30% Kos Buruh Lebih Rendah, 0 Kakitangan Marah: Bagaimana Kumpulan Hospitaliti Mengatasi Lambakan Syif dengan AI Ramalan

Bagi kebanyakan pengurus hospitaliti, petang Ahad bukanlah waktu untuk berehat. Ia adalah masa untuk 'Tarian Jadual Tugas' (Roster Dance). Anda duduk dengan hamparan kerja (spreadsheet) di satu tangan dan gerak hati di tangan yang lain, cuba meneka berapa ramai pelayan yang anda perlukan untuk Khamis depan. Jika anda kekurangan kakitangan, ulasan Google Reviews anda akan merosot dan pasukan anda akan mengalami keletihan melampau (burnout). Jika anda mempunyai kakitangan berlebihan, anda melihat margin keuntungan anda hilang dalam bentuk tiga orang yang berdiri tanpa melakukan apa-apa selain menggilap gelas yang sudah sedia bersih.

Saya telah meluangkan banyak masa meneliti buku akaun kumpulan restoran bebas dan rangkaian hotel. Terdapat corak berulang yang saya panggil Margin Keselamatan Emosi. Ia adalah tambahan 15-20% kos buruh yang ditambah oleh pengurus ke dalam jadual tugas semata-mata kerana mereka takut kekurangan kakitangan. Apabila anda tidak mempunyai data, anda membeli 'insurans' menggunakan bajet penggajian anda.

Baru-baru ini, saya bekerjasama dengan sebuah kumpulan hospitaliti bersaiz sederhana yang memutuskan untuk berhenti meneka. Dengan menyepadukan data luaran—corak cuaca, jadual konsert tempatan, dan juga gangguan pengangkutan awam—ke dalam penjadualan mereka, mereka mencapai pengurangan 30% dalam kos buruh tanpa membuang seorang pun pekerja atau memaksa pasukan mereka bekerja lebih keras. Mereka hanya berhenti membayar untuk kos 'sekiranya berlaku'. Untuk mencapai tahap itu, mereka perlu mengenal pasti alat AI terbaik untuk hospitaliti dan mengubah minda mereka daripada reaktif kepada ramalan.

Masalah: Mengapa Jadual Tugas Anda Berbohong Kepada Anda

Penjadualan hospitaliti tradisional bergantung pada prinsip 'Tahun Lepas Tambah atau Tolak.' Anda melihat apa yang anda lakukan pada tarikh ini tahun lepas dan membuat pelarasan kecil. Tetapi tahun lepas hari Selasa tidak hujan, dan tiada konsert Harry Styles yang dihadiri 20,000 orang dalam jarak tiga blok dari premis anda.

Apabila pengurus menggunakan alatan statik, mereka terperangkap dalam Perangkap Jadual Tugas Reaktif. Di sinilah tahap kakitangan ditetapkan berdasarkan purata sejarah yang tidak mempunyai kaitan dengan permintaan sebenar pada hari tersebut. Hasilnya ialah 'Lambakan Syif'—pembaziran modal yang perlahan dan tidak kelihatan. Kebanyakan pemilik menerima ini sebagai 'kos menjalankan perniagaan,' tetapi dalam era kenaikan kos makanan dan margin yang ketat, ia sebenarnya adalah satu pilihan untuk kerugian wang.

Wawasan: Sintesis Data Mengatasi Intuisi Manusia

Saya sering memberitahu pelanggan saya bahawa pengurus manusia adalah sangat hebat dalam hospitaliti tetapi sangat lemah dalam kalkulus pelbagai pembolehubah. Untuk membina jadual tugas yang sempurna, anda perlu mempertimbangkan sekurang-kurangnya lima faktor luaran yang tidak menentu:

1. Cuaca Hiper-tempatan: Penurunan suhu sebanyak 2 darjah boleh mengalihkan pelanggan dari teres terbuka ke ruang santai dalaman, mengubah nisbah pelayan-ke-meja yang diperlukan serta-merta.
2. Pertindihan Acara: Jadual stadium tempatan, persembahan teater, dan juga cuti sekolah mewujudkan 'lonjakan permintaan' yang sering terlepas daripada data sejarah.
3. Logistik Pengangkutan: Jika laluan tren utama atau lebuh raya berhampiran lokasi anda ditutup untuk penyelenggaraan, jumlah pelanggan yang dijangka akan turun sebanyak 25%.
4. Sentimen dan Keletihan Kakitangan: AI tidak hanya melihat pada jualan; ia melihat siapa yang telah bekerja tiga syif berganda berturut-turut dan berkemungkinan memberikan perkhidmatan yang lebih perlahan atau mengambil cuti sakit.
5. Aktiviti Pesaing: Adakah pub di seberang jalan menjalankan promosi besar-besaran? Itu menjejaskan kadar pelanggan 'walk-in' anda.

Kumpulan yang saya bekerjasama menyedari bahawa tiada manusia, tidak kira betapa berpengalamannya mereka, dapat mensintesis pembolehubah ini merentasi enam premis pada pukul 4 petang hari Ahad. Mereka memerlukan sistem yang mampu melakukannya. Untuk melihat lebih mendalam bagaimana dinamik ini berlaku dalam nitch tertentu, lihat panduan penjimatan kakitangan hospitaliti.

