AI-агенты для доставки еды: как технологии меняют сервисы питания

Вечером в дождь пиццерия во дворе работает как генератор случайных событий: звонки, чаты, курьеры под крышей подъезда, пробки на карте, повар, который ушёл покурить в самый пик, и клиент с классическим «где мой заказ» через 4 минуты после оплаты. Я стоял у стойки, пил американо и смотрел на владельца, который одновременно ругался с агрегатором, отвечал в Telegram и отправлял курьера пешком, потому что «на самокат быстрее». На кухне пищала печь, в табличке Google падала формула, а в CRM всплывала карточка постоянного гостя, хоть и без номера квартиры, потому что «в прошлый раз записали на кота». Типичная российская доставка, ничего занудного, кроме одной детали: всё это можно программно разгрузить, и не только чат-ботом на приветствие. Речь про ИИ-агентов, которые тихо берут на себя куски процесса – от прогноза спроса до назначения курьеров и разговоров по телефону. И да, без нанимания армии разработчиков и вобще без боли, если подойти с головой.

Само словосочетание «ИИ-агент» звучит так, будто к вам приедет робот на колёсах, откроет багажник и выдаст борщ с парой мудрых советов. Убер в США действительно гоняет таких ребят: запустили в 2022 пилоты с Cartken в Майами, потом расширили до Фэрфакса, тестируют как оно живёт на улицах и бордюрах. Но в России ближайшие месяцы бóльшая магия будет происходить в софте: прогноз спроса, умное распределение заказов, голосовые боты на телефонии, проверка остатков и предзаказ ингредиентов, уютные Telegram-боты, которые отвечают быстрее оператора, но не психуют. У нас есть свои герои: тот же Delivery Club когда-то развернул систему «Алан», что подглядывает на погоду, футбольные матчи и календарь праздников, чтобы заранее подвинуть смены курьеров. А ещё есть свежие алгоритмы уровня DeliverAI, которые учатся на симуляциях и показывают сухие, но приятные цифры: минус 12% к парку, минус 13% к пройденному расстоянию, плюс 50% к загрузке флота, что в переводе на человеческий – на тех же людях и бензине вы успеваете больше.

Зачем сервису доставки свой ИИ-агент прямо сейчас

Маржа у доставки тонкая как лаваш, а издержки капают постоянно: комиссия агрегатора, реклама, упаковка, возвраты, и любимое – логистика. Любая автоматизация, которая экономит минуту на заказе или 1 километр пути, завтра превращается в деньги. ИИ-агент в этой истории не про космические прожекты, а про упрямую рутину: поднять спрос в прогнозе, зажать пики опозданий, разгрести звонки, подсказать повару, что ролл без огурца – это два клика и ноль нервов. Клиенты уже привычны к чатам и голосовым ассистентам, они не ждут оператора по 15 минут, и да, уезжают, если их заставляют. В Telegram люди спокойнее, а в VK быстрее комментируют, и вам это только в плюс, если ответы идут в секунды, а не в эпохи. И ещё момент: когда вы делаете шаг первым, вы начинаете собирать свою полезную статистику, а не упираетесь в чёрный ящик агрегатора. Это скучно звучит, но потом вы этим же обучаете модели, а там и скидка на ошибки становится меньше. А если короче – вы забираете контроль, не теряя лицо перед гостем.

Что такое ИИ-агент в доставке на человеческом языке

Это маленький упрямый сотрудник в облаке, который видит события, принимает решения и что-то делает вместо вас. Он ловит заказы с сайта и агрегаторов, проверяет адрес на валидность, трогает меню и остатки, пишет курьеру, строит маршрут, звонит клиенту через голосового бота, если тот указал домофон как «1234», а еще следит, чтобы SLA не утёк в трубу. В отличие от простого сценария «если A, то B», агент держит контекст, помнит, кто уже общался, какие были проблемы, сколько осталось соусов, и доверяет правилам и целям, заданным заранее. Он идёт через несколько каналов – сайт, телефон, Telegram, CRM, склад – и не путается, потому что ему так спроектировали. Он может подключать генеративную модель для текста и речи, но до важного момента держится на строгих правилах: цены берёт из базы, аллергию – из меню, доставку – с карты, ничего не выдумывает, иначе прилетит от гостя. И главное – его можно собрать без писанины километров кода, используя визуальные сценарии и готовые коннекторы, и тут на сцену выходит Make.com.

