Restaurante saludable + IA · Comunidad Fundamentos IA

Restaurante saludable + IA

Cómo funciona NutriSense de principio a fin

CAPA 1 — El cliente llega

El cliente entra al restaurante y ve un QR en la mesa o en el mostrador. Lo escanea con su teléfono y se abre la interfaz de NutriSense directamente en el navegador, sin descargar nada.

Si ya visitó antes, el sistema lo reconoce por su número o nombre. Si es nuevo, se registra en 10 segundos.

CAPA 2 — El diagnóstico (60 segundos)

Responde 4 preguntas: cómo se siente hoy, cuántas horas durmió, si entrena, y qué tipo de comida busca. No hay opciones complicadas, todo son botones grandes y claros.

Esto es el input. Todo lo que sigue depende de estas respuestas.

CAPA 3 — La IA procesa

En este momento pasan 3 cosas en paralelo, invisibles para el cliente:

El formulario manda los datos a un webhook de Make. Make construye el prompt con el estado del cliente más el menú real del día. Ese prompt va a la API de Claude, que analiza el estado emocional y elige los platillos que resuelven ese problema específico según los ingredientes funcionales disponibles.

Todo esto tarda menos de 5 segundos.

CAPA 4 — La recomendación aparece

El cliente ve en su pantalla algo como: "Hoy tu cuerpo necesita calma. Te recomendamos Bowl Calmante, Smoothie Relax y Ensalada Verde Zen." Con una explicación corta de por qué cada platillo es para él en ese momento.

No es un menú genérico. Es su menú de hoy.

CAPA 5 — El pedido

El cliente confirma su selección desde la misma pantalla. El pedido llega directamente a cocina. Sin mesero intermediario para esa parte. El mesero existe pero su rol cambia: se enfoca en la experiencia, no en tomar órdenes.

CAPA 6 — El dato se guarda

Cuando el cliente confirma el pedido, Make guarda automáticamente en Airtable: quién es, qué estado reportó, qué le recomendó la IA, qué eligió, a qué hora. Ese registro se acumula con cada visita.

Aquí empieza el activo más valioso del negocio: la base de datos de estados emocionales y comportamiento alimentario de sus clientes.

CAPA 7 — El dashboard del dueño

El dueño o administrador tiene un panel separado donde ve en tiempo real cuántos análisis se hicieron hoy, qué estados emocionales predominan por hora, qué platillos se piden más por estado, y qué días y horarios concentran más estrés o cansancio.

Con eso toma decisiones: ajusta el menú del día, crea promos en los horarios de mayor estrés, sabe qué platillo necesita más stock al mediodía del miércoles.

CAPA 8 — El sistema aprende

Con el tiempo, el historial de cada cliente permite personalización más precisa. Si Roberto siempre pide energía los martes antes de las 2pm, el sistema empieza a anticipar eso y se lo sugiere desde que escanea el QR.

Esto no requiere machine learning complejo al inicio. Con reglas simples en Make basadas en historial de Airtable ya funciona. El ML real viene después, cuando hay suficientes datos.

Resumen del flujo en una línea por capa

Cliente → escanea QR → responde 4 preguntas → Make recibe datos → construye prompt → Claude analiza y recomienda → resultado en pantalla → cliente confirma pedido → Airtable guarda todo → Dashboard muestra patrones → el sistema mejora con cada visita.

2 comments