Σε όλο τον κόσμο, στους ιδιοκτήτες εστιατορίων πωλείται μια ελκυστική υπόσχεση: η τεχνητή νοημοσύνη μπορεί να καλύψει το κενό στο εργατικό δυναμικό, να μειώσει τη σπατάλη τροφίμων και να εξομαλύνει το καθημερινό χάος μιας πολυάσχολης κουζίνας. Η αφήγηση είναι δελεαστική - ένας κομψός αλγόριθμος που προβλέπει τη ζήτηση, παραγγέλνει αποθέματα και προτείνει ακόμη και νέα πιάτα - όμως η πραγματικότητα στο πεδίο είναι πολύ πιο περίπλοκη. Από το πειραματικό εστιατόριο “WOOHOO” του Ντουμπάι μέχρι ένα προαστιακό Chili’s στο Τέξας, η τεχνολογία δοκιμάζεται, τροποποιείται και μερικές φορές εγκαταλείπεται, καθώς οι σεφ παλεύουν με το ερώτημα του πόσο από τη διαδικασία μαγειρέματος μπορεί να παραδοθεί σε μια μηχανή.
Στον πυρήνα της, η τεχνητή νοημοσύνη αποδεικνύεται πιο χρήσιμη για τις επαναλαμβανόμενες λειτουργικές εργασίες που οι περισσότεροι σεφ θα προτιμούσαν να αποφύγουν. Μοντέλα πρόβλεψης ζήτησης που αναλύουν δεδομένα σημείων πώλησης και τοπικές εκδηλώσεις μπορούν πλέον να προβλέψουν τις ανάγκες αποθέματος μιας εβδομάδας με περιθώριο λάθους τόσο μικρό, ώστε να μειώσουν τη σπατάλη τροφίμων έως και κατά 51%, σύμφωνα με μια πρόσφατη μελέτη περίπτωσης του Hotel Online. Τα ίδια συστήματα έχουν πιστωθεί με τη μείωση του κόστους εργασίας κατά περισσότερο από 12%, απελευθερώνοντας το προσωπικό ώστε να επικεντρωθεί στην εξυπηρέτηση αντί για την απογραφή. Η Financial Times επιβεβαιώνει αυτή την τάση, σημειώνοντας ότι τα εργαλεία τεχνητής νοημοσύνης «δίνουν χρόνο πίσω στις ομάδες των εστιατορίων», αυτοματοποιώντας τυπικές εργασίες που διαφορετικά θα κατέβογαν πολύτιμες ώρες εργασίας.
Πέρα από την αποθήκη, κάμερες υπολογιστικής όρασης χρησιμοποιούνται για την παρακολούθηση του μεγέθους των μερίδων και της παρουσίασης των πιάτων με ταχύτητες που θα έκαναν οποιονδήποτε μάγειρα να κοκκινίσει. Σε αλυσίδες μεγάλου όγκου, τα συστήματα αυτά επισημαίνουν αποκλίσεις σε πραγματικό χρόνο, διασφαλίζοντας ότι το βάρος του μπιφκεκ ενός μπέργκερ παραμένει εντός λίγων γραμμαρίων από τον στόχο. Παράλληλα, αλγόριθμοι σχεδιασμού μενού αναλύουν αριθμούς πωλήσεων, δεδομένα περιθωρίου κέρδους και προτιμήσεις πελατών για να προτείνουν ποια πιάτα πρέπει να προωθηθούν, να καταργηθούν ή να ανασχεδιαστούν. Ένας πειραματικός AI σεφ με το όνομα Aiman χρησιμοποιήθηκε ακόμη και για τη δημιουργία νέων συνδυασμών γεύσεων, αν και οι προγραμματιστές τονίζουν ότι η τελική δοκιμή γεύσης παραμένει στον ανθρώπινο ουρανίσκο.
Η ρομποτική έχει επίσης εισέλθει στο παιχνίδι, αλλά συνήθως με πολύ στοχευμένο τρόπο. Αυτοματοποιημένοι σταθμοί τηγανητών, ρομπότ παρασκευής πίτσας και γραμμές συναρμολόγησης σαλατών λειτουργούν πλέον σε ορισμένα μοντέλα γρήγορης εστίασης, από τα μπαρ σαλατών του Sweetgreen μέχρι αρκετές ασιατικές αλυσίδες γρήγορου φαγητού που προβάλλουν την ταχύτητα και τη συνέπεια. Η Chili’s, μια μεγάλη αμερικανική αλυσίδα εστιατορίων, ακολουθεί μια πιο προσεκτική οδό, επενδύοντας σε 23.000 iPad και 9.000 οθόνες κουζίνας για να ψηφιοποιήσει τη ροή παραγγελιών, διατηρώντας παράλληλα τη βασική διαδικασία μαγειρέματος χειροκίνητη. Η επιλεκτική προσέγγιση της εταιρείας αντανακλά μια ευρύτερη τάση της αγοράς: ο εξοπλισμός που μπορεί να προσαρμοστεί σε υπάρχουσες κουζίνες είναι πολύ πιο αποδεκτός από μια πλήρη αντικατάσταση με ρομπότ.
