16 октября 2025, 12:10
От автоматизации рутины до создания сложных прогнозных моделей – таков разброс применения искусственного интеллекта в российском общепите. «FoodService» расспросил руководителей ресторанных компаний о том, как они интегрируют ИИ в бизнес-процессы. Оказалось, что нейросети уже помогают рестораторам не только генерировать контент, но и напрямую влиять на выручку и эффективность.
Наши вопросы:
1. Каким образом в вашей компании / ресторанах используют ИИ? Какой функционал он помогает закрывать?
2. Какими именно нейросетями, сервисами пользуетесь?
3. Кто из сотрудников вашей компании использует ИИ и для каких задач? Оплачиваете ли вы сотрудникам доступ к нейросетям? Как проводите обучение?
4. Каких результатов вам удалось добиться с помощью использования ИИ?
5. Помогло ли использование ИИ оптимизировать затраты в вашей компании? Если да, то каким образом?
6. Как вы в целом оцениваете эффективность использования ИИ в вашем бизнесе? Какой еще функционал ИИ хотели бы освоить?
Натали Дмитренко, совладелица сети ресторанов «Честная рыба» (Москва)
1. Мы стараемся задействовать ИИ абсолютно везде. Например, я сейчас использую его как личного виртуального ассистента, как поисковик, как консультанта по юридическим вопросам, по вопросам CанПина, HACCP, создания регламентов. Могу надиктовать голосовое, а он сделает из него более-менее читабельный оцифрованный текст. Раньше я потратила бы на это пару часов, а нейросеть быстро фиксирует мысли в нужном мне виде.
Когда мне нужна какая-то консультация по трудовому законодательству или юридическим вопросам, ИИ достаточно редко ошибается. Главное – правильно писать промпты вроде «действуй как эксперт в трудовом законодательстве или защите прав потребителей».
Если нужен анализ данных, полезно использовать опцию «глубокое исследование» в ChatGPT. С такой задачей не каждый сотрудник справится. И самое главное, здесь я доверяю ИИ, так как понимаю, что он действительно использовал очень много литературы, прежде чем написать ответ, что не всегда делают живые люди, которые могут кликнуть на две-три ссылки и сделать выводы, упустив важное или дав в итоге неправильный ответ. Получается, что к нейросетям мы обращаемся для решения текущих задач практически по любым возникающим вопросам.
Если брать другие сферы управления рестораном, то в первую очередь ИИ у нас использует маркетинг. Самое банальное – составлять с помощью ChatGPT сценарии для рилсов, постов, контент-план для внутреннего Telegram-канала или продвижения.
Если говорить о более продвинутых вещах, ИИ может быть интересен ресторанам для анализа деятельности. Можно загрузить туда данные из сервиса автоматизации и попросить дать рекомендации, чтобы повысить прибыль или какой-то определенный показатель. Он изучит твою таблицу и пропишет все, что надо сделать. Также можно разбирать инвентаризацию проекта. Но, конечно, мы не сводим всю аналитику к роботизированной функции – хороший специалист, знающий нутрянку нашего проекта, часто действует намного вернее.
Используем ИИ и для обучения персонала, создания регламентов для сотрудников. Также мы делали чек-листы для проверок тайных гостей, которые ИИ проанализировал и сообщил, что еще, согласно шагам сервиса нашей компании, нужно добавить в этот чек-лист.
Однажды мы получили компенсацию от страховой компании с помощью ИИ. Сначала нам отказали в выплате. Мне не хотелось по такому незначительному поводу обращаться к юристам, и я сама с помощью ChatGPT написала претензию. Страховая ее приняла и перевела нам деньги.
В общем, ИИ – это наш универсальный сотрудник, который работает на нас 24/7.
2. В основном мы используем ChatGPT и Midjourney. Иногда пользуемся нейросетью Gigapixel, чтобы увеличить масштаб и улучшить качество изображения. А еще я иногда использую Luma AI, она оживляет видео.
3. Мы покупаем доступ к нейросетям нашему ассистенту и маркетологам, потому что им нужно генерировать контент. Также мы покупали обучение по Midjourney для маркетологов, потому что в ней работать сложнее, чем в ChatGPT. Midjourney, на мой взгляд, делает гениальные генерации изображений. Мы их использовали и вместо фотосессии блюд, и в материалах для Рыбной недели. В ChatGPT тоже очень хороший редактор изображений, и мы с его помощью иногда редактируем изображения блюд для сайта. Например, на фото бриоши с тунцом надо было убрать красный лук. Попросили ChatGPT перерисовать картинку без лука, и он сделал нужное реалистичное фото. По ChatGPT обучений у нас не было, но если я нахожу какие-то уроки и шпаргалки, то, конечно, делюсь с коллегами.
Это наша зона роста. Сейчас мы стараемся сделать так, чтобы все наши сотрудники так или иначе использовали ChatGPT, но пока не все к этому готовы. Даже в вакансиях, если это управленческие должности, указываем, что ищем людей с современным мышлением, опытом работы с нейросетями. Если человек живет в нашей реальности, где уже лет пять все говорят о нейросетях, и не пользуется ими, у меня будут к нему вопросы. Активно нейросетями у нас пользуются ассистент и маркетологи и мы, учредители. Хотелось бы, чтобы этот инструмент освоили шефы, но они пока к этому не готовы.
