26 марта 2026 г.
Оптимизация смен с помощью искусственного интеллекта: график персонала по прогнозу спроса
Оптимизация смен с помощью искусственного интеллекта это метод, при котором система берёт историю заказов и выручки ресторана, прогнозирует спрос по дням и часам и на этой основе готовит черновик графика персонала. Цель в том, чтобы заменить планирование на ощущениях, когда вторник в обед открывают тем же составом, что и субботний вечер, на черновик, который данными показывает, сколько людей нужно в какой час. Этот черновик готовит искусственный интеллект, но кто закроет какую смену, кого вызвать и кого отпустить, всегда решает управляющий.
В ресторанах расходы на персонал второй по величине пункт после себестоимости продуктов, и в большинстве заведений недельный график смен до сих пор составляют на глаз, оглядываясь на прошлую неделю. Итог делится на две беды: в загруженный вечер кухня не успевает, заказы задерживаются, столы ждут впустую, а в спокойный обед в смене лишние люди и оплата за день не отбивается. В обоих случаях деньги остаются на столе. Оптимизация смен, которую разрабатывает RestApp, нацелена именно на эту точку.
В этой статье мы разбираем, что такое планирование смен с поддержкой ИИ, как на данных RestApp рождается черновик, что это дало на конкретном примере ресторана и почему решение всё равно принимает человек. Скажем прямо с самого начала: эта функция сейчас не запущена в работу, она в раннем доступе и стоит в дорожной карте. Здесь вы найдёте, как она будет работать, как она связана с теми отчётами, что уже есть у вас под рукой, и чего ждать.
Где настоящая боль в планировании смен?
Тот, кто составляет недельный график ресторана, обычно ищет ответ на один вопрос: кто и когда выйдет на этой неделе. Отвечая на него, он редко опирается на цифры. В большинстве заведений план это копия прошлой недели с мелкими правками. А спрос разный для каждого дня и каждого часового интервала; вторник в 14:00 и пятница в 20:00 это два разных мира одного и того же ресторана.
У такого планирования на ощущениях цена двусторонняя. Если открыть загруженную смену с нехваткой людей, кухня не успевает за заказами, официант поздно подходит к столу, онлайн-заказы копятся, и падают и оценки, и выручка. А если открыть спокойный обед с лишними людьми, работу троих официантов делят на пятерых, и оплаченный день себя не оправдывает. Даже два-три лишних часа избыточного состава в день складываются к концу месяца в заметную сумму.
Сложность в том, что поймать этот баланс на глаз почти невозможно. Человек помнит прошлую неделю, но не удержит в голове, как на спрос влияют день зарплаты, школьные каникулы, дождливая суббота или мероприятие на соседней улице. А данные хранят эти закономерности. Именно эту задачу и пытается решить оптимизация смен с поддержкой ИИ: опереть план не на память, а на закономерность в исторических данных.
Как искусственный интеллект прогнозирует спрос?
Прогноз смен начинается с тех данных, которые ресторан и так производит. На стороне чеков и онлайн-заказов RestApp каждый заказ записан с датой, днём, часом, позицией и суммой. Искусственный интеллект смотрит на эту историю и выводит, в какой час какого дня обычно открывается сколько чеков, какова средняя продолжительность занятости стола и в какой час кухня видит самый плотный поток блюд.
Этот прогноз смотрит не только на общую выручку, но и на реальную нагрузку сервиса. В ресторане, где в час открывается 40 чеков, важно не просто сколько столов, а сколько блюд с этих столов уходит на кухню и сколько напитков в бар. По мере того как подключаются данные о подготовке со стороны кухонного экрана KDS RestApp, прогноз начинает оценивать заполненность зала вместе с нагрузкой кухни. Так разделяются многолюдный, но быстро оборачивающийся обед и вечер с малым числом столов, но тяжёлым меню.
Сила прогноза в повторяющихся закономерностях. Неделя зарплаты, выходные, канун государственного праздника, сезонная загрузка такие регулярные колебания в данных видны. Искусственный интеллект ловит их и предсказывает ожидаемую загрузку по часовым интервалам на следующую неделю. Здесь важно не обещать больше, чем есть: это не точное знание, а прогноз на основе прошлого. Неожиданная погода или локальное событие могут изменить картину; поэтому результат это не приказ, а черновик.
От прогноза к черновику графика: как идёт процесс?
Рассчитав ожидаемую загрузку, искусственный интеллект превращает её в конкретное предложение по персоналу. Результат выглядит примерно так: в субботу с 19:00 до 23:00 на кухне 4 человека, в зале 3, на кассе 1; во вторник в обед с 12:00 до 15:00 на кухне хватит 2 человек, в зале 2. Это не заполненный график, а каркас, который показывает, сколько людей нужно в каком часовом интервале.
Превращает этот каркас в реальный график управляющий. Искусственный интеллект не знает, кто в какой день свободен, кто работает на полставки, кто опытнее или какие двое сотрудников плохо ладят в одной смене. Управляющий смотрит на черновик и правит его, опираясь на знание своей команды: меняет имя, сдвигает смену, при необходимости добавляет или убирает человека. ИИ задаёт рамку, а наполняет её содержанием человек.
