Кейс: ИИ для ресторана и доставки поверх настроенного Битрикс24

Что уже было настроено и почему этого стало мало

Сеть из нескольких ресторанов одного бренда со своей доставкой работала на Битрикс24 около года. Заказы с сайта, из мессенджеров, по телефону и от агрегаторов сходились в единую воронку. Отдельная группа бронирования вела банкеты и корпоративы через смарт-процессы. Роли, права, стадии и обмен с агрегаторами - всё было настроено и работало. Как строится такая база, подробно разобрано в материалах Битрикс24 для ресторана и доставки и кейсе сети доставки, которая свела агрегаторы, звонки и чаты в Битрикс24.

Эта статья не про то, как строить воронку. Она про то, что происходит, когда процесс работает, но несколько болей остаются незакрытыми - и именно здесь ИИ даёт практический результат.

Пять болей, которые процесс не лечил

1. Контроль качества звонков - только на выборке. Руководитель физически прослушивал около десятой части разговоров. Остальные шли как шли. Оценить, правильно ли оператор взял бронь или корректно обработал претензию по доставке, можно было только примерно - по ощущению, по жалобам гостей. Системного контроля не было.

2. Карточка брони приходила в зал полупустой. В час пик оператор не успевал зафиксировать всё, что проговорил гость: повод визита, точное число мест, нужен ли детский стул, пожелания по расположению стола, ограничения по составу блюд. Часть деталей терялась. Официант узнавал про «без глютена» уже в зале - и либо бегал уточнять, либо нёс не то.

3. Ночные и выходные обращения зависали до утра. Гость писал в чат в 23:00 с вопросом про состав меню или статус доставки. Ответ приходил утром. К тому времени часть людей уже нашла другое место или перезвонила на горячую линию агрегатора - и то, и другое хуже управляемого канала.

4. Новые сотрудники задавали одни и те же вопросы. Официанты, курьеры и повара холодного цеха приходили и уходили часто. Каждый новый человек спрашивал: как упаковывать доставку, что делать при жалобе гостя, какой стандарт подачи блюда. Стандарты лежали в файлах и в головах старших по смене - те тратили время на объяснения вместо работы.

5. Накладные и акты переносились в портал руками. Поставщик привозил бумагу или PDF. Кладовщик или менеджер вбивал данные в смарт-процесс вручную. Ошибки, задержки, человеческий фактор - всё это было нормой.

Разбор звонков бронирования и приёма заказов

Это первый и самый ощутимый сценарий. BitrixGPT расшифровывает запись разговора в текст прямо в карточке сделки или смарт-процесса. Одним нажатием ИИ заполняет поля: дата и время брони, число гостей, повод, особые пожелания, канал обращения, ограничения по меню. Оператору не нужно листать блокнот и перепечатывать - нужно только проверить.

По замеру вендора, такой способ заполнения карточки примерно в 30 раз быстрее и в 24 раза дешевле ручного ввода. Это не абстрактная цифра: при потоке бронирований разница в часах за месяц становится заметной.

Второй уровень - оценка каждого разговора в процентах соблюдения скрипта. Система сравнивает расшифровку с эталоном: поприветствовал ли оператор гостя по стандарту, предложил ли дополнительные позиции, корректно ли зафиксировал детали. На выходе - цифра рядом с каждым звонком (например, 83%, 42%, 100% - это иллюстрация формата, не данные конкретного проекта).

Главное отличие от ручного контроля: проверка становится сплошной, а не выборочной. Руководитель открывает список разговоров с низкой оценкой и разбирает именно их - не тратит время на хорошие звонки и не пропускает плохие. Подробнее об этом инструменте - в материале AI-анализ звонков в Битрикс24, а про возможности BitrixGPT в карточке CRM - в статье BitrixGPT в Битрикс24.