Как это работает на Make.com без отдела разработки

Платформа Make.com – это визуальный конструктор, где цепочки выстраиваются из модулей, как детский набор, только результатом становятся деньги и спокойный сон. Вы подключаете источники событий – вебхуки с сайта, Telegram-бота, CRM, почту, API агрегатора, хотя бы ту же iiko или r_keeper, и дальше собираете логику: если заказ пришёл на время, проверь остатки, проверь погоду, оценку пробок по Яндекс.Картам, прикинь расстояние до ближайшего курьера, отправь SMS или Telegram-уведомление, создай задачу в CRM, откорректируй обещанное время, а при риске опоздания – позвони через голосового бота. В Make есть блоки для HTTP, телефонии через интеграторов, JSON, роутинга, а ещё модуль Make AI, который аккуратно пристраивает генеративные подсказки туда, где они уместны. Сценарии можно запускать на расписании, по триггерам, по очереди задач, и в каждом шаге видеть журнал, чтобы потом не спорить, кто виноват. Важная деталь для России: персональные данные нужно хранить и обрабатывать по 152-ФЗ, поэтому доступы, логирование, маскировка телефонов и прозрачные согласия – не прихоть, а гигиена.

Если по живому, то вместо скучных чек-листов схема выходит такая. Сайт или агрегатор шлёт заказ в вебхук Make, сценарий разбирает корзину, где цены и опции валидируются по базе, например, в iiko или в вашей Google-таблице, пусть и это временное, но рабочее. Далее агент дергает погоду и пробки, чтобы свести ETA к правде, и тут же считает окно приготовления, потому что ролл и пицца живут по разным часам. После этого он пристраивает заказ к курьеру: если свой парк, то смотрит по гео и сменам, если сторонний – бьёт в API партнёра, а если совсем туго, зовёт оператора, но с подсказкой, кого лучше взять. Клиенту улетают уведомления в Telegram и SMS, голосовой бот через телефонию предупреждает о задержке или уточняет домофон – очень помогает убрать бесконечные «перезвоните попозже». Когда заказ у двери, бот аккуратно собирает короткую обратную связь, а если оценка падает, тут же открывает задачу на компенсацию, разовый промокод или звонок живого сотрудника. По итогам дня агент упаковывает статистику: где всплески, где падают времена, в каких кварталах лучше держать буфер курьеров.

Мини-кейс: бургерная у метро и Telegram-бот, который не спит

Маленькая бургерная у метро «Таганская» жаловалась на то, что вечерняя касса зависит от того, как повезёт с курьерами и насколько жив оператор. Мы собрали на Make.com сценарий, который ловит заказы с сайта и из Telegram-бота, проверяет ингредиенты по таблице остатков, смотрит пробки, строит маршрут и сам выдаёт курьерам задачи. Голосовой бот на телефонии уточняет адрес и сразу говорит честный ETA, не обещая сказок. В итоге среднее время подтверждения упало до 30 секунд, а клиентские звонки «где мой заказ» уменьшились примерно на треть, что сильно экономит нервы. Там же появилась мелкая фишка: если в корзине два одинаковых бургера и один без лука, бот предупреждает повара отдельно, а то раньше путали и приходилось переделывать. Финансово это не рокет-сайенс, но вечером стали успевать на 2-3 доставки больше с тем же числом курьеров, а отзывы на карте стали приличнее, без крика в капсе. Вроде мелочи, но из них и собирается ощущение, что бизнес под контролем, а не наоборот.

Куда внедрять генеративный интеллект и где он не нужен

Тексты для чатов и звонков – да, это прямо его поле, особенно если промпт построен так, чтобы не выдумывать цену и время, а брать их из базы. Персональные рекомендации из меню – тоже полезны: если гость раньше брал острое и без лука, зачем снова спрашивать, агент и так предложит краткий набор, а повар не будет гадать. Голосовые навыки закрывают тяжёлую рутину: «подскажите состав блюда», «добавьте приборы», «оставьте у двери», «перенесите на 20 минут» – всё это снимается первой линией, и оператор не утопает. А вот финальные решения по возвратам, спорные адреса и жалобы с эмоциями лучше оставлять людям, тут не надо геройствовать. Контент для маркетинга также под рукой: локальные посты, лендинги под районы, акции с честными ограничениями – это можно штамповать аккуратно, не скатываясь в одинаковую воду. Единственное, ставьте ограничения: цены, аллергены и юридические тексты должны быть под контролем системы, а не «как получилось, так получилось». Тогда генеративная часть работает как усилитель, а не как лотерея.