4. У наших сифудбаров есть бот «Васька-осьминог». Это наш ИИ-отдел качества, который обучен на наших инструкциях по сервису и работе с гостями. Он решает половину вопросов с гостями, отвечает на вопросы по бронированию столов. Если гость пишет претензию, то бот спрашивает номер телефона, фото и анализирует запрос. Таким образом мы разгрузили менеджеров отдела качества – у нас их двое. Можно сказать, что за счет ИИ мы сократили две штатные единицы, так как менеджеры, которые раньше отвечали гостям в чатах, теперь занимаются другими задачами. Управляющим также не приходится работать с негативными комментариями благодаря боту.
Поначалу мы использовали обычный чат-бот для ответа на однотипные запросы гостей вроде бронирования стола, состава блюд. Раньше он отвечал по скрипту, автоответами. И тут были недостатки: он распознавал только запросы, заложенные в наших шаблонах. Когда гость формулировал запрос иначе, бот не мог ответить и переключал на оператора. Нашим менеджерам приходилось отвлекаться на эти простые вопросы. Потом мы внедрили в этот бот ChatGPT и обучили его. Его эффективность выросла в разы, ответы стали точнее и быстрее. Раньше из-за долгого ожидания ответа гость мог «взорваться», теперь обратная связь происходит моментально – «Васька-осьминог» отвечает в течение минуты. Более того, мы постоянно дообучаем чат-бот на базе обратной связи. Также нейросеть анализирует данные: все диалоги саммаризируются и заносятся в таблицы; это избавляет менеджеров от необходимости читать всю переписку. А еще он может анализировать изображения, когда, например, гость жалуется на блюдо, и дает предварительный ответ. Сейчас мы дорабатываем промпты, чтобы, например, на вопрос гостя про края роллов бот сразу рассказывал про нашу философию: мы их не обрезаем, так как развиваем бережное отношение к еде и не хотим выбрасывать хорошие продукты.
5. Оптимизировали затраты, отказавшись от позиций директора по персоналу, дизайнера и юриста в компании – задействуем ИИ-ассистентов. При этом используем в работе регламенты, разработанные при участии нейросетей, что также улучшает рабочие процессы и снижает вероятность повторных ошибок сотрудников.
6. Нейросети, по сути, стали ассистентами для любой должности. Если каждый начнет ими пользоваться, у всех будет больше времени, чтобы работать на финансовый результат компании. В ChatGPT всегда есть что осваивать, его возможности практически безграничны. Учимся каждый день, чтобы получать все более крутые результаты. На данный момент хочу начать работать с большими массивами данных по компании с помощью нейросетей.
Евгений Докалин, исполнительный директор сети грузинских ресторанов «Супра» (Владивосток)
1. У нас в компании несколько ИИ-проектов. Первый и самый главный – наша программа бронирования, которую мы внедрили у себя этой весной, летом активно ее дорабатывали и сейчас перешли к внедрению в других ресторанах, в том числе в других городах. Мы собрали модель, которая предсказывает время ухода гостя с погрешностью до десяти минут. По заказу гостя программа понимает, сколько времени он у нас проведет. На основе этого она делает прогноз, когда стол освободится и его можно будет снова бронировать. Тут на самом деле не одна, а две ИИ-модели: вторая на основе этих данных усаживает гостя за какой-либо стол в ресторане. Тем самым мы исключаем из процесса рассадки человеческий фактор: не хостес выбирает, где будет сидеть гость, а программа. Так мы убираем возможные ошибки, особенно при полной посадке. Например, в субботу вечером вы звоните или приходите в ресторан и слышите от хостес, что сейчас мест нет, но они точно появятся, скажем, через 20 минут. И гости не уходят, а ждут. Хостес видит это в программе, гость тоже может посмотреть время, когда будет свободный стол, через эту программу, когда делает бронь. Это очень важный момент. С этой программой гостей у нас стало на 20% больше.
Еще мы работаем над собственной CRM на основе системы бронирования. ИИ в ней будет определять гостя и потом автоматически работать с ним посредством триггеров, цепочек и т.д. Также нейросеть сможет подсказывать официантам на основе прошлых заказов, какие блюда могут понравиться гостю. В общем, максимальная персонализация.
Второе – у нас есть Telegram-бот, который отвечает на вопросы и отзывы гостей. У него есть база знаний. Мы постоянно изучаем популярные запросы, которые задают гости, и загружаем в бот информацию по ним. То есть он постоянно обучается и на этой базе отвечает гостям. В чем суть? Все больше людей пользуется Telegram, и сейчас 75% ответов на запросы гостей выдает именно бот. Благодаря нейросети клиент получает ответы круглосуточно, без обедов и выходных, и быстро – пять секунд на ответ. А, например, в Самаре, где наш ресторан заработал три месяца назад, гости пока оставляют относительно простые, классические вопросы и отзывы. И там бот отвечает на 90% запросов. В итоге у нас растет число ресторанов, но благодаря ИИ-боту не увеличивается число сотрудников в кол-центре, поддержке и других сервисных отделах.
