26 Mart 2026
Yapay Zeka ile Vardiya Optimizasyonu: Tahmini Talebe Göre Personel Planı
Yapay zeka ile vardiya optimizasyonu, restoranın geçmiş sipariş ve ciro verisinden gün ve saat bazında talebi tahmin edip buna uygun bir personel planı taslağı çıkaran yöntemdir. Amaç, salı öğlenini cumartesi akşamıyla aynı kadroyla açmak gibi sezgiye dayalı planlamayı, hangi saatte kaç kişiye ihtiyaç olduğunu veriyle gösteren bir taslağa dönüştürmektir. Bu taslağı yapay zeka hazırlar; hangi vardiyayı kimin kapatacağına, kimi çağırıp kimi izne göndereceğine her zaman işletmeci karar verir.
Restoranlarda personel maliyeti, gıda maliyetinden sonra en büyük kalemdir ve çoğu işletmede haftalık vardiya çizelgesi hâlâ geçen haftaya bakılarak kafadan kurulur. Sonuç ikiye ayrılır: yoğun bir akşamda mutfak yetişemez, siparişler gecikir, masalar boş bekler; sakin bir öğlende ise gereğinden fazla kişi vardiyadadır ve ödenen yevmiye karşılığını bulmaz. İki durumda da para masada kalır. RestApp'in geliştirdiği vardiya optimizasyonu tam bu noktayı hedefler.
Bu yazıda yapay zeka destekli vardiya planlamasının ne olduğunu, RestApp verisiyle nasıl bir taslak ürettiğini, somut bir restoran örneğinde ne kazandırdığını ve neden kararı yine insanın verdiğini anlatıyoruz. Baştan açık olalım: bu özellik şu an canlı değil, erken erişimde geliştiriliyor ve yol haritasında. Burada nasıl çalışacağını, bugün elinizdeki raporlarla nasıl bağlandığını ve ne zaman beklemeniz gerektiğini bulacaksınız.
Vardiya Planlamasında Gerçek Ağrı Nerede?
Bir restoranın haftalık çizelgesini kuran kişi genelde tek bir soruya cevap arar: bu hafta kim, ne zaman gelsin? Bu soruyu yanıtlarken elinde nadiren sayısal bir dayanak olur. Çoğu işletmede plan, geçen haftanın çizelgesinin küçük değişikliklerle kopyalanmasından ibarettir. Oysa talep her gün ve her saat dilimi için farklıdır; salı 14.00 ile cuma 20.00 aynı restoranın iki ayrı dünyasıdır.
Bu sezgisel planlamanın iki yönlü bir bedeli vardır. Az personelle açılan yoğun bir serviste mutfak siparişe yetişemez, garson masaya geç bakar, online siparişler birikir ve hem yorum puanı hem ciro düşer. Fazla personelle açılan sakin bir öğlende ise üç garsonun yapacağı işi beş kişi paylaşır; ödenen yevmiyenin karşılığı gelmez. Bir restoranda günde iki üç saatlik gereksiz fazla kadro bile ay sonunda ciddi bir tutara ulaşır.
İşin zor tarafı, bu dengeyi kafadan tutturmanın neredeyse imkansız olmasıdır. İnsan bir önceki haftayı hatırlar ama maaş gününün, okul tatilinin, yağmurlu bir cumartesinin veya yan sokaktaki bir etkinliğin talebe etkisini aklında tutamaz. Veri ise bu örüntüleri saklar. Yapay zeka destekli vardiya optimizasyonunun çözmeye çalıştığı sorun tam olarak budur: planı hatırlamaya değil, geçmiş verideki örüntüye dayandırmak.
Yapay Zeka Talebi Nasıl Tahmin Eder?
Vardiya tahmini, bir restoranın zaten ürettiği veriden başlar. RestApp adisyon ve online sipariş tarafında biriken her sipariş; tarih, gün, saat, ürün ve tutar bilgisiyle kayıtlıdır. Yapay zeka bu geçmişe bakarak hangi günün hangi saat diliminde tipik olarak kaç adisyon açıldığını, ortalama masa süresinin ne olduğunu ve mutfağın hangi saatte en yoğun ürün akışını gördüğünü çıkarır.
Bu tahmin yalnızca toplam ciroya değil, servisin gerçek yüküne bakar. Saatte 40 adisyon açılan bir restoranda önemli olan sadece kaç masa olduğu değil, o masalardan mutfağa kaç tabak, bara kaç içecek düştüğüdür. RestApp'in mutfak ekranı KDS tarafındaki hazırlık verisi devreye girdikçe, tahmin salonun doluluğunu mutfağın iş yüküyle birlikte değerlendirebilir hâle gelir. Böylece kalabalık ama hızlı dönen bir öğlenle, az masalı ama ağır menülü bir akşam ayrışır.
