Nomce a Keboola stvořily Golema pro hotely a restaurace

Hotel má rezervační systém, pokladnu v restauraci, účetnictví, marketingová data, ceníky dodavatelů a řadu dalších nástrojů. Každý z nich přitom často funguje samostatně. Česká hospitality společnost Nomce proto společně s AI datovou platformou Keboola propojuje data z jednotlivých systémů a nad nimi postavila specializované AI agenty.

AI agent bude pomáhat kuchařům i managementu
Kuchař například do aplikace v mobilu nadiktuje, co chce vařit
AI agent rychle zjistí možnosti, kde nejrychleji či nejlevněji objednat suroviny

Agenti přitom nepracují nad daty volně, fungují v přesně nastaveném prostředí, které určuje, k jakým informacím mají přístup, odkud data pocházejí a co jednotlivé údaje v konkrétním hotelovém provozu skutečně znamenají. Ti nemají hoteliérům radit obecně jako ChatGPT. Mají znát konkrétní hotel nebo restauraci a pomáhat s konkrétními úkoly, od nákupu potravin přes rezervace a pricing až po každodenní provoz. První řešení už Nomce s Keboolou testují v reálném prostředí.

Spolupráce nezačala s nástupem ChatGPT. Nomce a Keboola se hotelovými daty zabývají už od období covidu, kdy začaly spojovat informace z různých hotelových systémů a hledat, co všechno lze z dat o reálném provozu vyčíst. Další posun přinesl rychlý rozvoj generativní AI a zejména AI agentů v posledních dvou letech.

„Prošli jsme dobou osobních počítačů, internetu, mobilů a sociálních sítí. Každá z těchto etap přinesla nové technologické paradigma. Teď přichází doba AI agentů, systémů, které už nejsou jen nástrojem, kterému položíte otázku, ale mohou s člověkem spolupracovat a samostatně plnit konkrétní úkoly. A právě teď začíná dávat velký smysl řešit, co tato změna udělá s hotely a restauracemi,“ říká Pavel Doležal z Kebooly.

Nejdřív data. Potom AI

Podmínkou pro podobné využití AI je podle obou expertů kvalitní datový základ. Pokud má být agent schopen pracovat pro konkrétní hotel, musí vědět, jaké má rezervace, za jaké ceny prodává, jak funguje jeho restaurace, co nakupuje nebo jaké výsledky přinášejí jednotlivé obchodní a marketingové kanály. Prvním krokem proto není instalace AI, ale propojení existujících systémů hotelu a správné pochopení jejich dat.

„Hotelnictví je v tomto směru překvapivě roztříštěný obor. Používá velké množství různých softwarů a část z nich vznikla před mnoha lety. Řada systémů, které hotely řídí, stále funguje spíš v logice éry osobních počítačů. Hospitality tak v některých případech vlastně přeskakuje jednu technologickou etapu a jde rovnou do agentického světa,“ vysvětluje Pavel Doležal.

Právě datová infrastruktura je základem, nad kterým mohou postupně vznikat jednotliví agenti. Nejde přitom o jednoho univerzálního „AI ředitele hotelu“, ale o specializované nástroje pro konkrétní úkoly. Jedním z prvních příkladů je nákup potravin.

„Systém pracuje s ceníky různých dodavatelů, minimální výší objednávky, rozvozovými dny, požadovanou kvalitou surovin i preferencemi konkrétní kuchyně a jednotlivých kuchařů. Dokáže porovnat celý nákupní koš a následně kontrolovat také rozdíly mezi objednávkou, dodacím listem a fakturou. Úkol, který by člověk musel dělat ručně nad stovkami až tisíci položek, tak může průběžně hlídat software,“ říká Martin Venglář z Nomce.

Kuchař nadiktuje, co chce vařit. Agent už ví, co má objednat

V praxi má být používání systému co nejjednodušší. Kuchař nemusí po směně sedět u počítače, otevírat několik ceníků a porovnávat, kde je levnější maso, sýr nebo zelenina. Může jednoduše nadiktovat, co potřebuje, případně vyfotit svůj plán nebo seznam surovin.

Agent už přitom zná jeho běžný způsob práce. Ví například, že jeden kuchař připravuje guláš z kližky a používá konkrétní druh suroviny, zatímco kolega z druhé směny stejné jídlo vaří jinak. Když objednávku zadá první z nich, systém ji sestaví podle jeho zvyklostí. Když ji zadá druhý, upraví výběr surovin podle jeho preferencí.

Současně porovná ceny dostupných dodavatelů, zohlední minimální hodnotu objednávky, nejbližší možný termín závozu i dostupnost požadované kvality. Výsledkem má být konkrétní objednávka sestavená pro daného kuchaře a konkrétní situaci v kuchyni, nikoliv jen tabulka s cenami, ze které si musí člověk vše znovu vyhodnotit sám.

