The post has been translated automatically. Original language: Russian
In the comments to the portion forecast post, several people asked the same thing: "why do this in your head or in Excel every morning if it's a formula?" A fair question. I'm analyzing how the methodology (a moving average by day of the week + three corrections + the 70/30 rule) turns into a working AI agent, rather than remaining a presentation.
Why is manual calculation a bottleneck and not a solution?
The technique from the last post works on paper, but in practice it has a weak point.: It requires someone to sit down every evening and count the 7 categories × amendments × cooking rule. In a real self-service canteen, this person is either not there, or he is busy with more urgent tasks, or he counts "by eye" — and then the entire accuracy of the methodology (85-90%) is reset to the accuracy of the cook's intuition.The AI agent's task here is narrow and specific: not to "predict demand" at all, but to automatically perform the same calculation every day without human intervention.What an agent should do — 4 steps1. To collect the fact of sales by category for yesterday from the cash register system or Google Table — without manual unloading.2. Recalculate the moving average by day of the week (8 weeks) and apply three corrections: the trend for 2-3 weeks, calendar events (salary for B2B clients, weather for soups), one-time factors that a person manually enters in one line into the chat ("tomorrow is a corporate party for 40 people").3. Give not a total figure, but a ready—made production instruction according to the 70/30 rule: how much to cook now at 100% (stable demand), how much - the base volume with additional delivery after the flow.4. Send the result by 7 a.m. in the chat to the responsible chef or shift manager in one message in 7 categories, without an interface, without a login.Example in numbers: "Loaf"With a flow of ~400 servings/day and an average receipt of 1,200 ₸, manual recalculation takes 15-20 minutes per day for a person who is not trained for this and does it irregularly. The agent does the same calculation in seconds, every day, without missing a beat — and this is not saving time for the sake of saving time: a missed recalculation day means either overproduction (write-offs) or underproduction (missed sales) the next day, because the moving average gets lost.The main conclusion of the AI agent in this task is not "smart", it does not replace the decision about what to cook, it simply ensures that the working method is performed every day, and not when a person has time and mood. ""This is the difference between "we have a calculation method" and "our production is calculated every day."If there is a technique, but it is performed every other time, consider that it does not exist.Has anyone in the cafeteria already tried to automate at least one regular manual task of this kind — what worked and what didn't?
В комментариях к посту про прогноз порций несколько человек спросили одно и то же: «а зачем это делать в голове или в таблице каждое утро, если это формула?» Справедливый вопрос. Разбираю, как методика (скользящее среднее по дню недели + три поправки + правило 70/30) превращается в работающего ИИ-агента, а не остаётся презентацией.
Почему ручной расчёт — узкое место, а не решение
Методика из прошлого поста работает на бумаге, но на практике у неё есть слабое место: она требует, чтобы кто-то каждый вечер садился и считал 7 категорий × поправки × правило приготовления. В реальной столовой формата самообслуживания этого человека либо нет, либо он занят более срочными задачами, либо считает «на глаз» — и тогда вся точность методики (85–90%) обнуляется до точности интуиции повара. Задача ИИ-агента здесь узкая и конкретная: не «предсказывать спрос» вообще, а автоматически выполнять один и тот же расчёт каждый день без участия человека.
Что должен делать агент — 4 шага
1. Забирать факт продаж по категориям за вчера из кассовой системы или Гугл Таблицы — без ручной выгрузки.
2. Пересчитывать скользящее среднее по дню недели (8 недель) и накладывать три поправки: тренд за 2–3 недели, календарные события (зарплата у корпоративных клиентов, погода для супов), разовые факторы, которые вносит человек вручную одной строкой в чат («завтра корпоратив на 40 человек»).
3. Выдавать не общую цифру, а готовую производственную инструкцию по правилу 70/30: сколько готовить сейчас на 100% (стабильный спрос), сколько — базовым объёмом с довозом по факту потока.
4. Присылать результат к 7 утра в чат ответственному — шеф-повару или сменному менеджеру — одним сообщением по 7 категориям, без интерфейса, без логина.
Пример на цифрах: «Каравай»
При потоке ~400 порций/день и среднем чеке 1 200 ₸ ручной пересчёт занимает 15–20 минут в день у человека, который для этого не обучен и делает это нерегулярно. Агент делает тот же расчёт за секунды, каждый день, без пропусков — и это не экономия времени ради экономии времени: пропущенный день пересчёта означает либо перепроизводство (списания), либо недопроизводство (упущенные продажи) на следующий день, потому что скользящее среднее сбивается.
Главный вывод
ИИ-агент в этой задаче не «умный», он не заменяет решение о том, что готовить, — он просто гарантирует, что рабочая методика выполняется каждый день, а не тогда, когда у человека есть время и настроение. Это разница между «у нас есть метод расчёта» и «у нас производство считается каждый день». Если методика есть, но выполняется через раз — считайте, что её нет. У кого в столовой уже пробовали автоматизировать хотя бы одну регулярную ручную задачу подобного рода — что сработало, а что нет?
Share
