週六晚餐時段，接待台同時面對電話、線上訂位、候位顧客、已到店但尚未入座的訂位客，以及外場詢問桌況的同仁。另一個平日下午，班表看似完整，現場卻沒有相同的服務壓力。若只用總來客數或店長直覺排班，很難看出真正的瓶頸發生在電話、接待、入座、點餐，還是出餐銜接。
經濟部統計處資料顯示，餐飲業 2025 年 1 至 7 月營業額續年增 3.0%；同一份 2024 年 5 月調查中，餐飲業者勾選的人力壓力包含人力短缺 61.5%、人員流動率高 55.6%、人事成本過高 51.1%。這是一份複選調查，不足以告訴任何一家店該排幾個人，卻提醒連鎖品牌：排班不只是人數問題，也需要看每個餐期的服務需求如何發生。
工具導入不是答案，資料能否回到前場決策才是
經濟部資料也顯示，2024 年 5 月餐飲業發展的數位轉型服務中，POS 系統占 77.7%、網路點餐占 41.2%、網路訂位占 39.9%，另有 41.9% 導入手機或平板點餐。這些比例可說明不少品牌已有資料入口，但不代表候位、訂位、POS、桌況與排班已經自動串起來。
較實用的下一步，是先把前場旅程拆開。下表是營運分析框架，不是官方 KPI 或固定排班公式：
| 前場階段 | 可留存的資料 | 可用來討論的問題 |
|---|---|---|
| 訂位前 | 來電、線上詢問、接通或未即時處理情況 | 哪些時段接待人員最容易被電話與現場同時拉走？ |
| 訂位後 | 訂位時段、人數、取消、未到店、備註 | 哪些餐期的預約需求與實際到店有較大落差？ |
| 到店與候位 | 到店時間、候位人數、等待區間、入座時間 | 接待、帶位、清桌或桌況確認在哪個環節卡住？ |
| 用餐中 | 桌況、點餐／出餐節點、POS 時段銷售、服務異常 | 是否有特定餐期需要前後場的備援與交接規則？ |
先把資料記錄口徑做一致，比急著上更複雜的預測功能更有價值。例如，同一筆訂位在候位、入座與 POS 系統中若能用一致的日期、店別、時段與訂位識別碼回看，總部與店長才有機會討論「這個尖峰為何塞住」，而非只說「今天特別忙」。
漢來案例提醒：顧客可能在進門前就感受到服務壓力
商周 2026 年的漢來美食案例可作為一個尖峰訂位壓力的單一品牌觀察。報導指出，漢來海港全臺七家餐廳一年來電約 130 萬通，人工接聽最多約 65 萬通，近半來電無法即時處理；受訪者也表示，每 5 件客訴中約有 2 件與電話打不進來相關。
這不是全台餐飲業平均，更不是所有店都需要用 AI 解決。它比較值得借鏡的地方是：電話量、接聽狀況與客訴類型，都是前場服務的一部分。品牌若只看入店後的翻桌或營收，可能忽略顧客在訂位、確認資訊或候位通知階段已經遇到的摩擦。
商周同篇報導提到，漢來團隊的目標是讓 AI 承接 7 至 8 成標準化訂位情境。這是單一品牌的目標與計畫，不是已驗證完成率，也不能外推為導入 AI 後的普遍結果。
把尖離峰資料翻成「可驗證」的排班與備援假設
候位與訂位資料不會自己告訴你答案，但可以讓班表討論更具體。以下做法屬一般營運建議，品牌應以自己的店型、商圈、餐期、服務模式和現場資料驗證：
- 分開看平假日、店別與餐期：不要把全天候位或單月訂位量混在一起判讀。午餐、晚餐、假日前夕與商圈活動日，可能需要不同的接待與外場節奏。
- 把預約需求與實際到店一起看：訂位數、取消、未到店、候位與入座時間應放在同一張檢視表。目的不是設定一個「可接受爽約率」，而是辨識哪些時段需要更好的提醒、候補或人工確認流程。
