프랜차이지 한 명이 ChatGPT Work로 월 현금 대사를 3시간에서 5~10분으로 줄였다

매달 3시간 걸리던 현금 대사가 5~10분으로 줄었다. OpenAI가 10월 20일 공개한 사례의 주인공은 뉴멕시코에서 Schlotzsky's와 Cinnabon 복합 매장 세 곳을 운영하는 가맹점주 Ted Taylor다. 반도체 업계에서 25년 일하다 식당으로 옮긴 사람이고 개발자가 아니다.

개발 지식 없이 도구 하나로 사무실 직원 한 명 분량의 반복 업무를 덜어낸 사례라서 직원 열 명 안팎의 가게, 에이전시, 교육 사업자가 비교해 볼 만하다. 다만 OpenAI가 직접 올린 고객 사례이고 일부 수치는 추정이다.

한 줄 정리

세 매장 점주가 가격 책정, 인건비 분석, 현금 대사를 ChatGPT에 맡겨 일의 시간을 90% 넘게 줄였고 최종 판단은 계속 본인이 한다.

한눈에 보기

연 $100K 현금흐름 개선과 연 $50K~$100K 인건비 절감은 점주의 추정이거나 최대치이고 아직 실현된 숫자가 아니다.

일을 맡긴 방식

가격 분석은 경쟁 매장 가격, 1인분 양, 품질 차이를 넣어 목표 가격대를 먼저 잡는 것으로 시작한다. 이어서 매장 안과 배달앱의 현재 가격표, 올릴 폭의 목표, 품목별 판매 이력과 공급가를 넣는다. 결과는 매장 안, 배달 가격이 따로 적힌 스프레드시트와 고객 이탈을 줄이는 인상 전략이다. 첫 실행에서는 같은 분석을 직접 하고 비교했는데 AI가 지역 경쟁 가격을 더 깊이 비교한 덕에 몇몇 품목의 부적절한 인상을 피했다고 한다. 지금은 AI 결과를 초안으로 쓴다.

인건비는 판매와 인건비 데이터에 읽기 전용으로 접근하게 한다. 예정 시간, 예산 시간, 실제 시간을 예측 매출, 실제 매출과 맞대고 최근 12주를 반영해 매출 예측을 자주 웃돌거나 밑도는 매장 성향까지 감안한다. 초과근무와 지나치게 긴 근무, 인력 공백이 매니저 검토용으로 표시된다.

일정표는 직원 명단, 숙련도, 가능 시간, 시급, 매출 구간별 필요 인원을 주고 나온 안을 매니저의 안과 나란히 놓았다. 바쁜 시간대 증원 규칙이 빠져 있다는 걸 그렇게 알았고 지시문을 고쳤다. 지금은 한 매장의 전체 일정이 나오고 매니저가 검토해 근태 시스템에 입력한다.

이 사례에서 눈여겨볼 곳

첫째는 맡기는 순서다. 점주는 자기가 판단에 쓰는 자료와 기준을 AI에게 그대로 주고 결과를 자기 것과 견준다. 믿음이 쌓이면 맡기는 범위를 늘린다. 처음부터 전부 넘기지 않았다.

둘째는 데이터 권한이다. 판매와 인건비 데이터에 읽기 전용으로 열었고 일정은 사람이 시스템에 직접 넣는다. 실수가 나도 번지는 범위가 좁다.

셋째는 숫자의 출처다. 큰 금액은 추정이고 확인된 건 시간 절감이다. 소규모 팀이 도입 효과를 설명할 때도 시간 절감과 추정 금액을 따로 적는 편이 신뢰를 얻는다.

위시클레이 관점

매장 세 곳에서 연 $50K~$100K라는 추정은 점주의 직관이 아니라 시급과 매출 대비 비율이라는 자기 장부 숫자에서 나왔다. 같은 도구를 써도 자기 장부를 가진 사람만 이 계산을 한다. Ted Taylor가 얻은 것은 ChatGPT의 능력이 아니라 25년 동안 숫자를 보던 눈으로 AI의 초안을 거르는 능력이다.

콘텐츠 에이전시나 교육 사업자가 따라 하려면 첫 업무를 고르는 기준이 필요하다. 주기가 정해져 있고 입력 자료가 이미 파일로 있으며 결과를 사람이 5분 안에 검토할 수 있는 일. 월 정산, 견적 비교, 광고 성과 취합이 그 모양이다. 반대로 자료가 흩어져 있거나 검토자가 없는 일은 시간이 줄기 전에 사고가 먼저 난다. 월 현금 대사 3시간이 5분이 된 것은 은행 내역과 매장 기록이라는 정리된 두 파일이 있었기 때문이다.

참고

• Franchisee reconciles cash in 94% less time with ChatGPT Work (OpenAI)