Как работает AI‑метрдотель: кейс автоматизации сервиса в ресторане

AI‑чат‑боты в ресторанах часто не заменяют сотрудников, а только обрабатывают простые запросы. В этом кейсе разбираем, как устроен цифровой метрдотель, который ведёт диалог с гостями, работает с бронированиями и оплатами, и передаёт запрос менеджеру без потери контекста.

Зачем ресторану не чат‑бот, а цифровой сотрудник

Пользователь задаёт вопрос, получает стандартную реакцию и в какой‑то момент просит переключить его на менеджера. Это происходит, когда бот не понимает формулировку, теряет контекст или не может обработать нестандартную ситуацию.

В этом кейсе задача была другой. Вместо чат‑бота сделали цифрового сотрудника, который максимально приближен к роли метрдотеля.

Он понимает свободный текст, запоминает гостя, не путается в диалогах и не теряет сообщения. Отвечает последовательно и аккуратно, а если не может корректно обработать запрос — передаёт диалог менеджеру так, что пользователь не замечает перехода.

Фактически это отдельная сервисная роль, которая работает круглосуточно и видит всю картину: предпочтения гостя, историю посещений, наличие блюд, бронирования и статусы оплат.

Что меняется для бизнеса

Ограничения человека в сервисе очевидны: усталость, параллельные диалоги, высокая нагрузка в пиковые часы, человеческий фактор.

У цифрового ассистента этих ограничений нет. Он не забывает, что любит гость, когда он был в ресторане последний раз, какие блюда заказывал и по какому поводу приходит.

Система учитывает, какой стол предложить, какое меню доступно сейчас, какие позиции есть в наличии и какие рекомендации подходят конкретному человеку.

При этом AI не работает по фиксированному сценарию. Он адаптируется под каждого гостя и не выдает одинаковые ответы всем подряд.

Если возникает ситуация, где участие человека необходимо, система не просит «уточнить запрос» и не ломает диалог. Она передаёт его менеджеру, который продолжает общение с учетом всей предыдущей переписки.

С чего начинается работающий AI‑продукт

Чтобы AI действительно давал персональный сервис, ему недостаточно модели и интерфейса. Нужна связка нескольких типов данных.

Первый слой — знания компании. В проекте используется корпоративная база знаний, которая выступает универсальным слоем для работы AI.

Когда гость пишет метрдотелю, система обращается к структурированной коллекции данных. В ней содержатся описания блюд, рекомендации, винные пары, гастрономические сочетания, особенности форматов ресторанов и правила сервиса.

Это не просто набор документов. Это рабочая среда, из которой AI берёт информацию и формирует ответы.

При этом доступ к данным ограничен. Гость получает только ту информацию, которая допустима, несмотря на то, что система работает с полной базой.

Второй слой — данные о госте.

Через интеграцию с базой клиентов AI знает историю визитов, заказы, предпочтения, частоту посещений и даже особенности общения. Это позволяет формировать персонализированные ответы и рекомендации.

Третий слой — актуальные данные ресторана.

Система получает информацию о наличии блюд и ценах из IIKO, данные по бронированиям и их статусам из Remarked, отзывы из RocketData. Дополнительно обрабатываются платежи и предзаказы.

В результате AI работает как сотрудник, который одновременно знает продукт, клиента и текущую ситуацию в ресторане.

Из чего состоит система:

Какие сценарии реализованы в первой версии

На старте не пытались охватить все возможные задачи. Взяли базовые сценарии, которые чаще всего возникают в работе ресторана.

Если гость меняет решение, система обновляет бронь. Если возникает конфликт, диалог продолжается без разрыва.

Система работает с оплатами. Она формирует ссылки, принимает вебхуки, проверяет статус транзакций и фиксирует результат. Это используется для депозитов, билетов и предзаказов. После оплаты сотрудники получают уведомление.

AI консультирует по меню и напиткам. Он может ответить на запросы вроде «посоветуй блюдо с рыбой» или «что подойдет к стейку из красных вин». При этом учитывает предпочтения гостя и наличие позиций.

