【垂直 AI 案例：餐飲業】 AI 對帳 3 小時變 10 分鐘
本日重點 餐飲業 AI 案例：AI 先進的是後台
這兩週英文媒體出現了兩份很具體的餐飲業AI案例：一份是 OpenAI 整理的加盟主故事，一份是餐飲 POS 廠商 Toast 公布的 AI 助理使用數據。兩份都出自賣 AI 的公司，數字要打點折扣看，但它們剛好從「老闆」和「店長」兩個角度，回答同一個問題：
餐廳到底把 AI 用在哪裡？
案例一：三家店的加盟主，把後台雜事交給AI
Ted Taylor 在半導體業待了 25 年才轉行開店，現在是美國新墨西哥州三家 Schlotzsky’s 與 Cinnabon 複合店的獨立加盟主。依 OpenAI 10 月 20 日發布的案例，他用 ChatGPT Work 處理幾件最花時間的後台工作：
菜單調價：把食材成本、品項銷量、附近同業價格、內用與外送的不同成本一起交給 AI，原本要花 5 天的年度調價分析，縮短到 1 至 2 小時，產出內用與外送的建議價格表。
每月對帳：上傳三家店的現金交易紀錄和銀行存款紀錄，讓 AI 逐筆比對，原本 3 小時的工作變成 5 到 10 分鐘。
薪資作業：用 AI 彙整薪資輸入資料，每一期省下約 4 小時人工。
排班試驗：把員工職位、訓練、可上班時段和時薪，加上不同營業額需要的人力交給 AI，產出整週班表，由店長檢查調整後才輸入排班系統。他估計長期可讓時薪人力成本降低 1 到 2 個百分點、一年多出 5 萬到 10 萬美元現金流，但這仍是估計，尚未實現。
比數字更值得學的是他的做法：第一次用 AI 調價時，他自己也手算了一遍做對照，確認 AI 比較得更細，才改成由 AI 先出初稿；分析人力成本時，只給 AI 唯讀權限。
案例二：店長在尖峰時段問AI什麼
Toast 分析了自家 AI 助理在 2026 年 4 到 6 月、美國餐廳的使用紀錄，10 月底透過 Stacker 發布。幾個數字很有意思：
問最多的是營收與業績，佔對話 30%；菜單管理和人力工時各佔 8%。
晚餐尖峰佔 27%、午餐尖峰佔 26%，加起來超過一半的提問，發生在店裡最忙的時候；而且手機提問（54%）比電腦還多。
真正請 AI 直接動手修改的，七成以上與菜單有關，最常見的是把賣完的品項下架。
防損方面，查折扣佔 62%，查作廢單佔 25%。
換句話說，AI 最常被叫出來的時刻，不是坐在辦公室裡，而是站在出餐口、手上還拿著手機的時候。Toast 也坦白交代，這些數字只代表店長「問了什麼、做了什麼」，並沒有證明省下多少錢；主題分類是用關鍵字比對，屬於近似值。
另外，Forbes 專欄作家 Gene Marks 在 10 月 25 日的科技週報裡，同時談到這位加盟主，以及耳機品牌 Jabra 的一份調查：超過 6,000 名知識工作者中，85% 表示 AI 讓至少一種工作變多，只有 35% 說 AI 減少了部分工作量。他的結論是，關鍵不在有沒有用 AI，而在怎麼用。
傑西哥觀點 先讓AI做你會檢查的事
看完這兩個案例，我最大的感想是：真正省到時間的，不是寫菜單文案、做 IG 圖，而是對帳、調價、排班這些老闆每個月最怕、又不能出錯的事。不過要誠實提醒，這兩份都是廠商自己挑出來的成功故事，或許有挑選偏誤，你看不到用了沒效果的店家，所以請把數字當方向，不要當保證。
一、先挑有標準答案、你會檢查的工作
對帳就是最好的例子：POS 的現金紀錄對銀行存款，對不對得起來，一比就知道。這種工作錯了看得出來，最適合讓 AI 練手。反過來，「幫我想下一季新菜色」這種沒有對錯的題目，省不了多少時間，也很難判斷 AI 做得好不好。
二、資料先從 LINE 和老闆腦袋裡搬出來
舉個常見的情境：台灣很多小餐廳，叫貨在 LINE 群組喊，班表是店長手寫後拍照傳，菜單成本只有老闆心裡有數。Ted 能讓 AI 算調價，是因為他手上有品項銷量、供應商價格這些表格。沒有表，AI 再厲害也只能猜。Toast 的數據也提醒我們，店長多半是在尖峰時段用手機問問題，所以資料要整理到「手機上問一句就答得出來」的程度。
三、新舊並行跑一次，再慢慢放手
學 Ted 第一次調價的做法，自己算一遍、AI 算一遍，對照差在哪裡；排班也是讓店長先比對 AI 的版本，把漏掉的規則補進指令。權限從唯讀開始，最後拍板的永遠是人。
今天就能做的第一步：把上個月其中一家店的 POS 現金報表和銀行存款明細匯出成 Excel，交給 Claude 或 ChatGPT，請它逐筆比對、列出對不上的項目。再用你自己對帳的結果檢查它。花一個晚上，你就知道 AI 在你店裡值不值得用。
延伸閱讀
站內相關文章
英文原文參考
留言