Transformasi: Beralih kepada Penjadualan Kakitangan Ramalan

Kami bermula dengan mengaudit sistem teknologi sedia ada mereka. Mereka menggunakan perkhidmatan penggajian standard yang melakukan perkara asas tetapi tidak menawarkan sebarang pandangan masa depan. (Ngomong-ngomong, jika anda membayar lebih untuk pemprosesan pentadbiran asas, anda harus menyemak pecahan kami tentang kos perkhidmatan penggajian untuk melihat di mana wang itu boleh dibelanjakan dengan lebih baik untuk AI).

Untuk mengatasi lambakan syif, kami melaksanakan Kitaran Jadual Tugas Ramalan tiga peringkat:

Langkah 1: Pengambilan Data

Daripada hanya memasukkan 'Jualan Masa Lalu' ke dalam perisian penjadualan, kami menyambungkannya ke API untuk cuaca tempatan dan jadual Eventbrite/Ticketmaster. Ini mewujudkan 'Ramalan Permintaan' yang 92% tepat sehingga 10 hari lebih awal.

Langkah 2: Integrasi Alat AI Terbaik untuk Hospitaliti

Kami memindahkan mereka ke platform seperti 7shifts dan Planday, tetapi dengan sedikit perubahan. Kami menggunakan lapisan perisian tengah AI (middleware) yang mengambil 'Ramalan Permintaan' dan merangka draf cadangan jadual tugas secara automatik. Ini mengubah peranan pengurus daripada mencipta jadual tugas kepada mengaudit jadual tersebut.

Langkah 3: Kelenturan Masa Nyata (Real-Time Flex)

Jika AI mengesan perubahan mengejut (contohnya, ribut kilat atau mogok pengangkutan), ia akan menghantar makluman kepada pengurus tiga jam sebelum syif bermula, mencadangkan agar mereka 'mengurangkan' seorang pekerja atau meminta pekerja lain datang lebih awal. Inilah perbezaan antara penjimatan 30% dan penjimatan 5%.

Peraturan 90/10 dalam Tindakan

Transformasi ini adalah contoh sempurna bagi Peraturan 90/10: AI mengendalikan 90% sintesis data rutin (peramalan dan draf awal), menyerahkan baki 10% kepada pengurus—iaitu keputusan manusia.

Adakah kakitangan tertentu memerlukan petang tertentu untuk urusan keluarga? AI tidak akan sentiasa memahami konteks emosi, tetapi ia akan memberitahu pengurus dengan tepat berapa kos pengaturan tersebut dari segi liputan kakitangan. Apabila AI mengendalikan persoalan 'apa', manusia boleh menumpukan pada persoalan 'siapa'. Pendekatan ini serupa dengan bagaimana kami melihat peningkatan kecekapan dalam sektor lain, seperti logistik makanan dan minuman, di mana pemasaan ramalan adalah segalanya.

Keputusan: Angka Tidak Berbohong

Selepas enam bulan, keputusan untuk kumpulan hospitaliti tersebut sangat jelas:

• Jumlah Kos Buruh: Turun 30% merentasi kumpulan.
• Pengekalan Kakitangan: Sebenarnya meningkat. Kakitangan melaporkan kurang tekanan kerana mereka tidak 'diserbu' pelanggan semasa kekurangan kakitangan, dan mereka tidak dihantar pulang awal (kehilangan gaji) kerana pengurus terlebih menjadualkan pekerja.
• Masa Pengurus: Berkurang daripada 6 jam penjadualan seminggu kepada hanya 45 minit semakan.

Perspektif Penny: Berhenti Membayar 'Cukai Ketidakpastian'

Jika kos buruh anda lebih tinggi daripada 30% daripada pendapatan anda, anda bukan sahaja membayar kakitangan anda—anda sedang membayar Cukai Ketidakpastian. Anda membayar untuk hakikat bahawa anda tidak tahu apa yang akan berlaku pada hari Selasa depan.

AI ramalan dalam hospitaliti bukan tentang menggantikan 'jiwa' sesebuah restoran. Ia adalah tentang memastikan jiwa tersebut tidak muflis disebabkan oleh ralat hamparan kerja. Alat AI terbaik untuk hospitaliti adalah alatan yang beroperasi di latar belakang dan memberikan anda jumlah kakitangan yang tepat pada masa yang tepat.

Di Mana Untuk Bermula

Jika anda merasai beban 'Lambakan Syif', mulakan di sini:

1. Audit 'Margin Keselamatan' anda: Lihat jadual tugas empat minggu terakhir anda. Berapa kali anda menghantar pulang seseorang lebih awal? Berapa kali pekerja hanya berdiri tanpa melakukan apa-apa? Itulah sasaran penjimatan anda.
2. Sepadukan satu pembolehubah luaran: Anda tidak memerlukan rangkaian AI yang lengkap pada hari pertama. Mulakan dengan melihat cuaca dan acara tempatan sebelum anda menekan butang 'terbitkan' pada jadual tugas anda yang seterusnya.
3. Nilai sistem anda: Jika perisian penjadualan semasa anda tidak membenarkan integrasi API atau peramalan berbantukan AI, ia menyebabkan anda menanggung kos yang lebih besar daripada yuran langganan bulanannya.

Kecekapan bukan tentang bekerja lebih keras; ia adalah tentang mengetahui dengan tepat berapa banyak kerja yang perlu dilakukan sebelum pintu premis dibuka. Datanya sudah ada. Adakah anda menggunakannya?