Za večino vodij v gostinstvu nedeljsko popoldne ni namenjeno počitku. Namenjeno je »plesu z razporedi«. Sedite s preglednico v eni roki in intuicijo v drugi ter poskušate uganiti, koliko natakarjev boste potrebovali za prihodnji četrtek. Če imate premalo osebja, vaše ocene na Google Reviews strmoglavijo, ekipa pa izgori. Če jih imate preveč, opazujete, kako vaša profitna marža izpuhtiva v obliki treh ljudi, ki postavajo naokoli in polirajo kozarce, ki so že čisti.
Veliko časa sem preživel ob pregledu poslovnih knjig neodvisnih restavracijskih skupin in hotelskih verig. Obstaja ponavljajoč se vzorec, ki ga imenujem emocionalna varnostna marža. To je tistih dodatnih 15–20 % stroškov dela, ki jih vodje dodajo v razpored preprosto zato, ker se bojijo, da bi ostali brez zadostnega števila ljudi. Ko nimate podatkov, kupujete zavarovanje s svojo plačilno listo.
Nedavno sem sodeloval s srednje veliko gostinsko skupino, ki se je odločila prenehati ugibati. Z vključitvijo zunanjih podatkov — vremenskih vzorcev, urnikov lokalnih koncertov in celo motenj v javnem prevozu — v svoje načrtovanje so dosegli 30 % znižanje stroškov dela, ne da bi odpustili eno samo osebo ali od ekipe zahtevali več dela. Preprosto so nehali plačevati za »za vsak primer«. Da bi to dosegli, so morali identificirati najboljša AI orodja za gostinstvo in premakniti svojo miselnost iz reaktivne v predvidljivo.
Težava: Zakaj vam vaš razpored laže
💡 Želite, da Penny analizira vaše podjetje? Načrtuje, katere vloge lahko umetna inteligenca nadomesti, in sestavi načrt po fazah. Začnite z brezplačnim preizkusom →
Tradicionalno načrtovanje v gostinstvu se zanaša na metodo »lansko leto plus ali minus«. Pogledate, kaj ste delali na ta dan lani, in razpored nekoliko prilagodite. Toda lani v torek ni deževalo in tri ulice stran ni bilo koncerta Harryja Stylesa z 20.000 obiskovalci.
Ko vodje uporabljajo statična orodja, padejo v past reaktivnega razporejanja. To je situacija, ko so ravni osebja določene na podlagi zgodovinskih povprečij, ki nimajo nobene zveze z dejanskim povpraševanjem tistega dne. Rezultat je »prekomerno število izmen« — počasno, nevidno odtekanje vašega kapitala. Večina lastnikov to sprejema kot »strošek poslovanja«, vendar je v dobi naraščajočih stroškov hrane in tesnih marž to dejansko odločitev za izgubo denarja.
Vpogled: Sinteza podatkov namesto človeške intuicije
Svojim strankam pogosto povem, da je človeški vodja odličen v gostoljubju, a slab v multivariatnem računu. Za izdelavo popolnega razporeda morate upoštevati vsaj pet nestanovitnih zunanjih dejavnikov:
- Hiper-lokalno vreme: Padec temperature za 2 stopinji lahko goste premakne z zunanje terase v notranji salon, kar takoj spremeni zahtevano razmerje med strežnim osebjem in mizami.
- Prekrivanje dogodkov: Urniki lokalnih stadionov, gledališke predstave in celo šolske počitnice ustvarjajo »vrhove povpraševanja«, ki jih zgodovinski podatki pogosto spregledajo.
- Transportna logistika: Če je glavna proga podzemne železnice ali avtocesta v bližini vašega lokala zaprta zaradi vzdrževanja, bo vaš »pričakovani« obisk padel za 25 %.
- Zadovoljstvo in utrujenost osebja: ChatGPT in druga AI orodja ne gledajo le prodaje; spremljajo, kdo je delal tri dvojne izmene zapored in bo verjetno stregel počasneje ali zbolel.
- Aktivnost konkurence: Ali pub čez cesto izvaja veliko promocijo? To vpliva na število vaših naključnih gostov.
Skupina, s katero sem delal, je spoznala, da noben človek, ne glede na izkušnje, ne more sintetizirati teh spremenljivk v šestih lokalih ob nedeljah ob 16. uri. Potrebovali so sistem, ki to zmore. Za podrobnejši vpogled v to, kako te dinamike delujejo v specifičnih nišah, si oglejte naš vodič za prihranke pri osebju v gostinstvu.
