Superinteligência em restaurantes: fichas técnicas e compras que a IA usa

Superinteligência em restaurantes, na prática, significa um agente de IA capaz de sugerir compras, comparar cotações e apontar variações de custo. Isso só funciona quando o restaurante organiza três tipos de dado: fichas técnicas com rendimento e perdas, cadastro de fornecedores com histórico de preço e prazo, e estoque com contagem e registro de saídas. Sem essa base, o agente produz análises convincentes sobre números incompletos ou errados, e o ganho real está na organização dos dados antes da escolha de qualquer modelo.

Principais pontos

• A ficha técnica é o elo que transforma compra em custo: sem ingredientes, quantidades, rendimento e perdas registrados, nenhum agente consegue dizer quanto custa um prato.
• Fornecedor precisa existir como cadastro comparável, com unidade de compra, prazo, condição de pagamento e histórico de preço, e não apenas como contato salvo no celular.
• O estoque útil é o que tem contagem periódica e registro de entradas e saídas, porque é isso que permite comparar o que foi comprado com o que foi de fato usado.
• O agente ajuda a comparar cotações, sinalizar reajustes e rascunhar pedidos, mas a aprovação de compra e de preço continua com uma pessoa responsável.
• O caminho mais seguro é começar por um grupo pequeno de pratos e de insumos, registrando o que o agente sugeriu e o que a equipe decidiu.

Por que a superinteligência começa pela ficha técnica

O termo superinteligência aparece com frequência em conteúdos sobre IA, muitas vezes com promessas que não se sustentam na rotina de uma cozinha. Para o dono ou o gerente de operações, a pergunta útil não é se um sistema é superinteligente, e sim se ele consegue raciocinar sobre os dados do próprio restaurante. Para separar o que se vende como promessa do que um modelo de linguagem faz de fato, vale ler ChatGPT é superinteligência? O que ele é e o que não é.

A ficha técnica lista cada ingrediente com a quantidade por porção, a unidade de medida e o rendimento. O rendimento importa mais do que parece: carne com osso, peixe limpo, hortifruti com casca e cortes de legumes perdem peso ou volume entre a compra e o prato. Por isso, a ficha deve registrar o peso bruto comprado e o peso líquido utilizado, ou o fator de correção que a cozinha adota de forma consistente. Quando uma receita muda, a alteração precisa virar uma nova versão com data. Caso contrário, o custo calculado para o cardápio da semana passada será comparado com o cardápio de hoje como se fossem a mesma coisa.

Fornecedores e cotações: do contato salvo ao cadastro comparável

Muitos restaurantes compram por WhatsApp, por telefone ou com a visita de um representante. A conversa é útil para a relação comercial, mas não é um dado que um agente consiga comparar. Cada fornecedor precisa descrever o produto do mesmo jeito: nome do item, marca ou especificação, unidade de venda (quilo, caixa, pacote), preço unitário, frete, prazo de entrega e validade da cotação. Sem essa padronização, um agente pode comparar um queijo muçarela fatiado de um fornecedor com um queijo em bloco de outro e concluir que um deles é mais barato, quando a diferença está apenas na apresentação.

O histórico de preço é o segundo passo. Registrar cada compra com data e valor permite ver a tendência de um insumo, identificar reajustes que vieram em etapas e separar um aumento pontual de um movimento que se repete. Esse histórico também protege a negociação, porque mostra ao fornecedor o que foi pago nas últimas vezes. Os contatos de representantes, com nome e telefone, são dados de pessoas físicas. Por isso, a LGPD se aplica a eles, e o acesso a essas informações deve ser restrito a quem precisa delas para o trabalho.

Estoque: contar pouco, mas com regularidade

Não é preciso um sistema sofisticado para começar a controlar estoque. O essencial é fazer contagem em intervalo fixo para os itens de maior custo e de maior giro, e registrar as saídas: venda, consumo na produção, desperdício, quebra e devolução. A diferença entre o que entrou, o que saiu e o que está na prateleira é justamente a informação que mostra perda. Sem essa diferença, o agente tende a sugerir compras com base em médias de consumo, e a média esconde o desperdício que a equipe mais precisa enxergar.

Há sinais de que a base de estoque ainda não está pronta. Um deles é o contador zerado com frequência em itens que deveriam ter reserva. Outro é o insumo que aparece em uma ficha técnica, mas nunca aparece em uma compra. Quando esses sinais existem, a primeira correção é de cadastro e de rotina, e não de inteligência artificial. A lógica de custo unitário, usada por equipes de finanças em nuvem, também serve bem aqui: o custo por prato é, no fundo, um custo unitário, e só pode ser acompanhado se as unidades forem medidas do mesmo jeito em todas as etapas.

Checklist antes de envolver a IA em compras

• Cada prato que será analisado tem ficha técnica com ingredientes, quantidades por porção e rendimento.
• Cada insumo principal tem pelo menos um fornecedor cadastrado, com unidade de compra e preço atualizado.
• Os preços de compra têm data, para que o histórico seja legível e comparável.
• Existe contagem de estoque dos itens de maior custo, em um intervalo que a equipe consegue manter.
• Está definido por escrito quem aprova pedidos e quem aprova qualquer mudança de preço de venda.
• Dados pessoais de fornecedores e de funcionários estão separados do que o agente pode acessar.
• O agente recebe acesso de leitura aos dados de custo e apenas rascunha pedidos, sem enviá-los.