Третья модель с сентября работает у нас на фабрике-кухне и рассчитывает поставки заготовок в рестораны. Обычно происходит так: повара смотрят остатки и делают заявку на фабрику-кухню, чтобы те приготовили им заготовки. Загвоздка в том, что заказывают они то больше, то меньше и не всегда угадывают нужное количество. Если поваров ругают за списания, они начинают заказывать мало и образуется стоп-лист; если нет – они заказывают больше нужного и тогда большие списания. И сюда же вопросы по отслеживанию сроков годности, перетарке. Мы сделали модель, которая рассчитывает потребность каждого конкретного ресторана с попаданием 90%. Модель знает, сколько завтра, послезавтра, в течение недели закажет полуфабрикатов, шашлыков, теста, соусов каждый ресторан. Шефам не надо тратить время на расчеты. Как модель предсказывает спрос? Она анализирует заказы прошлых недели, месяца и даже года и ищет тренды. Сейчас у нас следующий этап: мы обучаем модель учитывать остатки и видеть тренды по ним (например, процент ошибок поваров, который тоже влияет на остатки), чтобы тем самым еще снизить списания. То есть модель должна будет предполагать продажи на завтра и послезавтра, а затем вычитать остатки и запасы и по результату формировать заявку на фабрику-кухню. В общем, мы стремимся к тому, чтобы поварам не надо было самим ничего считать и заполнять. В будущем рассчитываем сделать так, чтобы эта модель также автоматически отправляла заявки поставщикам. Все это реально, поскольку у того же ChatGPT есть такая функция.
Сейчас мы разрабатываем еще одну интересную штуку для сотрудников. У нас есть графики смен, внутренние стандарты, мы знаем производительность труда. Например, точно знаем, что один официант может одновременно обслуживать десять гостей. Соответственно, зная, сколько гостей приходит в час, мы можем предположить, сколько нам надо официантов. У каждого повара есть тикет-тайм: условно, «Цезарь» он готовит за семь минут, салат с помидорами – за три, а хачапури жарит за 15 минут. Исходя из количества вышедших с кухни блюд мы понимаем, сколько вчера должно было быть поваров. На основе анализа прошлого опыта мы делаем модель, которая будет нам говорить, сколько на завтра, послезавтра надо вывести поваров в холодный и горячий цеха и сколько официантов. Думаю, эту модель мы закончим через два-три месяца.
И еще мы сделали программу, которая помогает контролировать стоп-листы в ресторанах. Она контролирует, сколько времени позиция была в стоп-листе, как часто она там бывает, анализирует товары в составе блюда и выдает рекомендации, что и на сколько больше нужно заказывать.
2. Мы используем разные нейросети. Языковую модель ChatGPT используем только в боте в Telegram, там ChatGPT 4.0. В других проектах у нас разные модули от разных LLM-моделей. Свою модель мы вручную собираем из разных доступных модулей, чтобы получить нужный нам результат.
3. Это хостес, менеджеры, управляющие, отдел маркетинга, кол-центр, закупщики, шеф-повара. То есть практически все. Мы пользуемся платными ИИ-сервисами. Сотрудников работе с нашими моделями обучаем через видеоуроки и тексты, но, главное, на практике. Работе с LLM типа ChatGPT специально не учим. Просто показываем сотрудникам, что есть такая нейросеть и как работают промпты. Дальше крутись, как хочешь.
4. Количество гостей в вечернее время с 18.00 до 20.00 выросло на 20% – соответственно, выросла и наша выручка. А еще нам удалось расширить бизнес. Мы открыли франчайзинговые рестораны и взяли их в обслуживание, то есть принимаем звонки, заказы, доставки. И все это без расширения штата в офисе благодаря всем этим ИИ-модулям.
5. С сентября работает модуль по анализу стоп-листов, и они существенно сократились. По списаниям и закупкам пока сложно оценить результат – слишком мало времени для цифр. Хотелось бы благодаря ИИ сократить списания в два раза: в год у нас на всю компанию списаний выходит примерно на 30 млн руб., и мы хотим снизить их до 15 млн руб., тогда я смогу смело сказать, что овчинка стоит выделки.
6. Есть три вещи, которые, на мой взгляд, сейчас нужны не только ресторанному бизнесу, но любому человеку. Первое – понять, где и как можно применить ИИ, и начать развиваться в этом направлении. В частности, учиться промпт-инжинирингу для языковых моделей. Вторая важная вещь – LLM-модели могут ошибаться, это факт. Не надо забывать, что ИИ обучается не сам, его учат люди, заливая в него определенную информацию. Верная они или нет, всегда нужно проверять. Сейчас группа людей, компания OpenAI, которые создали ChatGPT, фактически управляет всем миром, потому что от того, какую информацию они зальют в GPT, зависят ответы, которые получат пользователи. Так что важно научиться отделять правду от вымысла. И третье – эмоциональный интеллект. Это никак к ИИ не относится, но просто должно быть. Думаю, раньше власть и знания были у тех, у кого деньги; сейчас власть и знания будут у тех, кто быстрее других научится применять и использовать возможности ИИ, но при этом не будет слепо им верить и обладает эмоциональным интеллектом.
Дарья Януш, исполнительный директор и управляющий партнер сети стритфуда «Vлаваше» (Санкт-Петербург)
1. Мы используем не столько искусственный интеллект, сколько чат-боты на его основе. Например, у нас в чат-боте делают отчет по выручке и дневной кассовый отчет. То есть данные по всей сети сразу приходят в бот. Этим удобно пользоваться управляющим.
