Ted Taylor ने स्वतंत्र फ्रैंचाइज़ी धारक बनने से पहले 25 वर्षों तक सेमीकंडक्टर उद्योग में काम किया। अब वे न्यू मैक्सिको में तीन सह-ब्रांडेड Schlotzsky's और Cinnabon रेस्टोरेंट संचालित करते हैं, जहाँ उन्हें ग्राहक अनुभव और पर्दे के पीछे के बड़े काम, जैसे मेनू मूल्य निर्धारण, स्टाफिंग, उपकरण रखरखाव और नीतियों, के बीच संतुलन बनाना होता है। Taylor इनमें से कई कामों को तेज़ी से पूरा करने के लिए OpenAI की तकनीक का उपयोग करते हैं। वे शोध और मसौदा तैयार करने जैसे समय-खपाऊ कार्यों के लिए ChatGPT पर और मूल्य निर्धारण, बिक्री, पूर्वानुमान, शेड्यूल और श्रम से जुड़े डेटा को इकट्ठा और विश्लेषित करने के लिए ChatGPT Work पर निर्भर रहते हैं। स्रोत के अनुसार, इससे मूल्य पुनर्निर्धारण का समय 95% घटता है और पेरोल रन में चार घंटे बचते हैं।
मेनू का मूल्य पुनर्निर्धारण एक वार्षिक कार्य है, जिसमें रेसिपी की लागत, आइटम की लोकप्रियता, स्थानीय प्रतिस्पर्धियों के मूल्य, भाग के आकार और इन-स्टोर तथा डिलीवरी ऑर्डर की अलग-अलग अर्थव्यवस्था का विश्लेषण करना होता है। Taylor का कहना है कि ChatGPT Work इन सभी कारकों को एक साथ लाता है और पाँच दिनों के बजाय एक से दो घंटों में मूल्य सुझाव तैयार कर देता है। वे पहले स्थानीय प्रतिस्पर्धियों, भाग के आकार और भोजन की गुणवत्ता के आधार पर मूल्य लक्ष्य तय करने के लिए इसका उपयोग करते हैं, फिर श्रेणीबद्ध मेनू आइटम और उनके वर्तमान मूल्य देते हैं और वांछित वृद्धि बताते हैं। आइटम-स्तरीय बिक्री इतिहास और आपूर्तिकर्ता मूल्य जोड़ने पर, यह उपकरण बिक्री पर पड़ने वाले प्रभाव का अनुमान लगा सकता है और कॉस्ट-ऑफ-गुड्स लक्ष्यों के आसपास अनुकूलन कर सकता है, और अनुशंसित मूल्यों वाली स्प्रेडशीट लौटाता है। Taylor ने कहा कि इससे उन्हें स्थानीय तुलना अधिक गहराई से करने में मदद मिली और ऐसी वृद्धि से बचने में सहायता मिली जिनसे कुछ आइटम प्रतिस्पर्धा से बाहर हो जाते।
Taylor श्रम लागत के प्रबंधन के लिए भी ChatGPT Work का उपयोग करते हैं। विश्लेषण के लिए उन्होंने इसे अपने बिक्री और श्रम डेटा तक केवल-पठन पहुँच दी। यह उपकरण निर्धारित, बजट में तय और वास्तविक घंटों की तुलना पूर्वानुमानित और वास्तविक बिक्री से करता है, पिछले 12 सप्ताहों की समीक्षा करता है, और ओवरटाइम, बहुत लंबी शिफ्ट और कवरेज की कमियों को चिह्नित करता है ताकि प्रबंधक उनकी समीक्षा कर सकें। एक शेड्यूलिंग परीक्षण में, इसे भूमिकाओं, प्रशिक्षण, उपलब्धता और वेतन सहित कर्मचारी सूची, साथ ही अलग-अलग बिक्री स्तरों पर स्टाफ की आवश्यकताएँ दी गईं। Taylor और उनकी प्रबंधक ने इसके प्रस्तावित शेड्यूल की तुलना उस शेड्यूल से की जो वे खुद बनातीं, और पाया कि व्यस्त अवधि में अतिरिक्त स्टाफ जोड़ने से जुड़े नियम गायब थे, जिसके बाद उन्होंने निर्देशों को परिष्कृत किया।
स्रोत: OpenAI Blog · HeadlinesBriefing द्वारा सारांशित