Кафе в Швеции отдали под управление Gemini. За месяц стало понятно, почему ИИ нельзя пускать в операционку без ограничителей
В Стокгольме запустили эксперимент: маленьким кафе управляет ИИ-агент Mona на базе Google Gemini. Бариста остались людьми, но почти вся управленческая часть ушла нейросети: поиск помещения, разрешения, найм сотрудников, поставщики, закупки, меню, коммуникация с командой.
Звучит как план: меньше менеджеров, быстрее решения, автоматическая операционка.
На практике получилось иначе. Агент смог пройти бюрократию, но начал ошибаться в ежедневных вещах:
- 6000 салфеток;
- 3000 перчаток;
- 4 аптечки;
- А еще лишние продукты и хлеб, который то закупался с избытком, то не попадал в заказ вовремя.
По данным AP, кафе с середины апреля 2026 года заработало больше $5700, но из стартового бюджета $21 000+ осталось меньше $5000. В пересчете на рубли это выглядит как минус примерно на сотни тысяч рублей за короткий период, и оценка около 800 тысяч рублей здесь не выглядит фантастической, если считать потраченный бюджет и неидеальную операционку.
Источники:
Разберем не новость ради новости, а управленческий вывод: проблема была не в том, что "ИИ плохой".
Проблема в том, что агенту дали бизнес-процесс без нормальных рамок, контроля, памяти, лимитов и ответственности.
Что именно произошло
Эксперимент запустила San Francisco-based компания Andon Labs. В Стокгольме открылось Andon Cafe, где ИИ-агент Mona управляет тем, что обычно делает менеджер или операционный директор в миниатюре. Mona занималась такими задачами:
- Оформляла разрешения на работу с едой и уличную посадку;
- Подключала электричество и интернет;
- Размещала вакансии на LinkedIn и Indeed;
- Проводила отбор персонала;
- Искала поставщиков;
- Открывала коммерческие аккаунты у оптовиков;
- Делала заказы хлеба, выпечки и расходников;
- Писала бариста в Slack;
Это важная деталь: агент не просто "помогал писать тексты". Его поставили в контур реального бизнеса, где ошибка превращается в деньги, испорченные продукты, сорванное меню, недовольных сотрудников и непонятную ответственность.
И сначала эксперимент выглядел неплохо. Нейросеть действительно смогла закрыть часть административных задач. Это не игрушечный чат ради демо, а попытка проверить, может ли агент вести реальную операционку.
Но дальше начались сбои, которые хорошо знакомы любому бизнесу, который пытается внедрить ИИ без подготовки.
Где агент реально справился
Будет неправильно сказать, что эксперимент провалился полностью. Важнее другое: Mona оказалась полезной на задачах, где есть понятный путь, документы, формы, списки действий и не слишком много живого контекста. Потому что агент смог:
- Разобраться, какие разрешения нужны кафе;
- Подать заявки;
- Организовать базовые сервисы;
- Найти каналы для найма;
- Наладить первичные контакты с поставщиками;
Это сильная сторона: ИИ хорошо работает там, где задача похожа на "собери информацию, заполни форму, сделай несколько шагов по инструкции, уточни недостающие данные".
Где все посыпалось
Проблемы начались в самой операционке. Кафе маленькое, но Mona заказала 6000 салфеток, 3000 резиновых перчаток и четыре аптечки. Еще были консервированные томаты, которые не использовались ни в одном блюде. С хлебом ситуация была еще смешнее: в одни дни агент заказывал слишком много, в другие пропускал дедлайны пекарен, и бариста приходилось убирать сэндвичи из меню.
Внутри бизнеса это не так смешно, а даже грустно:
- Нет лимитов на закупку;
- Нет проверки заказа человеком;
- Нет нормального учета остатков;
- Нет связи между меню, продажами и поставками;
- Нет памяти о предыдущих действиях;
- Нет механизма "остановись, сумма выглядит странно";
- Нет ответственного, который принимает риск на себя;
Представьте не кафе, а интернет-магазин, клинику, строительную компанию или службу доставки, - да вообще любой бизнес.
Ошибка в закупке там быстро превращается не в смешную полку с лишними салфетками, а в кассовый разрыв, срыв обязательств или юридическую/финансовую проблему.
Так почему же так произошло?
Представитель Andon Labs Ханна Петерссон объяснила проблемы ограниченным контекстным окном. Если старые сведения о заказах выпадали из контекста, агент фактически забывал, что уже сделал раньше.
Объяснение неплохое, но доля лукавства в нем есть, потому что:
Ограниченное контекстное окно - только техническая часть проблемы. Управленческая часть шире: агенту дали роль менеджера, но не дали полноценную систему управления.
Для нормальной автономной работы нужны не только модель и промпт, а нужны:
- База состояния бизнеса: остатки, продажи, прогноз спроса, сроки поставок;
- Правила: что можно покупать, в каком количестве и на какую сумму;
- Уровни допуска: что агент делает сам, а что отправляет на согласование;
- Мониторинг: кто видит действия агента в реальном времени;
- Журнал решений: почему агент сделал именно такой заказ;
- Аварийные стопы: когда действие блокируется автоматически;
- Владелец процесса: человек, который отвечает за последствия;
Без этого ИИ-агент превращается в стажера с правом подписи: он может быть быстрым, вежливым и иногда очень полезным, но право тратить деньги без ограничений ему давать рано и даже вредно.
Ключевая ошибка: "умеет выполнить задачу" не равно "может отвечать за процесс"
Чтобы "управлять хлебом", нужно понимать:
- Продажи по днямродажи по дням;
- Погодные условия;
- Поток клиентов;
- Остатки;
- Срок годности продукта;
- Дедлайны поставщиков;
- Меню;
- Маржу;
- Сезонность;
- Ошибки предыдущих заказов;
- и так далее.
Менеджер держит часть этого в голове, часть - в таблицах, часть - в привычке. Нейросеть без внешней памяти и правил держит только кусок контекста, который ей доступен сейчас.
Поэтому агент может правильно выполнить отдельный шаг, но провалить процесс целиком. Это и есть одна из самых частых ошибок бизнеса при внедрении ИИ: оценивать систему по качеству ответа в чате, а не по качеству работы в реальной цепочке действий.
В следующей статье разберем, как можно было бы запустить процесс безопаснее и надежнее, поэтому keep in touch, и ставьте реакции.