Fooodo Insights

Fooodo Insights è un percorso di prodotto separato dalla piattaforma di ordinazione Fooodo. Il sito lo presenta perché rappresenta la direzione strategica dell'azienda; il prodotto funzionante è in sviluppo attivo e non ancora rilasciato — questa pagina illustra cosa è Insights, cosa esplicitamente non è, e l'architettura che sta alla base di entrambi.

Stato: Fase 0 — la validazione interna su dati di forma Čili è il focus attuale. Le catene partner di design vengono integrate nel corso del 2026. Lo scope e la timeline dell'MVP si trovano in fondo a questa pagina; se gestisci da 5 a 200 sedi e vuoi contribuire al lancio, scrivi a hello@fooodo.com.

La definizione in una riga

Fooodo Insights è un livello di intelligenza decisionale AI-native per catene di ristoranti multi-sede, progettato per collegare le azioni operative all'impatto sull'EBIT e per mantenere gli esseri umani saldamente nel processo decisionale su ogni decisione che riguarda i dipendenti.

Non è "un'altra dashboard." Una dashboard ti dice cosa è successo. Insights è un sistema di decisione che:

1. Raccoglie dati frammentati dei ristoranti.
2. Li normalizza in un modello operativo canonico del ristorante.
3. Spiega cosa è successo.
4. Stima perché è successo.
5. Prevede cosa succederà dopo.
6. Raccomanda azioni.
7. Richiede l'approvazione umana prima che le azioni ad alto impatto vengano eseguite.
8. Misura se le azioni approvate hanno effettivamente migliorato l'EBIT.

A chi è destinato

Catene multi-sede nella fascia da 5 a 200 sedi. Il deployment di riferimento iniziale è una catena di forma Čili Pizza, ma l'architettura è POS-agnostica, geograficamente flessibile e adattabile a diversi formati (QSR, casual dining, ghost kitchen, ibridi).

Le figure per cui Insights è costruito sono dirigenziali, non operative:

Le figure del Responsabile di ristorante e del CHRO sono il motivo per cui l'Article 22 GDPR è rilevante strutturalmente — sono il pubblico di qualsiasi raccomandazione che riguardi una persona, e la coda di approvazione è costruita in modo che un essere umano sia sempre nel processo su quel percorso.

Il principio che rende questo diverso

Ogni insight, raccomandazione, previsione e scenario in Fooodo Insights si collega a un driver EBIT misurabile:

• Ricavi
• Margine lordo
• Costo del cibo
• Costo del lavoro
• ROI del marketing
• Rotazione dei tavoli
• Scontrino medio
• Volume degli ordini
• Sprechi
• Sconti
• Economia delle piattaforme di consegna

Se una raccomandazione non può essere collegata a uno di questi driver, non entra nella coda delle azioni. Questa è la regola che separa Insights dal generico copy "l'AI ottimizza tutto".

Architettura (sei livelli)

Il prodotto è strutturato in sei livelli, ciascuno con un contratto definito — i dati fluiscono verso l'alto; le raccomandazioni fluiscono verso il basso attraverso la coda di approvazione:

Due regole architetturali sono le più importanti:

• Non hai bisogno di un data warehouse. Il caricamento tramite CSV/Excel è disponibile dal primo giorno. Le catene di mercato medio raramente dispongono di un warehouse funzionante, e aspettarne uno era la modalità di fallimento della generazione precedente di BI per ristoranti.
• I connettori POS sono modulari. Ciascuno implementa la stessa interfaccia di connettore (sedi, menu, ordini, pagamenti). Aggiungere un connettore è un modulo isolato; non tocca i livelli delle metriche o dell'AI.

Agenti specializzati per ruolo

Insights esegue agenti AI specializzati per ruolo — CFO, CMO, COO, CPO — su un modello condiviso. Ciascuno risponde nel vocabolario del ruolo che interroga, con permessi e instradamento delle approvazioni limitati a quel ruolo. Ogni agente monitora un dominio specifico e genera raccomandazioni legate all'EBIT. Nessuno di essi esegue — ogni raccomandazione entra nella coda di approvazione umana, e qualsiasi raccomandazione che riguardi i dipendenti è soggetta al GDPR Article 22 (vedi sotto).