Cenário ilustrativo: a semana em que o queijo subiu

Cenário ilustrativo: um restaurante com operação de almoço e jantar percebe que o custo de alguns pratos com queijo subiu. Como a ficha técnica registra a porção em gramas e o cadastro guarda o preço da última compra de cada fornecedor, o agente consegue recalcular o custo de cada prato afetado. Ele também compara as duas cotações mais recentes do mesmo produto e mostra que a diferença de frete muda o resultado final. Em seguida, prepara um resumo para o responsável de compras, com o impacto por prato e as alternativas encontradas.

O agente não aprova a troca de fornecedor e não altera o preço no cardápio. Quem decide é o responsável de compras, que pode negociar com o fornecedor atual, trocar de fornecedor ou repassar parte do aumento. Sem ficha técnica e cadastro, o mesmo agente só conseguiria dizer que o queijo subiu, algo que a equipe já sabia por conta própria.

Onde o agente ajuda e onde a decisão continua humana

Agentes de IA são úteis para tarefas de cruzamento e de preparação: juntar fichas, cadastros e cotações, detectar variações fora do padrão, comparar propostas com critérios iguais e rascunhar o texto de um pedido. Essas tarefas são trabalhosas para uma pessoa e rápidas para um sistema bem configurado. Já a decisão sobre preço de venda, escolha de fornecedor com relação de confiança, aceitação de atraso e cancelamento de pedido envolve contexto, relacionamento e responsabilidade, e deve permanecer com uma pessoa.

Há também um risco específico de segurança. Mensagens de fornecedores são texto externo, e o conteúdo delas pode tentar instruir o agente a fazer algo fora do combinado. Por isso, o agente deve tratar essas mensagens como dado a ser analisado, nunca como instrução a ser obedecida. O OWASP Top 10 for LLM Applications lista esse tipo de problema entre os riscos de aplicações com modelos de linguagem. Para um desenho mais detalhado do fluxo de cotações com aprovação, veja Agente de IA para compras: comparar cotações e pedir aprovação. O NIST AI Risk Management Framework trata a gestão de riscos de IA como um processo contínuo que envolve pessoas, e não apenas configuração técnica.

Como aplicar o método em um piloto de compras

Na nossa abordagem, o trabalho segue quatro etapas: mapear o processo atual e a linha de base, limitar dados e ações, pilotar um fluxo real com registros e uma métrica combinada, e depois transferir a operação e decidir se o próximo passo é expandir, ajustar ou parar. Aplicado a compras, o mapeamento começa por entender como o pedido é feito hoje, quem decide, onde estão as fichas e quais cadastros existem de fato. A linha de base é o custo de um prato medido com a ficha e a compra atuais, para que haja um ponto de comparação.

O limite inicial é simples: o agente lê custos e cotações, não envia pedidos e não mexe em preços. O piloto deve cobrir um prato ou uma categoria de insumos, com registro de cada sugestão aceita, ajustada ou recusada, e o motivo. A métrica combinada pode ser a diferença entre o custo calculado pelo agente e o custo apurado no fechamento da semana. Se a diferença persistir por falta de dado, o problema está na base, e não no agente. Se o restaurante também recebe pedidos e reservas pelo WhatsApp, esse é outro fluxo, com regras próprias, tratado em IA para restaurantes: pedidos, reservas e dúvidas no WhatsApp.

Perguntas frequentes

Preciso de uma superinteligência para controlar as compras do restaurante? Não. Para o trabalho de compras, o que faz diferença é a qualidade dos dados e a clareza sobre quem aprova o quê. Um modelo de linguagem atual, alimentado com fichas técnicas e cadastros bem mantidos, já ajuda na comparação de cotações e no cálculo de custo. O termo superinteligência descreve uma ideia ainda debatida, e não um produto para comprar.

Por onde começar se a ficha técnica ainda está em caderno? Comece pelos pratos de maior venda ou de maior peso no custo. Transcreva ingredientes, quantidades por porção e rendimento para uma planilha simples, com data e número de versão. Uma planilha mantida com regularidade vale mais do que um sistema caro preenchido pela metade.

Posso enviar dados de fornecedores e compras para uma ferramenta de IA na nuvem? Depende do conteúdo. Preço e especificação de produto têm risco baixo, mas nomes, telefones e mensagens de representantes são dados de pessoas, e a LGPD exige cuidado com finalidade, acesso e eventual transferência internacional. Antes de conectar qualquer ferramenta, verifique onde os dados são processados e quem tem acesso, e leia Transferência internacional de dados com IA: o que a LGPD exige.

Como saber se o piloto de compras funcionou? Combine a métrica e o critério antes de começar, por exemplo a aderência entre o custo calculado pelo agente e o custo apurado no fechamento. Registre cada sugestão com o desfecho e o motivo, para que a decisão de expandir, ajustar ou parar seja baseada em evidência. Se a equipe não consegue avaliar o resultado, a melhor decisão costuma ser organizar a base antes de ampliar o uso.

Fontes

• NIST AI Risk Management Framework
• OWASP Top 10 for LLM Applications
• FinOps Foundation: unit economics