Fooodo Insights

Fooodo Insights è una linea di prodotto separata dalla piattaforma di ordinazione Fooodo. Il sito la presenta perché rappresenta la direzione strategica dell'azienda; il prodotto funzionante è disponibile in accesso limitato con una catena di riferimento — questa pagina illustra cosa Insights è, cosa esplicitamente non è, e l'architettura che sta alla base di entrambi.

Stato: Disponibilità limitata — il ciclo decisionale è attivo con una catena di riferimento e le catene design-partner vengono integrate fino al 2026. Non è ancora disponibile al pubblico generale, e l'esecuzione autonoma delle azioni rimane nella roadmap (oggi l'AI propone e il tuo team approva). Il perimetro dell'MVP e la tempistica si trovano in fondo a questa pagina; se gestisci 5–200 sedi e vuoi contribuire al rollout, scrivi a hello@fooodo.com.

La definizione in una riga

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

Non è "l'ennesima 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 in seguito.
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 primo deployment di riferimento è una catena del tipo 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 Article 22 GDPR è strutturalmente rilevante — 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 ciclo su quel percorso.

Il principio che rende questo diverso

Ogni insight, raccomandazione, previsione e scenario in Fooodo Insights è collegato 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 delivery

Se una raccomandazione non può essere collegata a uno di questi driver, non entra nella coda delle azioni. Questa è la regola che distingue 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 medie dimensioni raramente dispongono di un warehouse funzionante, e attenderne uno era il punto di fallimento della generazione precedente di BI per la ristorazione.
• 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. Propongono; non eseguono azioni esterne o che riguardino i dipendenti in modo autonomo — ogni raccomandazione di questo tipo entra nella coda di approvazione umana, e qualsiasi raccomandazione che riguardi i dipendenti è soggetta al GDPR Article 22 (vedi sotto).

La vista COO attinge inoltre al punteggio di qualità dei piatti basato su telecamere (ChefBot) per segnalare problemi di coerenza in cucina accanto ai segnali di servizio e throughput.

Il lavoro e la pianificazione riguardano i dipendenti, quindi ricevono l'instradamento più rigoroso: qualsiasi raccomandazione che modifichi gli orari, il turno o il flag 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 delivery 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.
• Esegue un'indagine diagnostica autonoma quando un dato si muove inaspettatamente — concatenando ricerche nei dati per isolare il driver anziché fare supposizioni.

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

"L'EBIT della sede X è diminuito di N euro ieri. L'M% del calo è spiegato dal superamento del target di ore lavorate del P%, combinato con un calo del Q% dello 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 nella categoria K ha probabilmente ridotto il volume degli ordini del V%, ma ha aumentato il margine di contribuzione di N euro."

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

Come le cifre guadagnano fiducia

Tre meccanismi già integrati nel prodotto supportano queste affermazioni:

• Una tassonomia di confidenza a cinque etichette su ogni cifra — il livello di provenienza alla base dei livelli di confidenza sopra indicati. Ogni numero in una risposta analitica è etichettato come Faktas (dati effettivi), Biudžetas (piano), Patvirtinta (un fatto organizzativo confermato dall'amministratore), Apskaičiuota (calcolato dalla macchina) o Prielaida (un'assunzione dichiarata) — le etichette mostrate verbatim, così come appaiono nel prodotto. Le etichette sono verificate deterministicamente rispetto alla provenienza effettiva dei dati sottostanti — l'AI non può auto-attribuirsi un'etichetta più forte di quanto la fonte supporti.
• Un Methodology Pack per tenant. Gli amministratori di ciascun tenant curano fatti di livello board — convenzioni sui costi del datore di lavoro, margini incrementali, dati di piano — in una pagina di metodologia riservata agli amministratori. Ogni fatto porta un valore, un'unità, una fonte nominata, una data di validità e un'etichetta di confidenza (limite di 60 fatti per tenant; le modifiche si applicano alle nuove conversazioni). L'AI applica la metodologia aziendale invece della conoscenza generica del settore e cita la fonte.
• Un contratto di risposta CFO. Le analisi dell'impatto sul profitto sono ancorate al piano e allo scostamento dal piano, scomposte in leve con i relativi vincoli vincolanti, e ogni analisi riporta una riga delle fonti.

Coda di approvazione con controllo umano (GDPR Article 22)

Questo è il vincolo portante, non una funzionalità.

Il GDPR Article 22 limita le decisioni esclusivamente automatizzate con effetti legali o significativamente simili sugli individui. In un contesto di ristorazione ciò significa che qualsiasi cosa che riguardi i dipendenti — modifiche ai turni, riduzione delle ore, punteggio delle performance, sanzioni automatizzate — deve essere esaminata 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 del revisore richiesto
• Le fonti dei 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 questo 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, ore, flag 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 la ristorazione 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 — combinati 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, mese per mese con la stagionalità; la scomposizione più completa di seguito è lo stato target:

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

Poi confronta le performance effettive rispetto al percorso e avvisa quando una sede si sta discostando. Esempio di output (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, CMO, COO e CPO
• 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
• Motore di ricerca di market intelligence — report su concorrenti e mercato con citazione delle fonti, integrati con i tuoi KPI (in sviluppo)
• 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 oggi tramite una pipeline di dati gestita, 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 delivery (Wolt, Bolt), sistemi contabili, strumenti di pianificazione del lavoro, piattaforme di marketing, dati meteo/festività, provider di pagamento e al 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 supportano 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.

Accesso del proprietario senza dashboard

Non tutti i dirigenti desiderano un accesso con login alla dashboard. Due percorsi di accesso rendono Insights utilizzabile senza:

• Owner Chat Link — un amministratore genera un singolo link sicuro che apre una vista solo chat dell'advisor per un proprietario non tecnico: nessuna schermata di login, nessuna navigazione nell'app, limitata alla sola conversazione con l'advisor. Non può mai accedere a dashboard, impostazioni o dati di un altro tenant.
• Allegati alle conversazioni — porta un foglio di calcolo, un PDF, un'immagine o un URL incollato in una singola conversazione con l'advisor affinché l'AI lo legga. Gli allegati vengono elaborati in un contesto effimero solo per quella chat, eliminati automaticamente quando la chat viene cancellata, e non vengono mai acquisiti come dati analitici.

Stato e tempistica

Il prodotto funzionante è disponibile in accesso limitato — attivo con una catena di riferimento, con catene design-partner in fase di integrazione fino al 2026; non è ancora disponibile al pubblico generale. La superficie di marketing su /insights descrive la visione completa. L'esecuzione autonoma delle azioni rimane nella roadmap — oggi ogni raccomandazione è approvata da un essere umano. Sono attese novità sostanziali sul prodotto nel corso del 2026.

Se sei una catena multi-sede interessata a diventare 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.