AI 工具如雨後春筍冒出，也常常看到新聞寫著「用 AI 省 8-12% 人力成本」這類標題。身為老闆，看到這種數字很難不好奇：如果別人做得到，我們是不是也能省一筆？ 但千萬要記得，不要直接拿這個數字套在自己的餐廳換算！先釐清一件事情：省下來的是哪一部分的人力成本呢？
雖然「AI 省人力成本」聽起來很直覺，實際上要先拆開看：省的是總人力成本、可變動工時、加班費，還是店長花在排班、改班、找人代班的時間？不同分母算出來的結果，可能差三到四倍。
FREONE 透過本篇文章從 AI 工具切入，再用餐飲業最容易落地的排班情境來拆解。排班之所以適合當例子，是因為它同時牽涉正職、兼職、尖離峰人力、臨時補班與加班費；這些成本每天都在發生，卻不一定會被放在同一張表裡檢視。
所以，與其問「AI 到底能幫我省幾 %」，更實際的問題是：我的人力成本裡，哪些部分用了 AI 後，真的有機會被改善？
先釐清 AI 省的是哪一塊成本
餐飲業的人力成本，常見會落在營收的 25-35% 左右。這個比例可以拿來觀察營運壓力，但不能直接當成「AI 工具可以省下的全部範圍」。
原因很簡單：人力成本裡，有一大塊必要支出，短期內難有節省空間，像是：像正兼職基本薪資、門市必要人力配置、法定加給、勞健保與勞退等雇主負擔，都不會因為導入 AI 工具就消失（除非就是減少人力…）。而 AI 能改善的，通常是流程裡可調整、可預測，或原本靠人工反覆協調的部分。
放到餐飲現場來看，排班就會是個很適合拆解的好例子，因為排班情境中，同時牽涉正兼職上班時數、尖離峰人力、臨時補班、加班費等，以及店長每週花在排班與協調換班上的時間。這些項目每天都在發生，也比「AI 讓工作更有效率」這種說法更容易拿出數字來衡量。
以排班情境來看，可以先拆成這張表：
| 成本區塊 | AI 工具能影響的程度 | 用排班情境看 |
|---|---|---|
| 固定人力與基本配置 | 低 | 正職、必要開店人力、固定班型，短期較難調整 |
| 可變動工時 | 高 | 兼職、計時人員、尖離峰班段調整，是最主要的改善空間 |
| 加班與臨時補班 | 中高 | 若加班來自事前排班不足或臨時缺口，可透過預警與調度降低 |
| 排班協調時間 | 中 | 店長排班、改班、找代班的人力時間，常被忽略 |
| 法遵與罰款風險 | 中 | 可檢查連續出勤、休息日、加班上限等勞基法地雷，降低因排班疏漏被裁罰的機率 |
透過實際排班情境並拆解，我們回到第一段提到的「省12%」說法，就不能只把這個數字當做一個大方向目標！更客觀來看，需要了解這個比例，是算在整體人力成本上，還是只算在 AI 工具真的有機會改善的某部分成本。
如果是「可被工具改善的流程成本」下降 12%，有些門市或許還能推估；但如果要說「總人力成本」下降 12%，門檻就高很多，通常需要有更明確的指標數據，如：POS 或來客資料串接，並且要能成熟預測需求，加上原本流程中，真的存在不少冗餘可以優化。
接下來，我們就用排班這個場景，繼續拆解，將三個比較能計算出成本的情境列出來看。
以排班為例：三個有機會透過 AI 改善流程的環節！
1. 過度排班：離峰時段人力沒有跟著需求調整
餐飲現場最常見的浪費，未必是排太多人站著沒事做，更多時候來自班表長期照習慣複製貼上。例如，上週一下午排三個人，這週一下午也排三個人；去年暑假某個班段很忙，今年也照同樣人力排。久而久之，班表會變成一套「大家覺得差不多」的配置，但它未必反映現在的來客、外送比例、備料流程與新人熟練度。
要抓準優化這一塊，可以先把過去四週的每小時營業額或來客數拉出來，旁邊放同時段在班人數。兩欄一對，就會看出哪些時段人力，並沒有因應需求微調比例。
