La IA que entra per la porta de servei

Aquest article també es pot llegir en castellà.

Hi ha una hora del restaurant que el client gairebé mai no veu. Les taules encara són buides i la cafetera tot just s'ha engegat, però a la cuina ja hi ha algú que compta el peix, un altre que s'adona que falta una caixa de la comanda i qui mira les reserves i calcula que aquella nit vindran corbes. Abans d'obrir, un restaurant ja ha decidit quant gènere comprar i quant preparar, qui entra abans i què convé aprofitar d'ahir.

Aquestes decisions mai no han sortit només d'un full de càlcul. Surten de recordar com van anar altres dissabtes, de conèixer el proveïdor, de saber que quan plou el barri surt menys. I d'haver fet tantes vegades la mateixa salsa que notes que alguna cosa no va bé abans de tastar-la, només pel so que fa a la cassola. A tot això sempre li hem dit experiència.

Ara una part d'aquesta feina comença a recolzar-se en la intel·ligència artificial, i no de la manera que acostumem a imaginar. No hi ha robots cuinant ni servint taules. La IA que arriba als restaurants s'assembla més a un programa que calcula quanta gent vindrà dijous o a una càmera col·locada damunt del cubell de les escombraries. El que m'interessa és què canvia en l'ofici quan algunes de les decisions de cada dia ja no depenen només de qui fa anys que les pren. Per pensar-hi, miro què fan algunes grans cadenes, un estudi sobre el menjar que es llença en hotels i restaurants, una recerca sobre com s'organitzen els torns amb programes informàtics i dos projectes que no van sortir com s'havien anunciat.

La IA que gairebé no es veu

El juny de 2025, Starbucks va començar a provar en 35 cafeteries un assistent anomenat Green Dot Assist. Funciona des d'una tauleta: si algú de l'equip no recorda com es prepara una beguda o què ha de fer quan falla una màquina, li ho pregunta i el sistema li respon, en lloc d'haver-ho de buscar al manual. El setembre d'aquell mateix any, la cadena va portar a tots els seus locals propis dels Estats Units i el Canadà una altra eina, aquest cop per al magatzem: l'empleat enfocava les prestatgeries amb una tauleta i el programa comptava el producte per ell.

Vist des de fora, és poca cosa. Ningú no ha substituït per una màquina la persona que prepara els cafès. El que canvia és més petit. El dubte que abans es resolia preguntant al company amb més experiència, o obrint la carpeta de procediments, ara el respon un programa. I el recompte del magatzem, que sempre s'ha fet a mà i amb una llibreta, l'intenta fer una càmera. Dic «intenta» perquè, com explicaré més endavant, no se'n va sortir.

No tot el que porta l'etiqueta d'IA ho és. Un programa de reserves o una alarma que avisa que la cambra frigorífica ha pujat de temperatura no es converteixen en intel·ligència artificial perquè algú ho posi al fullet comercial. A mi em serveix una pregunta més senzilla: aquest sistema fa alguna cosa que fins ara només podia fer una persona mirant i pensant? Reconèixer què hi ha en una foto, per exemple, o repassar les vendes dels darrers anys i deduir-ne quanta gent vindrà divendres. En una empresa tecnològica això sona abstracte. En una cuina vol dir quants quilos de peix cal demanar demà.

Abans del servei ja comença una altra cuina

Un restaurant fa tota la vida que intenta endevinar el futur, només que abans ho feia amb el llibre de reserves, el calendari i molta memòria. Equivocar-se sempre ha costat diners. Si prepares de més, el gènere es queda a la cambra i acaba a les escombraries o reconvertit en el menú de l'endemà. Si prepares de menys, a les deu de la nit ja no queda aquell plat que tothom demana. Amb el personal passa el mateix: un torn amb gent de sobres encareix la nòmina, i un de curt converteix un dissabte normal en una batalla campal. En aquest marge entre el que creus que passarà i el que acaba passant és on la IA entra amb més força.

