Los asistentes que ejecutan tareas abren nuevas posibilidades para la hostelería. Su valor tendrá que demostrarse en el trabajo diario: menos incidencias pendientes, información más fiable y tiempo disponible para gestionar mejor.
Si tuviera que evaluar una nueva herramienta de inteligencia artificial para un restaurante, empezaría por una pregunta bastante concreta: ¿qué trabajo estará terminado mañana gracias a ella? Me interesa saber si habrá revisado las facturas pendientes, localizado una desviación en las compras o preparado un informe que permita tomar una decisión. Esa es la conversación que, a mi juicio, deberíamos empezar a tener con más frecuencia en la hostelería.
El anuncio de Microsoft del pasado 25 de septiembre ayuda a entender por qué. La compañía presentó una nueva experiencia de Copilot con tres componentes: Home, que reúne conversación y tareas delegadas; Code, orientado a crear aplicaciones y automatizaciones; y Autopilot, un agente pensado para mantener trabajo en marcha entre sesiones. El despliegue anunciado es gradual, con acceso a través de su programa Frontier y pruebas privadas para algunas funciones.
Todavía habrá que comprobar cómo funciona todo esto en condiciones reales. El anuncio no demuestra que un restaurante pueda conectar sus programas y delegar la gestión sin más. Pero sí lo interpreto como una señal de hacia dónde se dirige parte del software empresarial: herramientas a las que podremos encargar un proceso, con un objetivo y unos límites.
En hostelería, esa posibilidad merece atención porque entre detectar un problema y resolverlo hay bastante trabajo administrativo.
Pensemos en un ejemplo hipotético. El responsable de un restaurante recibe facturas de distintos proveedores, comprueba precios, contrasta cantidades con los albaranes y reclama cuando encuentra diferencias. Una parte de esa revisión exige criterio. Otra consiste en reunir documentos, buscar referencias y comparar información que debería estar disponible de forma ordenada.
Un sistema bien preparado podría ayudar a completar esa segunda parte y entregar un resultado útil: estas facturas coinciden con lo acordado; en estas otras hay diferencias; aquí están los documentos que permiten comprobarlo; estas incidencias siguen pendientes de respuesta. El responsable tendría delante una revisión sobre la que actuar.
Para mí, ahí aparece una aplicación con sentido empresarial. La utilidad está en cerrar un trabajo que alguien necesita hacer.
Ahora bien, ese ejemplo también muestra por qué conviene hablar de implantación con cierta seriedad. El mismo producto puede figurar con nombres distintos en dos documentos. Una caja puede contener un número diferente de unidades. Un descuento puede aplicarse al final de la factura. Y una subida puede responder a un cambio de calidad pactado con el proveedor.
Si el sistema compara esos datos sin entender las diferencias, puede generar una colección de falsas alarmas. El encargado acabaría dedicando más tiempo a explicar cada excepción que a revisar las facturas por su cuenta.
Por eso, antes de incorporar un agente, yo ordenaría el proceso que queremos delegarle. Qué documentos necesita, qué criterios debe aplicar, cómo debe mostrar una discrepancia y quién la resuelve. Definiría también sus permisos: preparar una reclamación puede ser una tarea adecuada para empezar; enviarla o modificar un pedido exige decidir previamente en qué circunstancias puede hacerlo.
Ese trabajo de organización forma parte de la inversión. También debe entrar en la cuenta cuando calculamos si una herramienta merece la pena.
La restauración organizada ya ofrece antecedentes de este enfoque. En marzo de 2025, Yum! Brands anunció una colaboración con NVIDIA que incluía el desarrollo de análisis del rendimiento de los restaurantes y planes de acción para sus responsables. Es una iniciativa corporativa anunciada por las propias compañías, no una prueba de rentabilidad trasladable a cualquier negocio. Su interés está en situar la IA dentro de tareas concretas de operación y dirección.
Un restaurante independiente puede abordar esa misma pregunta a su escala. No necesita empezar por un sistema que abarque todo el establecimiento. Yo elegiría una tarea frecuente, con información accesible y un resultado fácil de verificar. La revisión de compras puede ser una; el seguimiento de solicitudes de grupos, otra. Después mediría lo que ocurre.
Supongamos, de nuevo como ejemplo, que una tarea consume treinta minutos diarios y que, con ayuda de IA, la revisión humana se reduce a diez. En veintidós jornadas, la diferencia sería de siete horas y veinte minutos. Es un cálculo hipotético, no una promesa de ahorro. Y todavía habría que descontar el tiempo dedicado a preparar datos, mantener el sistema y corregir sus errores.
Además, recuperar esas horas no equivale automáticamente a ahorrar dinero. Su valor dependerá de cómo se utilicen: resolver antes una incidencia, trabajar mejor las reservas de grupos, acompañar al equipo o reducir una acumulación de tareas al cierre del mes. La mejora debe poder reconocerse en la actividad del restaurante.
También observaría la calidad del resultado. Cuántas diferencias reales se detectan, cuántas se pasan por alto y cuántas alertas resultan innecesarias. Un sistema que produce informes muy convincentes puede ser poco útil si obliga a comprobarlo todo desde el principio.
Creo que esta será una de las pruebas más importantes de la próxima etapa de la inteligencia artificial en hostelería. Tendremos que aprender a encargar trabajo, definir qué significa hacerlo bien y comprobar si la tecnología cumple.
Cuando una IA entre en la gestión de un restaurante, pediré que su aportación pueda explicarse con la misma claridad con la que explicamos cualquier otra inversión. Qué tarea asume, qué mejora y cuánto cuesta sostenerla. Ganarse un lugar en el negocio empieza por ahí.
