ChatGPT и другие появившиеся вслед за ним генеративные модели искусственного интеллекта наделали немало шума в 2023 году. Разные сферы бизнеса пробовали примерить на себя разные модели: от крупных (GigaChat, Yandex GPT, Midjourney, «Кандинский», «Шедеврум») до мелких разработок, созданных под конкретный запрос. В этой статье рассмотрим, как возможности нейросетей использует ресторанный бизнес: что из этого просто хайп, а что действительно может оказаться полезным.
Создание и обновление меню
Самый хайповый, и, как кажется сейчас, — наименее перспективный способ использования ИИ в ресторанах.
- Одним из первопроходцев стала «Додо пицца» в Дубае, которая добавила в меню пиццу по рецепту, придуманному ChatGPT. ИИ предложила рецет пиццы с кюфтой (фрикадельки из баранины) и соусом из сумаха и тахини (правда рецепт нейросети все же пришлось подшлифовать под бизнес-реалии — в частности, использвать курицу вместо баранины, поставки которой в ОАЭ наладить трудно).
- В петербургской сети Bona Capona использовали нейросеть, чтобы создать меню для корпоративной доставки обедов. Шеф делал ИИ запросы о региональных особенностях итальянской кухни и просил переложить их на российские реалии.
- «Кофемания» спросила нейросеть, как выглядит идеальный завтрак, и включила в меню «Первый AI завтрак» — тёплую бриошь со сливочной страчателлой, свежей клубникой, перуанским манго и соусом из маракуйи.
Создание новых блюд с опорой на ИИ неплохо работало как маркетинговый прием — в тот момент, когда тема была «на острие». Сейчас этим, с одной стороны, уже сложно кого-то удивить. С другой, приходит понимание, что сила ИИ — не в генерации потешного контента, а в обработке больших объемов информации.
Маркетинг
Возможности искусственного интеллекта идеально подходят для обработки информации о гостях и их поведении. Например, с помощью ИИ можно:
- Анализировать трафик. Заведения с большой проходимостью используют «умные» камеры — во-первых, чтобы грамотно распределять свои рабочие ресурсы, во-вторых, чтобы выявлять постоянных гостей.
- Создавать персонализированные системы лояльности. Нейросеть собирает по каждому гостю данные о покупках, их составе, времени, среднем чеке, частоте визитов. На основании этой информации она может делать персональные предложения, чтобы вернуть его в ресторан или побудить заказывать больше и чаще.
- Работать с репутацией. Сервисы-агрегаторы отзывов сейчас активно экспериментируют с нейросетями: например, для того, чтобы генерировать ответы на комментарии (корректные и при этом уникальные) — это помогает бизнесу оперативно давать клиентам обратную связь. ИИ также учат выявлять закономерности в текстах отзывов — искать часто повторяющиеся слова и обороты. Это позволяет быстро находить источник проблемы и повышать качество сервиса.
В портфеле «Леммы» есть подобные решения — и они уже не раз доказали свою эффективность в деле. Если хотите узнать о них подробнее — оставьте заявку. Мы с удовольствием ответим на любые вопросы!
Контроль процессов (в первую очередь сервиса)
ИИ успешно внедряется в системы видеонаблюдения: нейросеть может фиксировать и систематизировать любые интересующие заказчика моменты. Например:
- Контролировать раскладку на витринах. Если она не соответствует норме, камера делает фото и отправляет управляющему в мессенджеры.
- «Умная камера» может фиксировать отсутствие сотрудника рядом с прилавком или киоском.
- Контроль кухни при помощи специальных датчиков на весах и камер наблюдения позволяет контролировать выполнение ТТК и соблюдение времени приготовления.
Обучение
Нейросети используют многие образовательные платформы — боты-помощники дают студентам подсказки, объясняют сложные моменты и помогают составить краткое резюме уроков. А весной прошлого года ServiceGuru выпустил курс для официантов, полностью созданный нейросетями, — от текстов до видеоряда. (Правда, в условиях, когда нейросети все еще усиленно учатся у человека, это выглядит скорее как любопытный эксперимент, чем как практически применимое решение).
Прогнозирование
Нейросети для прогнозирования пока применяют в основном за рубежом, а это значит, что у российского рынка в этом смысле все впереди.
- Прогнозирование для ресторатора. Так, сервис Placer.ai помогает предпринимателям анализировать локации и прогнозировать трафик в ресторане. А также узнавать о своей целевой аудитории, ее среднем доходе или эффективности запуска сезонного или тематического меню.
- Прогнозирование для гостей. McDonald's в США внедрила систему DynamicYield — решение на основе AI, которое устанавливается на экраны киосков самообслуживания. Оно анализирует погоду, время суток, уровень трафика и другие факторы, чтобы на основе этих данных сделать персональные предложения гостям.
Комментарии