تطبیق وجوه نقد با ChatGPT کار در ۹۴٪ زمان کمتر

تد تیلور پس از ۲۵ سال فعالیت در صنعت نیمه‌رسانا، وارد کسب‌وکار رستوران‌داری شد. او امروز به‌عنوان صاحب امتیاز مستقل، سه رستوران با برند مشترک شلاتسکیز و سینابون را در نیومکزیکو اداره می‌کند.

ادارهٔ رستوران‌های فست‌فود یعنی ایجاد تعادل میان تجربهٔ مشتری و انبوه کارهایی که مشتریان هرگز نمی‌بینند؛ از قیمت‌گذاری منو و تأمین نیروی انسانی گرفته تا نگهداری تجهیزات و تدوین مقررات. تد از فناوری OpenAI استفاده می‌کند تا همهٔ این کارها را سریع‌تر انجام دهد.

تد با ChatGPT کارهای زمان‌بری مانند تحقیق و تهیهٔ پیش‌نویس را سریع‌تر انجام می‌دهد. او همچنین از ChatGPT کار برای گردآوری و تحلیل حجم زیادی از داده‌های قیمت‌گذاری، فروش، پیش‌بینی‌ها، برنامهٔ شیفت‌ها و نیروی انسانی استفاده می‌کند و پیشنهادهایی می‌گیرد که نشان می‌دهند کدام بخش‌های هر رستوران به توجه نیاز دارند. به این ترتیب، زمان بازنگری قیمت‌ها را ۹۵٪ کاهش داده و از هر نوبت پردازش حقوق و دستمزد، ۴ ساعت کم کرده است.

بازنگری قیمت منوها کاری سالانه است که به تحلیلی پیچیده از هزینهٔ تهیهٔ غذاها، محبوبیت اقلام منو، قیمت‌های رقبای محلی، اندازهٔ پرس‌ها و تفاوت هزینه و درآمد سفارش‌های حضوری و ارسالی نیاز دارد. تد با استفاده از ChatGPT کار این عوامل را یک‌جا بررسی می‌کند و به‌جای ۵ روز، در ۱ تا ۲ ساعت پیشنهادهای قیمت‌گذاری دریافت می‌کند.

تد ابتدا با ChatGPT کار دربارهٔ روند قیمت‌گذاری رقبای محلی، اندازهٔ پرس‌ها و کیفیت نسبی غذاها تحقیق می‌کند و بر این اساس، اهداف و راهبردهای قیمت‌گذاری خود را تعیین می‌کند. سپس فهرستی دسته‌بندی‌شده از اقلام منو، همراه با قیمت‌های فعلی سفارش حضوری و ارسالی آن‌ها، به ChatGPT کار می‌دهد. او عمدتاً بر پایهٔ تحلیل قبلی ChatGPT مشخص می‌کند که هر گروه از قیمت‌ها در مجموع چقدر افزایش یابد و کدام اقلام افزایش بیشتر یا کمتری داشته باشند.

او می‌تواند با افزودن سابقهٔ فروش هر قلم و قیمت‌های تأمین‌کنندگان، تحلیل را دقیق‌تر کند. ChatGPT کار می‌تواند با استفاده از این ورودی‌ها، تأثیر تغییر قیمت‌ها بر فروش را برآورد کند و قیمت‌گذاری هر قلم را با توجه به اهداف تعیین‌شده برای بهای تمام‌شده بهینه کند.

ChatGPT کار یک فایل صفحه‌گسترده شامل قیمت‌های پیشنهادی سفارش حضوری و ارسالی ارائه می‌دهد. حتی تغییر قیمت‌ها را به یک راهبرد کلی قیمت‌گذاری پیوند می‌دهد که برای بهبود نتایج کسب‌وکار، مانند حفظ مشتری، به حداقل رساندن شوک قیمتی و بهترین نحوهٔ عرضهٔ اقلام جانبی، طراحی شده است.

تد نخستین بار که برای قیمت‌گذاری از ChatGPT کار استفاده کرد، همان تحلیل را به‌صورت دستی هم انجام داد. او گفت: «ChatGPT کار مقایسهٔ دقیق‌تری در بازار محلی انجام داد و کمک کرد از افزایش قیمت‌هایی پرهیز کنم که بعضی اقلام را از رقابت خارج می‌کرد.» تد بلافاصله روشش را تغییر داد و تهیهٔ پیشنهادهای اولیه را به ChatGPT سپرد.

تد برای مدیریت هزینه‌های نیروی انسانی به دو روش از ChatGPT کار کمک می‌گیرد: بررسی وضعیت ساعات و هزینه‌های کار در سه رستوران خود و آزمایش روشی بهتر برای تنظیم برنامهٔ هفتگی شیفت‌ها.