Этот процесс превращает планирование из создания с нуля в редактирование. Вместо того чтобы смотреть на пустой график и думать сколько людей нужно на этой неделе, управляющий идёт от готового предложения. В этом и выигрыш времени; составить график не отнимет полдня, а просмотреть черновик пара минут. Решение всё равно за управляющим, просто стартовая точка не чистый лист, а черновик на основе данных.
Пример ресторана: субботний вечер в Вкусной остановке
Допустим, есть ресторан на 60 мест под названием Вкусная остановка. По субботам поздним вечером кухня встаёт, онлайн-заказы доходят до 35 минут, и пара столов уходит, не дождавшись. Зато во вторник и среду в обед два официанта в зале стоят без дела, но график по привычке всегда составляют полным. Управляющий жалуется с одной стороны на то, что не успевают, с другой на лишнюю оплату труда.
Когда искусственный интеллект смотрит на данные последних 12 недель, он показывает, что суббота с 20:00 до 22:30 это пик по чекам и нагрузке кухни, а вторник в обед самый спокойный интервал недели. Предложенный черновик прост: на субботний пик добавить на кухню ещё одного человека, а из вторничного обеда снять одного официанта и перенести на вечер. Управляющий видит черновик, правит его под доступность своей команды и утверждает.
Итог прогнозный, но направление ясное. Когда в субботу вечером время выдачи заказа сократится, подтянутся и оборачиваемость столов, и оценки; снятый из вторничного обеда лишний человек, скажем, дневная оплата в 1800 рублей, за месяц обернётся ощутимой экономией. Эти цифры не выдуманное обещание; это естественный результат правки, которая вышла из собственных данных заведения и прошла утверждение управляющего. Искусственный интеллект здесь лишь показал, куда смотреть.
Как это связано с уже существующими возможностями RestApp?
Оптимизация смен это не висящая в воздухе функция; она опирается на данные, которые производят модули, уже используемые рестораном. В сердце прогноза история заказов, накопленная на стороне онлайн-заказов без комиссии, чеков и облачной POS. Чем регулярнее и полнее вводятся данные, тем точнее прогноз; то есть ведение ежедневной работы через RestApp само по себе готовит почву для этой функции.
Чтобы точнее измерить загрузку, подключаются ещё два источника. Облачные отчёты уже показывают распределение выручки и чеков по часовым интервалам и дням; прогноз смен берёт логику этих отчётов на шаг дальше и превращает её в предложение, обращённое в будущее. А кухонный экран KDS добавляет времена подготовки и нагрузку кухни, делая видимой разницу между заполненностью зала и реальной рабочей нагрузкой кухни.
Со стороны затрат возникает связь с управлением рецептурами и себестоимостью. Чтобы верно увидеть стоимость смены, нужно знать не только дневную оплату, но и какие позиции продавались в эту смену и какова их маржа. Когда в будущем эти данные сойдутся вместе, на вопрос окупается ли добавление одного человека в этот часовой интервал продажами можно будет ответить точнее. Коротко говоря, оптимизация смен это система рекомендаций, которая садится поверх слоёв отчётности, KDS и себестоимости RestApp.
Эта функция пока не запущена: ранний доступ и дорожная карта
Здесь нужно быть честными: оптимизация смен с поддержкой ИИ сейчас не является работающей функцией в RestApp. Она разрабатывается на стадии раннего доступа и стоит в дорожной карте продукта. То, что описано в этой статье, отражает замысел и логику работы функции; войдя сегодня в свой аккаунт, кнопки, которая создаст черновик графика, вы не найдёте.
Практический смысл раннего доступа таков: функцию сначала обкатывают на реальных данных с ограниченным числом заведений, измеряют качество прогноза и доводят на основе обратной связи. Такие темы, как прогноз спроса, обретают смысл только при достаточной и регулярной истории данных; поэтому уже сегодня держать в RestApp данные о заказах, меню и чеках в порядке значит укрепить свою позицию к выходу функции. Будем объявлять по мере выпуска и не назовём её доступной, пока она не готова.
Между тем время ожидания не проходит впустую. Вы и сегодня можете улучшать решения по сменам, глядя на данные о загрузке по часовым интервалам и дням в облачных отчётах; то, что сделает ИИ к своему выходу это подготовить эти анализы за вас и превратить их в черновик. То есть когда функция станет рабочей, она начнёт не с нуля, а встанет поверх тех данных, что уже у вас есть.
Кто принимает решение? Кому принадлежат данные?
Самый важный момент таков: искусственный интеллект не принимает решение, он готовит рекомендацию и черновик. В оптимизации смен ИИ прогнозирует, сколько людей нужно в какой час, и предлагает черновик; но кто закроет ту смену, кого вызвать и кого считать отгуливающим, кто подходит для какой смены, определяет управляющий. И утверждает график, и при необходимости в один клик отклоняет и правит вручную тоже человек. Искусственный интеллект сам по себе никого не вписывает в смену, никого не увольняет и не пишет сотруднику сообщений.
