Pronóstico de Demanda y Programación de Turnos: Modelo Integrado de Optimización Laboral

Capítulo 1 — ¿Por qué el costo laboral se pierde en la asignación y no en la contratación?

El margen no se evapora al firmar un contrato; se evapora franja por franja cuando hay manos de más frente a una demanda de menos.

Diego F. Parra lo repite en Masterestaurant: el error que veo una y otra vez es programar contra la costumbre —«los sábados metemos ocho»— en vez de contra un pronóstico. El sector superó por primera vez US$1 billón (trillion) en ventas en 2024 y se proyecta a más de US$1,1 billón para 2025 (+4,1% interanual), según la National Restaurant Association. Pero ese crecimiento nominal esconde compresión de margen: con 75,1% de vacantes sobre el empleo total en 2024 (National Restaurant Association), el salario por hora sube y castiga a quien programa por intuición. La cuenta es brutal: cada hora sobrante en un turno flojo es margen que ya no vuelve. Programar contra demanda por franja, no contra hábito, es lo único que baja el laboral al 30% sin tocar el servicio.

Capítulo 2 — El pronóstico por franja es la variable independiente; el horario, la dependiente

No se puede asignar bien una demanda que nunca se estimó: sin pronóstico por franja horaria no existe optimización posible, solo adivinanza cara. La secuencia es dura pero clara —primero se proyecta la venta de cada bloque de 30 o 60 minutos, después se dibuja el horario contra esa curva. Invertir el orden es el pecado original del gerente que arma turnos «como siempre». La demanda hoy es errática: casi el 75% del tráfico total ocurre off-premise (National Restaurant Association) y en servicio completo el off-premise saltó al 30% en 2024 frente al 19% en 2019 (National Restaurant Association). Esa volatilidad hace que la intuición falle más que nunca. Con las ventas de app móvil de QSR creciendo +57,2% interanual (Delaget QSR Operational Index, marzo 2024), la curva de demanda cambia de hora en hora. El horario que ignora esa curva paga sobredotación en el valle y pierde ventas en el pico.

Capítulo 3 — ¿Cuánto ahorra realmente la programación automatizada?

La programación automatizada devuelve tiempo de gestión y recorta el desperdicio de horas: el 80% de los restaurantes reduce en 3+ horas semanales el tiempo de armar horarios, según el 2024 Restaurant Scheduling Benchmark Report de 7shifts.

Esas tres horas no desaparecen: se reinvierten en piso, formación y experiencia del cliente, donde sí hay Information Gain y donde ningún algoritmo compite con un gerente presente. El punto que Diego F. Parra subraya en Masterestaurant es que la máquina no reemplaza al líder —le quita la hoja de cálculo de encima. Con un objetivo de ventas por hora de trabajo (SPLH) cercano a US$45 (National Restaurant Association) como brújula, el software asigna dotación contra el pronóstico y marca cada franja que se desvía. El resultado no es «menos gente»; es la gente correcta en la franja correcta. Eso es lo que separa un laboral del 30% de uno del 38%.

Capítulo 4 — Costo teórico versus costo real: la varianza que la junta debe vigilar

El número que la junta directiva debe mirar cada semana es la varianza laboral: la brecha entre el costo teórico de mano de obra —lo que el pronóstico exigía— y el costo real —lo que efectivamente se pagó. Es el análogo exacto del food cost variance, y en Masterestaurant lo tratamos con la misma disciplina contable. Si el pronóstico pedía 180 horas para cubrir la venta proyectada y se pagaron 210, esas 30 horas son la fuga; a un SPLH objetivo de ~US$45 (National Restaurant Association), cada hora mal asignada cuesta ventas que no llegaron. La densidad de tráfico lo agrava: con casi el 75% del tráfico off-premise (National Restaurant Association) y la ventana media de entrega a domicilio en ~35 minutos (Whizz, Food Delivery Statistics 2025), los picos son más filosos y más caros de fallar. Vigilar la varianza convierte el laboral en una variable de ingeniería medible, no en una nómina fija que se acepta y punto.