برای تحلیل نیروی انسانی، تد به ChatGPT کار دسترسی فقط‌خواندنی به داده‌های فروش و نیروی انسانی خود داد. هنگام اجرای تحلیل، ChatGPT کار ساعات برنامه‌ریزی‌شده، ساعات لحاظ‌شده در بودجه و ساعات واقعی کار را با فروش پیش‌بینی‌شده و واقعی مقایسه می‌کند. همچنین ۱۲ هفتهٔ گذشته را بررسی می‌کند تا وضعیت شعبه‌هایی را که فروششان معمولاً بالاتر یا پایین‌تر از پیش‌بینی‌هاست، در نظر بگیرد. گزارش حاصل، اضافه‌کاری‌ها، شیفت‌هایی که بیش از زمان برنامه‌ریزی‌شده طول کشیده‌اند و کمبود نیرو در شیفت‌ها را مشخص می‌کند و مواردی را که مدیر باید بررسی کند، برجسته می‌سازد.

برای آزمایش برنامه‌ریزی شیفت‌ها، تد فهرستی از کارکنان را همراه با سمت، آموزش‌های گذرانده‌شده، زمان‌های در دسترس بودن و دستمزد هر فرد به ChatGPT کار داد. نیاز شعبه به نیروی انسانی در سطوح مختلف فروش را هم در اختیارش گذاشت. او و مدیر شعبه، برنامهٔ پیشنهادی ChatGPT کار را با برنامه‌ای که خود مدیر می‌چید مقایسه کردند. آن‌ها قواعد جاافتاده دربارهٔ زمان افزودن نیرو در دوره‌های شلوغ را شناسایی و دستورالعمل‌های ChatGPT کار را اصلاح کردند.

اکنون ChatGPT کار برنامهٔ کامل شیفت‌های آن شعبه را تهیه می‌کند. مدیر برنامه را بازبینی می‌کند، در صورت نیاز تغییر می‌دهد و در سامانهٔ برنامه‌ریزی شیفت‌های رستوران وارد می‌کند. تد برآورد می‌کند که برنامه‌ریزی بهتر شیفت‌ها در نهایت می‌تواند سهم هزینهٔ نیروی کار ساعتی از فروش را در هر سه رستوران، یک تا دو واحد درصد کاهش دهد. این کاهش می‌تواند سالانه ۵۰ تا ۱۰۰ هزار دلار به جریان نقدی آزاد اضافه کند؛ مبلغی که می‌توان آن را صرف افزایش دستمزد، پاداش، سرمایه‌گذاری در کسب‌وکار یا افزایش سود توزیعی کرد.

تد برای کارهای روزمره هم از ChatGPT کار استفاده می‌کند؛ از تدوین سیاست‌های منابع انسانی گرفته تا تطبیق وجوه نقد و مدیریت درخواست‌های تأمین ملزومات و تعمیرات. 

وقتی نیومکزیکو رستوران‌ها را ملزم کرد دستورالعملی مکتوب برای حوادث مربوط به آلودگی با مایعات بدن داشته باشند، تد با کمک ChatGPT پیش‌نویس آن را در حدود ۳۰ ثانیه نوشت. وقتی تد برای دفترچهٔ راهنمای کارکنان به سیاستی دربارهٔ استفاده از شبکه‌های اجتماعی نیاز داشت، ChatGPT کمک کرد به‌سرعت پیش‌نویس آن را تهیه کند. یک شرکت بیرونیِ خدمات منابع انسانی بعداً آن را بررسی کرد و تغییری در آن نداد.

تد برای تطبیق ماهانهٔ وجوه نقد هر سه رستوران خود از ChatGPT کار استفاده می‌کند. او داده‌های تراکنش‌های نقدی و سوابق بانکی هر شعبه را بارگذاری می‌کند و ChatGPT کار تراکنش‌ها را با واریزهای مربوط به آن‌ها مقایسه می‌کند. تطبیق ماهانه قبلاً سه ساعت طول می‌کشید؛ حالا ۵ تا ۱۰ دقیقه زمان می‌برد. او همچنین با استفاده از ChatGPT کار برای خلاصه‌سازی داده‌های ورودی حقوق و دستمزد، چهار ساعت کار دستی را از هر دورهٔ پردازش حقوق و دستمزد حذف کرد.

تد برای کمک به ادارهٔ بی‌دردسر رستوران‌ها، با استفاده از ChatGPT کار یک درگاه وب هم ساخت تا کارکنان بتوانند درخواست ملزومات یا تعمیرات ثبت کنند. این درگاه از طریق یک نشانی ایمیل اختصاصی به او اطلاع می‌دهد و وضعیت هر درخواست را پیگیری می‌کند.

رویکرد تد در استفاده از ChatGPT کار برای هر صاحب کسب‌وکار کوچکی قابل اجراست. او همان داده‌ها و معیارهایی را که خودش برای تصمیم‌گیری به کار می‌برد، در اختیار ChatGPT می‌گذارد و خروجی آن را با شیوهٔ انجام کار به دست خودش مقایسه می‌کند. هرچه اعتمادش به نتایج بیشتر می‌شود، استفاده از آن را به کارهای بیشتری در کسب‌وکار گسترش می‌دهد؛ البته همیشه پیش از اجرا، نتایج را بازبینی می‌کند.

برای تد، ارزش ChatGPT کار فراتر از صرفه‌جویی در زمان است. اکنون می‌تواند تحلیل‌هایی انجام دهد که بدون این ابزار شاید از آن‌ها صرف‌نظر می‌کرد و وقت بیشتری به مشتریان، کارکنان و رشد کسب‌وکار اختصاص دهد.