Экономика вопроса: откуда берутся проценты и куда они исчезают

Цифры условные, но порядок понятен. Если алгоритмы уровня DeliverAI дают минус 12% к парку и минус 13% к пробегу, то это уже топливо, часы и комиссия посредников, которые меньше болят. В малом и среднем бизнесе после внедрения в среднем вылезает 3-7% к операционной марже за счет скорости подтверждения, честного ETA и ровного распределения курьеров, без сумасшедших пиков, когда все едут в один дом. Стоимость самого внедрения на Make складывается из тарифа платформы, небольших затрат на телефонию, пару интеграций и, если нужно, токены для языковых моделей – это, как правило, смешно на фоне комиссии крупных агрегаторов. Более того, сценарии можно включать поэтапно: сначала чат и распределение курьеров, затем прогноз спроса и закупки, потом уже голосовой бот и красивая отчётность. Чем меньше ручной рутины и холостых звонков, тем ниже нагрузка на людей и меньше ошибок на ровном месте. Плюс вы не платите штрафами за опоздания, потому что доставляете честнее, а если застряли – предупреждаете заранее, и это магически снижает агрессию клиентов.

По шагам: как внедрить ии агента в вашей доставке за 14 дней

Первый блок – карта процессов. Пройдитесь самим заказом от клика до «приятного аппетита», выпишите 5 самых болезненных мест по времени, деньгам или нервам, и решите, какую метрику тронем первой, например, время подтверждения или долю опозданий. Второй блок – источники данных: сайт, агрегатор, CRM, меню, остатки, гео курьеров, погодный сервис, телефония, и юридическая часть про согласия на сообщения, это обязательная вещь. Третий блок – сборка в Make.com: вебхук на заказ, разбор корзины, проверка остатков, расчет ETA, подбор курьера, уведомления, эскалация оператору, дневная сводка и обучение модели на факте опоздания. Четвертый блок – пилот на одном районе или одной кухне, с тихим запасом курьеров, чтобы агент не задыхался без людей рядом, это нормальная страховка. Пятый блок – развёртывание и мелкие правки: вы увидите, где сценарий тратит лишние секунды, кто задерживается системно, и что на самом деле просят клиенты, и это знание бесценно. Если хочется идти быстрее и без граблей, можно взять готовые наработки и донастроить под себя, это экономит недели. Хотите научиться автоматизации рабочих процессов с помощью сервиса make.com и нейросетей ? Подпишитесь на наш Telegram-канал.

Инструменты и интеграции, которые работают в России без плясок

Учёт и меню часто живут в iiko, r_keeper, Poster – они отдаются в Make через API или промежуточные таблицы. CRM обычно amoCRM или Bitrix24, с воронками, тегами и задачами повару и логисту, где тоже всё ловится вебхуками. Деньги проходят через YooKassa, CloudPayments, СБП, СберПэй, и агент может как подтверждать платежи, так и возвращать средства или создавать счёт на предзаказ, не трогая оператора. Гео и маршруты – Яндекс.Карты и 2ГИС, иногда добавляют OpenStreetMap, чтобы не зависеть от одного провайдера, а телеметрию курьеров можно брать из трекеров или мобильного приложения. Голос и номера – Voximplant, Mango Office, Zadarma, любые SIP-провайдеры с записью разговоров и распознаванием речи, где бот берёт рутину и не выгорает от однообразия. Коммуникации – Telegram, VK, иногда WhatsApp через официальных провайдеров, но обязательно с явным согласием и без спама на ночь, клиенты мстят рублём и отзывами. Отчётность удобно складывать в Google Sheets, BigQuery или Postgres, а затем крутить дешёвые дашборды, чтобы не гадать на кофейной гуще.

Ошибки, которые бьют по карману

Самая классическая ошибка – влюбиться в рекламу бота и забыть про логистику, а потом удивляться, почему красивый чат не экономит. Вторая – не заложить буфер в пике и обвинять алгоритм, хотя курьеров просто физически мало, и здесь агент не волшебник, он реалист. Третья – отсутствие ручной кнопки «зовём оператора», когда сценарий упёрся в нестандартный случай, и вместо живого решения клиент получает молчание. Четвёртая – собирать лишние данные, которые вы потом не защищаете, и ловить неприятности по 152-ФЗ, хотя это лечится парой простых настроек и здравым смыслом. Пятая – обучать модели на кривых данных, где половина адресов без корпуса, а домофоны в комментариях, и ждать точности, которой просто быть не может. Шестая – показывать заведомо оптимистичное ETA, «чтобы взяли заказ», а потом ловить шквал отзывов и компенсаций, тут лучше честно и с буфером. Седьмая – развернуть сразу всё и везде, а потом спасать то, что можно было тестировать на одном районе за неделю.

