4 aprile 2026
Previsione della domanda con l'AI nel ristorante: quale giorno, quale prodotto, quanto?
Venerdì sera, ore 20.00, la sala è piena e sul monitor della cucina si sono accumulati decine di ordini. Ma l'impasto per la pizza al pollo è finito, le scorte di salsiccia sono esaurite e il cuoco nella prossima mezz'ora non riesce a evadere metà degli ordini in arrivo. A inizio settimana succede invece l'opposto: hai preparato troppa carne, non si è venduta e la sera è finita nella spazzatura. Queste due scene appartengono alla stessa settimana dello stesso ristorante. Il problema sta nella previsione, o meglio nel farla a occhio.
La previsione della domanda con l'intelligenza artificiale sviluppata da RestApp entra in gioco esattamente qui. Valuta insieme i tuoi ordini passati, l'andamento per giorno e per ora, l'effetto del meteo e del calendario, e cerca di rispondere a questa domanda: nei prossimi giorni quali fasce orarie saranno affollate, quale prodotto venderà più o meno quanto, e di conseguenza quante porzioni preparare e quante scorte servono? L'obiettivo è aiutarti a impostare il piano dell'apertura mattutina sui dati, non sulle supposizioni.
Una nota importante: questa funzione al momento è in sviluppo in accesso anticipato, non è ancora attiva su tutti gli account. Ogni previsione prodotta è un suggerimento; la decisione su quanta merce preparare o quale turno rinforzare resta sempre a te. La previsione non è una garanzia: guardando al passato e ai pattern mostra la domanda probabile. In questo articolo spieghiamo con un esempio concreto come funziona la previsione della domanda, cosa può portare al tuo ristorante e come si integra con le funzioni RestApp che già usi.
Perché prevedere la domanda in un ristorante è così difficile?
La previsione della domanda è uno dei dolori più antichi della ristorazione. Se prepari poco resti a secco, il cliente chiede un prodotto del menu e non lo trova, e perdi sia quella vendita sia la sua soddisfazione. Se prepari troppo la merce ti resta in mano, i prodotti freschi si rovinano e a fine giornata registri uno scarto. Trovare la via di mezzo richiede esperienza, ma anche l'esperienza non riesce a tenere sempre a mente la differenza tra venerdì e lunedì, tra inizio e fine mese, tra una giornata di pioggia e una di sole.
Quando entrano in gioco variabili come promozioni, festivi, giorni di partita o vacanze scolastiche, la previsione diventa ancora più complicata. La maggior parte delle attività la gestisce con l'intuito dello chef o guardando i numeri della settimana precedente. Non è un metodo sbagliato, ma dipende dalla memoria di una sola persona, e quando quella persona va in ferie va in ferie anche il sistema.
Quello che la previsione della domanda con l'AI cerca di fare è mettere per iscritto questo intuito e rimettere in conto ogni giorno tutto lo storico dei dati. Una persona ricorda le ultime settimane, il modello vede contemporaneamente anche i mesi precedenti e fa emergere i pattern che si ripetono.
Su quali dati lavora la previsione della domanda AI?
La previsione non nasce nel vuoto, nasce dai dati del tuo ristorante. In RestApp questi dati si accumulano già: in quale giorno e a quale ora sono stati aperti quanti conti, quante porzioni di ogni prodotto sono state vendute, qual era lo scontrino medio, da quale canale (sala, asporto, online) sono arrivati gli ordini. I report cloud che usi già oggi per vedere questi movimenti sono l'alimentazione di base della previsione.
A questo si aggiungono l'effetto del calendario e della stagione: la differenza tra settimana e weekend, i giorni festivi, il picco di inizio mese, la distinzione tra menu estivo e invernale. Col tempo al modello possono unirsi anche segnali esterni come le condizioni meteo; in una sera di pioggia gli ordini a domicilio possono aumentare mentre il traffico in sala cala, e questo pattern diventa visibile nei dati.
Poi c'è la struttura stessa del menu. Se sul lato ricette e costi è definito di quali ingredienti è composto un prodotto, la previsione delle vendite può essere tradotta direttamente nel fabbisogno di scorte. Così diventa possibile calcolare non solo quante pizze venderai, ma anche quanti chili di farina e quante confezioni di mozzarella servono per prepararle.