Transformacija: Prehod na predvidljivo razporejanje osebja
Začeli smo z revizijo njihovega obstoječega tehnološkega sklada. Uporabljali so standardno storitev za obračun plač, ki je opravljala osnove, vendar ni nudila nobene predvidevanja. (Mimogrede, če preplačujete osnovno administrativno obdelavo, preverite naš pregled stroškov storitev obračuna plač, da vidite, kje bi ta denar lahko bolje porabili za AI).
Za odpravo prekomernega števila izmen smo implementirali tristopenjsko zanko predvidljivega razporejanja:
1. korak: Vnos podatkov
Namesto da bi v programsko opremo za načrtovanje vnašali le »preteklo prodajo«, smo jo povezali z API-ji za lokalno vreme in urnike Eventbrite/Ticketmaster. To je ustvarilo »napoved povpraševanja«, ki je bila 92 % natančna do 10 dni vnaprej.
2. korak: Integracija najboljših AI orodij za gostinstvo
Prestavili smo jih na platforme, kot sta 7shifts in Planday, vendar z dodatkom. Uporabili smo vmesni AI sloj, ki je prevzel »napoved povpraševanja« in samodejno pripravil osnutek predlaganega razporeda. To je vlogo vodje spremenilo iz ustvarjanja razporeda v njegovo revizijo.
3. korak: Prilagajanje v realnem času
Če je AI zaznal nenadno spremembo (npr. nevihto ali stavko v prometu), je vodji tri ure pred izmeno poslal obvestilo s predlogom, naj odpove eno osebo ali prosi drugo, naj pride prej. To je razlika med 30 % prihrankom in 5 % prihrankom.
Pravilo 90/10 v praksi
Ta transformacija je popoln primer pravila 90/10: AI opravi 90 % rutinske sinteze podatkov (napovedovanje in začetni osnutek), vodji pa prepusti zadnjih 10 % — človeške odločitve.
Ali določen član osebja potrebuje prosto popoldne zaradi družinskih zadev? AI ne bo vedno poznal čustvenega konteksta, bo pa vodji natančno povedal, koliko bo ta prilagoditev stala v smislu pokritosti. Ko AI poskrbi za »kaj«, se ljudje lahko osredotočijo na »koga«. Ta pristop je podoben izboljšavam učinkovitosti, ki smo jih videli v drugih sektorjih, kot je logistika hrane in pijače, kjer je predvidljiv časovni okvir ključen.
Rezultati: Številke ne lažejo
Po šestih mesecih so bili rezultati za gostinsko skupino očitni:
- Skupni stroški dela: Znižani za 30 % v celotni skupini.
- Zadržanje osebja: Dejansko se je povečalo. Zaposleni so poročali o manj stresa, ker niso bili preobremenjeni ob pomanjkanju osebja in jih niso predčasno pošiljali domov (z izgubo plačila), ker bi vodja načrtoval preveč ljudi.
- Čas vodij: Zmanjšan s 6 ur pripravljanja razporedov na teden na 45 minut pregledovanja.
Pennyjin pogled: Nehajte plačevati »davek na negotovost«
Če so vaši stroški dela višji od 30 % vaših prihodkov, ne plačujete le osebja — plačujete davek na negotovost. Plačujete za dejstvo, da ne veste, kaj se bo zgodilo prihodnji torek.
Predvidljiva AI v gostinstvu ne pomeni zamenjave »duše« restavracije. Gre za to, da duša ne bankrotira zaradi napake v preglednici. Najboljša AI orodja za gostinstvo so tista, ki izginejo v ozadje in vam preprosto zagotovijo pravo število ljudi ob pravem času.
Kje začeti
Če čutite težo prekomernega števila izmen, začnite tukaj:
- Audit vaše »varnostne marže«: Poglejte svoje razporede zadnjih štirih tednov. Kolikokrat ste koga predčasno poslali domov? Kolikokrat so ljudje stali brez dela? To je vaš ciljni prihranek.
- Integrirajte eno zunanjo spremenljivko: Prvi dan ne potrebujete celotnega nabora AI orodij. Začnite s preverjanjem vremena in lokalnih dogodkov, preden objavite naslednji razpored.
- Ocenite svojo tehnologijo: Če vaša trenutna programska oprema za razporejanje ne omogoča API integracij ali napovedovanja s pomočjo AI, vas stane več kot le mesečno naročnino.
Učinkovitost ni v tem, da delate težje; gre za to, da natančno veste, koliko dela vas čaka, še preden se vrata sploh odprejo. Podatki so na voljo. Jih uporabljate?