Путь звонка от входящего обращения до заполненной карточки и оценки качества:

flowchart TD
    CALL[Входящий звонок] --> PBX[Телефония в Б24]
    PBX --> REC[Запись разговора]
    REC --> GPT[BitrixGPT: расшифровка]
    GPT --> CARD[Автозаполнение карточки]
    GPT --> SCORE[Оценка по скрипту]
    SCORE --> MGR[Руководитель: разбор низких оценок]
    CARD --> HALL[Зал: полная карточка брони]

ИИ-агент в открытых линиях: ночь, выходные, типовые вопросы

ИИ-агент подключается к каналам сайта и мессенджеров через открытые линии Битрикс24 и работает круглосуточно. База знаний агента включает: часы работы каждой точки, адреса и парковку, состав блюд и информацию по аллергенам, порядок изменения или отмены заказа, регламентный статус доставки по этапам.

Гость пишет в час ночи - агент отвечает немедленно. Типовые вопросы закрываются без участия оператора. Нетиповой вопрос - например, претензия или нестандартная просьба по банкету - переводится на оператора вместе с кратким изложением диалога. Оператор видит контекст с первого экрана и не просит гостя повторять.

Важный организационный момент: ИИ-квота выделяется на компанию и зависит от тарифа. Поэтому массовые прогоны расшифровок лучше ставить на ночь и выходные, а агента в чатах - запускать именно в нерабочее время в первую очередь: там нагрузка на квоту минимальна, а польза максимальна. Подробнее о том, как устроены ИИ-чат-боты в Битрикс24, - в статье ИИ-чат-боты Битрикс24: первичная обработка обращений.

Бот по стандартам сети для линейного персонала

Текучка линейного персонала в общепите - данность. Каждые несколько недель приходят новые официанты, курьеры, сотрудники холодного цеха. Стандарты подачи, правила упаковки доставки, порядок действий при жалобе гостя - всё это нужно передавать снова и снова.

Решение: RAG-бот по внутренним регламентам. Все стандарты загружаются в Базу знаний 2.0. Модель эмбеддингов превращает документы в векторное представление. Сотрудник пишет боту вопрос в мессенджере Битрикс24 - получает ответ по документу, а не пересказ от старшего по смене. Ошибка в передаче исключена: бот цитирует актуальную версию регламента.

Для сети с несколькими точками это особенно важно: стандарт один, а точек много. Если регламент обновился - меняется один документ в Базе знаний, и все точки сразу работают по новому. Технически такой бот собирается на Вайбкоде - разбор сборки есть в отдельном материале Бот по регламентам на Битрикс24 Вайбкод.

Накладные, акты и фото: распознавание вместо ручного ввода

Поставщик привозит товарную накладную - бумагу или скан. Раньше: кладовщик открывает смарт-процесс, переносит данные руками, ошибается в сумме или дате. Теперь: файл загружается в портал, модель распознавания (Vision) извлекает структурированные поля - номер, дата, сумма, ИНН поставщика, позиции - и записывает в указанные поля смарт-процесса. Оператор только проверяет результат.

Приложение «AI Документы с извлечением данных» из маркетплейса Битрикс24 поддерживает работу с текстом, фотографиями и PDF, включая сложное форматирование и рукописные вставки. Для накладных с таблицами предусмотрены модели серии VISION-Q с улучшенным чтением многостраничных документов. Тариф на распознавание зависит от объёма: базовая подписка включает 15 документов в месяц, расширенные планы - от 50 до 1000 документов.

Тот же механизм работает для актов, фотофиксации прихода товара и сканов сертификатов. Всё, что раньше вводилось руками, теперь проходит через проверку, а не через ввод.

Своё приложение на Вайбкоде для разборов смены

Вайбкодинг - это создание приложений внутри Битрикс24 силами самой команды: сотрудник описывает задачу словами, ИИ-агент (Коворк или Код) собирает готовое решение. Не нужно ставить задачу разработчику и ждать.