Esempio concreto: il piano del venerdì della Trattoria del Borgo
Mettiamo che tu gestisca una pizzeria di medie dimensioni chiamata Trattoria del Borgo. La previsione della domanda, analizzando i dati degli ultimi tre mesi, traccia per il prossimo venerdì un quadro di questo tipo: la fascia più affollata è tra le 19.00 e le 22.00, con circa 120 conti stimati. I tre prodotti che ci si aspetta vendano di più sono la pizza mista (circa 70 porzioni), la pizza al pollo (45 porzioni) e le patatine fritte (90 porzioni).
Combinati con la ricetta, questi numeri si trasformano in una lista di preparazione: circa 18 chili di impasto per pizza, 6 chili di mozzarella, 5 chili di patate. Se venerdì scorso hai esaurito 14 porzioni di pizza al pollo e hai dovuto rifiutare ordini, il sistema lo registra e ti suggerisce di alzare un po' le scorte questa settimana. Il numero proposto, ad esempio 200 grammi in più di preparazione sul pollo, compare come nota sullo schermo.
La decisione resta a te. Puoi vedere la stima di 120 conti e dire: 'questa settimana c'è un evento nel centro commerciale qui accanto, mi preparo per 140'. L'AI non applica da sola il suo numero, non ordina merce, non cambia i prezzi. Mette solo sul tavolo un punto di partenza concreto, su cui si aggiunge la tua conoscenza locale. Se un prodotto vende più velocemente del previsto, la cucina lo vede in tempo reale tramite il monitor KDS e durante il turno puoi dare priorità.
Ridurre allo stesso tempo sprechi ed esaurimenti
Il vantaggio più concreto della previsione della domanda è che agisce su entrambi i lati contemporaneamente. Da una parte c'è lo scarto: prodotto fresco preparato in eccesso, materie prime che a fine giornata finiscono nella spazzatura, scorte rovinate. Dall'altra c'è la vendita persa: l'ordine respinto perché il prodotto è finito, l'impressione che lascia nel cliente la frase 'purtroppo è esaurito'. Di solito le attività risolvono un lato e ingrandiscono l'altro; preparano poco e si esauriscono, oppure preparano troppo e buttano.
Poiché la previsione cerca di avvicinare la preparazione alla domanda attesa, punta a stringere entrambe le estremità. Bisogna essere realisti: nessuna previsione azzecca al cento per cento, può capitare sia una folla a sorpresa sia una sera vuota. Ma rispetto alla stima fatta a occhio, una stima basata sui dati riduce nel tempo il margine d'errore e fa una differenza evidente soprattutto nei giorni regolari e ricorrenti.
Questo risparmio puoi monitorarlo nei report. Mettendo fianco a fianco le vendite previste e quelle reali, vedi in quali giorni e di quanto ti sei discostato. Poiché il modello si aggiorna ogni settimana con nuovi dati, man mano che cambia il tuo menu o il profilo della clientela anche la previsione cerca di adattarsi.
Come lavora insieme a fedeltà e promozioni
La previsione della domanda non è indipendente dalle campagne, anzi diventa più significativa proprio insieme a esse. Quando pianifichi una campagna sul lato fedeltà e promozioni, ad esempio 'il mercoledì la seconda pizza a metà prezzo', nei dati resta traccia di come quella campagna ha influenzato la domanda in passato. Quando imposti di nuovo una campagna simile, la previsione cerca di mettere in conto il probabile aumento di domanda di quel giorno.
Vale anche il contrario. Se la previsione mostra quali giorni sono naturalmente più tranquilli, puoi pensare di costruire un'offerta dedicata ai tuoi iscritti al programma fedeltà per riempire quelle fasce vuote. La previsione quindi non è un dato solo 'per preparare il giorno affollato', ma anche 'per ravvivare il giorno tranquillo'.
Anche qui la linea è la stessa: l'AI può darti un'idea di massima su quale campagna possa funzionare in quale giorno, ma chi imposta la campagna, decide la percentuale di sconto e la pubblica sei tu. Il sistema non avvia promozioni da solo.
Questa funzione è attiva adesso? Nota sull'accesso anticipato
Parliamoci chiaro: la previsione della domanda con l'intelligenza artificiale al momento non è un prodotto attivo, è in sviluppo in accesso anticipato dentro RestApp. Non è abilitata automaticamente su tutti gli account e i numeri di esempio che vedi servono a spiegare come funzionerà la funzione. Non diciamo 'domani è pronta sul tuo account'; verrà rilasciata man mano, in modo graduale e dopo i test.