Где учиться и что взять готовым

Если хочется не просто «кнопки покликать», а понимать, как внедрить ии агента под ваш процесс, лучше идти от кейсов и шаблонов. Мы собрали программу, где за руки проводим через всю цепочку – от карты процессов до голосового бота, и даём те самые сценарии, которые работают в реальных доставках. Можете взять полное обучение по make.com и закрыть основу за несколько недель, без академической тяжести и с домашними задачами на вашем проекте. Если времени мало, есть библиотека заготовок – Блюпринты по make.com, подключаете, настраиваете интеграции и уже в тот же день тестируете. Регистрируйтесь в самом конструкторе по ссылке make.com, подключайте Telegram и телефонию, и можно собирать пилот хоть сегодня вечером. Если нужна поддержка, кидайте вопросы в наш канал, иногда отвечаем даже после полуночи, когда сама доставка бурлит. И да, старайтесь не перегибать с автоматизацией там, где важнее человеческий голос, это тоже искусство, не только схемы и модули.

Как внедрить ии агента: короткая дорожная карта на реальности

Сначала выберите один показатель, который болит сильнее всего, например, долю опозданий в пятницу после 18:00 или время на подтверждение заказов. Затем привяжите к нему конкретные действия агента: быстрый разбор корзины и остатков, расчет ETA и маршрута, автоматическое распределение курьеров и своевременные звонки. Подготовьте аккуратный набор данных: актуальное меню, цены, SLA кухни, список курьеров и смен, доступы к CRM и телефонии, список районов и ограничений. Сборка в Make занимает от пары вечеров до недели, если интеграции живут по API, а не по легендам прошлого администратора. Запускайте пилот на одном кластере адресов, следите глазами, попросите команду делать пометки прямо в карточках заказов, куда агент не угадал. По итогам первой недели решите, что расширяем, а что оставляем людям – это нормально, что не всё автоматизируется без нюансов. И не забывайте закрыть юридические хвосты: политика обработки данных, согласия на рассылки и прозрачные оферты не кусаются, наоборот, они защищают вас же.

FAQ

Что такое ИИ-агент для доставки еды и чем он отличается от чат-бота

ИИ-агент – это не только чат, а цепочка действий, которая видит события во всей системе и принимает решения в нескольких каналах сразу. Он берет заказы из сайта и агрегаторов, сверяет меню и остатки, рассчитывает ETA с учетом пробок и погоды, назначает курьера и общается с клиентом текстом или голосом. В чат-боте обычно живет только интерфейс диалога, а у агента есть доступ к базе, CRM, картам, телефонии и правилам, по которым он действует. Агент хранит контекст: кто уже звонил, что обещали, какой буфер по времени оставили и где рискуем сорвать SLA на доставке. Он умеет аккуратно передать кейс человеку, если видит, что выходит за рамки, и сопровождает это данными, чтобы не терять время на пересказ. За счет такого охвата один агент заменяет несколько ручных операций и снижает количество ошибок в банальных местах. И всё это собирается без тяжелой разработки, на визуальных сценариях, которые легко проверять и чинить.

Можно ли обойтись без разработчика и сколько это займет времени

Да, если вы готовы потратить пару вечеров на освоение конструктора и держать под рукой доступы к вашим сервисам, то базовый агент поднимется без программиста. В Make.com большинство интеграций собирается из готовых модулей, а где-то поможет обычный HTTP-запрос с понятной документацией. Время зависит от числа источников и нестандартных мест, но пилот на один район можно собрать за 5-10 дней, если не растягивать согласования. Сложные вещи вроде прогноза спроса и динамического распределения курьеров лучше делать во второй итерации, когда данные уже аккуратные. Голосовой бот для телефонии требует чуть больше тестов, потому что пользователи разные, и важно не раздражать людей на входящей линии. При желании часть блоков можно взять из готовых шаблонов и просто подстроить, тогда вы ускоритесь в разы. И оставьте время на наблюдение после запуска, живые правки почти всегда вылезают на первой неделе.

Какой тариф Make выбрать и какие сопутствующие расходы ждать

Если у вас десятки заказов в день и пара каналов, стартовый тариф чаще всего хватает, и он окупается одной-двумя спасенными доставками. Когда сценариев становится больше и подключается телефония, имеет смысл подняться на уровень выше, чтобы не упираться в лимиты запусков. Сопутствующие расходы состоят из телефонии, где платится за минуты, и, возможно, токенов генеративной модели, но это обычно составляющая небольшая. Отдельно учтите стоимость карт и геосервисов, они часто бесплатны в разумных пределах, а дальше уже зависит от объема. Если нужна CRM, её тариф вносится в ту же корзину расходов, но выгода в скорости и контроле за гостями отбивает это быстро. Важно начать с пилота и честно посчитать эффект на маленьком куске бизнеса, тогда становится понятно, что брать дальше. И не забудьте про резерв на консультанта или обучение, это экономит нервы и помогает не наступать на грабли.