Yum! Brands, l'empresa propietària de KFC, Taco Bell i Pizza Hut, va presentar el febrer de 2025 una plataforma pròpia, Byte by Yum!, que reuneix en un mateix sistema les comandes, la cuina, el repartiment, l'inventari i els horaris del personal. Al març va anunciar que treballaria amb NVIDIA, una de les grans empreses de xips per a intel·ligència artificial, per afegir-hi coses com comandes per veu o càmeres que analitzen com funciona cada local.

Que una cadena amb desenes de milers de locals faci servir IA no sorprèn ningú. L'interessant és què passa quan tot això, que abans estava repartit en programes diferents i en caps diferents, es pot mirar alhora. Un dimarts deixa de ser només un dimarts: és un dimarts de pluja, amb partit de futbol, quaranta reserves, el que es va vendre els darrers dimarts i el que queda a la cambra.

Qui fa anys que és en una cuina fa una part d'aquests comptes de memòria, gairebé sense adonar-se'n. La novetat és que ara una màquina també els fa, i això obliga a preguntar-se quant d'aquest «sense adonar-se'n» sabríem explicar si algú ens ho demanés.

Quan el cubell de les escombraries comença a parlar

Potser l'exemple més clar no és al pas ni a la comanda, sinó al lloc on menys èpica busquem: el cubell de les escombraries.

Algunes cuines professionals ja tenen una bàscula i una càmera damunt del cubell. Cada cop que algú hi llença alguna cosa, el sistema la pesa, la fotografia i anota què era i en quin moment s'ha llençat. Això no impedeix llençar menjar, però fa que la cuina vegi per fi el que llença. I no és poca cosa, perquè la minva que ningú no pesa acostuma a desaparèixer de la conversa: la pell de la carbassa o el pa que va sobrar ahir gairebé mai no s'apunten enlloc.

El 2025, un equip de recerca encapçalat per Evangelia Sigala va publicar a la revista Waste Management els resultats d'instal·lar aquests sistemes en cinc cuines d'hotels i restaurants d'Alemanya, Grècia i Suïssa. En quatre, el menjar llençat va baixar entre un 23 % i un 51 %, i en una el cost del que es llençava per cada plat servit va arribar a baixar un 39 %. A la cinquena, un hotel suís, el menjar malbaratat va pujar un 13 %.

Per a mi, aquest cinquè cas és el més interessant de l'estudi, perquè recorda que l'aparell sol no n'hi ha prou. Va pesar, va fotografiar i va deixar les dades a la vista, però preparar menys quantitat o ajustar una ració, o aprofitar millor una pastanaga, ho havia de fer l'equip. En quatre cuines ho van fer i en una no.

La tecnologia va mostrar on era el problema; resoldre'l va continuar sent cosa de l'ofici.

Pot aprendre un dimarts, una màquina?

Aquí el tema es torna gastronòmic de debò, perquè una cuina no funciona només amb dades que es puguin posar en una taula.

Qui fa deu anys que és al mateix restaurant sap moltes coses que no ha escrit mai. Sap que aquell proveïdor porta un peix magnífic, tot i que hi ha setmanes que arriba diferent, o que el divendres abans d'un pont no s'assembla a cap altre divendres. Sap quan convé preparar una mica més encara que les reserves diguin el contrari. I sap que una salsa redueix massa de pressa només per com bombolleja: quan perd aigua i espesseix, les bombolles es fan més grosses i més lentes, i aquest canvi avisa abans que la cullera.

El 2025, les investigadores Nicole Farmer i Rachel Hingst van anomenar això coneixement tàcit en un article del Journal of Nutrition Education and Behavior. És el que s'aprèn a força de repetir i que costa explicar amb paraules: el que et permet canviar un ingredient sobre la marxa o saber que una cosa és al punt sense necessitat de mesurar-la.

A la cuina hi ha moltíssim d'aquest saber, però tampoc no cal idealitzar-lo. L'experiència també s'equivoca, i de vegades el que anomenem intuïció no és més que rutina. Que una cosa es faci igual des de fa vint anys no vol dir que sigui la millor manera. Tots hem sentit defensar una manera de treballar amb un «aquí sempre s'ha fet així», i això, més que una raó, és un costum. Les dades ens poden ensenyar coses que no vèiem. El que no tinc tan clar és que tot el que sap una bona cuina es pugui convertir en dades.