Capítulo 5 — ¿Qué falla en el enfoque tradicional de armar turnos?

El enfoque tradicional optimiza la comodidad de quien arma el horario, no el margen por franja: son objetivos distintos que producen dotaciones distintas, y casi siempre la intuitiva pierde plata.

El gerente que replica el turno de la semana pasada ignora que la demanda se movió. Los datos lo confirman: el off-premise en servicio completo pasó de 19% en 2019 a 30% en 2024 (National Restaurant Association) y las transacciones con cargo por servicio se duplicaron a 3,7% en el Q2 2024 (Square, Quarterly Restaurant Report 2024). La curva de venta ya no se parece a la de hace tres años, pero el horario sí. Ese desfase produce dos costos simultáneos: horas pagadas en valles muertos y servicio degradado en picos sin cubrir —con 11% de órdenes inexactas en drive-thru de QSR en 2024 (Intouch Insight / QSR Magazine) cuando el pico revienta sin manos. La costumbre no es gratis; es el impuesto silencioso al margen.

Capítulo 6 — Marco teórico: dotar contra la curva, medir contra el SPLH

El modelo integrado ancla la dotación a dos fórmulas: horas requeridas por franja = venta proyectada ÷ SPLH objetivo, y varianza = costo real − costo teórico. Con un SPLH del sector cercano a US$45 por hora (National Restaurant Association), una franja que proyecta US$900 de venta admite unas 20 horas-persona; asignar 24 quema cuatro horas de margen. Esta aritmética, que en Masterestaurant enseñamos como columna vertebral del costeo laboral, obliga a pronosticar bien: el error de estimación se paga doble, en sobredotación o en ventas perdidas. La velocidad de servicio entra en la ecuación —el tiempo total en drive-thru de QSR fue 4 min 15 s en 2025, +10 s frente a 2024 (Intouch Insight / QSR Magazine, 2025 Drive-Thru Report)—: cada segundo extra en el pico es venta que se fuga por falta de manos. Dotar contra la curva y medir contra el SPLH convierte la intuición en un sistema auditable, franja por franja, semana tras semana.

Capítulo 7 — Implementación: roadmap de 90 días y ROI para la junta directiva

El roadmap de 90 días arranca por el pronóstico y termina en la varianza controlada, no al revés. Primeros 30 días: historizar ventas por franja y fijar el SPLH objetivo cerca de US$45 (National Restaurant Association). Días 31-60: instalar la programación automatizada —el 80% de operadores recupera 3+ horas/semana (7shifts, 2024 Restaurant Scheduling Benchmark Report)— y calibrar dotación contra la curva real. Días 61-90: reportar varianza teórica vs real cada lunes a la junta, como se reporta el food cost. El ROI se defiende con caja: mover el laboral del 36% al 30% de la venta en un local que factura US$1,2 millones anuales libera unos US$72.000 al año. Diego F. Parra lo cierra con una sola acción en Masterestaurant: la próxima semana, no programes hasta tener el pronóstico por franja delante. El horario es la consecuencia; la demanda estimada es la causa.

Capítulo 8 — Implementación: roadmap de 90 días y ROI para la junta directiva — en la práctica

Sin esa causa, todo lo demás es adivinar con nómina de por medio. La programación intuitiva optimiza la comodidad del que arma el horario; el modelo integrado optimiza el margen por franja. Son objetivos distintos que producen dotaciones distintas. Sin pronóstico no hay optimización posible: no se puede asignar bien una demanda que no se estimó. El pronóstico por franja es la variable independiente; el horario, la dependiente. El modelo separa costo teórico de mano de obra (lo que el pronóstico exige) de costo real (lo que se pagó). La varianza entre ambos es el número que la junta debe vigilar, análogo al food cost variance. La automatización no reemplaza al gerente: le devuelve 3+ horas semanales (7shifts, 2024) para invertirlas en piso, formación y experiencia del cliente, donde sí hay Information Gain.