快餐加盟商用 ChatGPT 管三家店：省下的工时是小钱，人工率那 1 个点才是大钱

事项	之前	之后	口径 / 来源
三店月度现金对账	3 小时 / 月	5–10 分钟 / 月	公司自述（OpenAI 客户案例）；折合一年省 34–35 小时，为估算
菜单年度调价	5 天	1–2 小时	公司自述；一年一次，折合约 38–39 小时，为估算
薪资核算前的数据汇总	未公开	每个发薪周期省 4 小时	公司自述；发薪频率未公开，一年约 100–210 小时，为估算
排班	店长手排	AI 出初稿，店长改完录进排班系统	公司自述，只写了“这家门店”
小时工成本占销售额	未公开	预计降 1–2 个百分点	Ted 本人估算，还没发生
每年多出的现金流	—	预计 5 万–10 万美元	Ted 本人估算，还没发生
三店年营收	未公开	按 10 万美元反推约 500 万；按品牌平均约 347 万	估算；品牌平均来自 GoTo Foods 公布的 2025 财年数据
软件花费	—	未公开	案例没写哪档套餐、几个账号
第三方核实	—	没有	能找到的转载都在复述 OpenAI 原文

OpenAI 10 月 20 日发了一篇客户案例。

主角叫 Ted Taylor，在美国新墨西哥州开了三家 Schlotzsky’s 三明治加 Cinnabon 肉桂卷的双品牌加盟店。开店前，他在半导体行业干了 25 年。

GoTo Foods 招商页上的 Schlotzsky’s 门店效果图，店里挂着 Cinnabon 招牌；不是 Ted 的门店。

他把现金对账、菜单调价、排班、算工资前的数据汇总，交给了 ChatGPT Work。这是 OpenAI 7 月推出的桌面智能体，跟着 ChatGPT 订阅走。

标题挂着“现金对账耗时缩短 94%”。

OpenAI 中文官网案例页：标题主打“现金对账耗时缩短 94%”。

这个数没造假，但放在整篇里，它最不要紧。

值钱的那个数藏在排班那一段，而且还没兑现。

94% 摊到一年，也就三十几个小时

先把省下的时间摊开算。

对账：每月 3 小时变 5–10 分钟，一年省 34–35 小时。

调价：一年只做一次。5 天按 40 小时算，现在 1–2 小时，一年省 38–39 小时。

薪资数据汇总：每个发薪周期省 4 小时。案例没写他多久发一次工资。两周一发是 26 次，一年 104 小时；每周发就是 208 小时。

三项加起来，一年 170 到 280 小时，差不多一到一个半月的全职工时。

标题里的 94% 一年只换来 35 小时左右，大头在薪资数据汇总。

对一个自己兼着财务和人事的三店老板，这笔账划算。

ChatGPT Business 的价格，第三方整理的是每人每月 20–25 美元，一个账号一年几百美元。Ted 订的哪档，案例没说。

可是这跟“效率提升 94%”给人的印象差很远。一个月只做一次的活，压到 0 也就省 3 个小时。

标题挑 94%，是因为它好看。读这篇的人该盯的是后面那句“10 万美元”。

快餐店的利润，卡在人工那几个点上

Ted 给了一个大得多的数：排班理顺以后，三家店的小时工成本占销售额，有望降 1–2 个百分点，每年多出 5 万–10 万美元自由现金流。

这是他自己估的。

但这个方向找得准，因为美国快餐店的利润，基本就卡在人工上。

美国餐饮协会（NRA）每年出一份经营数据摘要。2025 版用了 900 多家餐厅 2024 年的数据，快餐这一类是这样的：

• 工资加福利占销售额，中位数 31.7%。NRA 在 2010、2013、2016 年那几版报告里，这个数大约是 28%。
• 食材、饮料加人工，行业叫 prime cost，合计吃掉销售额的 65%。
• 税前利润中位数 4.0%。
• 盈利的快餐店，人工率中位数 30.0%；亏钱的，34.1%。

最后一条最能说明事。

赚钱的店和亏钱的店，人工率就差 4 个点。Ted 说的 1–2 个点，正好是这道坎的四分之一到一半。

再拿利润比。一家税前利润 4% 的店，人工省下 1 个点，利润就多出四分之一。

税前利润只有 4 个点，人工率的 1–2 个点就是利润的四分之一到一半。

对小餐饮来说，AI 能碰到的最大一块钱在排班上。对账、写员工手册，都算零头。

人工率怎么降？靠排班贴着客流走，高峰多派人，低谷少排人。

运营管理学者 Tom Tan 和 Serguei Netessine 2014 年在《Management Science》发过一篇研究，数据来自一家连锁餐厅上线排班软件前后。