Tahminin gücü, tekrar eden örüntülerden gelir. Maaş haftası, hafta sonu, resmi tatil arifesi, sezonluk yoğunluk gibi düzenli dalgalanmalar veride bellidir. Yapay zeka bunları yakalar ve bir sonraki hafta için saat dilimi bazında beklenen yoğunluğu öngörür. Burada söz verdiğimizden fazlasını söylememek önemli: bu bir kesin bilgi değil, geçmişe dayalı bir tahmindir. Beklenmedik bir hava durumu ya da bölgesel bir olay tabloyu değiştirebilir; o yüzden çıktısı bir emir değil, bir taslaktır.
Tahminden Vardiya Taslağına: Süreç Nasıl İşler?
Yapay zeka beklenen yoğunluğu hesapladıktan sonra bunu somut bir personel önerisine çevirir. Çıktı şuna benzer: cumartesi 19.00 ile 23.00 arası mutfakta 4, salonda 3, kasada 1 kişi; salı öğleni 12.00 ile 15.00 arası mutfakta 2, salonda 2 kişi yeterli. Bu, doldurulmuş bir çizelge değil, hangi saat diliminde kaç kişiye ihtiyaç duyulacağını gösteren bir iskelettir.
Bu iskeleti gerçek çizelgeye çeviren kişi yöneticidir. Yapay zeka kimin hangi gün müsait olduğunu, kimin yarı zamanlı çalıştığını, kimin deneyimli olduğunu ya da iki çalışanın aynı vardiyada iyi anlaşmadığını bilmez. İşletmeci taslağa bakar, kendi ekip bilgisiyle düzenler: bir ismi değiştirir, bir vardiyayı kaydırır, gerekiyorsa bir kişi ekler ya da çıkarır. Yapay zeka çerçeveyi verir, eti kemiğe insan giydirir.
Bu süreç planlamayı sıfırdan kurma işi olmaktan çıkarıp düzenleme işine indirger. Boş bir çizelgeye bakıp "bu hafta kaç kişi lazım" diye düşünmek yerine, yönetici hazır bir öneri üzerinden ilerler. Zaman kazancı buradadır; çizelgeyi kurmak yarım gün sürmez, bir taslağı gözden geçirmek ise birkaç dakikadır. Karar yine yöneticinindir, sadece başlangıç noktası boş kâğıt değil, veriye dayalı bir taslaktır.
Bir Restoran Örneği: Lezzet Durağı'nda Cumartesi Akşamı
Diyelim ki Lezzet Durağı adında 60 kişilik bir restoran var. Cumartesi akşamları geç saatte mutfak tıkanıyor, online siparişler 35 dakikayı buluyor ve birkaç masa beklemeden kalkıyor. Buna karşılık salı ve çarşamba öğlenleri salonda iki garson boş duruyor ama çizelge alışkanlıktan ötürü hep dolu kuruluyor. Yönetici bir tarafta yetişememekten, diğer tarafta fazla yevmiyeden şikâyetçi.
Yapay zeka geçmiş 12 haftanın verisine baktığında cumartesi 20.00 ile 22.30 arasının adisyon ve mutfak yükü bakımından tepe nokta olduğunu, buna karşılık salı öğleninin haftanın en sakin dilimi olduğunu gösteriyor. Önerilen taslak basit: cumartesi tepe saatine mutfağa bir kişi daha, salı öğleninden ise bir garsonu çekip akşama kaydırmak. Yönetici taslağı görüyor, ekibinin müsaitliğine göre düzenliyor ve onaylıyor.
Sonuç tahminî ama yönü nettir. Cumartesi akşamı sipariş süresi düştüğünde hem masa devir hızı hem yorum puanı toparlar; salı öğleninden çekilen bir kişilik fazla kadro, diyelim günlük 900 lira yevmiye, ay boyunca anlamlı bir tasarrufa döner. Bu rakamlar uydurulmuş bir vaat değil; işletmenin kendi verisinden çıkan, yöneticinin onayından geçen bir düzenlemenin doğal sonucudur. Yapay zeka burada sadece nereye bakılması gerektiğini gösterdi.
RestApp'in Mevcut Özellikleriyle Nasıl Bağlanır?
Vardiya optimizasyonu havada duran bir özellik değil; restoranın zaten kullandığı modüllerin ürettiği veriye dayanır. Tahminin kalbinde komisyonsuz online sipariş ve adisyon ile bulut POS tarafında biriken sipariş geçmişi vardır. Ne kadar düzenli ve eksiksiz veri girilirse, tahmin de o kadar isabetli olur; yani günlük operasyonu RestApp üzerinden yürütmek, bu özelliğin temelini kendiliğinden hazırlar.
