餐飲留才實戰：用 ChatGPT 找出離職前兆與對應動作

你是不是也遇過這種場面：一個做了半年、上手又順的門市夥伴，某天下班前突然遞上辭呈，你當場愣住，腦中只有一句「怎麼會？前幾天他還好好的啊」。等到你想挽留，人家早就簽好下一份工作了。在泰國的餐飲門市，店長多半校長兼撞鐘——排班、盤點、招呼客人、還要顧夥伴的心情，離職的徵兆其實一直都在，只是被日常的忙碌淹沒了。

好消息是：這些徵兆不需要你多裝一套系統。打卡紀錄、請假次數、排班意願、加班時數——這些訊號你手上早就有了。你缺的只是一個「幫你把散落訊號收攏成一張早期預警清單」的助手。2023 年 7 月的 ChatGPT，正好能當這個助手。

徵兆一：出勤節奏悄悄變了

離職念頭最早會反映在「出勤習慣的微小改變」。原本準時甚至早到的夥伴，開始卡點打卡；原本很少請假的人，最近兩週連請兩次事假、還都挑週末。單獨看每一筆都很正常，但把兩個月的打卡與請假紀錄放在一起，節奏的轉變就藏不住了。你不需要記在腦子裡——把整理好的紀錄貼給 ChatGPT，請它幫你標出「相對於過去的異常變化」。

徵兆二：對排班與加班的態度轉冷

過去願意換班、補班、接旺季加班的夥伴，最近開始「這週不行」「我盡量」。這種從主動到被動的轉變，往往比抱怨更真實。把近幾週的補班回覆、加班接受率整理成一份簡單清單，讓 AI 幫你歸納「參與意願的下降趨勢」，比你憑印象準得多。

徵兆三：互動與情緒的降溫

交接紀錄變得只剩一句「OK」、群組裡不再多話、以前會主動回報客訴、現在能少一事是一事。這些軟性訊號最難量化，但你可以把交接留言、回報頻率用文字描述給 ChatGPT，請它幫你判斷「投入度是否下降」，並提醒你該找誰聊一聊。

把徵兆變成「對應動作」，而不是只是知道

抓到徵兆只是一半，真正留住人的是「你接下來做了什麼」。AI 除了幫你整理預警，還能幫你把每個徵兆對應到一個具體、當週就能做的動作——例如安排一次 15 分鐘的一對一、調整下週排班、或先確認薪資與排休有沒有被忽略。建議不是命令：對方若真的去意已決，你至少也能好好交接、留個好緣分。

🔧 AI 動手做：把門市出勤紀錄變成離職早期預警表

把你手上最近兩個月的打卡、請假、加班、補班紀錄，整理成一段文字（不用格式很漂亮，條列就好），連同下面這段提示詞一起貼進 ChatGPT。它會幫你排出風險名單和對應動作。注意：2023 年 7 月免費版無法上傳 Excel 檔，請直接把紀錄「貼成文字」；若你是 Plus 用戶，7 月已開放 Code Interpreter，可上傳檔案讓它直接分析。

你是一位餐飲門市的人資顧問。以下是我門市某位夥伴最近兩個月的出勤相關紀錄，我會用文字條列貼給你：

【夥伴代號】A 店員
【打卡紀錄】（例：6 月準時率 95%，7 月準時率 70%，出現 3 次卡點打卡）
【請假紀錄】（例：6 月 0 次，7 月事假 2 次皆在週末）
【加班／補班】（例：過去補班接受率高，近 3 週回覆「這週不行」2 次）
【互動觀察】（例：交接留言變短、群組較少發言）

請幫我做三件事：
1. 逐項比對「相對於過去的異常變化」，指出哪些是離職前兆、風險高中低。
2. 給出一個 0–10 的離職風險分數，並說明理由。
3. 針對每個徵兆，各給我一個「本週就能做、15 分鐘內可執行」的對應動作，語氣是關心而非審問。
請用繁體中文條列輸出，不要編造我沒給的資料。

本週就能做的一步：挑出你最近「有點在意」的一位夥伴，花 10 分鐘把他兩個月的打卡與請假紀錄敲成文字，貼進上面的提示詞跑一次。不用等到全門市都建檔，先驗證一個人，你就會知道這張早期預警表對你到底有沒有用。