Giảm 40% Lãng phí, Tăng 100% Đánh giá tốt: Cách một Chuỗi Nhà hàng Địa phương sử dụng AI để Giải quyết vấn đề Nhân sự và Sơ chế

Trong thế giới dịch vụ nhà hàng (hospitality), có một loại chi phí ẩn không bao giờ xuất hiện dưới dạng một mục riêng biệt trong báo cáo kết quả kinh doanh (P&L), nhưng nó lại làm thâm hụt lợi nhuận nhiều hơn bất kỳ yếu tố nào khác. Tôi gọi đó là Thuế Phỏng đoán (The Guesswork Tax).

Đó là chi phí khi bếp trưởng rã đông thêm ba mươi phần thăn lưng bò (ribeye) chỉ vì 'hôm nay là một thứ Sáu đầy nắng', để rồi một cơn giông bất chợt khiến mọi khách hàng đều ở nhà. Đó là chi phí khi quản lý sắp xếp năm nhân viên phục vụ cho ca thứ Ba vốn chỉ có mười lượt khách—hoặc tệ hơn, chỉ xếp hai nhân viên khi một đoàn kịch địa phương bất ngờ ghé thăm sau buổi biểu diễn.

Trong nhiều năm, chúng ta đã chấp nhận sự biến động này như một 'bản chất của ngành'. Nhưng năm ngoái, tôi đã làm việc với một nhóm nhà hàng độc lập gồm năm cơ sở, họ đã quyết định rằng mình đã trả đủ loại Thuế Phỏng đoán này. Bằng cách triển khai những gì được coi là công cụ AI tốt nhất cho ngành dịch vụ, họ không chỉ tinh chỉnh biên lợi nhuận—họ đã tái cấu trúc căn bản cách vận hành của nhà bếp và phòng ăn. Kết quả thật đáng kinh ngạc: giảm 40% lãng phí thực phẩm và tăng 100% các đánh giá năm sao trong vòng sáu tháng.

Bản chất của Thuế Phỏng đoán

Trước khi tìm hiểu giải pháp, chúng ta phải hiểu tại sao vấn đề này lại dai dẳng đến vậy. Hầu hết các doanh nghiệp dịch vụ hoạt động dựa trên 'Dự báo bằng Trực giác'. Một quản lý nhìn vào doanh số năm ngoái, kiểm tra ứng dụng thời tiết địa phương và đưa ra quyết định dựa trên cảm tính.

Trực giác của con người rất tuyệt vời để nêm nếm nước sốt, nhưng lại rất tệ trong việc xử lý dữ liệu đa biến. Một người không thể đồng thời tính toán xem một cơn mưa lúc 3 giờ chiều, một buổi lễ tốt nghiệp trung học gần đó và mức tăng 12% giá thực phẩm địa phương sẽ ảnh hưởng thế nào đến nhu cầu món salad Caesar vào tối thứ Năm. AI thì có thể.

Khi trực giác thất bại, bạn sẽ rơi vào Bẫy Biến động (The Variance Trap). Đây là nơi thực tế vận hành dao động mạnh đến mức nhân viên của bạn hoặc là quá nhàn rỗi (dẫn đến chi phí lao động cao) hoặc là quá tải (dẫn đến chất lượng dịch vụ kém). Nhóm nhà hàng này đã từng bị mắc kẹt như vậy. Lãng phí thực phẩm của họ dao động khoảng 12% tổng lượng hàng tồn kho, và các đánh giá của khách hàng giống như một chuyến tàu lượn siêu tốc: khi thì 'Đồ ăn ngon nhưng phải đợi một tiếng', khi thì 'Nhà hàng vắng vẻ, cảm giác thật gượng gạo'.

Giải quyết bài toán Sơ chế: Quản lý Kho Dự báo

Trụ cột đầu tiên trong quá trình chuyển đổi của họ là chuyển từ danh sách sơ chế tĩnh sang Sơ chế Dự báo (Predictive Prep).

Các danh sách sơ chế truyền thống dựa trên mức tồn kho tối thiểu (par levels)—lượng thực phẩm tối thiểu bạn nên luôn sẵn sàng. Vấn đề là gì? Mức tồn kho tối thiểu là tĩnh; trong khi nhu cầu là động. Bằng cách sử dụng các công cụ dự báo nhu cầu do AI thúc đẩy, nhóm đã bắt đầu tạo ra các yêu cầu sơ chế dựa trên triển vọng 48 giờ. Các công cụ này tiếp nhận dữ liệu bán hàng lịch sử, các sự kiện địa phương và các mô hình thời tiết chi tiết để dự đoán chính xác có bao nhiêu phần ăn của mỗi thực đơn sẽ được bán ra.

Bằng cách thu hẹp khoảng cách giữa những gì đã sơ chế và những gì khách gọi, họ đã đạt được mức giảm 40% lượng thực phẩm hư hỏng. Hãy xem hướng dẫn về tiết kiệm lãng phí thực phẩm của chúng tôi để tìm hiểu sâu hơn về cơ chế vận hành của các hệ thống này. Các đầu bếp, ban đầu còn hoài nghi, đã nhanh chóng nhận ra rằng một danh sách sơ chế chính xác hơn đồng nghĩa với việc ít công việc 'thừa' hơn và dây chuyền hoạt động sạch sẽ, hiệu quả hơn.