In questo percorso il principio di base non cambia. L'AI è la parte che suggerisce e prepara una bozza, la decisione e l'approvazione sono sempre dell'essere umano. La previsione è un consiglio, non un ordine. Il sistema non ordina merce al tuo posto, non muove i prezzi, non avvia campagne. Decidi tu quanta preparazione fare e quale suggerimento applicare e quale lasciar perdere.
Anche sul lato dati siamo chiari. I dati del tuo ristorante appartengono a te, vengono trattati in conformità al GDPR. Con i tuoi dati non si addestrano modelli condivisi venduti o ceduti ad altre attività. La previsione impara dal tuo storico e il risultato resta a te. Se sei interessato all'accesso anticipato, puoi provare RestApp gratuitamente e iniziare già da oggi a costruire l'infrastruttura di reportistica e ricette, così quando la funzione sarà disponibile partirai con i dati pronti.
Punti chiave
- La previsione della domanda AI parte dai dati dei tuoi ordini passati per stimare quale giorno e quale ora saranno affollati e quanto può vendere ogni prodotto.
- Combinata con la ricetta, la previsione delle vendite si trasforma in un piano di preparazione e di scorte; punta a ridurre allo stesso tempo lo spreco da eccesso e le vendite perse per esaurimento.
- La previsione non è una garanzia; mostra la domanda probabile e si aggiorna ogni settimana con nuovi dati. La decisione, l'approvazione e l'ultima parola restano sempre al ristoratore.
- La funzione al momento non è attiva, è in sviluppo in accesso anticipato. Costruire fin da oggi l'infrastruttura di report cloud e di ricette-costi ti trova pronto quando la funzione verrà rilasciata.
- I tuoi dati appartengono a te, vengono trattati in conformità al GDPR e non vengono usati per addestrare modelli condivisi con altre attività.
Domande frequenti
La previsione della domanda AI è attiva adesso, quando potrò usarla?+
Al momento non è attiva, è in sviluppo in accesso anticipato dentro RestApp e non è abilitata automaticamente su tutti gli account. Verrà rilasciata gradualmente e dopo i test. Nel frattempo, se costruisci l'infrastruttura di report cloud e di ricette-costi, quando la funzione uscirà partirai con i dati pronti.
La previsione è una garanzia, cosa succede quando non si avvera?+
La previsione non è una garanzia. Guardando ai dati passati e ai pattern che si ripetono mostra la domanda probabile. Una folla a sorpresa o una sera inaspettatamente tranquilla possono sempre capitare. L'obiettivo è ridurre il margine d'errore rispetto alla stima fatta a occhio, non azzerarlo. Puoi vedere fianco a fianco la previsione e il risultato reale nei report e monitorare lo scostamento.
È l'AI a decidere la preparazione e le scorte?+
No. L'AI produce solo suggerimenti e bozze; sei tu a decidere quanta merce preparare e quale turno rinforzare. Il sistema non ordina merce al tuo posto, non cambia i prezzi, non avvia campagne. Sul numero proposto aggiungi la tua conoscenza locale.
I miei dati sono al sicuro, vengono condivisi con altri ristoranti?+
I dati del tuo ristorante appartengono a te e vengono trattati in conformità al GDPR. La previsione impara dal tuo storico personale. Con i tuoi dati non si addestrano modelli condivisi o ceduti ad altre attività.
Su quali dati lavora la previsione?+
I tuoi movimenti di conti e ordini passati, i picchi per giorno e per ora, le vendite per prodotto, la distribuzione per canale (sala, asporto, online) e l'effetto del calendario e della stagione sono gli input di base. Col tempo possono unirsi anche segnali esterni come il meteo. Se le ricette sono definite, la previsione delle vendite può essere tradotta direttamente nel fabbisogno di scorte.
Come si integra con le funzioni RestApp esistenti?+
L'alimentazione della previsione arriva dai report cloud, il fabbisogno di scorte si calcola con ricette-costi, durante il turno vedi il movimento dei prodotti in tempo reale tramite il monitor KDS della cucina e, per ravvivare i giorni tranquilli, lavora insieme alle campagne di fedeltà e promozioni.
Smetti di pagare commissioni sui tuoi ordini
Lancia il tuo sistema di ordinazione online senza commissioni con RestApp.