Также у нас есть два образовательных чат-бота: один для партнеров, другой – для линейных сотрудников. В них заложено много внутренней информации. И вот тут мы используем ИИ для создания креативов, видео.
Уже ставший классикой ChatGPT очень помогает нам в рутинной работе. Нейросети могут написать какие-то тексты. Понятно, что многое мы потом переписываем, но основу, фундамент, да, можно сделать. Плюс лично я обрабатываю в ИИ презентации и большие данные, большие тексты. Аналитику через ИИ не использую, тут пока думаю своей головой.
2. Основные нейросети – это ChatGPT, DeepSeek, «Яндекс-чат» с YandexGPT, Kandinsky от «Сбера».
3. Мы, конечно, ИИ пока осваиваем. Нельзя сказать, что используем его каждый день, но я договорилась с командой, что тот, кто чаще всего обращается к условному ChatGPT для решения каких-то задач, по итогам месяца получает от меня денежную премию. То есть раз в месяц сотрудники делают отчет о том, как они в этот период работали с нейросетями. Если ты можешь сделать что-то быстрее и тебе в этом может помочь не человек, а автоматизация, ты обязан этим воспользоваться.
Моя цель – чтобы весь управленческий персонал пользовался искусственным интеллектом. Одна из мотиваций – оплаченная подписка на ChatGPT.
4. Реальный пример использования ИИ: мы обрабатываем итоги Zoom-встреч. Есть ИИ-модули, которые делают заметки из видеозвонка. По сути, они могут транскрибировать диалог. Тем самым мы экономим на сотруднике, который выполнял бы эту работу. Еще мне нравится делать презентации с помощью DeepSeek. Он, кстати, бесплатный.
5. На данном этапе сказать, что мы что-то оптимизировали с помощью ИИ, не могу. Единственное, с начала года мы не делаем фотосессии. Дело в том, что мы загрузили в нейросеть большой объем наших фотографий и теперь получаем визуальный контент с нашим продуктом. То есть мы не тратимся на услуги фотографа, а каждая фотосессия стоит минимум 30–40 тыс. руб. Эти деньги мы перенаправили на создание 3D-роликов. Получается, сделали более классный контент в рамках того же бюджета.
6. Думаю, с ИИ не нужно заигрываться. Я всегда все подвергаю сомнению. Когда что-то гуглю, перепроверяю результат. С нейросетями так же. Но в целом это очень полезная опция. Мне нравится делать картинки в Midjourney и бесплатном «Кандинском». Получаются очень симпатичные иллюстрации, которые можно использовать для базы знаний внутри компании, внешней презентации или постинга. Иногда просто хочется самой сделать какой-нибудь мемасик и бросить в рабочий чат – теперь это очень просто.
Антон Дулов, совладелец сети магазинов готовой еды Uppetit (Санкт-Петербург)
1. На данный момент в компании реализован один проект на основе ИИ. Это нейробот в Telegram – чат-бот на базе GPT с загруженной базой знаний для продавцов. Он позволяет мгновенно находить ответы на рабочие вопросы, например, как корректно оформить возврат.
Еще два проекта находятся в стадии разработки. Первый – тест для администраторов, инструмент оценки кандидатов на повышение. Он анализирует ответы, определяет соответствие идеальному профилю администратора, показывает процент недотягивания и формирует персональную дорожную карту развития навыков.
Другой проект, над которым мы работаем, – база знаний по выбору локаций. Создается интеллектуальная система, которая аккумулирует накопленный опыт поиска помещений и формирует аналитические характеристики по каждой потенциальной точке.
2. Основной инструмент – ChatGPT.
3. В основном ИИ служит инструментом поддержки и ускорения внутренних процессов. Однако есть и проекты, где ИИ-решение само по себе становится финальным продуктом – например, корпоративный нейробот в Telegram.
Менеджер по проектам тестирует различные ИИ-идеи: после проверки их либо полноценно берут в работу, либо дорабатывают, либо, если они не показывают ценности, снимают с реализации.
Отдел персонала применяет ИИ для подготовки текстов: постов, выводов по резюме, обучающих материалов, разработки аттестаций и создания наглядных учебных материалов. Результаты работы ИИ здесь служат не готовым продуктом, а скорее, основой, которую сотрудники дорабатывают вручную.
Маркетинг использует ИИ для анализа метрик социальных сетей, создания визуального контента (картинки, отдельные видео), подбора тональности и написания лояльных ответов подписчикам. Команда проходит профильные тренинги, например, по генерации контента с использованием ИИ.
Отдел розницы задействует ИИ для редактирования и структурирования внутренних инструкций, добавления недостающих деталей, подбора подходящего стиля изложения (от делового до неформального) и выразительного оформления материалов.
Сотрудники могут самостоятельно находить крупные обучающие программы по использованию ИИ; руководители утверждают и при необходимости оплачивают профильные курсы. Доступ компания оплачивает.
4. Мы на старте пути внедрения ИИ. Нейробот уже стал помощником для сотрудников: ряд типовых вопросов персонал направляет ему, что помогает разгрузить территориальных управляющих. Кроме того, с помощью ИИ удалось оптимизировать время сотрудников, которое они тратили на решение некоторых задач, таких как аналитика, анализ данных и подготовка текстовых материалов.