После визита система может собрать отзыв, определить его тональность и передать данные в RocketData, где с ними работают менеджеры.

Сейчас решение работает в Telegram. В дальнейшем его можно масштабировать на сайт и другие каналы.

Как устроено обучение системы

После запуска AI не остается статичным. Его ответы постоянно улучшаются.

Для этого используется механизм обратной связи. Тестовая группа оценивает ответы: удачные фиксируются, неудачные отправляются на доработку с комментариями.

Все изменения сохраняются в отдельной базе данных. Это позволяет анализировать, какие корректировки вносятся чаще всего.

Для управления этим процессом используется административная панель. В ней менеджеры могут просматривать предложения и принимать решения по их внедрению.

Такой подход позволяет постепенно адаптировать стиль общения и повышать точность ответов.

Как работает передача диалога менеджеру

Полностью автоматизировать сервис невозможно, поэтому в системе предусмотрено подключение человека.

Если запрос требует участия сотрудника, диалог передается менеджеру. При этом пользователь не замечает перехода.

Это важно для ресторанного бизнеса, где качество коммуникации напрямую влияет на впечатление гостя.

Система не пытается удержать диалог любой ценой и не создает лишних барьеров. Она передает управление там, где это действительно необходимо.

Как построена техническая часть

В проекте отказались от no‑code решений, так как система работает с оплатами, бронированиями и персональными данными.

Все интеграции реализованы напрямую через API. Используются Remarked, IIKO, RocketData, платежные сервисы, Qdrant и PostgreSQL.

В основе лежит RAG‑подход. База знаний используется как активный слой, из которого AI берет информацию для ответов.

Технический стек включает Fastify, TypeScript, OpenAI‑модели и собственный оркестратор сценариев. Система проходит нагрузочные тесты и работает в изолированной архитектуре.

Что получает ресторан в итоге

Ресторан получает цифрового сотрудника, который работает с гостями, бронированиями, оплатами и отзывами.Он не пропускает сообщения, не теряет данные, не ошибается в информации и работает в стиле бренда.

Система помогает корректно обрабатывать запросы, поддерживать уровень сервиса и снижать нагрузку на сотрудников. При этом она масштабируется без увеличения команды и может быть встроена в существующие процессы.

Почему важно начинать с проектирования

Внедрение AI не начинается с выбора модели. Если нет структурированной базы знаний, интеграций и понятных сценариев, система не будет работать корректно.

Поэтому в проекте сначала уделили время архитектуре. Несколько недель ушло на проектирование: определение структуры данных, сценариев и логики работы.

Это позволяет избежать ситуаций, когда решение работает только в демо‑режиме, но не выдерживает реальной нагрузки. В результате AI становится не отдельным инструментом, а частью операционной системы бизнеса.

Как применить этот подход в своем бизнесе

Начинать стоит с повторяющихся сценариев: бронирования, изменения времени визита, вопросов по меню, наличия блюд, подбора напитков, оплаты депозита, предзаказов и отзывов после посещения.

Дальше нужно разделить задачи: что AI закрывает сам, а что сразу передаёт менеджеру. В сложных ситуациях система должна не удерживать диалог, а передавать его сотруднику вместе с историей переписки, данными брони и оплатой.

Затем важно собрать базу знаний: меню, описания блюд, винные пары, правила бронирования, депозиты, мероприятия и стандарты сервиса. Если данные устарели или лежат в разных местах, цифровой сотрудник будет ошибаться.

После этого подключаются интеграции: бронирования, касса, меню, платежи, отзывы и клиентская база. Без них AI остаётся справочным ботом, а не частью сервиса.

Внедрять систему лучше поэтапно: сначала консультации и бронирования, затем оплаты и предзаказы, после этого — персонализация на основе истории визитов и предпочтений гостя.

Главный принцип — автоматизировать не весь ресторан сразу, а конкретные процессы, где AI реально снижает нагрузку на команду и помогает держать стабильный уровень сервиса.

Итог

Цифровой метрдотель — это полноценный сотрудник, встроенный в процессы ресторана. Он работает с данными, понимает контекст, ведет диалог с гостями и подключает человека там, где это необходимо.