你要找的重點，是反覆出現的落差，而非單一天的異常，例如：每週二 14:00-16:00 營業額都偏低，但固定排了三個人；或是某店外送訂單明顯集中在晚上，下午卻還沿用以前的內用人力配置。
找出這些資訊不是為了要砍掉這些班次，因為現場還有備料、清潔、訓練與突發客潮。但如果每週固定找出一部分可調整時數，累積到一個月就會變成可觀的成本差。
2. 可避免的加班：把臨時補洞變成事前安排
加班費不只是多出幾個小時的時薪，還牽涉到倍率與法定上限。依勞動部公開資訊，平日延長工時 2 小時以內，至少按平日每小時工資額加給 1/3；再延長 2 小時以內，至少加給 2/3。休息日出勤又是另一套規則，而且延長工時也有上限，必須要符合勞基法！
營運團隊不用把法條背起來，但要記得一件事：加班成本常常比表面時薪高。要估算這個數字，建議先從打卡資料撈出「超過原班表」的時數，再分成兩類：
- 臨時缺人補班：例如，有人請假、遲到、離職，店長臨時請另一位員工多留。這一類若能提前知道可支援人力、跨店調度名單、員工可上班時段，通常比較有機會降低。
- 尖峰超時：例如，晚餐尖峰連續爆單，排定人力本來就不足。這類狀況通常不只牽涉換班流程，還需要重新看需求預測與班段配置。
工具至少要先把這兩種臨時需求分開處理。臨時缺人時，大量消耗時間的地方，是店長要一個一個問誰能補缺、誰可以跨店支援、來支援的人會不會踩到工時上限等。這時候，若系統能幫助店長直接向附近門市呼叫支援，並且看到員工回覆的可支援時段，就能先降低來回溝通的成本。
而尖峰超時則要看需求預測與人力配置，這不是多找一個人臨時補上就能解決，而是要檢查尖峰時段的人力是否一開始就排得太緊、班次是否合理，以及下次遇到類似來客量時，需不需要提前增加人力。
3. 店長排班與換班協調時間
很多公司計算人力成本時，只看員工薪資與加班費，完全漏掉店長每週花在排班上的時間！
實務上，一位店長每週花至少 3-6 小時排班、改班、確認可上班時段、處理請假與找人代班，如果不熟悉排班可能浪費更多時間。而如果老闆只開一間店，看起來影響不大，但如果是 20 間、50 間、100 間店，每間店、每個店長排班加總的時間，長期來說就是一筆固定消耗。
這筆成本不會在「人力成本」欄位，因為店長本來就在領薪水。可是店長的時間其實非常寶貴：帶新人、看現場動線、檢查服務品質、處理客訴、看營運數字，都需要他在場。如果協調排班佔用太多注意力，最後被擠掉的就是有價值的管理工作。
而要評估排班時間成本也很簡單，只要請店長記錄每週花在排班（包含確認員工可上班時間、確認工時是否符合法規等）與換班協調的時間，再乘上 4 週、店長時薪與店數。
就現實面來看，排班時間成本仍很難透過 AI 工具 100% 優化，原因在於「排班不是填空格，也考驗著店長對現場的熟悉度」，例如：誰適合站櫃檯、誰在尖峰餐期可以游刃有餘、誰剛到職還需要有人帶、哪兩個人搭配比較順等，這些細節通常不會完整寫在系統資料裡。
所以，要有個清楚認知是，AI 能處理的是員工可上班或希望休假的時間，減少反覆溝通，以及提醒人力缺口、判斷是否踩到勞基法地雷等，不能期待它完整取代店長的判斷！
用保守算法估 AI 工具效益
評估 AI 工具前，最好先挑一個能量化的流程來算。餐飲業可以從排班開始，因為班表會直接對應到工時、加班、臨時補班與店長協調時間。你可以先用這張表算一次：
| 項目 | 怎麼填 | 計算％ |
|---|---|---|
| A. 每月總工時 | 從打卡系統匯出全部出勤時數 | 100% |
| B. 正職與固定班工時 | 固定配置、短期不能調整的工時 | 不列入 |
