aicanyin
开店5年的老张给我打电话，说花了两万多上了一套AI点餐系统，结果用起来像个智障。问豆花是甜的还是咸的，它回答能选辣度；顾客问有哪些女士喜欢的低卡套餐，它推荐了一堆高油高盐的冒菜。老张气得想砸机器。
问题出在哪？不是AI不行，是喂给它的数据太烂了。
这年头餐饮老板聚在一起，聊的不是菜品就是AI。但你发现没有，大家都在聊算法多牛、大模型多聪明，几乎没人提一件事——AI吃进去的东西，才是决定它智商上限的命门。餐饮AI智能体上线前，数据准备才是真正拉开差距的环节。今天这篇就专门掰扯这个，都是实操层面的东西，看完你大概就知道自己该从哪开始收拾房间了。
靠前个先搞清楚，AI到底需要哪些“燃料”
很多人以为把菜单、菜品图片打包扔给AI就完事了。大错特错。根据行业圈内一个普遍认同的估计，一套能稳定跑起来的餐饮AI智能体，喂给它的数据里，结构化数据要占80%以上才能保证基本别翻车。
具体来说，你至少要准备三类底料：
- 菜品主数据：每道菜的配料表、克重、热量、过敏原，还包括辣度等级、口味标签、适合几人食用。别觉得这琐碎，AI推荐菜、做营养分析全靠它。
- 营业底层数据：近一整年每天的客流高峰时段、单均消费额、翻台率、等位时长。这些能让AI知道什么时候该推荐引流款，什么时候该推毛利款。
- 客户偏好数据：通过之前的会员系统和点餐记录攒下来的消费频次、口味偏好、复购周期。哪怕是几十个老客户的粗糙记录，也比完全没强。
光有现成的还不行，得把“垃圾数据”变“营养数据”
有老板会说，这些原始记录我都有，全倒进系统里总行了吧？咱们来掰扯一下。数据量大不等于数据质量高。
我服务过的一个连锁面馆客户，早期把收银小票直接导入AI系统。结果AI学到的规律是“周三下午点拌面的人特别少”，但真实原因是那天做拌面的师傅轮休，店里根本没备料。AI不懂这些潜规则，只会照着错误规律做决策。
所以上线前必须做数据清洗。简单讲三步：
- 去重去杂：把重复提交的订单记录、测试数据、退款后又重新下单的脏数据全剔掉。
- 统一口径：比如“大杯饮料”和“大杯500ml”在不同时期叫法不一，必须让AI认得这是同一个东西。别名库务必仔细搭。
- 补全缺失：像菜品照片这种，能补充的更稳妥补上。因为多模态AI识别菜品时，图片的作用比文字描述大得多。
这一步偷懒的话，后面AI跑得越久，错得越离谱。真到出了问题再回头补，可比上线前花一晚上做清洗代价大多了。
容易被忽略的“边缘数据”，偏偏决定AI的可靠性
除了菜单和客流，真正考验AI智能体的是对异常情况的应变能力。这就需要你给它喂一些平时不会注意的数据。
打个比方，AI要能回答“你们今天还能不能做麻辣香锅？”它脑子里不能只装着菜品信息，还得知道这道菜原材料的今日库存状态。后厨的进销存数据接入是基础，如果做不到实时，至少每天清晨更新一次。
再一个就是营业状态。像临时包场、设备检修、台风天提前打烊，这种偶发的状态变动，得有一个特别简单快捷的入口让门店店员去更新。否则AI还在跟顾客承诺今晚8点有位置，实际7点半就开始大扫除了。
有个数据挺有意思——根据美团发布的一份餐饮行业报告，2023年约有21%的线上差评源于“到店发现实际营业状态与线上信息不符”。这锅AI背得是真冤。
围绕菜单的细颗粒度数据，才是食堂级别的竞争力
咱们把菜单数据再往细了切。这是很多教程里一句带过，但实操中特别磨人的地方。
举例说，“宫保鸡丁”这道菜，AI面对的搜索可能是：“偏甜的宫保鸡丁”“没有花生的宫保鸡丁”“不放葱的宫保鸡丁”。这三种需求，你的AI都能接得住吗？
这要求菜单数据的分类维度足够。更稳妥为每一道菜配置以下信息：
- 味型标签（酸、甜、辣、复合味等）
- 食材标签（可用“去花生”“免香菜”等做排除法）
- 出品时长（急客和闲客的推荐顺序不一样）
- 季节性（应季推荐和长年供应要分开）
我个人的经验是，一道菜花的功夫大概15分钟。200道菜的菜单大概需要两三个整天。你也可以把食堂和快餐店那种套餐逻辑套进来，把搭配好的A/B/C套餐先输进去，减少AI自己组合时发生的离谱情况。
卫生与证照数据，这一环很多人压根没想过
餐饮AI智能体一旦直接面对C端顾客，它随口胡诌就是合规风险。比如顾客问“你们餐厅有生食许可证吗？”AI要是含糊回答“应该有吧”，出了事算谁的？所以，部分关键证照的静态数据也要做成AI可调用的知识库。
具体来说，把以下信息整理成条目：营业执照上的经营范围、食品经营许可里的冷食类食品制售范围、员工的健康证有效期（至少得知道哪些人没证）。这些数据不一定对外开放，但要在AI审核环节里起到防火墙的作用。
行业里已经有人因为没注意这种细节吃过大亏。一个数据——据天眼查的数据，2024年餐饮企业因为食安资质问题被投诉的案例中，有接近4%的导火索是线上智能客服给出了不准确的答复。这个比例不高，但发生在你身上就是较高比例。
放心，这些数据凑齐之后，AI才算有了魂
说完这些，很多人觉得准备工作比想象中多，心里有点打鼓。但说句实在话，前期整理越辛苦，后期运营就越省心。吴恩达（Andrew Ng）说过一句话让我印象特别深——“AI系统的上限，80%由数据决定，模型只负责把数据的价值发挥出来。”在餐饮行业尤其成立。
餐饮AI智能体真的不难，难的是前端那些又杂又细的功夫。这不是买台机器就自动实现的，也不是靠一个大模型就能自动懂的。用最朴素的话讲：你得上心把餐厅的底子给AI摸清楚。
今天说的这五块：菜品底层主数据、清洗过的营业参数、动态异常数据、菜单细颗粒标签、合规证照数据。你可以从靠前块开始盘起来了，边盘边想清楚后面几步。先动手，别等万事俱备。你的餐饮AI值不值得那两万多块钱，就看这两天你怎么对待你的数据了。