5. Нам это помогло в том смысле, что мы стали больше успевать, используя тот же ресурс.
6. Пока будем развивать базу знаний. Еще сторонний поставщик услуг пишет для нас сервис автозаказа с элементами ИИ.
Наши вопросы:
1. Каким образом в вашей компании / ресторанах используют ИИ? Какой функционал он помогает закрывать?
2. Какими именно нейросетями, сервисами пользуетесь?
3. Кто из сотрудников вашей компании использует ИИ и для каких задач? Оплачиваете ли вы сотрудникам доступ к нейросетям? Как проводите обучение?
4. Каких результатов вам удалось добиться с помощью использования ИИ?
5. Помогло ли использование ИИ оптимизировать затраты в вашей компании? Если да, то каким образом?
6. Как вы в целом оцениваете эффективность использования ИИ в вашем бизнесе? Какой еще функционал ИИ хотели бы освоить?
Натали Дмитренко, совладелица сети ресторанов «Честная рыба» (Москва)
1. Мы стараемся задействовать ИИ абсолютно везде. Например, я сейчас использую его как личного виртуального ассистента, как поисковик, как консультанта по юридическим вопросам, по вопросам CанПина, HACCP, создания регламентов. Могу надиктовать голосовое, а он сделает из него более-менее читабельный оцифрованный текст. Раньше я потратила бы на это пару часов, а нейросеть быстро фиксирует мысли в нужном мне виде.
Когда мне нужна какая-то консультация по трудовому законодательству или юридическим вопросам, ИИ достаточно редко ошибается. Главное – правильно писать промпты вроде «действуй как эксперт в трудовом законодательстве или защите прав потребителей».
Если нужен анализ данных, полезно использовать опцию «глубокое исследование» в ChatGPT. С такой задачей не каждый сотрудник справится. И самое главное, здесь я доверяю ИИ, так как понимаю, что он действительно использовал очень много литературы, прежде чем написать ответ, что не всегда делают живые люди, которые могут кликнуть на две-три ссылки и сделать выводы, упустив важное или дав в итоге неправильный ответ. Получается, что к нейросетям мы обращаемся для решения текущих задач практически по любым возникающим вопросам.
Если брать другие сферы управления рестораном, то в первую очередь ИИ у нас использует маркетинг. Самое банальное – составлять с помощью ChatGPT сценарии для рилсов, постов, контент-план для внутреннего Telegram-канала или продвижения.
Если говорить о более продвинутых вещах, ИИ может быть интересен ресторанам для анализа деятельности. Можно загрузить туда данные из сервиса автоматизации и попросить дать рекомендации, чтобы повысить прибыль или какой-то определенный показатель. Он изучит твою таблицу и пропишет все, что надо сделать. Также можно разбирать инвентаризацию проекта. Но, конечно, мы не сводим всю аналитику к роботизированной функции – хороший специалист, знающий нутрянку нашего проекта, часто действует намного вернее.
Используем ИИ и для обучения персонала, создания регламентов для сотрудников. Также мы делали чек-листы для проверок тайных гостей, которые ИИ проанализировал и сообщил, что еще, согласно шагам сервиса нашей компании, нужно добавить в этот чек-лист.
Однажды мы получили компенсацию от страховой компании с помощью ИИ. Сначала нам отказали в выплате. Мне не хотелось по такому незначительному поводу обращаться к юристам, и я сама с помощью ChatGPT написала претензию. Страховая ее приняла и перевела нам деньги.
В общем, ИИ – это наш универсальный сотрудник, который работает на нас 24/7.
2. В основном мы используем ChatGPT и Midjourney. Иногда пользуемся нейросетью Gigapixel, чтобы увеличить масштаб и улучшить качество изображения. А еще я иногда использую Luma AI, она оживляет видео.
3. Мы покупаем доступ к нейросетям нашему ассистенту и маркетологам, потому что им нужно генерировать контент. Также мы покупали обучение по Midjourney для маркетологов, потому что в ней работать сложнее, чем в ChatGPT. Midjourney, на мой взгляд, делает гениальные генерации изображений. Мы их использовали и вместо фотосессии блюд, и в материалах для Рыбной недели. В ChatGPT тоже очень хороший редактор изображений, и мы с его помощью иногда редактируем изображения блюд для сайта. Например, на фото бриоши с тунцом надо было убрать красный лук. Попросили ChatGPT перерисовать картинку без лука, и он сделал нужное реалистичное фото. По ChatGPT обучений у нас не было, но если я нахожу какие-то уроки и шпаргалки, то, конечно, делюсь с коллегами.
Это наша зона роста. Сейчас мы стараемся сделать так, чтобы все наши сотрудники так или иначе использовали ChatGPT, но пока не все к этому готовы. Даже в вакансиях, если это управленческие должности, указываем, что ищем людей с современным мышлением, опытом работы с нейросетями. Если человек живет в нашей реальности, где уже лет пять все говорят о нейросетях, и не пользуется ими, у меня будут к нему вопросы. Активно нейросетями у нас пользуются ассистент и маркетологи и мы, учредители. Хотелось бы, чтобы этот инструмент освоили шефы, но они пока к этому не готовы.
