Ну что, я тут снова.
Куча работы меня атаковала, да и еще я в отпуск уехал. И на сочетании случился коллапс постов, потому что надо было прямо очень не мало подготовить из моего рассказа на конфе Яндекса, потому что в живую это ух! А в тексте... Ну сложновато.

Так что вот вам третий пост, а я пока думаю, что писать еще. Очень многое у меня меняется, так что... Будет интересно!

Так что у нас там с инструментами: как AI вообще заходит в физический мир нашими руками?

Я для себя придумал такую лестницу из трёх ступеней, по-сути, этапность внедрения технологий.

Ступень 1: глаза. Нам же надо понять, что вообще происходит?
Мы смотрим чеки, смотрим по чекам возвращаемость клиентов, у нас есть мониторинги всех железок, но... Мониторить процессы на кухне и в зале оказалось сложновато. Вот и физический мир превращается в данные: камеры везде (а надел ли перчатки работник?), датчики в кофемашинах и во фритюрах на качество масла, желанная авторизация гостя, чтоб понять что у нас с churn и почему. Это все довольно скучно, ибо просто проекты внедрения, дорого, быстрого ROI нет, так как это просто observability, поэтому в ступень хронически недоинвестируют. Мы сейчас здесь и стараемся инвестировать нормально, ибо без данных ну вообще никуда.

Ступень 2 это у нас "мозги". Это стадия, когда данные превращаются в решения: мы строим (уже) дашборды здоровья ресторана по метрикам, которые собираем с телеметрии и камер: это операционный мониторинг, который пока только сигнализирует, когда ресторан не соответствует ожиданиям гостя (смотрим на return rate, отзывы, средние чеки и тд) и нашим ожиданиям от качества (камеры, соблюдение процессов, телеметрия). Это уже не прям "мозг", но уже какая-то операционная штукенция, а вот следующим этапом будет переход к модели, когда софт сам ставит задачи при отклонении метрик: "у вас тут зал грязный, товарищ директор ресторана, направьте человека. А на будущее в эти часы выводите больше людей на линию", У KFC в Китае, это уже прод: ассистент директора ресторана работает голосом через наушники и часы, сам сверяет остатки с прогнозом продаж и напоминает о заказе.

Ступень 3: руки, или немного human in the loop. AI тут исполняет по полной: роботы на кухне, доставка дронами, сервисные роботы в зале. Китай уже там, а мы немного пробуем (роботы уже чистят кое-где). Тут нам еще предстоит понять, какие руки нам нужны, да и рынку этих самых "рук" подрасти. Пока рано.

Короче, я так вот тут считаю, что разрыв между нами и лидерами не в идеях, а в первой ступени. У KFC в Китае около 90% заказов цифровые и 540 млн человек в программе лояльности, и им есть чем кормить "мозги". Данные офлайна, которые нам нужны, нельзя купить или нагнать по-быстрому: этот дата сет строится годами физических внедрений. И вот тут нам надо пройти огромный путь, до момента когда у нас будет данных достаточно для того, чтоб отчетность и сигнализации в "мозгах" работали нормально.

Выводы, вот!

(1) AI будет уходить во всё менее очевидные места: фронт уже комможити, у нас это (да и у вас) рекомендации, CRM, чат-боты и все прочее. Конкуренция уезжает в глубину операций и эффективность сидит скорее уже там.

(2) Внедрять две буквы можно ради пропускной способности, а можно ради высвобождения людей. Выбор зависит от того, за что платит ваш гость: за скорость или за качество сервиса. Ну или можно на оба стула попробовать сесть, но определиться, какой первый, точно придется.

(3) В офлайне LTV медленно копится и легко теряется, а вернуть ушедшего гостя дорого. На сжимающемся рынке отстающий не просто недозаработает, он не успеет перекупить своих гостей обратно. Потому работа над контролем churn суспер важна, но из-за сложности построения observability в оффлайне приходится сильно инвестировать и долго ждать, чтоб этот churn нормально побеждать, решая "корневые" проблемы.

Все долго прорастает, это правда, так что мы увидим итоги первых запусков ну... Наверно через годик. Никаких быстрых побед в оффлайне не бывает, кмк.