Una pizzería sin sala y solo con reparto tiene un aspecto tranquilo hasta las nueve de la noche del viernes. A esa hora, un obrador pequeño recibe pedidos por dos o tres aplicaciones de reparto, por su web, por teléfono y por WhatsApp, y el horno es uno solo. Además, la pizza artesanal de buena masa no se improvisa: requiere una fermentación larga, así que lo que se puede vender el sábado se decidió el jueves.
Ese desfase entre planificar y vender es el origen de casi todos los problemas del negocio: masas que sobran o que faltan, canales que se pisan, reclamaciones por retrasos y márgenes que no cuadran por las comisiones. Un equipo de agentes de IA no estira la masa ni juzga el punto de un horno, pero puede ordenar la información alrededor de esas decisiones. Para no confundir el caso con otros, aquí hablamos de un obrador que fermenta su propia masa, no de quien compra masas ya hechas (ese es el terreno de IA para fabricantes de masas congeladas para hostelería).
La masa se decide dos días antes
Cuántas bolas de masa preparar depende de los pedidos que se esperan dentro de uno o dos días, y ese cálculo se suele hacer por experiencia. Un agente puede combinar el histórico de pedidos por día y hora, el calendario (partidos, festivos, lluvia, quincena), las promociones previstas y el stock actual, y proponer una previsión de bolas para cada jornada. Cuando la previsión falla, se anota si sobró o faltó y en qué franja, y esa información afina la siguiente propuesta.
Imaginemos, como caso hipotético, un obrador que cada partido importante ve caer los pedidos antes y dispararlos después. Si el agente tiene el calendario deportivo y el patrón de semanas anteriores, puede avisar de que esa noche conviene reforzar el turno y la masa. La decisión de cuántas bolas hacer es del maestro pizzero, que sabe cómo se comporta su fermentación con el calor de esa semana.
Viernes por la noche: cuatro canales, un solo horno
Cuando los pedidos llegan por varias vías, alguien tiene que mirar todas las pantallas. Un agente puede unificar la cola de pedidos en un solo listado, ordenarlos por hora prometida y tipo de entrega, y avisar cuando se acumula más trabajo del que el horno puede sacar en el tiempo prometido. Si un ingrediente se acaba, puede proponer pausar en las plataformas la pizza afectada, y el equipo confirma; si el ritmo se dispara, sugiere alargar el tiempo estimado que se muestra al cliente para evitar retrasos no anunciados.
Los mensajes de clientes que preguntan «¿cuánto falta?» pueden responderse con la información real del pedido, sin que la persona del horno tenga que soltar la pala. Sobre el planteamiento general de atender bien a quien escribe, véase IA para atención al cliente como departamento.
Comisiones, márgenes y la web propia
Las aplicaciones de reparto aportan visibilidad, pero se quedan con una parte de cada pedido, y las condiciones varían según el contrato. Es habitual que un obrador no sepa con precisión cuánto le queda por pizza según el canal por el que entró, una vez restadas comisiones, packaging y descuentos. Un agente puede cruzar los pedidos con las condiciones que se le indiquen y presentar un resumen por canal, por producto y por franja horaria. Eso ayuda a decidir qué promociones tienen sentido en cada plataforma y cuáles conviene reservar para la web propia.
También puede preparar mensajes para animar a los clientes recurrentes a pedir directamente, con una comunicación amable que una persona valida. Ni los precios ni las condiciones con las plataformas los negocia el agente: solo pone los números a la vista.
Pizza que llega tibia: tiempos, rutas y reclamaciones
Una pizza excelente que llega fría genera reseñas malas, aunque la culpa esté a medias entre cocina, reparto y distancia. Si el obrador tiene repartidores propios, un agente puede agrupar pedidos cercanos, proponer el orden de entrega y avisar al cliente del retraso cuando se produce; este caso se parece a lo que tratamos en IA para optimizar rutas de reparto. Si depende de las plataformas, ayuda a recoger las incidencias, ordenarlas por causa (retraso, pedido incompleto, temperatura) y preparar la respuesta a cada reseña para que una persona la revise.
La decisión de compensar o reembolsar a un cliente la toma el equipo con criterio comercial. El agente evita que las quejas se acumulen sin respuesta y da datos para ver si el problema se repite en cierta franja o zona.
Ingredientes frescos y alérgenos de la carta
La mozzarella, el tomate, las verduras y los embutidos tienen fecha, y un obrador pequeño compra a menudo en cantidades ajustadas. Un agente puede vigilar el stock frente a las ventas previstas, sugerir el pedido de reposición y avisar cuando un ingrediente lleva más tiempo del esperado en cámara. Cuando se estudia una pizza nueva, ayuda a calcular ingredientes por unidad y a comparar el coste con el precio previsto.
Los alérgenos son un punto sensible en el reparto, donde el cliente no puede preguntar al camarero. Un agente puede mantener una matriz de alérgenos por pizza (gluten, lácteos, frutos de cáscara en un pesto, huevo o sulfitos según los ingredientes) y responder consultas con esa información aprobada por el obrador. Ante una alergia grave o una duda, pasa la conversación a una persona: es una decisión que no debe automatizarse.
Conclusión
La IA para obradores de pizza artesanal para reparto no amasa, no hornea ni decide qué se promete a un cliente con una alergia. Lo que hace es ordenar la parte invisible del negocio: masa prevista con datos, pedidos de varios canales en una sola cola, márgenes por plataforma a la vista, incidencias de reparto recogidas y stock de ingredientes bajo control.
En MG Solutions construimos agentes de IA específicos para cada empresa, no una plantilla genérica: los conectamos a vuestro horno, a vuestras plataformas y a vuestra forma de atender. Si tienes un obrador de pizza para reparto y quieres estudiar por dónde empezar, escríbenos y lo vemos contigo.