餐饮留才实战：用 ChatGPT 找出离职前兆与对应动作

你是不是也遇过这种场面：一个做了半年、上手又顺的门店伙伴，某天下班前突然递上辞呈，你当场愣住，脑中只有一句「怎么会？前几天他还好好的啊」。等到你想挽留，人家早就签好下一份工作了。在泰国的餐饮门店，店长多半身兼数职——排班、盘点、招呼客人、还要顾伙伴的心情，离职的征兆其实一直都在，只是被日常的忙碌淹没了。

好消息是：这些征兆不需要你多装一套系统。打卡记录、请假次数、排班意愿、加班时数——这些信号你手上早就有了。你缺的只是一个「帮你把散落信号收拢成一张早期预警清单」的助手。2023 年 7 月的 ChatGPT，正好能当这个助手。

征兆一：出勤节奏悄悄变了

离职念头最早会反映在「出勤习惯的微小改变」。原本准时甚至早到的伙伴，开始卡点打卡；原本很少请假的人，最近两周连请两次事假、还都挑周末。单独看每一笔都很正常，但把两个月的打卡与请假记录放在一起，节奏的转变就藏不住了。你不需要记在脑子里——把整理好的记录贴给 ChatGPT，请它帮你标出「相对于过去的异常变化」。

征兆二：对排班与加班的态度转冷

过去愿意换班、补班、接旺季加班的伙伴，最近开始「这周不行」「我尽量」。这种从主动到被动的转变，往往比抱怨更真实。把近几周的补班回复、加班接受率整理成一份简单清单，让 AI 帮你归纳「参与意愿的下降趋势」，比你凭印象准得多。

征兆三：互动与情绪的降温

交接记录变得只剩一句「OK」、群里不再多话、以前会主动上报客诉、现在能少一事是一事。这些软性信号最难量化，但你可以把交接留言、上报频率用文字描述给 ChatGPT，请它帮你判断「投入度是否下降」，并提醒你该找谁聊一聊。

把征兆变成「对应动作」，而不是只是知道

抓到征兆只是一半，真正留住人的是「你接下来做了什么」。AI 除了帮你整理预警，还能帮你把每个征兆对应到一个具体、当周就能做的动作——例如安排一次 15 分钟的一对一、调整下周排班、或先确认薪资与排休有没有被忽略。建议不是命令：对方若真的去意已决，你至少也能好好交接、留个好缘分。

🔧 AI 动手做：把门店出勤记录变成离职早期预警表

把你手上最近两个月的打卡、请假、加班、补班记录，整理成一段文字（不用格式很漂亮，条列就好），连同下面这段提示词一起贴进 ChatGPT。它会帮你排出风险名单和对应动作。注意：2023 年 7 月免费版无法上传 Excel 档，请直接把记录「贴成文字」；若你是 Plus 用户，7 月已开放 Code Interpreter，可上传档案让它直接分析。

你是一位餐饮门店的人资顾问。以下是我门店某位伙伴最近两个月的出勤相关记录，我会用文字条列贴给你：

【伙伴代号】A 店员
【打卡记录】（例：6 月准时率 95%，7 月准时率 70%，出现 3 次卡点打卡）
【请假记录】（例：6 月 0 次，7 月事假 2 次皆在周末）
【加班／补班】（例：过去补班接受率高，近 3 周回复「这周不行」2 次）
【互动观察】（例：交接留言变短、群里较少发言）

请帮我做三件事：
1. 逐项比对「相对于过去的异常变化」，指出哪些是离职前兆、风险高中低。
2. 给出一个 0–10 的离职风险分数，并说明理由。
3. 针对每个征兆，各给我一个「本周就能做、15 分钟内可执行」的对应动作，语气是关心而非审问。
请用简体中文条列输出，不要编造我没给的资料。

本周就能做的一步：挑出你最近「有点在意」的一位伙伴，花 10 分钟把他两个月的打卡与请假记录敲成文字，贴进上面的提示词跑一次。不用等到全门店都建档，先验证一个人，你就会知道这张早期预警表对你到底有没有用。