Per això la pregunta de fons és quina part de l'ofici es pot mesurar i ensenyar amb números, i quina part continua sent a les mans i a l'experiència de cadascú.

Un programa pot descobrir que els dimarts de pluja es ven menys peix. Però algú ha de decidir què se'n fa.

Optimitzar tampoc no és una paraula innocent

Gairebé totes aquestes eines arriben amb la mateixa promesa: optimitzar. Sobretot comprar millor i llençar menys, i de passada quadrar els torns. Costa portar-li la contrària, perquè ningú no vol llençar menjar ni quedar-se curt de gent un dissabte. Però qui ha organitzat un servei sap que darrere d'un quadrant hi ha persones, no només hores. Un programa que preveu quanta gent vindrà pot evitar que l'equip arribi just a una nit difícil. També pot servir per esprémer cada minut lliure de cada treballador. I no sempre és fàcil adonar-se a temps de quina de les dues coses està passant.

El 2025, Brana Jianu, Iis Tussyadiah i Graham Miller van publicar a la revista Annals of Tourism Research una recerca sobre l'ús d'aquest tipus de programes per organitzar la feina en hostaleria. Van fer 30 entrevistes i van revisar 61 documents públics. El que van trobar no s'assembla a un algoritme que mana i que tothom obeeix: els encarregats corregeixen sovint el que proposa el sistema, i el personal també ho discuteix i ho negocia. A mi això em canvia la pregunta. Ja no és només quant pot optimitzar un programa, sinó qui li pot dir que s'ha equivocat. I sospito que saber-ho fer pesarà cada vegada més en una cuina.

També hi ha cadàvers tecnològics

Sobre IA i restaurants es publiquen molts anuncis, proves pilot i percentatges espectaculars. Per això m'interessa mirar també el que no va sortir bé, que acostuma a ensenyar més.

McDonald's va començar a provar el 2021, juntament amb IBM, un sistema d'IA que prenia les comandes per veu a les finestretes per a clients en cotxe. La prova va arribar a més de cent restaurants dels Estats Units i el juny de 2024 l'empresa va anunciar que la deixava. No renunciava a la idea de les comandes per veu, però sí a aquell sistema.

Amb Starbucks va passar una cosa semblant, i més de pressa. La càmera que comptava el magatzem, la que havia arribat a més d'11.000 locals el setembre de 2025, es va retirar el maig de 2026, nou mesos després. Segons la premsa que ho va explicar, confonia productes que s'assemblen, com diferents tipus de llet, o directament se'ls saltava, i al final el personal havia de tornar a comptar a mà el que ja havia comptat la càmera. L'empresa va reconèixer que l'eina no havia funcionat com esperava i que la retirava després d'escoltar els seus equips. A la demostració, la càmera comptava bé. En un magatzem de debò, amb presses i prestatgeries plenes, l'equip va deixar de fiar-se'n.

Aquests casos serveixen per no creure's tot el que s'anuncia. Que una cosa funcioni en unes quantes botigues de prova no vol dir que hagi de funcionar en totes. I quan la xifra d'estalvi la dona la mateixa empresa que ven el sistema, encara no sabem si es repetirà en una altra cuina. Abans de posar una màquina nova en un restaurant, jo li faria les mateixes preguntes que a un proveïdor nou. La primera, si de debò funciona en una cuina com la teva i no només a la demostració. I la que gairebé ningú no es fa: quin problema ve a resoldre.

Un restaurant de quaranta coberts no és Starbucks

Hi ha una altra qüestió incòmoda, que és la mida. Una cadena amb milers de locals té milions de vendes amb què entrenar els seus programes, es pot pagar un equip d'informàtics i repartir el cost entre tota la xarxa. Un restaurant de quaranta coberts juga en una altra lliga, així que un cas d'èxit d'una gran cadena diu molt poc del que li passaria a ell.