4. У наших сифудбаров есть бот «Васька-осьминог». Это наш ИИ-отдел качества, который обучен на наших инструкциях по сервису и работе с гостями. Он решает половину вопросов с гостями, отвечает на вопросы по бронированию столов. Если гость пишет претензию, то бот спрашивает номер телефона, фото и анализирует запрос. Таким образом мы разгрузили менеджеров отдела качества – у нас их двое. Можно сказать, что за счет ИИ мы сократили две штатные единицы, так как менеджеры, которые раньше отвечали гостям в чатах, теперь занимаются другими задачами. Управляющим также не приходится работать с негативными комментариями благодаря боту.
Поначалу мы использовали обычный чат-бот для ответа на однотипные запросы гостей вроде бронирования стола, состава блюд. Раньше он отвечал по скрипту, автоответами. И тут были недостатки: он распознавал только запросы, заложенные в наших шаблонах. Когда гость формулировал запрос иначе, бот не мог ответить и переключал на оператора. Нашим менеджерам приходилось отвлекаться на эти простые вопросы. Потом мы внедрили в этот бот ChatGPT и обучили его. Его эффективность выросла в разы, ответы стали точнее и быстрее. Раньше из-за долгого ожидания ответа гость мог «взорваться», теперь обратная связь происходит моментально – «Васька-осьминог» отвечает в течение минуты. Более того, мы постоянно дообучаем чат-бот на базе обратной связи. Также нейросеть анализирует данные: все диалоги саммаризируются и заносятся в таблицы; это избавляет менеджеров от необходимости читать всю переписку. А еще он может анализировать изображения, когда, например, гость жалуется на блюдо, и дает предварительный ответ. Сейчас мы дорабатываем промпты, чтобы, например, на вопрос гостя про края роллов бот сразу рассказывал про нашу философию: мы их не обрезаем, так как развиваем бережное отношение к еде и не хотим выбрасывать хорошие продукты.
5. Оптимизировали затраты, отказавшись от позиций директора по персоналу, дизайнера и юриста в компании – задействуем ИИ-ассистентов. При этом используем в работе регламенты, разработанные при участии нейросетей, что также улучшает рабочие процессы и снижает вероятность повторных ошибок сотрудников.
6. Нейросети, по сути, стали ассистентами для любой должности. Если каждый начнет ими пользоваться, у всех будет больше времени, чтобы работать на финансовый результат компании. В ChatGPT всегда есть что осваивать, его возможности практически безграничны. Учимся каждый день, чтобы получать все более крутые результаты. На данный момент хочу начать работать с большими массивами данных по компании с помощью нейросетей.
Евгений Докалин, исполнительный директор сети грузинских ресторанов «Супра» (Владивосток)
1. У нас в компании несколько ИИ-проектов. Первый и самый главный – наша программа бронирования, которую мы внедрили у себя этой весной, летом активно ее дорабатывали и сейчас перешли к внедрению в других ресторанах, в том числе в других городах. Мы собрали модель, которая предсказывает время ухода гостя с погрешностью до десяти минут. По заказу гостя программа понимает, сколько времени он у нас проведет. На основе этого она делает прогноз, когда стол освободится и его можно будет снова бронировать. Тут на самом деле не одна, а две ИИ-модели: вторая на основе этих данных усаживает гостя за какой-либо стол в ресторане. Тем самым мы исключаем из процесса рассадки человеческий фактор: не хостес выбирает, где будет сидеть гость, а программа. Так мы убираем возможные ошибки, особенно при полной посадке. Например, в субботу вечером вы звоните или приходите в ресторан и слышите от хостес, что сейчас мест нет, но они точно появятся, скажем, через 20 минут. И гости не уходят, а ждут. Хостес видит это в программе, гость тоже может посмотреть время, когда будет свободный стол, через эту программу, когда делает бронь. Это очень важный момент. С этой программой гостей у нас стало на 20% больше.
Еще мы работаем над собственной CRM на основе системы бронирования. ИИ в ней будет определять гостя и потом автоматически работать с ним посредством триггеров, цепочек и т.д. Также нейросеть сможет подсказывать официантам на основе прошлых заказов, какие блюда могут понравиться гостю. В общем, максимальная персонализация.
Второе – у нас есть Telegram-бот, который отвечает на вопросы и отзывы гостей. У него есть база знаний. Мы постоянно изучаем популярные запросы, которые задают гости, и загружаем в бот информацию по ним. То есть он постоянно обучается и на этой базе отвечает гостям. В чем суть? Все больше людей пользуется Telegram, и сейчас 75% ответов на запросы гостей выдает именно бот. Благодаря нейросети клиент получает ответы круглосуточно, без обедов и выходных, и быстро – пять секунд на ответ. А, например, в Самаре, где наш ресторан заработал три месяца назад, гости пока оставляют относительно простые, классические вопросы и отзывы. И там бот отвечает на 90% запросов. В итоге у нас растет число ресторанов, но благодаря ИИ-боту не увеличивается число сотрудников в кол-центре, поддержке и других сервисных отделах.
