AI-ассистент для ресторанной сети: автоматизация входящей линии и бронирования столов в формате smart casual dining
О проекте
Сеть ресторанов формата smart casual dining столкнулась с типичной для HoReCa проблемой: в часы пик значительная часть входящих звонков оставалась без ответа. Это приводило к потере бронирований, перегрузке администраторов и снижению качества сервиса.
Задача заключалась в том, чтобы полностью автоматизировать обработку типовых входящих обращений, сохранить фирменный стиль общения с гостями и обеспечить круглосуточную доступность сервиса. В результате внедрения AI-ассистента 70% входящих обращений стали закрываться автоматически, а нагрузка на колл-центр снизилась в 3,5 раза.
Клиент и контекст
Клиент — сеть ресторанов формата smart casual dining с высоким гостевым потоком и регулярными пиковыми нагрузками в вечернее время и выходные дни.
Особенности контекста:
- высокая доля входящих звонков, связанных с бронированием;
- частые типовые вопросы (режим работы, меню, парковка, формат посещения);
- необходимость учитывать нюансы посадки (зал, веранда, детский стульчик, комментарии);
- репутационные риски из-за пропущенных звонков и живых очередей.
В ресторанной отрасли до 20–50% потенциальных гостей могут теряться из-за недозвона и ожидания на линии — это подтверждается практикой проектов в HoReCa. Для сети с высоким оборотом столов это прямые потери выручки.
Цели и KPI
Основные цели проекта:
- Исключить пропущенные звонки.
- Обеспечить 24/7 доступность бронирования.
- Автоматизировать до 60–80% типовых входящих обращений.
- Снизить нагрузку на КЦ минимум в 2–3 раза.
- Исключить ошибки бронирования из-за человеческого фактора.
- Обеспечить корректную маршрутизацию сложных кейсов на операторов.
Ключевые KPI:
- ≥70% автоматической обработки входящих.
- 0% пропущенных звонков.
- Снижение нагрузки на КЦ в 3,5 раза.
- Стабильная работа 24/7.
Как работает AI-ассистент
Решение — голосовой робот на входящей линии, интегрированный с системой бронирования и Telegram-уведомлениями для администраторов.
Основные сценарии
- Бронирование стола
Гость звонит → робот уточняет дату, время, количество гостей → предлагает доступные слоты → фиксирует бронь → отправляет данные в систему. - Изменение или отмена брони
Гость называет данные брони → робот находит запись → вносит изменения или отменяет → подтверждает действие. - Информирование
Робот отвечает на вопросы о:
- режиме работы,
- наличии парковки,
- формате входного билета,
- наличии DJ/живой музыки,
- особенностях меню.
- Лист ожидания
Если свободных столов нет → робот предлагает записать в лист ожидания → администратор получает уведомление в Telegram. - Перевод звонка
Нестандартные запросы (банкеты, VIP-комнаты, сложные ситуации) переводятся на сотрудника.
Робот работает по нелинейной логике, поддерживает перебивания, учитывает предыдущие ответы и фиксирует все данные в системе. Качество распознавания речи — до 98–99%
Внедрение
Проект был реализован поэтапно в течение ~3–4 недель.
Этап 1. Анализ процессов
- Разбор текущей логики обработки звонков.
- Выявление узких мест (часы пик, нерабочее время).
- Определение частотных сценариев.
Этап 2. Проектирование сценариев
- Разработка диалоговой модели.
- Настройка правил маршрутизации.
- Определение условий перевода на оператора.
Этап 3. Интеграция
- Подключение к системе бронирования.
- Настройка Telegram-уведомлений.
- Тестирование корректности записи броней.
Этап 4. Пилот и масштабирование
- Пилотный запуск на ограниченном пуле ресторанов.
- Корректировка сценариев.
- Выход в коммерческую эксплуатацию.
Наиболее трудоёмкой частью стало согласование логики посадки и обработки нестандартных комментариев гостей. Для стабильности использовалась модель гибридной работы: робот закрывает типовые кейсы, сотрудники подключаются только к сложным.
Результаты внедрения
После запуска AI-ассистента сеть получила измеримый эффект:
- 70% входящих обращений закрываются без участия человека.
- 30% звонков корректно переводятся на сотрудников (банкеты, сложные запросы).
- 24/7 режим работы — бронирование доступно в любое время.
- Снижение нагрузки на КЦ в 3,5 раза.
- 0% пропущенных звонков.
- Сокращение времени диалога.
- Снижение количества негативных отзывов о недозвоне.
- Исключение овербукинга и ошибок бронирования.
Экономический эффект проявился уже в первый месяц: освободившиеся администраторы сосредоточились на гостях в зале, что напрямую повлияло на качество сервиса и повторные визиты.
Проект оказался успешным благодаря точной настройке сценариев под операционную модель ресторана и интеграции без радикального изменения процессов.
Другие примеры применения
Посмотрите другие кейсы с похожими задачами:
- Голосовой помощник для бронирования и клиентской поддержки (сеть ресторанов «The Бык»).
- Голосовой помощник для ресторанов малого и среднего бизнеса.
- NPS-робот для ресторанов — автоматический сбор отзывов после визита.
Отзыв клиента
«Внедрение голосового ассистента позволило нам обеспечить круглосуточную доступность и значительно снизить нагрузку на колл-центр. Мы сохранили фирменный стиль общения и повысили управляемость процессов бронирования».