Il lavoro e la pianificazione riguardano i dipendenti, quindi ricevono l'instradamento più rigoroso: qualsiasi raccomandazione che modifichi gli orari, il turno o un segnale di performance di una persona è soggetta al GDPR Article 22 — richiede un revisore umano nominato prima di propagarsi ovunque, indipendentemente dall'agente che l'ha generata (vedi Article 22 di seguito).

Il motore di impatto EBIT

La capacità analitica centrale. Collega gli eventi operativi al movimento dell'EBIT e spiega la connessione in linguaggio semplice.

Cosa fa:

• Scompone la variazione dell'EBIT per sede, periodo di tempo, categoria di menu, campagna, lavoro, costo del cibo, canale di consegna e sconto.
• Fornisce analisi degli scostamenti: effettivo vs periodo precedente, vs budget, vs previsione, vs obiettivo P&L inversa.
• Separa la correlazione dalla causalità stimata dall'impatto misurato confermato.
• Assegna un livello di confidenza a ogni spiegazione.

Esempi di forma (illustrativi, non dati di tenant reali):

"L'EBIT della Sede X è sceso di N euro ieri. L'M% del calo è spiegato dalle ore di lavoro che superano il target del P%, combinato con un calo del Q% nello scontrino medio."

"La Campagna C ha aumentato i ricavi di N euro, ma dopo sconti e lavoro extra, l'impatto sull'EBIT è stato di +M euro."

"Un aumento del P% del prezzo sulla categoria K ha probabilmente ridotto il volume degli ordini del V%, ma ha aumentato il margine di contribuzione di N euro."

Questi non sono supposizioni di un chatbot — sono calcolati sul modello di dati canonico con intervalli di confidenza espliciti.

Coda di approvazione umana (GDPR Article 22)

Questo è il vincolo portante, non una funzionalità.

Il GDPR Article 22 limita le decisioni esclusivamente automatizzate con effetti legali o significativi sugli individui. In un contesto ristorativo ciò significa che qualsiasi cosa che riguardi i dipendenti — modifiche ai turni, riduzioni di orario, valutazione delle performance, sanzioni automatizzate — deve essere revisionata e approvata da un essere umano prima dell'esecuzione.

Ogni raccomandazione prodotta da Insights entra in una coda di approvazione che mostra:

• La raccomandazione stessa
• Il motivo
• L'impatto EBIT atteso
• La confidenza
• Il rischio
• Il ruolo approvatore richiesto
• Le fonti di dati utilizzate
• I passaggi di implementazione suggeriti
• Scadenza / urgenza
• Opzioni: approva / rifiuta / modifica / rinvia

Le azioni approvate vengono tracciate come esperimenti, in modo che il team possa successivamente misurare se l'azione ha raggiunto il risultato EBIT atteso. (Chiudere completamente quel ciclo di misurazione — reimmettendo automaticamente i risultati nel ranking — è un lavoro delle fasi successive, non dell'MVP; vedi sotto.)

Le raccomandazioni che riguardano i dipendenti in modo specifico — turni, orari, segnali di performance, misure di retention — non vengono mai eseguite autonomamente. Rimangono nella coda di approvazione con un revisore nominato, log di audit e spiegabilità prima di propagarsi ovunque. Questo è un requisito legale ai sensi del GDPR Article 22, non una preferenza di prodotto.

Motore di ROI del marketing (statistico, non prima/dopo)

La misurazione delle campagne è uno dei punti in cui gli strumenti di BI per ristoranti falliscono più visibilmente. "I ricavi sono aumentati durante la campagna" non è causalità.

Insights misura le campagne con test statistici appropriati — confronto tra gruppi con varianza disuguale, calcolo della dimensione dell'effetto e un verdetto esplicito di confidenza — combinato con una scomposizione della materialità finanziaria: incremento dei ricavi, incremento del margine lordo, costo degli sconti, costo del lavoro extra, impatto sul costo del cibo e impatto netto sull'EBIT. Ogni risultato è etichettato come "statisticamente significativo ma finanziariamente irrilevante" oppure "finanziariamente rilevante ma statisticamente incerto", in modo che un CFO possa leggere il verdetto senza dover interpretare la matematica.

