Подпишитесь на телеграм-канал «РБК Вино».
Искусственный интеллект вошел на кухню, и не как надзиратель за поварами, а как тот самый «невидимый су-шеф», который никогда не устает, не спорит с боссом и помнит все — от температуры масла во фритюре до вероятности, что в дождливый четверг в 15:40 резко вырастут продажи тыквенного супа-пюре. Запад привык говорить про Al in the kitchen с четкой интонацией инвестора: автоматизация, предиктивная аналитика, персонализация. Россия же, как водится, сразу пробует «на вкус»: роботы работают на раздаче, курьеры-роверы бегают по улицам, результаты работы нейросети можно попробовать в меню. Так что, если убрать громкие пресс-релизы, остается вполне объективная картина: ИИ сегодня занимается четырьмя вещами — готовит, помогает придумывать вкусы, следит за чистотой и снижает расходы. И делает это по-разному — где-то филигранно, где-то грубовато, а где-то так, что неловко и вспоминать.
Начнем с нейросетевой гастрономии как жанра. Десять лет назад руководство компании IBM, устав слушать от ученых, что «умные машины отнимут у нас работу», отправила своего «умника» на кухню: компьютер по имени Chef Watson, запрограммированный настоящим шеф-поваром Майклом Лайсконисом, выдал на-гора знаменитый рецепт «австрийский шоколадный буррито», приготовленный из говяжьего фарша, абрикосового пюре, бобов эдамамэ и черного шоколада. Блюдо пережило свой звездный час после публикаций в Washington Post и на портале Bon Appetit, разделив гурманов на два лагеря: «очень смело» и «что это за хрень?». Но важнее то, что машина доказала саму возможность кулинарной комбинаторики по правилам алгоритмов, а не таланта шефа.
С тех пор ИИ научился держать себя в руках и работает там, где реальная ценность обеспечена средним чеком и стабильностью вкуса. Giuseppe (так чилийский стартап NotCo называет собственную модель ИИ-шеф-повара) давно перестала быть шоу-проектом, у нее партнерство с сетью ресторанов Shake Shack: сначала тест в десяти точках Нью-Йорка и Южной Флориды, потом масштабирование по всей сети — и все это ради безмолочных шейков и мороженого, которые на вкус как молочные продукты, но при этом изготовлены из растительного сырья. Они продают соус NotMayo, по вкусу и консистенции напоминающий майонез. Этот аналог майонеза, не содержащий ГМО, лактозы, глютена, сои и даже яиц, прекрасно подходит для приверженцев строгой вегетарианской диеты. В скором времени планируется выпуск других продуктов — йогурта, молока, сыра, шоколада и злаковых хлопьев.
От инновационных идей — к железу. На стороне горячего цеха самый известный «кухонный напарник» — Flippy от компании Miso Robotics, робот для фритюра и гриля. Он призван помочь ресторанам справиться с растущими расходами на рабочую силу, автоматизируя рутинную работу. Flippy состоит из роботизированной руки и системы камер с искусственным интеллектом, разработанной совместно с производителем чипов Nvidia. Он может готовить разнообразные жареные блюда, включая картофель фри, луковые кольца, курицу и тако, со скоростью 100 порций в час, что, по утверждению Miso Robotics, почти вдвое быстрее человека.
Самый яркий пример, как «роботы кормят людей», — это сеть «салатных» ресторанов Sweetgreen в США. После покупки бостонского стартапа Spyce сеть запустила формат Infinite Kitchen: автоматизированная линия сборки салатов и боулов просто делает то, что нужно гостю. Такие инфинит-точки повышают средний чек, потому что максимально учитывают пожелания клиента по вкусу и составу салатов, моментально их готовят, и все это повышает маржинальность проекта.
Однако кухня — это не только про приготовить, но и про не выбрасывать лишнее. Здесь у ИИ свои козыри — компьютерное зрение у мусорного ведра. Базирующаяся в Лондоне компания Winnow создала инструмент на базе искусственного интеллекта, помогающий поварам вдвое сократить пищевые отходы. Система Winnow Vision распознает, что и сколько уходит в отходы, и от этого меняются планирование закупок и количество порций блюд. Систему начали использовать такие компании, как IKEA и Hilton.
Однако далеко не все у искусственного интеллекта проходит гладко. Руководство McDonald's в 2021 году запустило проект вместе с компанией IBM: необходимо было научить колонки принятия заказов на «МакАвто» пониманию «человеческого» английского (без участия человека-оператора). Прошло два года, и компания свернула проект из-за огромного количества ошибок и растущего недовольства клиентов. Параллельно McDonald's продала купленный израильский стартап Dynamic Yield, технологии которого должны были повысить продажи через терминалы самообслуживания благодаря персонализации продаж. Ее решения интегрировались в цифровые экраны меню McDonald's: система давала рекомендации клиентам с учетом таких факторов, как время суток, погода, уровень трафика в ресторане и популярность блюд. Потраченные на покупку $300 млн так и не конвертировались в рост финансовых результатов, а, напротив, привели к росту количества недовольных советами ИИ клиентов.