Systém se navíc dál učí. Čím déle v konkrétní restauraci funguje, tím lépe zná její objednávky, používané suroviny, preference jednotlivých lidí i rytmus provozu. Právě na tomto příkladu je dobře vidět rozdíl mezi univerzální AI a agentem, který zná konkrétní podnik. Nejde jen o to najít nejlevnější kilo masa. Agent musí vědět, co daná kuchyně skutečně používá, kdo právě objednává, kdy potřebuje zboží dodat a za jakých podmínek nákup dává jako celek smysl.Další oblasti, kterými se týmy zabývají, jsou práce s rezervacemi, přímým prodejem, pricingem nebo dalšími provozními procesy hotelů a restaurací.

Technolog nestačí. Hoteliér také ne

Právě tady podle Pavla Doležala přichází nejdůležitější část celého projektu. Samotná technologie podle něj nestačí.„Jedna z největších chyb je předpokládat, že když dokonale rozumím technologii, automaticky vím, jak ji správně aplikovat v konkrétním oboru. U AI je kontext ještě důležitější než dřív. Nejlepších výsledků dosahujeme ve chvíli, kdy spojíme člověka, který opravdu hluboce rozumí technologiím, což představuje Keboola, s někým, kdo stejně hluboce zná reálný provoz hotelů a restaurací, což je Martin Venglář,“ říká Pavel Doležal.

Právě znalost provozu do projektu přináší tým Nomce. Podle Martina Vengláře je hospitality plná drobných souvislostí a každodenních postupů, které nelze jednoduše vyčíst ze systému nebo naučit AI z veřejně dostupných informací.

„Všemožných AI zlepšováků a technologií je dnes hromada. Problém je, že spoustu z nich vytvářejí technologičtí nadšenci nebo startupy, kteří samotný provoz hotelu nebo restaurace nikdy nezažili. My máme dohromady kolem padesáti let zkušeností z praxe. Víme, co hoteliér, provozní nebo kuchař skutečně potřebuje,“ říká Martin Venglář z Nomce.

Podobnou zkušenost popisuje i Pavel Doležal.„Jsou věci, které si nikde nenačtete a které nejsou zadané v žádném systému. Jsou to čistě praktické věci. Technicky se můžeme podívat na hotel a říct: tady jsou čtyři systémy, ty propojíme a sem postavíme agenta. Ale teprve člověk, který ten provoz opravdu zná, dokáže říct, co má agent dělat, aby byl pro hotel užitečný.“

Pavel Doležal přirovnává technologickou platformu ke Golemovi. Má sílu a schopnosti, které mu dává Keboola, ale potřebuje šém, který mu dá konkrétní smysl. A ten v tomto případě představuje Nomce. „Pro mě je to podobné, jako když postavíte dům. Technicky může být perfektní, ale až zkušený architekt z něj udělá místo, ve kterém chcete žít a nazývat ho domovem. U nás technologii a datovou platformu přináší Keboola a detailní znalost toho, jak hospitality skutečně funguje, přináší Martin a jeho tým.“

AI, kterou kuchař skutečně použije

Praktičnost je podle Martina Vengláře jedním z hlavních kritérií, podle kterých jednotlivá řešení vznikají. „Neděláme žádné velké kudrlinky. Děláme jednoduché věci, které se dají okamžitě začít používat. Můžete mít technologicky dokonalé řešení, ale jestli ho kuchař nebo provozní ve skutečnosti nebude používat, je vám k ničemu,“ říká Martin Venglář.

AI agent proto nemá nahrazovat zkušeného kuchaře, recepčního nebo hotelového manažera. Má přebírat zejména činnosti, při kterých je potřeba zpracovávat velké množství informací, průběžně je kontrolovat nebo reagovat na situace, které člověk při běžném provozu nemá šanci neustále sledovat.

„Je to určitý druh revoluce už jen tím, že tyhle nástroje najednou vytvářejí sami hoteliéři a kuchaři společně s technologickými lidmi. Nechceme dělat technologii pro technologii. Chceme dělat věci, které člověk v hotelu nebo restauraci skutečně použije,“ dodává Martin Venglář z Nomce.

První řešení už se testují

Podle Pavla Doležala už spolupráce není pouze ve fázi konceptu. Několik konkrétních řešení týmy testují a postupně rozvíjejí. Například v hotelech, které Nomce provozuje, či v pražské restauraci U Matěje Kotrby.

V první fázi totiž dávají největší smysl zejména ve středně velkých hotelech, kde se potkává ubytování, gastronomie, více zdrojů rezervací a větší množství provozních dat. Nasazení do konkrétního podniku přitom není otázkou pouhého zapnutí jednoho programu. Nejprve je potřeba připojit jednotlivé datové zdroje, nastavit jejich význam a následně systém přizpůsobit konkrétnímu provozu.

„Implementace je jedna část. Potom se systém ještě několik týdnů učí konkrétní provoz. Každý hotel funguje trochu jinak. Právě proto potřebujeme, aby AI neznala jen hotelnictví obecně, ale rozuměla tomu konkrétnímu hotelu nebo restauraci, pro které pracuje,“ uzavírá Martin Venglář.