他们发现，服务员手上的桌子太少时，动作反而慢。桌子多到一定程度，才会提速。按他们的估算，这家连锁少排一些人，销售能多 3%，人工成本能降 17%。

Netessine 在 INSEAD 的采访里说，餐厅员工的效率取决于当下有多少客人。

那是一家正餐连锁，数字搬不到快餐上。但它说明一件常被忽略的事：人手多排一点，生意未必跟着多。这家连锁就是排多了。

Ted 让 ChatGPT 做的，就是排班这门基本功。

它回看过去 12 周，把排班工时、预算工时、实际工时，跟预测销售和实际销售摆在一起，标出加班、超时和缺人。

排班试点时，第一版少了“高峰什么时候加人”这条规则。店长拿自己排的表一对，才发现，补进指令里。

OpenAI 案例原文：排班只写了“这家门店”，第一版缺了高峰加人的规则。

反推一下，他的店得卖得比平均好

5 万–10 万美元对应 1–2 个点，等于说三家店一年营收大约 500 万美元，一家 167 万。

品牌方 GoTo Foods 在招商页上公布过：2025 财年，带得来速的 Schlotzsky’s 加盟店，平均净销售 115.7 万美元。这是 201 家店的平均，出处是 2026 年加盟披露文件 Item 19。

按这个平均数，三家店一年 347 万，1–2 个点是 3.5 万–6.9 万美元。

想拿到 10 万，他的店得比品牌平均高四成多。

按品牌平均营收算，1–2 个点只有 3.5 万–6.9 万美元。

他是双品牌店，多卖肉桂卷可能拉高营收。但品牌方没单独公布双品牌店的数字，他自己的营收也没公开。

案例副标题写“有望释放 10 万美元”，用了区间上限。按品牌平均算，下限的 5 万更靠谱。

还有一层。按 Blockchain.News 引的品牌方资料，Schlotzsky’s 抽 6% 的特许权使用费，另收 4% 营销费。销售额的一成先交给品牌，剩下的才轮到食材、人工、房租和老板自己。

加盟店头上压着这一成，人工那 1 个点的分量，比账面上看着还重。

他手搓的这套，排班软件早就在卖

把 Ted 做的事拆开看，北美市面上都有现成产品。

7shifts 是北美餐饮常见的排班软件，官网写着 5.5 万多家餐厅在用。它的价格页里列着“按人工目标和预测销售自动生成排班”“按小时预测并给出人工建议”“员工快加班时提醒”。按店按月收费，加拿大区页面标价 Pro 每店每月 89.99 加元，Premium 149.99 加元。

7shifts 加拿大区价格页：Pro 每店每月 89.99 加元，Premium 149.99 加元，后者带小时级人工预测和人工建议。

Restaurant365 管餐饮的财务后台，不公开报价。TrustRadius 上的起步价是每店每月 435 美元，按季度付。

Toast 卖收银系统起家，二季度覆盖约 18 万家门店。CEO Aman Narang 在一季度电话会上说，以后要在排班和薪资、库存和食材成本、记账和会计上都放智能体。他们的 Toast IQ 当时每周有 4 万家门店在用。

Ted 为什么不直接买这些现成的，案例没提。

案例里有个细节：ChatGPT 出完排班，店长改好，还要“录进餐厅的排班系统”。

也就是说，排班系统一直都在。ChatGPT 坐在系统前面，替老板和店长把规则想清楚。

Benedict Evans 2023 年写过一篇《Unbundling AI》，讲的就是通用聊天机器人和专用软件的关系。

他拿 Excel 打比方。Excel 是一张空白表格，什么都能算，前提是你自己知道要算什么。后来很多人用 Excel 模板干的活，被做成了独立公司，比如 QuickBooks。他说大模型的输入框也有这种“空白画布”难题，约束还更少。

Ted 现在就在 Excel 那个阶段。

他手里的 ChatGPT 是一张空白表格，模板是他自己写的：喂什么数据，定什么规则，怎么跟店长的版本对照。25 年半导体行业的数据习惯，在这里派上了用场。

a16z 的 Angela Strange 等人去年 12 月写过一篇讲垂直 SaaS 的长文，有一节标题叫“软件替代人工”。

意思是小企业花在软件上的钱很少，花在人工和外包上的钱多得多。垂直软件加上 AI，就能去抢后面这块预算。他们算过一个例子：一万个客户每月付 1000 美元，市场一年 1.2 亿；如果把客户的营销、客服、后台预算也吃下来，每月收 1 万，市场就是 12 亿。

Toast 说要做排班、薪资、记账智能体，走的就是这条路。

Ted 这个案例里，通用 AI 和垂直软件抢的是同一块：老板脑子里那套规则，加上过去没空做的分析。

ZoomInfo 首席战略官 Dennis Sevilla 9 月拿他们的软件使用数据做过统计。100 人以下的公司，一年前每 100 家有 7 家会砍掉某个单点工具，现在是 30 家。砍 CRM、薪资、会计这类“记录系统”的，一年前 3 家，现在 7 家。