- 為尖峰設定人工接手點：當接待台、電話、候位通知或桌況確認同時堆積時，誰可暫時支援、誰負責回傳異常、何時回到原本崗位，都應先被寫進班前規則。
- 用服務異常回頭校正班表：將長候位、訂位資訊落差、桌況延遲、出餐塞車與客訴標記回填，下一次才知道問題偏向接待人力、桌位配置、內外場交接，還是資料沒有即時更新。
這套流程不保證節省人事成本或縮短等待時間；它的價值在於讓「多排一個人」或「調整一個交接點」成為可檢驗的假設，而不是只靠單日營收或印象做決策。
AI 是進階選項，先完成資料、規則與服務設計
商業發展署曾於 2025 年公告智慧餐飲領域示範案，作為嘉義、臺南、高雄、屏東等大南方地區的政策背景；這能說明智慧餐飲曾被列入數位轉型方向，但不能推論所有台灣餐飲品牌都適用或已得到成效。
AI 語音訂位、去識別化人流辨識、候位通知等，可以是進階應用。更務實的順序是先確認：
- 訂位、候位、桌況與 POS 的時間欄位是否一致。
- 門市是否有清楚的取消、未到店、逾時候位與人工接手處理流程。
- 排班異常由誰回看、什麼時候檢討、如何把結論帶回下一輪班表。
當資料定義與服務規則仍不清楚，再多自動化也可能只是把斷點更快地傳遞出去。反過來說，流程先穩定後，才更容易判斷哪些重複工作值得交給工具協助。
結論：從班表人數，改看前場服務如何流動
餐飲連鎖的排班，不需要追求一個放諸四海皆準的最佳人數。比較可靠的做法，是把候位、訂位、到店、桌況、POS 時段銷售與服務異常連成一條前場資料線，定期按店別、餐期與尖離峰回顧。
如此一來，總部與店長討論的會是「哪個環節需要支援、哪個規則要調整」，而不是把所有壓力都歸到某位同仁或一次性的缺工。這是改善排班與現場服務體驗的管理方向，不是任何人力節省、營收成長或爽約降低的承諾。
行動呼籲
metabiz 可協助餐飲連鎖盤點 POS、訂位、候位、桌況、會員與現場回報資料，定義共用欄位、前場服務漏斗與跨店檢視流程，讓排班與服務調度有更完整的資料依據。先讓資料看得懂、流程接得起來，再判斷哪些自動化或進階工具真的符合品牌現場。
FAQ
網路訂位比例提高，是否代表排班一定會更準？
不一定。導入比例只能說明工具被使用；要把資料帶回排班，還需要一致的時段、店別、訂位、到店、候位、桌況與服務異常紀錄，並持續以實際情況檢視。
候位資料最值得先看什麼？
可先看候位發生在哪些店別與餐期、從到店到入座的流程在哪裡變慢，以及是否同時出現電話、訂位確認或桌況更新壓力。不同店型的資料欄位與判讀方式可能不同。
AI 語音訂位可以直接取代接待人員嗎？
不宜這樣預設。漢來案例中的 AI 承接比例是團隊目標，不是已驗證的市場成果。品牌應先釐清標準化問題與人工接手情境，再評估是否需要導入進階工具。
來源與引用界線
- 經濟部統計處：餐飲業者加速導入創新科技及數位轉型以提升競爭力：2025 年營業額背景、2024 年 5 月經營困境與 POS／網路點餐／網路訂位等導入比例。
- 商周：〔漢來美食〕AI賦能三箭齊發，掌握服務及營運升級祕方：漢來海港七家餐廳來電、人工接聽、客訴與 AI 語音訂位目標；僅作單一品牌、商業媒體案例。
- 經濟部商業發展署：114 年度智慧雨林產業創生補助計畫－智慧餐飲領域示範案：2025 年大南方智慧餐飲示範案的政策背景；不作全國成效或補助規模推論。
本文不引用未核對 PDF、二手媒體、廠商選購指南或廠商案例中的爽約率、訂金效果、營收、人力節省、行政時間、效率或 ROI 數字。候位、訂位與排班做法均為依 verified data 提出的營運建議，品牌應依自身店型、服務流程與資料品質驗證。
