Можно ли доверить AI закупки в ресторане?

Однажды система предложила пиццерии заказать 100 тысяч чиабатт. Сбой фильтрации данных выдал такой прогноз начиная с 10-го дня, и поймали его до закупок. Заказ в сети отправлял управляющий, система только считала. С этого и стоит начинать разговор про AI для ресторана: какую рутину точки ему можно отдать и чем это проверяется.

У «Додо Пиццы» 600 с лишним точек и своя команда инженеров. Сама сеть оценивала, что на «стопах», когда позиция кончилась и гость не может её купить, теряла 1–2% выручки.

Какие задачи в ресторане можно отдать AI

Прогноз в закупках получился потому, что сошлись три вещи. Задача повторяется каждый день. По ней есть история продаж в цифрах. И рядом стоит бесплатный простой расчёт, с которым можно сравнить данные. По этим же трём критериям оценим и другие задачи.

По эксклюзиву Reuters от 21.05.2026 Starbucks свернул автоматический подсчёт запасов в Северной Америке. Программу отключили через девять месяцев после запуска: приложение путало похожие виды молока и не замечало товары.

Агент отличается от прогноза тем, что сам отправляет заказ. В «Додо Пицце» это право оставили команде: модель считала прогноз, отправлял заказ управляющий. Для своей точки это и есть первое решение.

Что вышло в закупках у сети с 600 точками

До модели управляющий считал заказ. Для десяти самых популярных пицц нужно больше 30 ингредиентов, и на один заказ уходило несколько часов. Калькулятор в таблицах требовал ревизии остатков и ручного ввода. Поэтому инженеры сделали шаг назад и собрали самый простой прогноз: медиану продаж за три последние недели, отдельно для будней и выходных. Такой расчёт по всей сети занимал 5 минут.

Потом перебрали модели. Две классические статистические считали медленнее простого расчёта и точнее не стали, от них отказались. Готовая библиотека прогноза обошла медиану почти в половине случаев. Но на истории продаж менее полугода она работала плохо, а после 8–10 дня качество прогноза падало. Своя модель улучшила среднюю ошибку прогноза ещё на 5–7% против той же библиотеки и считала все 600 с лишним точек за 6,5 часа.

Обязательным прогноз так и не сделали. К моменту разбора его включили у себя почти 200 пиццерий из 600 с лишним. Две трети сети продолжали считать вручную, хотя AI-расчёт уже был готов. Для одной точки вывод из этого простой. Начинать стоит с бесплатного расчёта по данным прошлых недель, а агента настраивать тогда, когда видно, что он этот расчёт оптимизирует.

Три цифры до внедрения системы

Эти три цифры считаются по выгрузке из учётной системы. По всему меню считать не надо: возьмите пять позиций, на которых держится выручка, и один месяц. Пяти строк хватит, чтобы увидеть порядок.

Если система ошибается примерно как ваш нынешний заказ, платить не за что. Ошибается заметно меньше, вы покупаете разницу, и у вас есть сумма, с которой эту разницу сравнить.

1. Выпишите повторяющиеся задачи Заказ продуктов, списания, ревизия, приёмка поставок, графики смен. Начинайте с той задачи, где у вас уже есть история в цифрах.
2. Посчитайте, сколько теряете на стопах Пять главных позиций, четыре недели, выручка за те дни, когда позиция кончалась. Дальше этой суммы выгоды не будет.
3. Соберите медиану по прошлым неделям Продажи за три последние недели, отдельно будни и выходные, середина ряда. Это бесплатная база, с которой сравнивают любое предложение.
4. Спросите продавца, с чем он сравнивал Точность без вашей собственной цифры о вашей точке ничего не говорит.
5. Проверьте, хватает ли истории Позиции, которые в меню меньше двух месяцев, оставьте на медиане.
6. Ограничьте горизонт Решите, на сколько дней вперёд вы заказываете, и дальше этого срока заказ по прогнозу не ставьте.
7. Оставьте последнее слово за управляющим И договоритесь заранее, кто заметит ошибку системы и к какому порядку вернётся точка.