DH Lab | ADECI: A start-up que quer fazer dos dados o ‘prato principal’ da restauração

Focado em previsão de vendas na restauração, recorrendo à tecnologia para trazer conhecimento acionável, a ADECI, fundada formalmente em abril de 2023 por Telmo Taipa e Helder Pereira, ambos com formações em logística e tecnologia, tem vindo a fazer da inteligência artificial (IA) e do machine learning (ML) o motor de um produto inovador que já está a despertar interesse em grandes cadeias nacionais.

O DH Lab foi, por isso, conhecer em mais detalhe este projeto que ajuda não só a tornar mais eficientes os negócios, mas também mais amigos do ambiente, ao evitar que dezenas de alimentos acabem no lixo.

Da ideia académica à solução empresarial
O projeto inicial da ADECI começou com uma simples simulação: dados históricos de consumo de barris de cerveja foram usados para estimar o momento ideal para renovação de stock de uma cervejaria. A ideia era tentar perceber o que ia acontecer, olhando para o passado e para um conjunto de variáveis que podiam dar-nos pistas muito concretas sobre decisões a tomar para o futuro.

O sucesso dessa experiência, apoiado por uma aplicação prática no terreno, abriu caminho à exploração de algo mais ambicioso: prever vendas do dia seguinte. A proposta foi estendida para além do stock e passou a incluir previsão de faturação diária, quantidade de clientes esperados, consumo por produto, e até dimensionamento de equipa para cada turno.

Em menos de dois anos, a ADECI consolidou um modelo preditivo que associa um algoritmo próprio com variáveis meteorológicas, eventos locais, feriados, reservas e até análises de reviews.

O motor da solução é um modelo de machine learning que se alimenta de dados de vendas históricos, clima, calendário e eventos. Ele deteta, como nos conta Telmo Taipa, padrões complexos que escapam a análise linear, atribuindo pesos e probabilidades aos múltiplos fatores que influenciam o comportamento do consumidor.

“Não estamos a falar de uma equação matemática. Não é A mais X, mais B vezes X ao quadrado, mais X vezes X ao cubo, não é nada disso. Ou seja, nós temos o nosso próprio modelo de Machine Learning, que tem um conjunto de variáveis que todas interagem entre elas. Através do treino do modelo, ele vai aprendendo com os dados do negócio e consegue perceber que quando aquele conjunto de fatores acontece ao mesmo tempo é previsível que aconteça determinado output”, explica o fundador Telmo Taipa.

E embora os processos internos sejam sofisticados, a interface final é desenhada para ser simples e intuitiva, com o consumidor, no café a cervejaria que nos serviu de ponto de partida, a conseguir ver todas as previsões em segundos.

“O cliente abre a nossa aplicação e sabe quanto é que vai faturar hoje e quanto é que vai faturar diariamente nos próximos 31 dias. Sabe quanto é que vai vender de cada produto hoje e nos próximos 31 dias. Ou seja, se vender cerveja 0.33, vender francesinha, vender risotto, vender bacalhau à brás, para cada um destes produtos ele sabe quanto é que vai vender hoje. E sabe quantos clientes é que vai receber hoje ao almoço, hoje ao jantar e nos próximos 31 dias. Esta é a base. Com mais informação de histórico, conseguimos ir ao mais ao detalhe”, explica.

Métricas de performance: acerto e confiança
Com um modelo funcional, a ADECI foca-se na precisão. Como nos explica Telma Taipa, as taxas de previsão (e acerto) estão entre 92% e 94%, com alguns clientes a atingir até 97% de acerto. Esses números não se traduzem apenas em previsões de faturação, pois  implicam redução de desperdício, melhor planeamento, otimização de recursos humanos e em termos de produto e, claro, por via disto tudo, aumento de receitas líquidas por razão de uma melhor gestão.

Para grandes cadeias, onde esta start-up já desenvolve projetos, a solução tem sido integrada com as fichas técnicas dos produtos, transformando previsões de vendas em ações concretas: organização de mise-en-place, compras de ingredientes, planejamento de equipa. O resultado prático mais expressivo foi a redução de desperdício de um produto em 57%, uma conquista que demonstra o impacto direto da tecnologia na operação diária.

Mas como funciona na prática?

• Dados de entrada: fornecidos automaticamente, via integração com sistemas de POS, ou carregados manualmente em ficheiro. A ADECI apenas necessita de vendas históricas para iniciar a operação, sem necessidade de parametrizações complexas ou investimentos iniciais em TI.
• Análise diária: todos os dias, a plataforma extrai dados de vendas, atualiza o modelo e gera previsões para os próximos 31 dias sobre faturação diária, número de clientes e vendas por produto.
• Interface de decisão: num dashboard intuitivo, o gestor pode, em menos de um minuto, obter insights críticos para o dia seguinte, desde receitas previstas até quantidades de ingredientes e necessidades de pessoal.
• Detalhes adicionais: com fichas técnicas, a solução passa a estimar consumo específico por produto — carne, batatas, bebidas — e permite planear melhor encomendas e produção antecipada.

Para situações extraordinárias, obras, eventos de grande escala, falhas no equipamento, a plataforma permite ao utilizador adicionar manualmente “eventos operacionais”, classificando-os como positivos ou negativos. Isso enriquece o histórico do modelo e melhora a adaptabilidade a situações atípicas.

“Nós damos a possibilidade ao cliente de colocar eventos por ele. A maioria da informação é recolhida automaticamente, mas há eventos que dependem sempre da interação humana: se tenho obras, se há uma avaria, se, por exemplo, tive uma reserva que me fechou o restaurante todo, com 300 pessoas, ou seja, são eventos extraordinários, muito extraordinários, e não há um histórico associado a isso, pelo que o cliente tem que inserir esses dados na nossa solução”, explica Telmo Taipa.