Giải quyết khó khăn Nhân sự: Sự cân bằng giữa Nhu cầu và Lao động

Trụ cột thứ hai là giải quyết vòng lặp phản hồi về 'Nhân viên phục vụ mệt mỏi'. Khi một nhà hàng thiếu nhân sự, dịch vụ chậm lại, sai sót tăng lên và các đánh giá sụt giảm. Khi thừa nhân sự, bạn sẽ mất biên lợi nhuận cho chi phí mặt bằng.

Thông qua các giải pháp nhân sự tự động, nhóm bắt đầu tạo ra lịch trình lao động bám sát các đường cong nhu cầu dự báo. Thay vì các ca làm việc 'tiêu chuẩn', họ đã chuyển sang lịch trình 'linh hoạt' (flex scheduling).

Điều này dẫn đến sự gia tăng 100% các đánh giá tích cực. Tại sao? Bởi vì nhà hàng không bao giờ bị rơi vào tình thế 'không kịp trở tay'. Mỗi khi có một đợt khách đông đột xuất, AI đã dự báo điều đó từ ba ngày trước, và số lượng nhân sự phù hợp đã sẵn sàng trực chiến. Tinh thần của nhân viên được cải thiện vì họ không phải chạy đôn chạy đáo cũng không phải đứng không lau ly trong suốt bốn tiếng đồng hồ.

Xác định các Công cụ AI tốt nhất cho Ngành Dịch vụ

Nếu bạn đang muốn lặp lại những kết quả này, bạn cần hiểu rằng các công cụ 'tốt nhất' không phải là những công cụ có nhiều tính năng nhất, mà là những công cụ tích hợp sâu nhất với hệ thống Điểm bán hàng (POS) và quản lý kho hiện có của bạn.

Khi đánh giá các công cụ AI tốt nhất cho ngành dịch vụ, tôi tìm kiếm ba khả năng cụ thể:

1. Tiếp nhận dữ liệu đa nguồn: Công cụ đó có xem xét nhiều hơn là chỉ doanh số bán hàng trong quá khứ của bạn không? Nó nên lấy dữ liệu từ lịch sự kiện địa phương, thời tiết và thậm chí cả các chỉ số kinh tế khu vực.
2. Dự báo chi tiết: Nó có thể dự đoán nhu cầu theo khoảng thời gian 15 phút không? Điều này rất quan trọng cho việc lập lịch trình lao động.
3. Kết quả có thể thực thi: Nó chỉ đưa ra một biểu đồ, hay nó cho bếp trưởng biết chính xác cần đặt bao nhiêu kg thịt gà?

Đối với nhiều doanh nghiệp, hành trình bắt đầu với phần cứng và cơ sở hạ tầng. Bạn không thể theo dõi những gì bạn không đo lường, và việc hiểu chi phí thiết bị phục vụ ăn uống trong bối cảnh sản lượng của bạn là bước đầu tiên quan trọng trong việc hiện đại hóa nhà bếp.

Quy tắc 90/10 trong Nhà bếp

Như tôi thường nói với khách hàng của mình, mục tiêu của AI trong ngành dịch vụ không phải là thay thế 'linh hồn' của nhà hàng. Tôi gọi đây là Quy tắc 90/10 của AI trong Ngành Dịch vụ.

AI nên đảm nhận 90% công việc kinh doanh mang tính logic, lặp đi lặp lại và dựa trên dữ liệu—đặt hàng, lập lịch trình, dự báo sơ chế và các thắc mắc cơ bản của khách hàng. Điều này giải phóng đội ngũ con người để tập trung vào 10% thực sự quan trọng: lòng hiếu khách.

Khi một quản lý không phải khom lưng bên bảng tính để tìm hiểu lý do tại sao chi phí lao động ở mức 35%, họ sẽ có mặt ở sảnh khách, trò chuyện với khách hàng và đảm bảo bầu không khí luôn hoàn hảo. Đó chính là nơi mà sự cải thiện 100% trong đánh giá thực sự đến từ đó. AI không cung cấp dịch vụ; nó cung cấp các điều kiện để con người cung cấp dịch vụ xuất sắc.

Bắt đầu từ đâu?

Nếu bạn hiện đang phải trả Thuế Phỏng đoán, đừng cố gắng tự động hóa mọi thứ cùng một lúc.

1. Kiểm soát lãng phí: Trong một tuần, hãy theo dõi chính xác những gì bị vứt vào thùng rác và tại sao.
2. Kết nối dữ liệu: Đảm bảo POS của bạn đang 'nói chuyện' với hệ thống quản lý kho.
3. Bắt đầu với một chức năng: Thông thường, dự báo sơ chế mang lại ROI (tỷ suất hoàn vốn) nhanh nhất.

Là một doanh nghiệp ưu tiên AI, tôi thấy mô hình này ở mọi lĩnh vực: những người chiến thắng là những người ngừng phỏng đoán và bắt đầu sử dụng dữ liệu họ đã sở hữu. Trong ngành dịch vụ, sự chuyển đổi đó không còn là một sự xa xỉ—đó là một yêu cầu sống còn. Công nghệ đã có sẵn ở đây, chi phí thấp hơn bạn nghĩ, và biên lợi nhuận đang nằm ngay trong thùng rác và những ca trực thừa nhân sự của bạn, chờ đợi bạn thu hồi lại.