| C. 可變動工時 | 主要是 A – B 項目後的兼職與計時人員工時 | 列為改善目標 |
| D. 過度排班時數 | 用營業額或來客數對照，找出的冗餘時數 | 保守算 60% |
| E. 可避免的加班時數 | 臨時缺人補班、事前可預防的加班 | 保守算 50% |
| F. 排班協調時數 | 店長每週時數 x 4 x 店數 | 保守算 50% |
就上表來看，保守版估算式可以這樣寫：
每月可省成本約為：(D x 0.6 + E x 0.5) x 平均時薪 + E x 0.5 x 加班加給差額 + F x 0.5 x 店長時薪
舉例來說，某連鎖茶飲品牌有 10 間店，平均時薪 200 元。每月從資料裡抓到 300 小時過度排班、80 小時可避免加班，店長每週平均花 4 小時處理班表與換班。
保守估算後會是：
| 項目 | 計算 | 金額 |
|---|---|---|
| 過度排班改善 | 300 x 60% x 200 | 36,000 元 |
| 可避免加班基本時數 | 80 x 50% x 200 | 8,000 元 |
| 加班加給差額 | 依實際加班類型另估 | 先抓保守值 |
| 店長協調時間 | 4 x 4 x 10 x 50% x 店長時薪 | 依內部薪資換算 |
如果只看前兩項，保守估算每月可節省的成本約為 44,000 元。後面再視情況加上部分加班加給差額，以及店長排班、改班、找代班的協調時間。這個數字可能沒有宣傳案例那麼亮眼，但比較接近門市真的能追蹤、也能在導入後回頭驗證的效益。
之所以某些項目先以 50%~60% 保守計算，是因為排班本來就會遇到很多現場變數。臨時請假、天氣、突發客潮、新人還不熟、商圈活動、外送平台波動，都會讓班表需要保留更多緩衝彈性。工具可以減少混亂、降低反覆溝通，也能讓營運團隊更早看到缺口，但很難把這些變數全部消掉。
再來對照一開始提到的「AI 省 8-12% 人力成本」這類說法：如果你算出來的是「可被工具改善的流程成本」下降 5-8%，換算成總人力成本大約 2-4%，多數情況下會比較合理。若估算結果一開始就等於總人力成本下降 12%，建議再檢查一次分母，看看是否把同一段工時重複計算，或把原
什麼情況下省得比較多？
同樣導入 AI 工具，不同店型算出來的差距其實很大！沿用排班當例子，通常是下面這些情況比較容易看見效益，像是：
- 兼職比例高，可變動工時比較大
- 多店經營，店與店之間人力可以互相支援
- 尖峰與離峰落差明顯，例如：午晚餐、手搖飲尖峰、週末商圈
- 現在仍用 Excel、紙本或 LINE 群組處理班表
- 沒有固定檢查「營業額或來客數 vs 排班人數」的流程
- 店長花很多時間協調換班與找代班
這類門市通常還有班表調整空間，而且調整後不會直接影響服務品質。AI 工具能幫上的，是把員工報班時段（或指休）、工時限制與調度流程，用系統化的方式，協助店長更快排出合規班表或協調跨店支援人力！
省成本以外，更常被低估的是時間
談 AI 工具時，很多人會把「省時間」和「省成本」混在一起討論，但這兩件事最好分開看！
AI 省下的時間，不會顯示在損益表，卻會影響門市的管理品質，例如：店長少花一小時追員工回覆班表，就多一小時看現場動線、帶新人、檢查備料、處理服務細節。換班協調比較順，員工也比較不容易因為班表混亂而不滿。
餐飲與茶飲的流動率本來就高，補新人的招募、訓練與磨合成本，比少排幾個班次還貴。若排班流程讓員工即時掌握班表資訊、彈性回覆報班和指休等，就能有效降低管理成本，所以評估 AI 工具時，不要只看薪資表上少了多少工時成本，也要看店長和總部少花了多少時間在確認班表、追回覆、找人補班這些事情上。