Третья модель с сентября работает у нас на фабрике-кухне и рассчитывает поставки заготовок в рестораны. Обычно происходит так: повара смотрят остатки и делают заявку на фабрику-кухню, чтобы те приготовили им заготовки. Загвоздка в том, что заказывают они то больше, то меньше и не всегда угадывают нужное количество. Если поваров ругают за списания, они начинают заказывать мало и образуется стоп-лист; если нет – они заказывают больше нужного и тогда большие списания. И сюда же вопросы по отслеживанию сроков годности, перетарке. Мы сделали модель, которая рассчитывает потребность каждого конкретного ресторана с попаданием 90%. Модель знает, сколько завтра, послезавтра, в течение недели закажет полуфабрикатов, шашлыков, теста, соусов каждый ресторан. Шефам не надо тратить время на расчеты. Как модель предсказывает спрос? Она анализирует заказы прошлых недели, месяца и даже года и ищет тренды. Сейчас у нас следующий этап: мы обучаем модель учитывать остатки и видеть тренды по ним (например, процент ошибок поваров, который тоже влияет на остатки), чтобы тем самым еще снизить списания. То есть модель должна будет предполагать продажи на завтра и послезавтра, а затем вычитать остатки и запасы и по результату формировать заявку на фабрику-кухню. В общем, мы стремимся к тому, чтобы поварам не надо было самим ничего считать и заполнять. В будущем рассчитываем сделать так, чтобы эта модель также автоматически отправляла заявки поставщикам. Все это реально, поскольку у того же ChatGPT есть такая функция.
Сейчас мы разрабатываем еще одну интересную штуку для сотрудников. У нас есть графики смен, внутренние стандарты, мы знаем производительность труда. Например, точно знаем, что один официант может одновременно обслуживать десять гостей. Соответственно, зная, сколько гостей приходит в час, мы можем предположить, сколько нам надо официантов. У каждого повара есть тикет-тайм: условно, «Цезарь» он готовит за семь минут, салат с помидорами – за три, а хачапури жарит за 15 минут. Исходя из количества вышедших с кухни блюд мы понимаем, сколько вчера должно было быть поваров. На основе анализа прошлого опыта мы делаем модель, которая будет нам говорить, сколько на завтра, послезавтра надо вывести поваров в холодный и горячий цеха и сколько официантов. Думаю, эту модель мы закончим через два-три месяца.
И еще мы сделали программу, которая помогает контролировать стоп-листы в ресторанах. Она контролирует, сколько времени позиция была в стоп-листе, как часто она там бывает, анализирует товары в составе блюда и выдает рекомендации, что и на сколько больше нужно заказывать.
2. Мы используем разные нейросети. Языковую модель ChatGPT используем только в боте в Telegram, там ChatGPT 4.0. В других проектах у нас разные модули от разных LLM-моделей. Свою модель мы вручную собираем из разных доступных модулей, чтобы получить нужный нам результат.
3. Это хостес, менеджеры, управляющие, отдел маркетинга, кол-центр, закупщики, шеф-повара. То есть практически все. Мы пользуемся платными ИИ-сервисами. Сотрудников работе с нашими моделями обучаем через видеоуроки и тексты, но, главное, на практике. Работе с LLM типа ChatGPT специально не учим. Просто показываем сотрудникам, что есть такая нейросеть и как работают промпты. Дальше крутись, как хочешь.
4. Количество гостей в вечернее время с 18.00 до 20.00 выросло на 20% – соответственно, выросла и наша выручка. А еще нам удалось расширить бизнес. Мы открыли франчайзинговые рестораны и взяли их в обслуживание, то есть принимаем звонки, заказы, доставки. И все это без расширения штата в офисе благодаря всем этим ИИ-модулям.
5. С сентября работает модуль по анализу стоп-листов, и они существенно сократились. По списаниям и закупкам пока сложно оценить результат – слишком мало времени для цифр. Хотелось бы благодаря ИИ сократить списания в два раза: в год у нас на всю компанию списаний выходит примерно на 30 млн руб., и мы хотим снизить их до 15 млн руб., тогда я смогу смело сказать, что овчинка стоит выделки.
6. Есть три вещи, которые, на мой взгляд, сейчас нужны не только ресторанному бизнесу, но любому человеку. Первое – понять, где и как можно применить ИИ, и начать развиваться в этом направлении. В частности, учиться промпт-инжинирингу для языковых моделей. Вторая важная вещь – LLM-модели могут ошибаться, это факт. Не надо забывать, что ИИ обучается не сам, его учат люди, заливая в него определенную информацию. Верная они или нет, всегда нужно проверять. Сейчас группа людей, компания OpenAI, которые создали ChatGPT, фактически управляет всем миром, потому что от того, какую информацию они зальют в GPT, зависят ответы, которые получат пользователи. Так что важно научиться отделять правду от вымысла. И третье – эмоциональный интеллект. Это никак к ИИ не относится, но просто должно быть. Думаю, раньше власть и знания были у тех, у кого деньги; сейчас власть и знания будут у тех, кто быстрее других научится применять и использовать возможности ИИ, но при этом не будет слепо им верить и обладает эмоциональным интеллектом.
Дарья Януш, исполнительный директор и управляющий партнер сети стритфуда «Vлаваше» (Санкт-Петербург)
1. Мы используем не столько искусственный интеллект, сколько чат-боты на его основе. Например, у нас в чат-боте делают отчет по выручке и дневной кассовый отчет. То есть данные по всей сети сразу приходят в бот. Этим удобно пользоваться управляющим.
Также у нас есть два образовательных чат-бота: один для партнеров, другой – для линейных сотрудников. В них заложено много внутренней информации. И вот тут мы используем ИИ для создания креативов, видео.
