Simulación de escenarios con IA para restaurantes: el antes y el después de decidir con números

Paso 1: cargue el costeo real por plato, no el que le pasó el proveedor

El primer entregable es una tabla con las últimas trece semanas de ventas y el costo de materia prima de cada plato calculado con la receta pesada, y sin ella el modelo devuelve basura elegante. Aquí me equivoqué durante años, aceptando el costo teórico de la ficha técnica en lugar del real de bodega, y la diferencia entre uno y otro suele andar por cuatro o cinco puntos de food cost. Pese lo que sale y compárelo con lo que la ficha dice: ese delta es su merma verdadera. La regla de la casa es que ningún plato pasa de 32% de food cost, y con 50% de los restaurantes de servicio completo ya automatizando inventario según Restroworks 2025, tiene de dónde sacar el dato sin transcribirlo a mano. Verifica que quedó bien cuando la suma del costo de todos los platos vendidos coincide con la salida de bodega del período dentro de un margen de 2%.

Paso 2: reconstruya la mezcla de ventas semana por semana, no el promedio del trimestre

La mezcla de ventas es el insumo que decide si la simulación sirve, y hay que cargarla desagregada por semana porque el promedio trimestral esconde la estacionalidad que mueve el margen. Un local con trece semanas planas no existe: hay quincenas, hay puentes, hay lluvia. Exporte del punto de venta las unidades vendidas de cada ítem por semana y péguelas al costo del paso anterior; queda una matriz de trece columnas donde cada fila es un plato con su margen de contribución unitario. Ese margen —precio menos materia prima, sin nómina ni renta encima— es la única cifra que la simulación puede proyectar con honestidad. El entregable se verifica sumando el margen de contribución de todas las filas y contrastándolo contra la utilidad bruta del estado de resultados del mismo período; si la brecha supera 3%, hay ventas fuera del sistema o cortesías sin registrar.

Paso 3: separe la estructura fija y calcule el punto de equilibrio en unidades

Con la nómina, la renta, los servicios y los seguros del mes en una sola columna, divida ese total entre el margen de contribución promedio ponderado y obtiene cuántos cubiertos necesita vender para no perder plata. Ese número, y no el food cost, es el que gobierna cualquier escenario que usted simule después. Un local con doce millones de estructura fija mensual y un margen ponderado de veinticuatro mil pesos por cubierto necesita quinientos cubiertos al mes solo para llegar a cero, y todo lo que venda encima cae casi entero al resultado. Aquí conviene mirar los costos que se comen el margen por fuera de la cocina: las apps de delivery cuestan de verdad entre 30% y 40% de los ingresos por pedido según ActiveMenus 2025, con comisiones nominales de DoorDash en 15%, 25% o 30% según plan (Food On Demand 2026). Verifique el paso corriendo el mes cerrado hacia atrás: el modelo debe reproducir su utilidad real.

Paso 4: escriba los escenarios como preguntas con número, nunca como intenciones

Un escenario mal formulado devuelve una respuesta inútil, y la diferencia está en el verbo: no simule «subir precios», simule «subir el plato de 42.000 pesos un 7% asumiendo una caída de unidades de 5%, 10% y 15%». El modelo entonces calcula la elasticidad implícita y le dice en qué punto la subida se vuelve negativa. Corra siempre tres variantes por decisión —pesimista, base y optimista— y déjelas escritas con su supuesto al lado, porque un escenario sin supuesto explícito es una opinión disfrazada de tabla. Diego F. Parra insiste en este orden con los equipos de Masterestaurant: primero la pregunta con número, después el modelo, nunca al revés. El entregable de este paso es un documento de cinco a ocho escenarios firmados, cada uno con su supuesto de volumen, su horizonte en semanas y el umbral en el que usted revierte la decisión.

Paso 5: conecte la capa de IA al histórico y valide contra un período conocido

Antes de creerle al modelo, haga que prediga un trimestre que usted ya vivió y compare. Un agente conectado al histórico de ventas arma la sensibilidad completa en una tarde de trabajo, y con 86% de operadores declarándose al menos algo cómodos usando IA en 2025 según Toast, la barrera dejó de ser técnica. La barrera es la validación. Cargue enero a marzo, pida la proyección de abril a junio y mida el error contra lo que efectivamente pasó: si la desviación de ingresos supera 8%, el modelo está mal alimentado o falta una variable —un cierre por obra, una promoción, un cambio de carta— que nadie le contó. La automatización aquí es real y barata comparada con un montaje de robótica de cocina, que cuesta entre 150.000 y 250.000 dólares por local (Dataintelo). El entregable es un informe de error por línea: ingresos, cubiertos, food cost y margen.