Yoğunluğu daha doğru ölçmek için iki kaynak daha devreye girer. Bulut raporlar saat dilimi ve gün bazında ciro ve adisyon dağılımını zaten gösterir; vardiya tahmini bu raporların mantığını bir adım ileri taşıyıp geleceğe dönük bir öneriye çevirir. Mutfak ekranı KDS ise hazırlık sürelerini ve mutfak yükünü ekleyerek, salonun doluluğu ile mutfağın gerçek iş yükü arasındaki farkı görünür kılar.
Maliyet tarafında ise reçete ve maliyet yönetimi ile bağ kurulur. Bir vardiyanın maliyetini doğru görmek için sadece yevmiyeyi değil, o serviste hangi ürünlerin satıldığını ve katkı paylarını da bilmek gerekir. İleride bu veriler bir araya geldiğinde, "şu saat dilimine bir kişi eklemek satışla karşılığını buluyor mu" sorusu daha net yanıtlanabilir. Kısacası vardiya optimizasyonu, RestApp'in raporlama, KDS ve maliyet katmanlarının üstüne oturan bir öneri sistemidır.
Bu Özellik Henüz Canlı Değil: Erken Erişim ve Yol Haritası
Burada dürüst olmak gerekiyor: yapay zeka destekli vardiya optimizasyonu şu an RestApp'te canlı bir özellik değil. Erken erişim aşamasında geliştiriliyor ve ürün yol haritasında yer alıyor. Bu yazıda anlatılanlar, özelliğin nasıl çalışacağına dair tasarımı ve mantığı yansıtır; bugün hesabınıza girip vardiya taslağı üreten bir düğme bulamazsınız.
Erken erişimde olmasının pratik anlamı şudur: özellik önce sınırlı sayıda işletmeyle, gerçek veri üzerinde denenir, tahmin kalitesi ölçülür ve geri bildirimle olgunlaştırılır. Talep tahmini gibi konular ancak yeterli ve düzenli geçmiş veriyle anlam kazanır; bu yüzden bugünden RestApp ile sipariş, menü ve adisyon verinizi düzenli tutmak, özellik çıktığında elinizi güçlendirir. Çıktıkça duyuracağız, hazır olmadan "mevcut" demeyeceğiz.
Bu arada bekleme süresi boş geçmez. Vardiya kararlarınızı bugün de bulut raporlardaki saat dilimi ve gün bazlı yoğunluk verisine bakarak iyileştirebilirsiniz; yapay zeka çıktığında yaptığı şey, bu analizleri sizin yerinize hazırlayıp bir taslağa dönüştürmek olacak. Yani özellik canlıya geçtiğinde sıfırdan başlamayacak, zaten elinizdeki verinin üzerine kurulacak.
Kararı Kim Verir? Veri Kime Ait?
En kritik nokta şudur: yapay zeka karar vermez, öneri ve taslak hazırlar. Vardiya optimizasyonunda yapay zeka hangi saate kaç kişi gerektiğini tahmin eder ve bir taslak sunar; ama o taslağı kimin kapatacağını, kimi çağırıp kimi izinli sayacağını, hangi vardiyaya kimin uygun olduğunu işletmeci belirler. Çizelgeyi onaylayan da, gerektiğinde tek tıkla reddedip elle düzenleyen de insandır. Yapay zeka kendi başına kimseyi vardiyaya yazmaz, kimseyi işten çıkarmaz, çalışana mesaj atmaz.
Bu insanın elinde kalan kontrol bilinçli bir tercihtir. Personel planı, bir restoranın en hassas konularından biridir; çalışanların müsaitliği, kişisel durumları, ekip dinamiği ve adalet duygusu hiçbir tahmin modeline tam sığmaz. Bu yüzden yapay zekanın rolü öneriyle sınırlıdır; son söz, ekibini tanıyan yöneticidedir. Doğru kurgu, otomatik bir çizelge değil, yöneticinin işini hızlandıran bir asistandır.
Veri tarafında da çizgi nettir. Restoranınızın sipariş, menü ve operasyon verisi işletmeye aittir ve KVKK ile GDPR'a uygun işlenir. Bu veri, başka işletmelerle paylaşılan ortak modelleri eğitmek için kullanılmaz; sizin tahmininiz sizin geçmişinizden çıkar. Yapay zeka bir gözetim aracı değil, işletmenin kendi verisini kendi yararına okumasını sağlayan bir araçtır. Konunun bütününe RestApp'in yapay zeka yaklaşımı yazısında daha geniş bakabilirsiniz.
Öne çıkanlar
- Yapay zeka ile vardiya optimizasyonu, restoranın geçmiş sipariş ve ciro verisinden saat dilimi bazında talebi tahmin eder ve buna uygun bir personel planı taslağı önerir; planı sıfırdan kurma işini düzenleme işine indirger.
