Egy horecavállalkozás egy kombinációra épül: kiszámítható munkára és olyan munkára, amely csak a pillanat maga hoz létre. Beosztás készítése, beszerzés nyomon követése, készlet leszámolása, foglalások feldolgozása, számlák ellenőrzése: ez olyan munka, amely ismétlődik, és amelynek kimenete nagyrészt szabályokban és korábbi mintákban rögzült. Ezen kívül van az a munka, amely akkor történik, amikor egy vendég belép, a konyha nyomás alatt áll, vagy egy csoport foglalás nélkül áll az ajtóban. Ez a második rész gyakran meghatározza azt a tapasztalatot, amely alapján a vendég megítéli az üzletet, míg az első rész azt határozza meg, hogy a hónap végén marad-e még árrés.
Az eredményt meghatározó körülmények ismertek: a kihasználtság, amely napszaktól és szezontól függően változik, a személyzet, amelyet rövid időn belül be kell tervezni, a beszállítók, akiknek eltérő az elérhetőségük, és a vendég, aki a nap bármelyik pillanatában foglalást, rendelést vagy panaszt tehet. Aki ebben nyer, azt eddig főként azok tették, akik átlátták a helyzetet és gyorsan tudtak reagálni.
A beosztás tervezése, a foglalások feldolgozása és a kérdések első kezelése olyan feladatok, amelyek alkalmasak arra, hogy az AI átvegye őket: ismétlődőek, sok korábbi adat áll rendelkezésre, és a döntési szabályok explicitté tehetők. Ahol ez megtörténik, elmozdul az, amit a vendég vagy a beszállító megkülönböztetőnek tapasztal. A foglalásra adott válaszidő korábban azon múlt, hogy ki vette fel épp a telefont; ha egy rendszer a kérdést azonnal megválaszolja, a gyorsaság már nem megkülönböztető tényező, mert mindenki, aki rendelkezik a rendszerrel, ugyanolyan gyors.
Ami megkülönböztetőként megmarad, az az a munka, amelynél az AI nem veszi át a feladatot, hanem támogatja egy emberrel, aki jóváhagy vagy elutasít: egy személyzeti beosztás, amelyet egy rendszer javasol, de egy vezető módosít azon alapulva, hogy ki bír el egy nehéz csoportot, vagy egy menümódosítás, amelyet az eladási adatok alapján javasolnak, de egy szakács ítél meg íz és szezon szempontjából. És ami teljesen emberi munka marad, az az asztalnál zajló interakció, a mód, ahogyan egy panaszt megoldanak, a légkör, amelyet a személyzet a padlón teremt. Ez nem automatizálható, mert az értéke magában a pillanatban keletkezik, nem egy adatokból levezethető mintában.
A változás sebessége nagymértékben eltér vállalkozásonként. Egy lánc, amelynek sok telephelye és sok tranzakciós adata van, rendelkezik alappal ahhoz, hogy a beosztást és a beszerzést rendszerrel javasoltassa; egy önálló üzlet, amelynek fix törzsközönsége van, ezzel az alappal gyakran nem rendelkezik, és kevésbé is van rá szüksége, mert az érték ott már a személyes kapcsolatban rejlik. A különbség tehát nem az ambícióban van, hanem abban, hogy mennyi ismételhető munka és adat áll rendelkezésre, amire építeni lehet.
Ha a szállítási idő, a válaszidő vagy az elérhetőség egyre inkább rendszerek által meghatározott, ez már nem megkülönböztető állítás, amint a versenytársak ugyanazokat a rendszereket használják. Egy üzlet, amely még mindig azt állítja, hogy a foglalás visszaigazolásának gyorsaságával nyer, míg ez a gyorsaság közben mindenhol egyforma, valójában nem nyer ezen a dimenzión, csak még úgy hiszi. Pontosan itt van értéke a peer grouppal való összehasonlításnak: nem azért, hogy megerősítse, amit egy vállalat már gondol, hanem hogy megmutassa, melyik dimenzió különböztet még meg, és melyik már nem.
Ugyanez a dinamika más szektorokban is a saját módján érvényesül, ahogyan az látható az agrárszektorban zajló elmozdulásban, ahol az AI átveszi a munkát és a szabadidős szektorra gyakorolt következményekben, amikor a foglalási és tervezési munkát átveszik. Az IT-szektorban, ahol az ilyen jellegű automatizálás már régebb óta létezik, jól látható, mely dimenziók veszítették el elsőként a megkülönböztető erejüket, ahogyan az megtalálható a nyertes dimenziók elemzésében az IT-szektorban, most hogy az AI átveszi a munkát.
Az alapkérdés, hogy egy adott horecavállalkozásban mely munka valóban átvehető az AI által, és melyik marad emberi munka, általános szinten nem válaszolható meg. Ez vállalkozásonként eltérő, függ a rendelkezésre álló adatoktól, a már működő rendszerektől és a munka jellegétől magától. Az FTE TO AI munkaszkennere ezt a kérdést feladatonként válaszolja meg, a kimenetre vonatkozó feltételezések nélkül.
Egy további bonyodalom a horecában az, hogy a versenytársak ritkán publikálnak adatokat a kihasználtságról, az árrésekről vagy az átfutási időkről. Aki tudni akarja, min teljesít egy versenytárs valóban jobban, annak abból kell dolgoznia, ami látható: vélemények, várakozási idők, személyzeti fluktuáció, menüváltások. Hogyan lehet ezeket a közvetett jelzéseket olvasni, arról a megközelítés az adatokat nem publikáló versenytársak felmérésére szól. Egy másik probléma, hogy a marketingszövegek a szektorban gyakran hasonlítanak egymásra: mindenki minőséget, vendégszeretetet és élményt ígér, ami a szavakban rejlő megkülönböztetést használhatatlanná teszi, ahogyan az kifejtve szerepel az elemzésben arról, miért mondja minden versenytárs ugyanazt.
Amit egy személyzeti felelős ezzel az elmozdulással tesz a kihasználtság és a létszám tekintetében, a saját erre vonatkozó törvényi előírások alá esik; ez nem olyan téma, amiről itt állítás fogalmazódik meg.
Az első lépés nem egy beruházás, hanem egy ellenőrzés: mely, a gyorsaságra, kínálatra vagy szolgáltatásra vonatkozó állításokat használják most a nyeréshez, és ezek még megkülönböztetőek, vagy már mindenhol egyformák. Az ingyenes dimenzióellenőrzés ezt konkréttá teszi: megnevezi, min gondolja, hogy nyer, és látja, mely állítások védhetők bizonyítékkal. A teljes benchmark, a peer grouppal minden releváns dimenzión és egy bizonyítékmátrixszal minden pontszámhoz, jelenleg épül.