Paso 6: simule los canales digitales con su comisión real encima

Delivery, kiosco y chatbot cambian el margen unitario de cada plato y hay que modelarlos por separado, porque el mismo plato con 30% de comisión encima puede pasar de rentable a destructivo sin que el food cost se mueva un punto. Los kioscos de autoservicio suben el ticket promedio 30% en McDonald's según Restroworks, un chatbot de pedido guiado agrega entre 12% y 18% al valor de orden y lleva la conversión del sitio de aproximadamente 2% a 6,5% (Zellyfi), y el 83% de los clientes se va a otro restaurante si sus llamadas caen a buzón de voz más de una vez (Hostie AI). Meta cada canal como una columna con su propio margen: mismo plato, cuatro precios efectivos distintos. Queda hecho cuando usted puede responder, con número, cuál plato NO debe estar en la carta de delivery.

Los cuatro errores que arruinan una simulación bien montada

El error que se repite en cada implementación es alimentar el modelo con costeos de hace dos años, y el segundo es cargarle la nómina y la renta al plato, que infla artificialmente el costo unitario y esconde el verdadero punto de equilibrio; nómina y renta van a la estructura fija, siempre. El tercero es mirar el food cost consolidado: un 31% agregado se ve tranquilo y suele contener dos platos en 38% subsidiados por una entrada en 19%, y eso cambia la carta, no el promedio. El cuarto, el más caro, es simular sin definir de antemano el umbral de reversión, porque entonces usted sostiene una decisión mala por orgullo durante dos trimestres. ¿Qué pasaría si el escenario pesimista se cumple en la semana tres? Si no tiene escrito qué hace ese lunes, el modelo no le sirvió de nada.

Checklist de cierre: cómo saber que la simulación quedó bien

Su modelo está listo cuando pasa seis verificaciones concretas y no antes. Uno: el costo de todos los platos vendidos cuadra con la salida de bodega dentro de 2%. Dos: el margen de contribución total reproduce la utilidad bruta del período con menos de 3% de brecha. Tres: el punto de equilibrio en cubiertos coincide con lo que muestra el estado de resultados del último mes cerrado. Cuatro: la proyección retroactiva de un trimestre conocido erra menos de 8% en ingresos. Cinco: cada canal digital tiene su margen efectivo cargado con la comisión real, entre 30% y 40% en delivery según ActiveMenus 2025. Seis: cada escenario tiene supuesto escrito, horizonte en semanas y umbral de reversión. Cuando las seis dan verde, agende una revisión mensual de cuarenta minutos y vuelva a cargar las trece semanas móviles: un modelo que no se realimenta caduca en un trimestre.

Las cuatro diferencias que importan de verdad

La primera diferencia es de horizonte. Sin simulación usted decide mirando el mes que pasó; con simulación decide mirando el trimestre que viene, porque el modelo proyecta la mezcla de ventas contra su estructura fija y le dice en qué semana el cambio se vuelve rentable. No es adivinación, es aritmética con dependencias que nadie sostiene mentalmente. La segunda es de granularidad. El dashboard tradicional le muestra un food cost consolidado de 31% y usted se queda tranquilo; el modelo abre ese 31% y encuentra dos platos en 38% subsidiados por una entrada en 19%. Ese detalle cambia la carta, no el promedio.

Las cuatro diferencias que importan de verdad — en la práctica

En Masterestaurant medimos siempre plato por plato porque el consolidado esconde exactamente lo que hay que arreglar. La tercera diferencia es de coraje. Cuando el escenario pesimista está en pantalla —tráfico cayendo 15%, insumos subiendo 11%, doce semanas de caja— las conversaciones difíciles con socios y proveedores ocurren antes del problema. Un número compartido termina discusiones que una opinión alarga tres meses. Y la cuarta, la que más me cuesta explicar: la simulación no reduce el riesgo, lo hace visible. Usted sigue pudiendo equivocarse, pero se equivoca con el tamaño del error medido de antemano, y eso permite dimensionar la apuesta en vez de rezar. Aquí me equivoqué durante años, vendiendo certeza donde solo había rango.