砍得最多的是在线客服、帮助台、营销自动化。

他的解释是，单点工具手里只有一套流程，没有数据，小团队用 AI 一下午就能替掉。记录系统攥着业务数据，砍不动，而且正在往自己身上加智能体。

拿这个逻辑看 Ted：收银、银行、排班系统这些存数据的，他一个没换。ChatGPT 夹在它们中间，搬数据、对数据、出建议。

通用 AI 先吃掉的，更可能是那些只卖一个功能的小工具和外包工时。餐饮收银、排班这类攥着数据的系统，眼下还动不了。

风投机构 Matrix 的合伙人 Matt Brown 4 月写垂直软件大会的笔记，有一句挺准：品味赢得演示，信任赢得续约。

对餐饮老板来说，信任包括出了错有人管。ChatGPT 排错一个班、对错一笔账，案例里没说怎么兜底。

谁在真用

Ted 这样的老板，在美国餐饮业也是少数。

问谁、怎么问，数字差得很大：

• 美国人口普查局的企业双周调查，9 月下旬到 10 月初那一期，约四分之一的企业在用 AI，住宿和餐饮只有一成左右。这组数来自第三方整理。
• NRA 今年 4 月的研究报告说，约 26% 的餐饮经营者在用 AI 工具。
• Ramp 按企业卡和账单流水统计，9 月它的客户里，“住宿与餐饮”类有 33% 在为 AI 付费。Ramp 的客户本来就偏向爱用新软件的公司。
• 美联储理事 Lisa Cook 6 月引用 2025 年小企业信贷调查，说将近一半有雇员的小企业在某种程度上用了 AI，用了的里面 71% 说效率提高了。

一成到五成，差了五倍。

写一封邮件算用 AI，让它排班也算用 AI，门槛差得太远。

把销售和用工数据开只读权限给 AI，让它定期出分析，这种用法放在哪组口径里都是少数中的少数。

旧金山联储 3 月整理过小企业主的访谈。没用 AI 的老板，主要卡在三件事上：担心数据保密和准确性，不知道从哪下手，觉得自己的生意用不上。

Restaurant365 年中的调查里，38% 的餐饮经营者说完全没打算用 AI。顾虑排前两位的是数据隐私（37%）和结果准不准（34%）。

厂商案例要打几折

这篇是 OpenAI 自己选、自己写、自己发的。能搜到的转载，包括 Blockchain.News，都在复述原文，没人去找 Ted 本人核实。

打折有好几层理由。

第一层是选样。厂商只会挑用得最好的客户来写。Ted 做了 25 年半导体，对数据和流程的熟悉程度，大概率高于一般餐饮老板。

第二层是自报。“5 天”“3 小时”都是 Ted 凭印象说的，没有计时记录。

研究机构 METR 2025 年做过一个随机对照实验。16 名资深开源开发者，用 AI 工具时实际慢了 19%，事后却觉得自己快了 20%。

写代码和对账是两码事，但“我觉得省了多少时间”这类数，确实不能照单全收。

第三层是省下的时间去了哪。

经济学家 Anders Humlum 和 Emilie Vestergaard 追踪了丹麦 11 个职业、2.5 万名员工。用聊天机器人的人平均只省下 2.8% 的工时，收入和工时都没测出明显变化。他们还发现，AI 会给一部分人带来新的活。

Ted 说他现在能做“过去可能无暇顾及的分析”，这本身就是新活。省下的那一两百个小时，未必都变成了休息。

第四层是案例没写的东西：

• 订的哪档套餐，每月花多少钱。
• AI 对错账、排错班的次数，以及是怎么发现的。
• 排班只写了“这家门店”，另外两家上没上，没说。
• 人工率降 1–2 个点，还只是预期。

厂商发的行业调查也要这么看。Restaurant365 那份说，用 AI 的经营者里 62% 人工成本降了，88% 说每周都在省时间。问卷是做餐饮后台软件的公司发的，答题的人多半也是它的用户。

放到国内开几家店的老板身上

Ted 用到的数据，国内老板手里大多也有。收银系统能导出流水，银行能下载对账单，排班多半在店长脑子里，或者一张共享表格上。

现金对账最好搬。规则清楚，对不上就是对不上，错了也好查。

数据这块得掂量。银行流水和收银明细交给一个境外模型，合不合规、放不放心，老板得自己判断。换成国产大模型，这个问题照样在。

排班最值钱，也最难搬。

Ted 的第一版排班缺了高峰加人的规则，是店长拿自己排的表一对，才看出来的。规则得先在人脑子里，AI 才有东西可学。

国内的人工结构和美国差别很大。计时工占多少，社保怎么交，包不包吃住，都会改变账本，美国 31.7% 的人工率不能拿来直接比。

不过一家店赚不赚钱，常常就差人工那几个点，这一条中美都一样。

对开三五家店的老板，最值得试的是那份 12 周回看：实际工时对着实际销售，哪天多排了、哪天缺人，一张表摊开。Excel 也能做，AI 只是让它快到每周都愿意做。