建議可以從幾個問題開始檢查：
- 店長每週花多少時間確認員工可上班時段？
- 臨時缺人時，要問幾個人才找得到支援？
- 跨店支援名單是不是清楚？
- 員工換班、報班、指休等，有沒有留下紀錄？
- 總部能不能看見每間店的工時、缺口與調度狀況？
這些問題都會影響門市每天的運作。當班表資訊更清楚、能有效追蹤臨時異動、更快透過跨店支援找到人手，店長就能少花一點時間處理重複溝通，把營運目光放回現場管理。
因此，AI 工具的效益不單是人事費少了多少，也要看它有沒有減少管理過程中的摩擦。對餐飲業來說，這些時間省下來後，最後往往會反映在排班穩定度、員工滿意度、訓練品質與現場服務上。
FREONE ideas insight
「AI 工具能省 8-12% 人力成本」這種說法，可以當成參考，但不要直接拿來當改善目標。真的想要透過 AI 改善，就要先找到一個可優化的流程，並將其拆解成固定成本、可變動成本、可優化方向以及可能的時間溝通成本。以排班來說，固定人力必不可省，過度排班只先抓優化部分，可避免掉入計算誤區。雖然，優化的數字可能沒那麼漂亮，但更是踏實的體現實際的成效。
如果最後估出來只有總人力成本的 2-4%，也不代表工具沒有價值。對多店品牌來說，穩定減少排錯班、臨時補班、工時超時與店長協調時間，長期累積下來就是營運效率與管理品質的改善，也能讓店長把更多時間放回現場管理、員工培訓與顧客服務，讓門市慢慢進入更穩定的正向循環。
餐飲科技賦能小幫手 – FREONE AI 智能線上排班系統 ✨
還在用 Excel 和 LINE 管理正職夥伴與兼職員工的排班嗎？當人力調度越來越複雜，光靠人工彙整與訊息來回，不僅容易出錯，還會增加現場壓力😫 多店經營更麻煩，A 店缺人、B 店有人手閒著，卻無法調動人力。
FREONE 推出 AI 線上排班＆跨店支援系統，針對餐飲服務業常見的人力管理痛點，結合餐期模式，從蒐集給休與排班意願、自動工時與規範的合規提醒、AI 智能生成班表到現場營運調度，並支援跨店人力支援與工時檢查等，提供一站式人力調度解決方案，讓排班調度流程不再零散！
- 排班經理：輕鬆又有效率的完成每月 / 每週班表，人力、崗位缺口 一目了然
- 值班經理：餐飲現場即時調度人力（加減班），臨時缺班可找鄰近門市支援，工時有憑有據
- 連鎖總部：全品牌人力調度一站掌握，工時合規與勞檢風險提前預警，用同樣的人力營運更多門市
👉 立即開通 FREONE AI 線上排班系統：https://freone.com/contact/
FAQ
餐飲業的人力成本佔營收多少算合理？
餐飲業的人力成本常見落在營收的 25-35% 左右，但會因店型、品類、商圈、正職比例、外送占比與營業時間而不同。這個比例適合拿來看趨勢與同店比較，不建議單獨拿來判斷一家店使用的人力成本是否健康。
AI 工具真的能降低人力成本嗎？
可以，但要先看它改善的是哪一段流程。以餐飲排班來說，工具主要影響可變動工時、可避免的加班，以及店長排班協調時間。
為什麼用排班當 AI 工具效益的例子？
排班流程固定，且排班整件事情就同時牽涉人力成本、尖離峰需求、兼職時數、加班費、臨時補班與店長協調時間。這些項目都有機會從班表、打卡、營業額或來客資料裡整理出來，比較容易做出保守估算。
排班優化和裁減人力是同一件事嗎？
絕對不同！排班優化比較常見的目標，是把人力放到更需要的時段，降低離峰冗元、臨時補班與不必要加班。對多店品牌來說，也可能是把可支援人力更快調到缺口門市，單純減少人數通常不是核心目標。