Уже ставший классикой ChatGPT очень помогает нам в рутинной работе. Нейросети могут написать какие-то тексты. Понятно, что многое мы потом переписываем, но основу, фундамент, да, можно сделать. Плюс лично я обрабатываю в ИИ презентации и большие данные, большие тексты. Аналитику через ИИ не использую, тут пока думаю своей головой.
2. Основные нейросети – это ChatGPT, DeepSeek, «Яндекс-чат» с YandexGPT, Kandinsky от «Сбера».
3. Мы, конечно, ИИ пока осваиваем. Нельзя сказать, что используем его каждый день, но я договорилась с командой, что тот, кто чаще всего обращается к условному ChatGPT для решения каких-то задач, по итогам месяца получает от меня денежную премию. То есть раз в месяц сотрудники делают отчет о том, как они в этот период работали с нейросетями. Если ты можешь сделать что-то быстрее и тебе в этом может помочь не человек, а автоматизация, ты обязан этим воспользоваться.
Моя цель – чтобы весь управленческий персонал пользовался искусственным интеллектом. Одна из мотиваций – оплаченная подписка на ChatGPT.
4. Реальный пример использования ИИ: мы обрабатываем итоги Zoom-встреч. Есть ИИ-модули, которые делают заметки из видеозвонка. По сути, они могут транскрибировать диалог. Тем самым мы экономим на сотруднике, который выполнял бы эту работу. Еще мне нравится делать презентации с помощью DeepSeek. Он, кстати, бесплатный.
5. На данном этапе сказать, что мы что-то оптимизировали с помощью ИИ, не могу. Единственное, с начала года мы не делаем фотосессии. Дело в том, что мы загрузили в нейросеть большой объем наших фотографий и теперь получаем визуальный контент с нашим продуктом. То есть мы не тратимся на услуги фотографа, а каждая фотосессия стоит минимум 30–40 тыс. руб. Эти деньги мы перенаправили на создание 3D-роликов. Получается, сделали более классный контент в рамках того же бюджета.
6. Думаю, с ИИ не нужно заигрываться. Я всегда все подвергаю сомнению. Когда что-то гуглю, перепроверяю результат. С нейросетями так же. Но в целом это очень полезная опция. Мне нравится делать картинки в Midjourney и бесплатном «Кандинском». Получаются очень симпатичные иллюстрации, которые можно использовать для базы знаний внутри компании, внешней презентации или постинга. Иногда просто хочется самой сделать какой-нибудь мемасик и бросить в рабочий чат – теперь это очень просто.
Антон Дулов, совладелец сети магазинов готовой еды Uppetit (Санкт-Петербург)
1. На данный момент в компании реализован один проект на основе ИИ. Это нейробот в Telegram – чат-бот на базе GPT с загруженной базой знаний для продавцов. Он позволяет мгновенно находить ответы на рабочие вопросы, например, как корректно оформить возврат.
Еще два проекта находятся в стадии разработки. Первый – тест для администраторов, инструмент оценки кандидатов на повышение. Он анализирует ответы, определяет соответствие идеальному профилю администратора, показывает процент недотягивания и формирует персональную дорожную карту развития навыков.
Другой проект, над которым мы работаем, – база знаний по выбору локаций. Создается интеллектуальная система, которая аккумулирует накопленный опыт поиска помещений и формирует аналитические характеристики по каждой потенциальной точке.
2. Основной инструмент – ChatGPT.
3. В основном ИИ служит инструментом поддержки и ускорения внутренних процессов. Однако есть и проекты, где ИИ-решение само по себе становится финальным продуктом – например, корпоративный нейробот в Telegram.
Менеджер по проектам тестирует различные ИИ-идеи: после проверки их либо полноценно берут в работу, либо дорабатывают, либо, если они не показывают ценности, снимают с реализации.
Отдел персонала применяет ИИ для подготовки текстов: постов, выводов по резюме, обучающих материалов, разработки аттестаций и создания наглядных учебных материалов. Результаты работы ИИ здесь служат не готовым продуктом, а скорее, основой, которую сотрудники дорабатывают вручную.
Маркетинг использует ИИ для анализа метрик социальных сетей, создания визуального контента (картинки, отдельные видео), подбора тональности и написания лояльных ответов подписчикам. Команда проходит профильные тренинги, например, по генерации контента с использованием ИИ.
Отдел розницы задействует ИИ для редактирования и структурирования внутренних инструкций, добавления недостающих деталей, подбора подходящего стиля изложения (от делового до неформального) и выразительного оформления материалов.
Сотрудники могут самостоятельно находить крупные обучающие программы по использованию ИИ; руководители утверждают и при необходимости оплачивают профильные курсы. Доступ компания оплачивает.
4. Мы на старте пути внедрения ИИ. Нейробот уже стал помощником для сотрудников: ряд типовых вопросов персонал направляет ему, что помогает разгрузить территориальных управляющих. Кроме того, с помощью ИИ удалось оптимизировать время сотрудников, которое они тратили на решение некоторых задач, таких как аналитика, анализ данных и подготовка текстовых материалов.
5. Нам это помогло в том смысле, что мы стали больше успевать, используя тот же ресурс.
6. Пока будем развивать базу знаний. Еще сторонний поставщик услуг пишет для нас сервис автозаказа с элементами ИИ.
Комментарии (0)