunu par AI ieviešanu mazajā biznesā, ko aizvada uzņēmumu īpašnieki, parasti grozās ap mārketinga tekstiem vai klientu apkalpošanas čatbotiem. Lai gan šie rīki ir noderīgi, tie bieži vien ir tikai perifēri attiecībā pret fiziska biznesa pamatproblēmu: nežēlīgo realitāti virtuves aizkulisēs jeb 'Back of House'. Viesmīlības nozarē peļņa netiek gūta pie galdiņa; tā tiek nosargāta atkritumu tvertnē un pie termostata.
Nesen es strādāju ar piecu restorānu grupu, kas saskārās ar klasisko viesmīlības nozares spiedienu: pieaugošām sastāvdaļu izmaksām, astronomiskiem enerģijas rēķiniem un darba tirgu, kurā 'pārmērīga sagatavju gatavošana' bija kļuvusi par bīstamu drošības spilvenu. Nomainot fokusu no cilvēka intuīcijas uz prognozējošo AI, viņi ne tikai ietaupīja nedaudz naudas — viņi panāca 25% maržas pieaugumu.
Šeit ir aprakstīts, kā mēs to paveicām un kāpēc gūtās atziņas ir attiecināmas uz gandrīz jebkuru biznesu, kas strādā ar fiziskiem krājumiem un pieskaitāmajām izmaksām.
Spoku marža: kāpēc intuīcija pieviļ peļņas un zaudējumu aprēķinu
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Ikviens restorāna īpašnieks tic, ka pārzina savu biznesu. Viņi zina, ka otrdienu vakari ir klusi, bet piektdienas vakari ir 'zelta raktuves'. Taču pastāv milzīga plaisa starp 'sajūtu līmeņa zināšanām' un 'precīzu gramu prognozēšanu'. Es to saucu par Spoku maržu — tie ir 3% līdz 7% no potenciālās peļņas, kas izgaist 'katram gadījumam' pieņemto lēmumu dēļ.
Šajā gadījuma pētījumā galvenie pavāri katru dienu gatavoja vidēji par 18% vairāk sagatavju nekā nepieciešams. Kāpēc? Tāpēc, ka profesionālā trauma, kas rodas, ja servisa vidū beidzas firmas ēdiens, ir spēcīgāka par klusajām sāpēm, pusnaktī izmetot trīs kilogramus sagatavotu sīpolu. Cilvēki ir bioloģiski ieprogrammēti izvairīties no 'izpārdotu krājumu' krīzes, pat ja tas kaitē biznesa ilgtermiņa veselībai.
Mēs sākām, izpētot viņu viesmīlības nozares izmaksu struktūras. Dati rādīja, ka, lai gan ieņēmumi bija stabili, 'sagatavju pārmērība' patērēja viņu spēju veikt reinvestīcijas. AI necieš no trauksmes par beigušos krājumu. Tam ir dati.
1. solis: Sagatavju pārmērības novēršana ar prognozējošo inventarizāciju
Mēs ieviesām prognozējošā AI slāni, kas tika integrēts virs viņu esošās pārdošanas punktu (POS) sistēmas. Tā vietā, lai maiņas pavārs minētu, cik daudz jūras asaru sagatavot trešdienai, AI analizēja:
- Vēsturiskos pārdošanas modeļus: Ne tikai 'pagājušo trešdienu', bet pēdējo trīs gadu trešdienas.
- Hiperlokālos mainīgos: Laika prognozi (lietus samazina terases apmeklētību), vietējo pasākumu kalendārus (tuvumā esošs koncerts palielina apmeklētāju plūsmu) un pat algu izmaksas ciklus.
- Bojāšanās indeksu: Pielāgotu ietvaru, ko mēs izveidojām, lai prioritizētu augstas pašizmaksas un īsa derīguma termiņa produktus.