Были и более громкие провалы. Американская сеть быстрого питания DoorDash, купившая множество роботизированных установок для изготовления салатов от компании Chowbotics, через 18 месяцев проект закрыла. Оказалось, что собирать обычные салаты быстрее и дешевле могут люди — они совершают меньше ошибок и обеспечивают более стабильное качество. ИИ добивается успехов, но эффективно применять роботов на практике по-прежнему непросто. Стартап Zume планировал готовить пиццу с помощью роботов прямо в грузовиках для доставки, но закрылся, не сумев реализовать идею. По плану роботы должны были сами выкладывать тесто, намазывать соус, добавлять начинку, отправлять пиццу в духовку и разрезать ее. Их устанавливали в кузове грузовичков, чтобы можно было доставить горячую пиццу клиенту буквально через несколько минут после заказа. Однако в процессе работы выяснилось, что во время движения грузовика сыр соскальзывает с пиццы, качество продукта страдает, и в итоге компания, которая привлекла более полумиллиарда инвестиций, разорилась.
Правда, ИИ здесь ни при чем — это скорее урок про правильную постановку задачи: автоматизация ради автоматизации проигрывает широкому ассортименту, высокой скорости обслуживания и качеству продукта.
В России «искусственный интеллект в гастрономии» прозвучал громко там, где логистика и data science столь же важны, сколь рецептура. «Яндекс» впервые вывел своих роверов на доставку в Москве еще в 2020-м: автономные тележки возят клиентам еду из ресторанов и магазинов, интегрируются с «Яндекс Едой», а пользователи открывают «робокурьера» телефоном. С точки зрения кухни это не просто смешная коробка на колесах: сокращается время в пути, более предсказуемыми становятся пики спроса, значит ровнее график заготовок и меньше передержанных блюд.
Еще более показателен кейс «Додо Пиццы»: с 2011-го началась разработка собственной платформы Dodo IS с контролем производства, запасов и загрузкой персонала, затем произошло внедрение алгоритмов прогнозирования спроса и даже «генератора вкусов», который из 35 ингредиентов собирает десятки миллионов комбинаций — не для замены профессионального пиццайоло, а как инструмент A/B-тестирования и вовлечения гостей в приложении. Это как раз тот тип ИИ, что эффективно расширяет ассортимент заведения.
В России функциональный ИИ, как правило, прячется от людских глаз в серой зоне бэк-офиса. Например, системы прогнозирования и автоматических дополнительных закупок для сетевых проектов работают на LSTM-моделях (нейронные сети с долговременной краткосрочной памятью) — реальная инженерия, которая экономит проценты себестоимости и избавляет рестораны от стоп-позиций в меню. Гостю об этом не расскажут, но именно так кухни переживают нестабильность поставок и приводят к единому знаменателю десятки франчайзи. В этом, возможно, и есть взросление рынка: чем меньше ИИ заметен, тем лучше работает.
Теперь про «вкусы из машины». Да, далекое родство Chef Watson и сегодняшних генеративных моделей чувствуется в том, как рестораны тестируют новые комбинации без затяжных R&D-циклов. Но лучшие кейсы — те, где человек остается контролером. У того же Shake Shack рецептуры NotCo — это попытка копировать поведение молока в структуре и взбиваемости, чтобы десерт оставался десертом, а не жалким подобием привычного блюда. У «Додо» генератор начинок — игра для гостя и инструмент для цифрового меню. Похожим путем идет Tastewise и другие аналитические платформы — они не «придумывают блюдо», а показывают тренды и неочевидные пары на основе миллиардов постов, рецептов и чеков. А уже профессиональные повара решают, где именно провести границу между «красиво» и «съедобно». На практике такие подсказки экономят месяцы: вам не нужно два сезона, чтобы догадаться, что в этом квартале будут работать «умами жирные» текстуры или что гранат внезапно станет «новой клубникой» в запросах миллениалов, — модель это уже предвидела.
Остановимся на реальных кейсах использования ИИ отечественными ресторанными сетями. TanukiFamily запустила чат-бот поддержки, который «съел» половину рутины. На базе Chatme.ai сделали бота, интегрированного с Webim и приложением бренда: статус заказа, изменения, типовые запросы — автоматом; 50% обращений закрывается без привлечения оператора, а в планах довести эту цифру до 70%.
iiko (AI-модуль прогноза и планирования) — система способна прогнозировать гостевой трафик (количество посетителей) и даже выручку заведения, а также предлагать дополнительный заказ продуктов, которые заканчиваются, и определяет необходимое количество поваров в рабочие смены под ожидаемую загрузку. Из публичных кейсов: итальянский ресторан уменьшил среднее время обслуживания на 12 минут и поднял оборачиваемость столов на 24% после анализа узких мест по данным iiko и корректировки заготовок под пики загрузки.
