Когда камера видит чуть больше, чем стол

Симптом (что видит пользователь / что реально происходит)

• В кофейнях уже установлены камеры, но они используются только как система безопасности — не как инструмент сервиса.
• Потенциал видеоаналитики не раскрыт: камеры не 'понимают', что происходит в зале.
• Персонал не получает сигналов, что стол грязный, что гость ждёт или что напиток остыл.
• Никакой аналитики по активности зала, пиковым часам, скорости обслуживания нет.

Почему это больно бизнесу

• Пропущенные моменты обслуживания — падает ощущение заботы и внимания.
• Неоптимальная уборка и выдача заказов: грязные столы задерживают новых гостей.
• Нет инструментов оценки вовлечённости, загруженности и поведения гостей.
• Потенциал данных теряется — вместо улучшения сервиса камеры просто 'висят'.

Техническая причина

• Отсутствует система компьютерного зрения, умеющая интерпретировать происходящее в зале.
• Камеры не интегрированы с CRM, POS и системами обслуживания.
• Нет политики разграничения данных и уровня доступа для персонала.
• Бренд не использует AI-инфраструктуру для поддержки клиентского опыта.

Что надо сделать (технические шаги)

1. Реализовать 'лайт'-режим видеоаналитики: определение занятости столов, грязных поверхностей, ожидания гостя.
2. Добавить уведомления персоналу: 'Стол №4 свободен', 'Гость ждёт официанта', 'Посуда осталась на столе'.
3. Подключить сбор метрик по залу: скорость уборки, плотность гостей, пиковые часы, время реакции.
4. Для R&D: пилотировать 'Face ID' и персонализацию на добровольной основе (с разрешения гостя).
5. Разработать прозрачную политику данных и визуальные подсказки для гостей ('AI помогает сделать сервис внимательнее').
6. Создать внутренний дашборд с визуализацией данных по активности зала.

Проект в разработке

• Сейчас в моей сети кальянных идёт тестирование и активная разработка системы умного наблюдения на базе компьютерного зрения.
• Система анализирует видеопоток с камер в реальном времени и определяет занятость столов, наличие гостей и предметов.
• На пилотных площадках уже тестируется логика определения 'грязного' стола и сигналов персоналу для уборки.
• Следующий этап — анализ активности гостей, скорости обслуживания и времени реакции персонала.
• Эта технология разворачивается локально, без облака, с использованием моделей YOLOv11 и собственной инфраструктуры.
• Кофемания могла бы использовать аналогичный подход — AI, который не контролирует, а помогает сделать атмосферу ещё более внимательной и тёплой.