- Yapay zeka taslağı hazırlar, kararı ve onayı her zaman işletmeci verir; kimin hangi vardiyada olacağına, kimi çağırıp kimi izne göndereceğine ekibini tanıyan yönetici karar verir.
- Tahmin RestApp'in mevcut verisine dayanır: komisyonsuz online sipariş ve adisyon kayıtları, bulut raporlardaki yoğunluk analizi ve mutfak ekranı KDS'nin hazırlık yükü verisi.
- Doğru kurulmuş bir vardiya planı iki tarafı da kazandırır: yoğun saatte yetişememekten doğan ciro kaybını ve sakin saatte fazla kadrodan doğan gereksiz yevmiyeyi azaltır.
- Özellik şu an canlı değil, erken erişimde geliştiriliyor ve yol haritasında; bugünden RestApp ile düzenli veri tutmak, özellik çıktığında tahmin kalitesini güçlendirir.
Sıkça sorulan sorular
Yapay zeka ile vardiya optimizasyonu RestApp'te şu an canlı mı, ne zaman çıkacak?+
Hayır, bu özellik şu an canlı değil. Erken erişim aşamasında geliştiriliyor ve RestApp'in yol haritasında yer alıyor. Önce sınırlı sayıda işletmeyle gerçek veri üzerinde denenip olgunlaştırılacak, ardından kademeli olarak açılacak. Çıktıkça duyuracağız; hazır olmadan mevcut olduğunu söylemeyiz. Bu arada bugün bulut raporlardaki yoğunluk verisiyle vardiya kararlarınızı zaten iyileştirebilirsiniz.
Vardiya çizelgesini yapay zeka mı belirliyor, kararı kim veriyor?+
Kararı her zaman işletmeci verir. Yapay zeka yalnızca tahmini talebe göre bir taslak hazırlar: hangi saat diliminde kaç kişiye ihtiyaç olduğunu önerir. Kimin o vardiyada olacağını, kimi çağırıp kimi izinli sayacağını ve taslağı onaylayıp onaylamamayı yönetici belirler. Yapay zeka kendi başına kimseyi vardiyaya yazmaz, çalışanlara mesaj atmaz ve çizelgeyi otomatik uygulamaz.
Restoranımın personel ve sipariş verisi güvende mi, başka yerde kullanılıyor mu?+
Verileriniz işletmenize aittir ve KVKK ile GDPR'a uygun işlenir. Sipariş, menü ve operasyon veriniz yalnızca sizin tahminlerinizi üretmek için kullanılır; başka işletmelerle paylaşılan ortak modelleri eğitmek için kullanılmaz. Yapay zeka bir gözetim aracı değil, işletmenin kendi geçmiş verisini kendi yararına okumasını sağlayan bir araçtır.
Yapay zeka vardiya tahminini neye dayanarak yapıyor?+
Tahmin, restoranın RestApp üzerinde biriken geçmiş verisine dayanır: gün ve saat bazında açılan adisyonlar, online siparişler, ciro dağılımı ve mutfak ekranı KDS'nin hazırlık yükü. Yapay zeka bu veriden tekrar eden örüntüleri (hafta sonu, maaş haftası, sezonluk yoğunluk gibi) çıkarıp bir sonraki haftanın saat dilimi bazlı yoğunluğunu öngörür. Bu kesin bir bilgi değil, geçmişe dayalı bir tahmindir.
Bu özellik küçük bir restoranda da işe yarar mı?+
İlke olarak evet, çünkü mantığı ölçeğe değil veriye dayanır. Tek koşul yeterli ve düzenli geçmiş veridir; bir restoran ne kadar süredir siparişlerini RestApp üzerinden düzenli işliyorsa tahmin o kadar isabetli olur. Küçük bir işletmede bile günde bir iki saatlik fazla ya da eksik kadronun ay sonundaki etkisi anlamlıdır, dolayısıyla küçük ekiplerde de değer üretir.
Vardiya optimizasyonu RestApp'in diğer özellikleriyle nasıl bağlanıyor?+
Tahminin temeli, komisyonsuz online sipariş ve adisyon ile bulut POS tarafında biriken sipariş geçmişidir. Bulut raporlar saat dilimi bazlı yoğunluğu gösterir, mutfak ekranı KDS mutfak iş yükünü ekler, reçete ve maliyet yönetimi ise bir vardiyanın gerçek maliyetini değerlendirmeye yardımcı olur. Yani vardiya optimizasyonu, RestApp'in mevcut raporlama ve maliyet katmanlarının üstüne oturan bir öneri sistemidır.
Siparişlerinizde komisyon ödemeyi bırakın
RestApp ile kendi komisyonsuz online sipariş sisteminizi başlatın.