Οι ανεξάρτητοι σεφ, ωστόσο, παραμένουν σκεπτικοί για μια πλήρη παραδίδωση του ελέγχου. Σε συνεντεύξεις που συγκέντρωσε το NDTV, έμπειροι μάγειρες υποστηρίζουν ότι το μαγείρεμα είναι μια συναισθηματική και πολιτισμική πράξη εξίσου όσο και μια τεχνική. «Δεν μπορείς να προγραμματίσεις το ένστικτο, δεν μπορείς να προγραμματίσεις τη μνήμη του ζωμού της γιαγιάς», εξήγησε ένας σεφ, σημειώνοντας ότι η τεχνητή νοημοσύνη μπορεί να προτείνει συνδυασμούς γεύσεων, αλλά δεν μπορεί να αναπαράγει τις ιστορίες που δίνουν σε ένα πιάτο την ψυχή του. Το ίδιο συναίσθημα εμφανίζεται και στο ρεπορτάζ του Hotel Online, το οποίο προειδοποιεί ότι η αισθητηριακή κρίση και η προσαρμογή σε πραγματικό χρόνο παραμένουν αποκλειστικά ανθρώπινα χαρακτηριστικά, ειδικά όταν ένα πιάτο πρέπει να προσαρμοστεί σε μια ξαφνική αλλαγή στην ποιότητα των υλικών ή σε μια διατροφική ανάγκη πελάτη.
Τα οικονομικά της υιοθέτησης της τεχνητής νοημοσύνης είναι εξίσου περίπλοκα. Μια έκθεση της Gartner που αναφέρεται από το FSR Magazine τοποθετεί πολλά έργα AI στο «στάδιο της απογοήτευσης», όπου οι υποσχόμενες αποδόσεις δεν έχουν υλοποιηθεί ακόμη. Το CBS NorthStar επισημαίνει ένα πρόβλημα δεδομένων: τα μοντέλα AI χρειάζονται καθαρές ροές δεδομένων σε πραγματικό χρόνο, όμως πολλοί επιχειρητές βασίζονται ακόμη σε χειροκίνητες εξαγωγές από παλιά συστήματα POS. Για ένα εστιατόριο μεσαίου μεγέθους στο Μάντσεστερ, το αρχικό κόστος μιας ολοκληρωμένης σουίτας AI -υλικό, άδειες λογισμικού και εκπαίδευση προσωπικού- μπορεί να φτάσει τις έξι αριθμούς, πράγμα που σημαίνει ότι η περίοδος απόσβεσης εκτείνεται πολύ πέρα από ένα οικονομικό έτος, ειδικά καθώς οι μισθοί στις μεγάλες πόλεις συνεχίζουν να αυξάνονται.
Παρά τα εμπόδια, ένα υβριδικό μοντέλο αναδύεται ως η πιο βιώσιμη οδός. Η Sodexo, η οποία διαχειρίζεται υπηρεσίες εστίασης σε χιλιάδες σχολεία, νοσοκομεία και εταιρικούς χώρους, περιγράφει τα εργαλεία AI της ως έναν «πολύτιμο βοηθό σεφ». Χρησιμοποιώντας την τεχνολογία για την τυποποίηση συνταγών, τη βελτιστοποίηση διατροφικών προφίλ και την επιτάχυνση της ανάπτυξης μενού, η Sodexo μπορεί να εφαρμόσει νέα πιάτα σε 27.000 τοποθεσίες με μια συνέπεια που θα ήταν αδύνατο να επιτευχθεί μόνο με ανθρώπινο δυναμικό. Το κλειδί, όπως σημειώνει ο Richard Arakelian της Sodexo, είναι να παραμείνει το ανθρώπινο στοιχείο στο κέντρο της λήψης αποφάσεων, επιτρέποντας στην τεχνητή νοημοσύνη να αναλάβει το δύσκολο κομμάτι της ανάλυσης δεδομένων και της ταχείας δημιουργίας πρωτοτύπων.
Γνώμη Yum: Η τεχνητή νοημοσύνη δεν θα αντικαταστήσει ποτέ τη διαίσθηση του σεφ, αλλά μπορεί να απελευθερώσει την κουζίνα ώστε να επικεντρωθεί στη διαίσθηση που πραγματικά μετράει.
