Журнал / Кирилл Наумов
ИИ в ресторанах: хороший помощник начинается с вопросов управляющего
Как применять ИИ в ресторанных операциях: анализировать продажи, меню и отзывы, не отдавая системе неподконтрольные решения.
Автор: Кирилл Наумов ·
ИИ в ресторане не обязан начинаться с робота-официанта или программы преобразований на сто пунктов. Полезнее начать с обычного вопроса управляющего: какие блюда изменились в продажах, что проверить перед заказом или о чём чаще всего пишут гости? Хороший помощник соберёт нужные сведения и подскажет, на что посмотреть дальше. В загруженном ресторане меньше загадочных панелей и больше времени на решение — уже неплохое начало.
В отчёте Toast за июнь 2026 года есть свежий пример использования AI-помощника, встроенного в ресторанную платформу. Компания сообщает, что проанализировала обезличенные запросы от более чем 125 000 ресторанных точек в США, использовавших Toast IQ в первом квартале 2026 года. Часто спрашивали о продажах и выручке, меню и запасах, гостях и маркетинге. Это данные поставщика о пользователях одного продукта, а не независимый срез всего ресторанного рынка и не доказательство того, что продукт сам по себе улучшил финансовые результаты. Но это полезная подсказка о том, с какими вопросами управляющие идут к ИИ.
Четыре сценария, которые стоит проверить
**Продажи и разбор смены.** Попросите сравнить продажи по времени дня, каналу, ресторану или категории меню, а затем показать цифры за выводом. Фраза «просел обед» должна вести к датам, точкам и понятному показателю. Иначе это повод разобраться, а не причина менять график или меню.
**Меню и запасы.** ИИ может отметить блюда, чьи продажи, наличие или расход ингредиентов стоит проверить. Но низкие продажи сами по себе не означают, что блюдо нужно убрать: важны маржа, время приготовления, сезонность и его роль в меню. Пусть система составит список на проверку и покажет исходные данные, а изменения подтверждает сотрудник с нужными полномочиями.
**Отзывы гостей.** ИИ может сгруппировать отзывы по темам и подготовить черновик ответа. Но ему не следует выдумывать, чем закончилась проблема, обещать компенсацию или писать так, будто он лично обслуживал гостя. Вопросы безопасности, дискриминации, оплаты и жалобы на конкретного сотрудника нужно сразу передавать ответственному руководителю. Важно быстрее заметить проблему, а не убрать человека из сложного разговора.
**Персонал и подготовка кухни.** Прогноз может помочь оценить загрузку, смену или объём заготовок. Но погода, мероприятие рядом, крупная бронь или задержка поставки способны быстро поменять картину. Просите систему показывать предположения. Управляющий корректирует план, фиксирует причину и сравнивает прогноз с фактом. Видимая человеческая поправка — полезная информация о работе, а не недостаток, который надо скрыть.
Совет и действие — разные уровни доступа
Важно не только то, на какие вопросы отвечает модель, но и то, что ей разрешено менять. В первом пилоте оставьте её в режиме чтения или подготовки изменений на согласование: рекомендация по запасам, черновик ответа или вариант графика. Давать право на прямое действие стоит только тогда, когда команда видит, кто его подтвердил, на каких данных оно основано и как отменить ошибку.
В ресторанных данных бывают пробелы, а у смены есть свой контекст. Распроданное блюдо похоже на низкий спрос; пропущенная отметка времени — на странность в табеле; отзыв гостя может быть саркастичным. ИИ ускоряет первый просмотр, а происходящее интерпретируют люди, которые ведут смену. Если помощник не может объяснить источник или неопределённость, ему рано давать право действовать.
Пилот на четыре недели, который должен себя оправдать
Первая неделя — выбрать одно повторяющееся решение и назвать ответственного. Вторая — проверить, что названия блюд, модификаторы, остатки, роли сотрудников и время одинаково трактуются в разных системах. Третья — запустить помощника в режиме проверки и сравнить его подсказки с решениями управляющего: где он экономит время, а где не понимает реальность смены. Четвёртая — оценить точность, время до решения, поправки сотрудников и тот результат для операций или гостей, который действительно можно измерить.
Если пилот не помогает принять более точное решение и не экономит заметное время, не масштабируйте его только потому, что демонстрация была обаятельной. ИИ заслуживает места в ресторане, когда помогает подготовить, проверить или объяснить конкретное решение. Выбор остаётся за управляющим, команде нужны понятные правила передачи вопроса, а бизнесу важно видеть, что изменилось. Начните с одного процесса, достаточно надёжных данных и честного измерения.
Подробнее об AI for Retail workshop → · Обсудить диагностику AI
Полезный материал: Отчёт Toast о работе Toast IQ. В нём описаны запросы пользователей продукта Toast, а не всего ресторанного рынка.