Как реализовать прогноз спроса и планирование курьеров

Для прогноза нужно собрать историю заказов с датой, временем, районом, каналом и признаками вроде погоды, праздников и больших событий, например, футбольных матчей. Даже простая модель на недельной сезонности уже дает качество лучше интуиции, а дальше можно добавлять внешние факторы и сглаживать пики. В Make.com прогноз подключается как отдельный сценарий, который раз в час или раз в день обновляет план смен, буфер по курьерам и окно промо. Важен цикл обратной связи: фактическая нагрузка и опоздания возвращаются в модель, чтобы она училась не повторять ошибки. На логистике алгоритм распределяет курьеров ближе к очагам спроса и перестает гнать всех в один ТЦ, где потом застреваешь в лифте на 10 минут. Такой подход очень похож на описанные в исследованиях методы обучения с подкреплением, только в упрощённом и контролируемом виде. В результате вы реже ловите катастрофы пятничного вечера и честно удерживаете ETA даже при непогоде.

Чем отличается бот от живого оператора по ответственности и рискам

Бот берет на себя повторяемую рутину, где риск ошибки минимален и последствия управляемы, например, уточнить адрес, собрать домофон, подтвердить состав блюда. В спорных ситуациях, где есть эмоции, деньги или безопасность, управление всегда уходит к человеку, и это правило лучше закрепить в регламенте. Ответственность оформляется через уровни доступа: бот не меняет цены и не оформляет возвраты без подтверждения, а оператор видит карточку с контекстом и принимает решение. Такой дуэт снижает выгорание на линии, потому что оператор не слушает сто раз «добавьте приборы», и у него остаётся внимание на важные случаи. Логи разговоров и действий доступны, поэтому и разбор полетов становится проще, без «он сказал – я сказал». Чтобы не раздражать гостей, ставьте лимит на попытки дозвона и предлагайте альтернативный канал, тот же Telegram, где люди охотно отвечают. И не забывайте про гибкие паузы, иногда тишина на секунду лучше, чем быстрый, но чужой голос.

Можно ли интегрировать ИИ-агента с Яндекс.Едой и Delivery Club

Часть операций в агрегаторах закрыта, но есть рабочие обходные пути в белой зоне, например, получать уведомления о заказах через вашу POS или CRM, куда агрегатор уже стучится. Дальше Make забирает события и продолжает делать свою работу: проверяет остатки, рассчитывает ETA и ведет коммуникацию с клиентом там, где это разрешено. Внутри ваших каналов, вроде сайта и Telegram, агент имеет полную свободу, а с агрегатором он работает как аккуратный сосед, не ломая их правила. Важна договоренность с курьерской службой, если она внешняя, чтобы получать статусы и локации, это сильно улучшает точность обещаний. На своей доставке всё проще: вы владеете данными, и агент строит процессы от первой секунды до отзыва. Комбинация «свои каналы + агрегаторы» обычно даёт самую устойчивую картину, особенно в пике. И да, следите за условиями публичных оферт, чтобы не попасть в неприятные ограничения по коммуникациям.

Что с законом и персональными данными, это вообще безопасно

Безопасно при условии, что вы работаете по 152-ФЗ, то есть собираете только нужные данные, храните их в соответствии с политикой и даете людям понятные согласия на обработку и сообщения. Доступы в Make ограничиваются ролями, логи хранятся, карточки можно маскировать, а лишние реквизиты не тянуть в сценарии, где они не нужны. Телефония обязана предупреждать о записи разговоров, а голосовой бот должен представляться и давать опцию перейти к человеку, это не только закон, это уважение. Клиентам можно предложить тихие каналы вроде Telegram, где уведомления приходят без навязчивости, но только после явного согласия на подписку. Если подключаете внешние модели, следите, чтобы не утекали коммерческие тайны, и держите офлайн-копии баз с ценами и аллергенами. Раз в квартал делайте короткий аудит, он снимает фантомные страхи и помогает поймать маленькие дырки до того, как они превратятся в большие. И храните учебные датасеты без лишних персоналий, чтобы не тащить их туда, где они не нужны.