Этот оставленный за человеком контроль осознанный выбор. График персонала одна из самых деликатных тем ресторана; доступность сотрудников, их личные обстоятельства, командная динамика и чувство справедливости ни в одну прогнозную модель полностью не укладываются. Поэтому роль ИИ ограничена рекомендацией; последнее слово за управляющим, который знает свою команду. Правильная конструкция это не автоматический график, а ассистент, который ускоряет работу управляющего.
Со стороны данных черта тоже ясна. Данные о заказах, меню и работе вашего ресторана принадлежат заведению и обрабатываются в соответствии с законодательством о персональных данных и GDPR. Эти данные не используются для обучения общих моделей, которыми делятся с другими заведениями; ваш прогноз выводится из вашей же истории. Искусственный интеллект это не инструмент слежки, а средство, которое позволяет заведению читать собственные данные себе на пользу. Шире взглянуть на тему можно в статье о подходе RestApp к искусственному интеллекту.
Ключевые выводы
- Оптимизация смен с помощью ИИ прогнозирует спрос по часовым интервалам из истории заказов и выручки ресторана и предлагает на этой основе черновик графика персонала; она превращает создание плана с нуля в редактирование.
- ИИ готовит черновик, а решение и утверждение всегда за управляющим; кто будет в какой смене, кого вызвать и кого отпустить, решает управляющий, знающий свою команду.
- Прогноз опирается на уже существующие данные RestApp: записи онлайн-заказов без комиссии и чеков, анализ загрузки в облачных отчётах и данные о нагрузке подготовки с кухонного экрана KDS.
- Правильно составленный график смен выигрывает с обеих сторон: снижает и потерю выручки из-за того, что не успевают в час пик, и лишние выплаты из-за избыточного состава в спокойные часы.
- Функция сейчас не запущена, она в раннем доступе и в дорожной карте; держать данные в RestApp в порядке уже сегодня значит укрепить качество прогноза к выходу функции.
Частые вопросы
Оптимизация смен с помощью ИИ уже работает в RestApp, когда она выйдет?+
Нет, эта функция сейчас не работает. Она разрабатывается на стадии раннего доступа и стоит в дорожной карте RestApp. Сначала её обкатают и доведут на реальных данных с ограниченным числом заведений, затем будут открывать постепенно. Будем объявлять по мере выпуска; пока она не готова, мы не называем её доступной. А тем временем вы уже сегодня можете улучшать решения по сменам с помощью данных о загрузке в облачных отчётах.
График смен определяет искусственный интеллект, кто принимает решение?+
Решение всегда принимает управляющий. Искусственный интеллект лишь готовит черновик по прогнозу спроса: он предлагает, сколько людей нужно в каком часовом интервале. Кто будет в этой смене, кого вызвать и кого считать отгуливающим, утверждать черновик или нет, определяет управляющий. Сам по себе ИИ никого не вписывает в смену, не пишет сотрудникам сообщений и не применяет график автоматически.
Данные о персонале и заказах моего ресторана в безопасности, используются ли они где-то ещё?+
Ваши данные принадлежат заведению и обрабатываются в соответствии с законодательством о персональных данных и GDPR. Данные о заказах, меню и работе используются только для создания ваших прогнозов; они не используются для обучения общих моделей, которыми делятся с другими заведениями. Искусственный интеллект это не инструмент слежки, а средство, которое позволяет заведению читать собственную историю себе на пользу.
На чём искусственный интеллект строит прогноз смен?+
Прогноз опирается на историю данных ресторана, накопленную в RestApp: открытые по дням и часам чеки, онлайн-заказы, распределение выручки и нагрузка подготовки с кухонного экрана KDS. ИИ выводит из этих данных повторяющиеся закономерности (выходные, неделя зарплаты, сезонная загрузка) и предсказывает загрузку следующей недели по часовым интервалам. Это не точное знание, а прогноз на основе прошлого.
Будет ли эта функция полезна в небольшом ресторане?+
В принципе да, потому что её логика опирается не на масштаб, а на данные. Единственное условие достаточная и регулярная история данных; чем дольше ресторан регулярно ведёт свои заказы через RestApp, тем точнее прогноз. Даже в небольшом заведении лишний или недостающий состав на час-другой в день к концу месяца ощутим, поэтому и для маленьких команд функция приносит ценность.
Как оптимизация смен связана с другими возможностями RestApp?+
Основа прогноза это история заказов, накопленная на стороне онлайн-заказов без комиссии, чеков и облачной POS. Облачные отчёты показывают загрузку по часовым интервалам, кухонный экран KDS добавляет рабочую нагрузку кухни, а управление рецептурами и себестоимостью помогает оценить реальную стоимость смены. То есть оптимизация смен это система рекомендаций, которая садится поверх существующих слоёв отчётности и себестоимости RestApp.
Перестаньте платить комиссию за свои заказы
Запустите собственную систему онлайн-заказов без комиссии с RestApp.