Sinhronizējot ēdienkartes pieprasījumu ar iepirkumiem, ķēde pirmajā ceturksnī samazināja sastāvdaļu atkritumus par 22%. Attiecinot šo loģiku uz pārtikas un dzērienu ražošanu, ietaupījumu mērogs kļūst vēl dramatiskāks. Runa vairs nav par 'pirkt mazāk', bet gan par 'pirkt pareizi'.
2. solis: Dinamiskā termiskā sinhronizācija
AI ieviešanas otrreizējie efekti mazajā biznesā bieži vien sniedz vislielākos pārsteigumus. Mēs pamanījām, ka virtuves HVAC un saldēšanas izmaksas bija statiskas. Ventilatori darbojās ar pilnu jaudu no pulksten 10:00 līdz 23:00, un aukstuma kameras cīnījās ar krāšņu apkārtējo siltumu neatkarīgi no tā, vai uz līnijas bija divi steiki vai piecdesmit.
Mēs ieviesām to, ko es saucu par Dinamisko termisko sinhronizāciju. Savienojot prognozējamo sagatavju grafiku ar ēkas viedo enerģijas pārvaldības sistēmu, mēs varējām 'iepriekš atdzesēt' vai 'iepriekš uzsildīt' zonas, pamatojoties uz gaidāmo aktivitāti.
Ja AI prognozēja klusu laiku no 14:00 līdz 17:00, sistēma automātiski samazināja nosūces ventilatoru jaudu un pielāgoja klimata zonas. Tā nebija vienkārši 'izslēgšana', tā bija vieda modulācija. Detalizētāku izklāstu par to, kā tas ietekmē peļņu, varat skatīt mūsu ceļvedī par uzņēmuma enerģijas izmaksām.
Rezultāti: Vairāk nekā tikai skaitļi tabulā
Rezultāts bija neto maržas pieaugums par 25% visos piecos restorānos. Taču 'netveramie' ieguvumi bija tikpat svarīgi:
- Darbinieku noturēšana: Virtuves komanda bija mazāk stresaina, jo 'sagatavju saraksts' bija precīzs. Viņi neveica bezjēdzīgu darbu, kas beigās nonāca miskastē.
- Kvalitātes kontrole: Mazāki un biežāki sagatavju cikli nozīmēja, ka pasniegtais ēdiens bija svaigāks.
- Ilgtspējas uzticamība: 'Bezatkritumu virtuve' kļuva par spēcīgu mārketinga sviru, piesaistot demogrāfisko grupu, kas novērtē videi draudzīgu atbildību.
Ne tik acīmredzama atziņa: Automatizācijas 90/10 likums
Daudzi uzņēmēji baidās, ka AI ieviešana mazajā biznesā nozīmē zaudēt sava amata 'dvēseli'. Šis gadījuma pētījums pierādīja pretējo. Ļaujot AI tikt galā ar tiem 90% biznesa, kas ir tīra loģistika (cik sīpolu? cik daudz elektrības?), pavāri varēja brīvi koncentrēties uz tiem 10%, kam patiešām ir nozīme: receptēm, noformējumu un viesu pieredzi.
Kad AI uzņemas ikdienišķos uzdevumus, cilvēki beidzot var atļauties būt izcili.
Ar ko sākt?
Ja jūs skatāties uz savu peļņas un zaudējumu aprēķinu un redzat 'Spoku maržu', ko nevarat precīzi definēt, ir pienācis laiks pārtraukt minējumus. Rīki, lai to paveiktu, vairs nav rezervēti tikai globālām ķēdēm ar miljoniem mārciņu (£) lieliem pētniecības budžetiem. Tie ir pieejami jums jau tagad par dažu vakariņu cenu.
Uzņēmumā AI Accelerating mēs palīdzam jums precīzi noteikt, kur notiek šīs noplūdes. Neatkarīgi no tā, vai darbojaties viesmīlībā, ražošanā vai profesionālajos pakalpojumos, loģika paliek nemainīga: prognozējoša skaidrība uzvar cilvēka intuīciju ikvienā situācijā.
Vai esat gatavi pārtraukt pārmērīgu gatavošanos nākotnei, kas vēl nav pienākusi? Sāksim strādāt.