Això no vol dir que la IA li quedi lluny. Vol dir que cal deixar de parlar de «la restauració» com si tots els restaurants fossin el mateix negoci. Un restaurant petit pot fer servir programes de reserves, de previsió o de compres, però abans necessita una cosa molt menys vistosa: tenir les seves pròpies dades en ordre. Que l'inventari quadri i que els escandalls estiguin al dia, per exemple.

Si el que dones al programa està mal apuntat, el programa aprendrà a equivocar-se amb molta seguretat.

Per això potser el primer que aportin aquestes eines sigui obligar-nos a posar ordre a casa abans de fer-les servir.

Aleshores, què passa amb l'ofici?

Quan un programa pot comptar el magatzem, respondre dubtes o calcular quanta gent vindrà, algunes tasques canvien, però n'apareixen d'altres. Algú ha de mirar aquella previsió i adonar-se de quan no té sentit, o saber que aquest dijous és diferent perquè hi ha festa major al barri i el programa no ho sap. Algú ha de decidir quan fer-li cas i quan no.

I després hi ha el que un restaurant no pot deixar en mans d'una màquina sense deixar de ser un restaurant. Conèixer el producte de debò, i no només per la fitxa tècnica, o adonar-se un dilluns qualsevol que algú de l'equip no està bé abans que ho digui. També saber, només mirant una taula, si volen conversa o que els deixin tranquils. Això no ho calcula cap programa, i és bona part del que significa donar de menjar a algú.

La meva lectura és que la IA no li treu valor a l'ofici, però sí que ens obliga a explicar-lo millor i a posar en paraules coses que fins ara donàvem per sabudes. Durant molt de temps, saber cuinar ha estat dominar tècniques, productes i temps. A això caldrà sumar-hi una altra cosa: treballar al costat de programes que també miren el restaurant i que de vegades veuran el que nosaltres no veiem, i d'altres, com va passar en aquell magatzem, no veuran el que qualsevol de l'equip té davant del nas. La qüestió serà decidir en cada moment de què ens refiem.

En acabar un servei, una màquina ens podrà dir quants quilos hem malbaratat, quina producció s'ha desviat de la previsió o quina franja horària necessitava més personal. Però algú haurà d'entrar a la cuina l'endemà, mirar aquella informació i convertir-la en una decisió.

Aquí continua sent l'ofici. Només que comença a compartir taula.

I si canvia la manera com un restaurant aprèn i decideix, em queda una pregunta que encara no sé com respondre del tot: què haurem d'ensenyar a qui dirigirà les cuines del futur?

Això mereix un altre article.

Si treballes a la cuina i ja convius amb algun d'aquests sistemes, o el vas provar i el vas deixar, m'interessa saber com t'ha anat. Explica-m'ho als comentaris o, si em llegeixes a la newsletter, responent aquest correu.

Fonts consultades

• Starbucks, Meet Green Dot Assist: Starbucks Generative AI-Powered Coffeehouse Companion, juny de 2025.
• GeekWire, Starbucks rolls out automated counting tech for inventory, with help from Seattle-area startup, 3 de setembre de 2025.
• GeekWire, Report: Starbucks scrapped an AI inventory tool and left a Seattle-area startup 'blindsided', maig de 2026, i Quartz, Starbucks scraps AI inventory tool after nine months, maig de 2026.
• Yum! Brands, Introducing Byte by Yum!, febrer de 2025, i Yum! Brands to Accelerate AI Innovation in an Industry-First Collaboration With NVIDIA, 18 de març de 2025.
• Sigala, E. G., Gerwin, P., Chroni, C., Abeliotis, K., Strotmann, C. i Lasaridi, K., Reducing food waste in the HORECA sector using AI-based waste-tracking devices, Waste Management, 198 (2025), 77-86.
• Farmer, N. i Hingst, R., Tacit Knowledge in Cooking: A Key to Teaching and Integrating Cooking as a Practice, Journal of Nutrition Education and Behavior, 57(8) (2025), 787-797.
• Jianu, B., Tussyadiah, I. P. i Miller, G., Humanising algorithmic management systems, Annals of Tourism Research, 115 (2025).
• CNBC, McDonald's to end AI drive-thru test with IBM, 17 de juny de 2024.