Как ИИ помог сети корпоративного питания перестать терять деньги на списаниях и ускорить отчётность до минут

Заказчик: «РЕСТФОТОАНАЛИТИКА» (London Restaurant Group). 25 лет на рынке, десятки точек корпоративного питания по стране.

Задача

Каждый день точки отчитываются: что приготовили, что выдали сотрудникам, что списали. Тонны цифр. Раньше их вручную сводил аналитик. Он искал закономерности и давал рекомендации: это блюдо не доедают — убираем, это популярно — готовим больше.

Собственник захотел заменить человека нейросетью. Чтобы она сама обрабатывала отчёты и говорила: «Вот это блюдо пора убрать, а вот это — масштабировать».

Задача выглядела просто. Мы думали: загрузим таблицу в ИИ, спросим — получим ответ. Ошиблись.

Первая попытка и провал

Мы взяли ГигаЧат, облегчённую версию. Старшая не давала преимуществ — не стали переплачивать. Но модель не умела работать с таблицами напрямую. Данные приходилось скармливать огромным текстом.

Хуже другое: нейросеть путала столбцы, придумывала цифры и блюда, которых нет в меню. На вопрос «что убрать» отвечала уверенно и гладко — но полностью мимо реальных данных.

Одна ошибка, умноженная на десятки точек сети, превращалась в прямые убытки. Мы пытались уйти от человеческого фактора, а получили его с новой стороны — теперь уже от нейросети.

Тогда руководитель команды сказал: «Нейросеть — не калькулятор. Цифры должен считать код, а модель — только превращать результат в текст». Это стало поворотным моментом.

Решение: архитектура, в которой ИИ не врёт

Главный принцип: нейросеть не видит сырые данные. Мы дали ей набор кнопок — серверных функций. «Посчитать остатки», «найти топ списаний», «сравнить выдачу и потребление».

Модель решает, какую кнопку нажать, а код на сервере всё считает и возвращает точные цифры. ИИ только упаковывает их в понятный ответ. По сути, мы превратили нейросеть в интерфейс — как голосовой помощник, который понимает речь и нажимает кнопки вместо вас.

Четыре шага к рабочему решению

Шаг 1. Изоляция данных. Таблица живёт на сервере заказчика. Все расчёты делает код. Нейросеть не читает таблицу и не держит её в памяти. Никаких гигантских текстов. Данные не покидают контур компании.

Шаг 2. Нейросеть как менеджер. Пользователь спрашивает: «Что убрать из меню за неделю?» Модель понимает, что нужны данные по списаниям, и вызывает нужную функцию с параметрами. Код всё считает и возвращает точные цифры. Модель получает результат и пишет ответ: «За неделю чаще всего списывали суп харчо и рыбные котлеты. Рекомендую убрать». Цифры посчитал код. ИИ выступил только как интерфейс.

Шаг 3. Двойная система инструкций. Мы прописали два слоя правил. Системная инструкция объясняет роль: «Ты аналитик, работаешь строго с цифрами, не додумываешь». Инструкция-напоминание уходит с каждым запросом: «Отвечай кратко, только по данным». Кстати, сами инструкции мы писали с помощью другой нейросети — получилось точнее и понятнее, чем у человека. Теперь используем этот приём в других проектах.

Шаг 4. Финальное решение за человеком. Стопроцентной точности не даёт никто. Поэтому в интерфейсе можно поправить ответ модели: название блюда, цифру, формулировку. Машина убирает рутину, но ответственность остаётся на операторе.

Результат

Прототип сделали за 3 недели силами двух разработчиков. Заказчик загружает отчёт, задаёт вопрос и получает рекомендацию за минуты. Раньше на это уходили часы ручного труда.

Стоимость запроса к ИИ сократили в 3–20 раз. До внедрения мы скармливали модели 30–100 тысяч токенов за раз. После — типовой запрос занимает 1,5–3 тысячи токенов.

Модель больше не устаёт, не фантазирует и не ошибается в цифрах.

Куда это можно масштабировать

Технологический кубик универсален. Достаточно настроить инструменты под другую сферу. Задача «есть таблицы от разных источников, нужно задавать вопросы на обычном языке и получать точные ответы» встречается везде:

Розница — ежедневные отчёты по продажам и остаткам
Логистика — данные по маршрутам, загрузке и топливу
Финансы — выписки и платежи
Производство — учёт сырья и готовой продукции

Главные выводы

Пять уроков, которые мы вынесли из этого проекта:

Не верьте заявленным пределам памяти нейросети. Производитель обещает 150 страниц текста — сбои могут начаться на первой трети. Проверяйте на своих данных.
Не переплачивайте за старшие версии. На табличных задачах разницы между Lite, Pro и Max может не быть. Тестируйте.
Нейросеть пишет инструкции для нейросети лучше человека. Структурнее, точнее, без двусмысленностей.
Инструменты вызова — это must-have. Мы нащупали этот подход в проекте и теперь тиражируем на другие отрасли.
Нейросеть — отличный интерфейс, но считать должен код.

Если ваша нейросеть тоже фантазирует при работе с реальными данными — давайте обсудим. Такая архитектура применима к рознице, логистике, финансам и производству.

Оставить заявку или задать вопрос → https://itfox-web.ru/ru/cases/chto-delat-esli-neiroset-vret-v-tsifrakh-my-perestali-davat-ei-syrye-d?utm_source=teletype&utm_medium=social&utm_campaign=rest_ai_case