60-místný Karabatak v istanbulské čtvrti Karaköy obsloužil minulou neděli 47 brunch covers; šéfkuchař znovu připravoval pro 47. Algoritmus řekl 73 — a 71 lidí přišlo do 13:00. Tento rozdíl je to, co restauratéři skutečně hledají při dotazu "AI predikce poptávky restaurace".
Vstupy Modelu
Toast Forecast AI používá 12 měsíců denních pokrytí, hodinové POS prodeje, pravděpodobnost deště z OpenWeather, dotazy Google Trends "brunch poblíž" a lokální kalendář událostí. Bayesovský ansámbl produkuje 95% interval spolehlivosti ±6 pokrytí — dostatečně úzký pro řízení přípravy.
Notifikace v 9:00: "Dnes 73 ± 6 pokrytí. 4 varianty vajec, 18 porcí lososa." Dříve se připravovalo 28 lososů, 10 šlo do koše.
22% Méně Odpadu Měřeno
Březen-srpen 2026 Karabatak vyhazoval 27 kg týdně (losos, avokádo, bylinky). S aktivní predikcí kleslo na 21 kg do konce října. 312 kg/rok × 7€/kg ≒ 2.180€ přímé úspory.
Vhodné Pro Malé Provozy?
Pro+ 79$/měsíc. ROI ~3 měsíce pro <50 míst jen z úspory odpadu. Pozor: 4 týdny zahřívání, přesnost 70% první měsíc, 88% v 12. týdnu.
FAQ
Co když počasí selže? Feed 6:00, ne včerejší — šum ±2 pokrytí.
Nová restaurace? Ne, potřeba 12 měsíců historie.
Nabízí thMenu? Dnes denní trend analytika; nativní AI predikce plánována Q2 2027.
Bylo to užitečné? Sdílejte to.
Související články
Statický QR vs dynamický QR: srovnání TCO na 3 roky
Bistro s 24 stoly, 36 měsíců: 21 000 TRY na dotisky vs 11 640 TRY dynamické před…
Omotenashi a QR: japonská pohostinnost bez ztráty lidskosti
Proč tokijský Sukiyabashi Jiro odmítá QR menu, zatímco 68% středních izakají je …
AR náhled jídla přes WebXR: 3D v prohlížeči bez aplikace
Jak Dishoom Soho dosáhlo +22% průměrné útraty díky model-viewer. Optimalizace .g…