aicanyin
你有没有发现，楼下的餐厅门口，常年贴着一张A4纸，上面印着“急招服务员，月薪4500包吃住”。三个月过去，纸换了新的，人还是没招到多少。
我去朋友开的连锁面馆坐了会儿，他一来就抱怨：“现在不是我们挑人，是人挑我们。零零后干两天就走，大妈嫌排班太死板。晚市高峰期永远缺人，闲时又养着一堆全职工。”这话听起来挺耳熟。餐饮圈的用工难，其实早就不是一个新鲜话题了。但最近有样东西让我比较好奇——AI排班工具，据说正在悄悄进入越来越多的门店。
所谓AI排班，到底是在排什么？
说白了，和你想的可能不太一样。它不是一个能替店长跑前跑后的机器人，而是一套管理软件。这套软件能做三件比较实际的事。
首先，它把过去十年积累的营业数据全部翻出来看。比如过去半年每个小时卖了多少碗面、收了多少单、外卖和堂食的比例波动。其次，它把那段时间里有几个人请假、谁的工作效率更高、不同岗位需要的最低配置都计算进去。最后，它会推给你一张表格：明天早班三个人、晚班五个人，你照着安排就行。
听起来神奇？但真正落地的时候，门道还挺多的。
试用实录：北京一家连锁面馆的三个月
文章开头提到的我这位朋友，店开在北京朝阳区，两个铺面，一共32个员工。上个月我去复盘数据，看到了一个比较明显的变化。
过去他们店长排班，基本靠经验。哪个员工脾气好就多排晚班，新人嘛就先安排在后厨跟着学。老人家看黄历，新店长看手机——都是临下班前才在微信群里手写拍板，排完还有人临时说家里有事，经常搞得一团乱。数据分析后，靠前个发现是：他们高峰期的人手其实比需要的多出了将近四成。店长自己很意外——一直以为没人用，看监控才反应过来人是来了，但很多时间在玩手机。
试用AI系统之后，调整主要体现两个地方：一个是以预测的营业数据排班，每周五系统会直接推送下一周的班表。另一个是设置了二道岗——闲时安排员工兼顾传菜和打包外卖，高峰期再启动“抢班”模式。
这里有一组对比数据：2024年10月刚试运行时人力成本占营收比是21.6%，第三个月降到了18.9%。别小看这两个多百分点，一年下来大约能省出近19万的支出。
不过更让我在意的是留下来的员工的状态。以前每周群里排班表一出来，总有几句阴阳怪气的话。现在系统自动把排班规则嵌进了规则里，特殊节假日自动多算加班费，谁哪天休息提前锁定。「大家几乎没怨气了」——这是我朋友的原话。技术到底有多厉害其实很难说，大家都在争个平等，电脑比人脸靠谱多了。
试用中踩过的坑，和你绕过这些坑的办法
讲了这么多好处，这三个月也是有波折的。有个比较典型的坑——刚开始系统建议晚市只排三个人，理由是基于过去的营业数据和天气预测。结果那天附近商场搞临时促销活动，客流直接翻倍，三个人在后厨简直要打起来。
遇到过这种意外之后，团队定了一个新规矩：AI的建议只是基准线，店长保留百分之三十的重新决策权。系统不是用来替你做决定的，是帮你做决定的。
如果你也想试试，我建议你从三个方面着手，亲测有效：
- 靠前步先跑数据标准：至少得有三个月的POS机历史流水和出勤记录，否则模型很难预测准。
- 第二步从单店试点开始：先让一个店跑一两周，别一股脑全推开。管理习惯的调整，需要给店长发挥空间。
- 第三步关注员工接受度：有的老员工不会用手机App，记得留出纸质班表的过渡期，别把员工体验搞差，本意是留人，别最后把人排走了。
灵活排班之外的一点长远思考
人力资源专家曾晓枫前阵子在一个行业论坛上说了句话，我印象很深：“排班工具的本质，是把不确定性从店长的脑袋里搬到数据里。”
确实，AI能帮你算出节约人力的最优解。但餐饮从来不是纯算数题，服务的温度没办法靠算法一概而论。排班省下来的精力，还是得花回管理和培训上——团队留不留得住，这不只是个效率问题，还是大多数店员想不想留的问题。
这一轮试下来，我最大的体会是：面对用工荒，与其四处托人介绍员工，不如先把现有的人用好。也许这就是真正的高效。
