ИИ в ресторанном бизнесе: как технологии спасают от номенклатурного хаоса
Работа с номенклатурами — головная боль, знакомая каждому ресторатору. Каждый день заведения тратят несколько часов на расшифровку накладных. «Помидоры черри» у поставщика, например, в учетной системе ресторана могут значиться как «томаты в упаковке». А брусника, малина и вишня — проходить под одним названием «ягода».
В этом материале разбираемся, как ИТ‑решение помогает сопоставлять номенклатуры и сокращать время на обработку документов.
Цифровое отставание в ресторанном бизнесе
Ресторанная отрасль в России остается одним из самых консервативных сегментов бизнеса в части внедрения инноваций. Согласно исследованиям, только 35% сотрудников заведений используют искусственный интеллект в своей работе. Для сравнения: в IT‑сфере этот показатель достигает 58%, в банковском секторе — 53%, а в онлайн‑торговле — 50%.
Когда говорят о технологиях в общепите, чаще всего вспоминают роботов‑поваров или системы автоматического заказа. Но на самом деле в работе ресторанов есть много «незаметных» рутинных операций, которые подходят для автоматизации с помощью ИИ. Одна из них — сопоставление номенклатур.
Рассылка: как вести бизнес в России
Пять полезных писем пришлем сразу после подписки. В них — бизнес‑идеи, готовые промпты для нейросетей, советы, как выбрать налоговый режим и получать пассивный доход
Проблема: скрытые издержки ручного учета
Каждый ресторан, кафе или бар ежедневно получает десятки, а то и сотни накладных от поставщиков. Процедура приемки превращается в настоящий квест из‑за одной фундаментальной проблемы — отсутствия единого стандарта наименований товаров.
Рассмотрим типичную ситуацию:
- поставщик указывает в документе «Помидоры черри красные, 250г»;
- в учетной системе ресторана эта позиция значится как «Томаты черри»;
- в другой накладной этот же продукт называется «Помидоры черри в упаковке».
Особенно остро проблема ощущается в случае с алкоголем. На одну и ту же поставку может прийти сразу три документа: накладная из ЕГАИС, электронная накладная и УПД от провайдера ЭДО. Все они содержат уникальные данные и только вместе дают полную информацию о поставке. Номенклатуры во всех этих документах могут быть разными.
Бухгалтеру или менеджеру по закупкам приходится вручную сопоставлять эти разночтения — на это уходит от 30 минут до 3 часов рабочего времени.
Даже для небольшого кафе с одним бухгалтером — это около 500 часов потерянного времени в год. Издержки крупных сетей исчисляются тысячами часов — и миллионами рублей.
ИТ‑решение: NLP на службе у рестораторов
Для упрощения процесса сопоставления номенклатур сервис DocsInBox использует технологии обработки естественного языка (NLP). Мы обучаем нейросеть распознавать смысловые единицы в тексте: анализировать семантику каждого наименования, учитывать контекст использования терминов, определять синонимы и родственные понятия и сопоставлять различные единицы измерения.
Для обучения используем огромный массив отраслевых данных — более 30 млн электронных накладных, 50 млн документов из государственных систем, 11 млн ручных сопоставлений, сделанных пользователями.
Вся информация при этом анонимна: специальный алгоритм убирает из базы знаний любые упоминания компаний, юрлиц и торговых марок.
Работа ресторана с ИИ выглядит следующим образом:
- Сотрудник ресторана вносит в DocsInBox данные учетной системы — номенклатуры, которые будут участвовать в сопоставлении.
- NLP‑модель в фоновом режиме работает с данными — анализирует информацию по каждой номенклатуре.
- Когда приходит документ от поставщика, модель изучает каждую строчку и находит похожие номенклатуры в учетной системе ресторана. Если уверенность модели в том, что номенклатуры совпадают, ниже 80%, она предлагает пользователю варианты сопоставления. Он может выбрать один из них или ввести собственный в ручном режиме.
Преимущества автоматизированного подхода
Первое преимущество автоматизации учета товаров — скорость. Автоматическое сопоставление номенклатур занимает секунды — общее время обработки документов сокращается на 25%.
Второе преимущество — точность учета. ИИ помогает исключить ошибки, связанные с человеческим фактором. И дополнительно — сохранить прозрачную историю всех изменений.
Наконец, автоматизация финансово эффективна. По нашим подсчетам заведения сокращают затраты на бухгалтерские услуги и экономят 1,5–2,4 млн рублей в год.
Перспективы развития
Ресторанный бизнес, как и другие отрасли экономики, идет по пути цифровизации. Искусственный интеллект уже перестал ассоциироваться лишь с роботами‑официантами — сегодня он помогает создавать персонализированные меню, оптимизировать поставки и запасы, прогнозировать популярность блюд, персонализировать программы лояльности и даже рассчитывать оптимальное количество персонала.
Внедрение таких технологий позволяет значительно снижать операционные расходы, повышать точность учета, освобождать сотрудников от рутинных задач и улучшать общую эффективность управления. Кроме того, ИИ способствует появлению новых форматов ресторанов, которые максимально соответствуют современным ожиданиям клиентов.
