Il panorama della ristorazione sta vivendo una fase di trasformazione radicale. Il lungo periodo di crisi, unitamente all'incremento dei prezzi delle materie prime, ha messo in luce l'importanza di strategie innovative e soluzioni tecnologiche per garantire la sostenibilità del settore. Resmart, primo strumento di intelligenza aumentata dedicato al mondo della ristorazione, sviluppato da Maiora Solutions, incarna la frontiera di questa trasformazione. Abbiamo fatto qualche domanda ad Andrea Torassa, assieme ad Emilio Zunino co-founder di Maiora Solutions, al fine di comprendere le potenzialità di questo strumento che promette di essere rivoluzionario.
Intelligenza artificiale, da dove nasce Resmart
Il progetto nasce da una duplice ispirazione. «Da un lato - ci dice Torassa - la genesi di Resmart è frutto delle nostre esperienze nel costruire sistemi IA per diversi settori. Dall'altro, abbiamo riconosciuto un'opportunità inestimabile nel mondo della ristorazione, dove una vasta quantità di dati rimaneva inutilizzata». L'obiettivo principale? Creare un ponte tra questa risorsa inesplorata e le necessità concrete del settore, al fine di garantire un uso più efficiente delle risorse e una crescita dei ricavi.
La componente umana nell'uso della tecnologia
Ma, nonostante le incredibili capacità dell'IA, Torassa è chiaro sul suo ruolo: «Non si tratta di sostituire, ma di supportare». Resmart si pone, infatti, come strumento complementare all'intuito e all'esperienza dell'essere umano. «L'intelligenza artificiale - continua - offre una prospettiva basata su dati e tendenze, ma è l'uomo che ha la capacità di interpretarli e di decidere le migliori strategie d'azione». Questa sinergia è particolarmente evidente quando si tratta di sprechi. Resmart, ad esempio, non solo riconosce potenziali eccessi di acquisto, ma suggerisce anche soluzioni immediate. Poniamo il caso che un ristoratore acquisti troppo pesce rispetto al consumo effettivo e la data di scadenza incomba, l'IA, dice Torrassa, «segnalerebbe in maniera proattiva il rischio di dover buttare via delle materie prime, e raccomanderebbe di lanciare una promozione speciale (magari solo a pranzo, magari solo qualche giorno), in modo da spingere le vendite di pesce, e ridurre il rischio di spreco».
Il dilemma del pricing dinamico nella ristorazione
Il concetto di pricing dinamico potrebbe sembrare intimidatorio, ma in realtà è una pratica già presente in molti settori, inclusa la ristorazione. La chiave sta nell'approccio: non si tratta di apportare cambiamenti repentini, ma di sintonizzare i prezzi in base alla domanda, assicurando che i clienti comprendano e apprezzino il valore offerto. Resmart, in questo contesto, fornisce informazioni preziose, consentendo ai ristoratori di adottare un approccio di pricing sia dinamico che equo. In fin dei conti, spiega Andrea Torrassa «il pricing dinamico nella ristorazione c'è già. Quando vediamo dei menu a prezzi speciali per la pausa pranzo, degli sconti per chi prenota online in alcune fasce orarie, o delle offerte limitate ad alcuni orari sulle piattaforme online di delivery, stiamo vedendo il pricing dinamico in azione». Non un algoritmo misterioso, dunque, si tratta solo di «offrire un prezzo differenziato in base ad una domanda del mercato che cambia».
Resmart, un occhio sulla concorrenza
Una delle funzionalità che ha attirato l'attenzione degli utenti di Resmart è la possibilità di monitorare la concorrenza. «Ad ogni ristoratore - spiega Torrazza - diciamo come sono i prezzi medi dei diversi prodotti nel suo quartiere o nella sua città, e questa è solitamente una funzionalità molto apprezzata, perché consente in pochi secondi di rendersi conto di com'è la situazione del mercato, specialmente in un periodo di forti aumenti di prezzi, ma anche di poter pensare in maniera strategica alle location per nuove aperture.”
Gli algoritmi e il rischio del “bias”
Tutte le tecnologie portano con sé potenziali sfide, e l'IA non fa eccezione. Quando gli algoritmi riflettono e amplificano bias (pregiudizi) esistenti, possono sorgere problemi etici. Tuttavia, Torassa è ottimista: «Gli algoritmi “imparano” dai dati del passato, che a volte sono influenzati da bias di comportamento commerciale, ma credo vadano specificate tre cose: l'IA è allenata su molte fonti-dato diverse, quindi questo mitiga il rischio; c'è una certa rapidità degli algoritmi stessi nel correggere le proprie raccomandazioni e, inoltre, gli algoritmi non sono perfetti, ma nemmeno noi lo siamo, quindi credo sia poco sensato buttare via tutto quanto solo perché non si tratta di sistemi perfetti, perché sono sistemi che comunque consentono una grossa evoluzione tecnologica rispetto a dove siamo ora».