La raccomandazione può essere: scalare la campagna, ripeterla solo in sedi specifiche, interromperla, modificare lo sconto, cambiare i tempi, cambiare il mix di prodotti — con il ragionamento legato all'EBIT allegato.

Pianificazione P&L inversa

Il CEO/CFO inserisce un obiettivo EBIT annuale. Il sistema lavora a ritroso — la versione base nell'MVP calcola a ritroso il fatturato necessario, per mese con stagionalità; la scomposizione più completa di seguito è lo stato obiettivo:

• Obiettivi di ricavo mensili e giornalieri per sede
• Ore di lavoro e % costo del lavoro ammissibili
• % costo teorico del cibo
• Scontrino medio richiesto, volume degli ordini, incremento da campagne
• Modifiche necessarie a prezzi/mix

Poi confronta le performance effettive con il percorso e avvisa quando una sede si sta discostando. Esempio di forma (illustrativo):

"Obiettivo EBIT N/anno. La Sede A deve raggiungere in media X/giorno di ricavi, lavoro sotto Y%, costo del cibo sotto Z%. La previsione attuale manca l'obiettivo di P a meno che lo scontrino medio non aumenti di una certa % o il lavoro non si riduca di una certa %."

Cosa è nell'MVP, cosa viene dopo

MVP:

• Importazione CSV/Excel
• Modello di dati canonico
• Dashboard per sede + cockpit esecutivo
• Calcolo EBIT e analisi degli scostamenti
• Insight AI pre-generati al momento dell'importazione
• Misurazione manuale delle campagne con test statistici
• P&L inversa (base)
• Coda di approvazione umana
• AI che propone nelle viste CFO e CMO
• Controlli sulla qualità dei dati
• Accesso basato sui ruoli + log di audit

Rinviato alle fasi successive:

• Integrazioni API POS complete oltre la prima
• Modellazione avanzata dell'elasticità dei prezzi
• Valutazione della qualità dei piatti tramite telecamera
• Inferenza causale complessa
• Esecuzione completamente automatizzata (deliberatamente non nella roadmap; vedi Article 22)

POS e fonti di dati a cui Insights si collega

Insights è POS-agnostico per design. R-Keeper è l'integrazione di riferimento attiva — acquisita tramite una pipeline di dati gestita oggi, non un connettore REST generico; ulteriori connettori POS (Toast, Square, Lightspeed nei mercati occidentali; iiko nell'Europa orientale; altri) sono definiti per cliente e quotati su richiesta. Fino a quando non viene commissionato un connettore in tempo reale, l'importatore CSV/Excel copre qualsiasi POS utilizzato dalla catena.

Oltre al POS, Insights si collega a piattaforme di consegna (Wolt, Bolt), sistemi contabili, strumenti di pianificazione del lavoro, piattaforme di marketing, dati meteo/festività, fornitori di pagamento e il sistema di ordinazione e pagamento proprietario di Fooodo.

Connessione tramite MCP

Ogni tenant di Insights include un server Model Context Protocol remoto. I client AI che parlano MCP — ChatGPT, Claude, Copilot, Gemini, Cursor e altri — si connettono con OAuth 2.1 e Dynamic Client Registration, senza chiavi API né progetti di integrazione personalizzati. Consulta Insights MCP server per l'inventario degli strumenti e i passaggi di configurazione per ciascun client. La funzionalità è disattivata per impostazione predefinita per ogni organizzazione; l'attivazione avviene tramite support@fooodo.com.

Stato e timeline

Il prodotto funzionante non è ancora rilasciato — la superficie di marketing su /insights descrive la visione; la fase 0 (validazione interna dei dati di forma Čili) è il focus attuale dello sviluppo. Aspettati notizie sostanziali sul prodotto nel corso del 2026, non prima.

Se sei una catena multi-sede interessata a diventare un design partner, scrivi a hello@fooodo.com. Il modo più rapido per il team di dare priorità a una funzionalità è avere un cliente con i dati e la volontà di validarla.