В данном случае сеть собрала два инструмента. Первый - доска разборов звонков смены: список записей с оценками по скрипту, фильтр по дате и точке, быстрый переход к расшифровке. Управляющий открывает её утром и за несколько минут видит, что произошло за смену и на что обратить внимание. Второй - короткая форма инцидента по заказу: курьер или оператор фиксирует проблему в три поля (тип инцидента, описание, заказ), форма создаёт запись в смарт-процессе и ставит задачу ответственному.

Оба инструмента появились без привлечения внешних разработчиков. Технические детали сборки - в материалах Разбор звонков на Битрикс24 Вайбкод и Автообработка входящих заявок на Битрикс24 Вайбкод.

Дополнительно: ИИ умеет суммаризировать длинную переписку. По конфликтному заказу управляющий читает краткое изложение из 3-4 предложений, а не прокручивает ленту из 40 сообщений.

Что изменилось в работе

Результаты описаны качественно - без выдуманных процентов и сроков окупаемости:

• Контроль качества стал сплошным. Руководитель больше не выбирает, какие звонки слушать. Система оценивает каждый, а человек разбирает те, где оценка низкая.
• Карточка брони приходит в зал заполненной. Детали, которые гость проговорил по телефону, теперь в системе - официант видит их до прихода гостей.
• Ночные и выходные обращения перестали зависать. Гость получает ответ немедленно, нетиповой запрос уходит к оператору с контекстом.
• Новый сотрудник спрашивает бота, а не старшего по смене. Старший работает, а не объясняет в десятый раз правила упаковки.
• Управляющий разбирает конкретные разговоры, а не абстрактное качество. Вместо «кажется, что-то не так» - список с оценками и расшифровками.
• Ручной перенос документов сократился до проверки. Данные извлекаются автоматически, человек только подтверждает.

Один момент, который стоит отметить отдельно: в горизонте работы с историей бронирований и корпоративов система может формировать гипотезы о том, кто из гостей близок к повторному заказу - для банкетной группы это открывает сценарии повторных касаний. Сеть проверяет эту гипотезу, и говорить о доказанном результате пока рано.

Все модели BitrixGPT работают на серверах в России. Трансграничная передача данных гостей исключена - для ресторана, работающего с персональными данными, это принципиально важно.

С чего начать похожей сети

Последовательность, которая снижает риски и даёт быстрый первый результат:

1. Убедитесь, что записи звонков и открытые линии пишутся в портал. Без этого ИИ-слой не на чем строить. Проверьте, что запись включена для всей телефонии и все мессенджеры подключены через открытые линии.
2. Включите расшифровку и автозаполнение на одной группе - бронировании. Не запускайте сразу на всех. Двух недель на одной группе достаточно, чтобы увидеть, как заполняются карточки и что теряется.
3. Добавьте оценку по скрипту и проведите первый разбор через две недели. Соберите управляющих, покажите несколько звонков с низкой оценкой, обсудите причины. Это задаёт культуру работы с данными.
4. Соберите стандарты в Базу знаний 2.0 и только потом включайте бота. Бот хорош ровно настолько, насколько хороши документы внутри. Загрузите актуальные регламенты, проверьте ответы вручную - потом запускайте для линейки.
5. ИИ-агента в чатах запустите сначала в нерабочее время. Ночью и в выходные нагрузка на квоту минимальна, а ценность максимальна. Отработайте сценарии - потом расширяйте на дневные часы.
6. Массовые прогоны расшифровок выносите на ночь. ИИ-квота общая на компанию. Если нужно обработать архив звонков за месяц, запускайте задачу на ночь или выходные, чтобы не блокировать дневную работу сотрудников.

Если хотите обсудить, с какого сценария начать в вашей сети - напишите нам: sales@acp-24.ru или +7 495 414-48-49. АС Проект - платиновый партнёр Битрикс24.

Хотите так же? АС Проект - платиновый партнёр Битрикс24: подключаем и настраиваем ИИ-инструменты под процессы конкретной отрасли. Речевая аналитика и разбор звонков - отдельная услуга, обучение команды работе с ИИ - корпоративная программа, нетиповые сценарии собираем приложением на Вайбкоде.

Частые вопросы