Роботы-официанты в московских кафе и у «Шоколадницы»: еще с 2020-го обкатывали BellaBot, которая обеспечивала до 400 доставок блюд клиентам на стол в день на одной точке. Результат — меньше «ногокилометров» у официантов и ровнее скорость подачи. Это шаг к гибридной модели, где AI-навигация и датчики маршрутизируют доставку в зале.
Был и негативный опыт — чаще всего там, где умные решения сталкиваются с реальной городской средой, безопасностью и правом. Самый наглядный пласт проблем — доставка роботами. В конце ноября 2023-го на фоне рекордного снегопада роверы «Яндекса» начали массово застревать в сугробах: компания даже публично объясняла прохожим, как «правильно подтолкнуть» робота и очистить ему колеса, чтобы тот смог выбраться. Для ресторана такие ситуации — провалы с продажами. В следующем году в Москве робот-доставщик «Яндекса» попал в ДТП на регулируемом переходе; по данным компании, его задел автомобиль, обошлось без травм.
Внутри залов московских заведений у «железных официантов» тоже нашлись слабые места. Сеть «Шоколадница» в 2020 году запустила в Москве пилот с китайскими роботами BellaBot и PuduBot (в ТЦ «Метрополис» и в Климентовском переулке): устройства разносили блюда и общались с гостями, но оставались лишь пилотами и витриной. В 2025-м исследователь информационной безопасности сообщил о критической уязвимости в API Pudu Robotics: сторонний пользователь мог удаленно переназначать задания и даже уводить сервисных роботов с их маршрутов. Это может привести к срыву подачи, хаосу в зале и рискам для гостей.
Самая нашумевшая попытка вывести в зал ИИ как шеф-повара тоже оказалась не слишком удачной. Пять лет назад на Большой Никитской улице заработал ресторан She: Борис Зарьков, Владимир Мухин и Ксения Собчак с помпой решили открыть заведение, где функции шеф-повара выполнял бы ИИ. Для убедительности в зале установили монитор, на котором крутилось видео с изображением синтетической блондинки — шеф-повара Саши Вайнер. По словам Владимира Мухина, на момент открытия лишь три блюда в меню были придуманы ИИ, но все ожидали, что искусственный интеллект обучится, его блюда займут бoльшую часть меню и принесут проекту мировую славу. Что в итоге? Спустя пять лет о Вайнер не вспоминают даже на сайте ресторана, в меню нет ни слова, а аккаунт девушки-аватара в запрещенной социальной сети не обновлялся порядка четырех лет («РБК Вино» направил запрос в She).
Подводя итог, можно сказать, что алгоритмы ИИ по снабжению и списаниям, планированию закупок продуктов с учетом погоды и трафика, проверке чистоты кухни и маршрутов доставки — все это не попадает в соцсети, но держит экономику ресторанов на плаву, когда цены и логистика скачут. А там, где нужна красивая витрина «инженерного гения», есть роверы, дружелюбные «робобармены» и генераторы вкусов, дабы создавать ощущение «будущего, которое уже здесь».
Используется ли ИИ при виноделии? Объясняет GigaChat:
Вот некоторые ключевые области применения AI в виноделии:
1. Управление виноградником
ИИ помогает отслеживать состояние лоз, влажность почвы, температуру воздуха и уровень осадков, обеспечивая оптимальное управление ресурсами. Например, алгоритмы машинного обучения предсказывают наилучшие сроки сбора урожая, основываясь на климатических условиях и состоянии винограда.
2. Анализ качества вина
Алгоритмы анализа изображений помогают оценить зрелость ягод и выявить дефекты, влияющие на вкусовые характеристики вина. Некоторые системы способны определять химические компоненты вина и предлагать изменения в процессе ферментации для улучшения вкуса.
3. Оптимизация процесса брожения
Машинное обучение позволяет моделировать процесс ферментации, учитывая условия окружающей среды, типы дрожжей и продолжительность выдержки. Это способствует созданию высококачественных вин с устойчивыми вкусом и ароматом.
4. Персонализация рекомендаций
Искусственный интеллект используется для разработки персонализированных рекомендаций по выбору вина на основе предпочтений потребителей. Алгоритмы анализируют вкусы пользователей и предлагают подходящие сорта, увеличивая шансы на успешную покупку.
Реклама, ПАО «Сбербанк»