IA aplicada a darkkitchen foodtech: 6,1 puntos de EBITDA recuperados en una cocina oculta de 3 marcas virtuales que sangraba por los agregadores, con el Radar de Demanda Masterestaurant

El punto de partida: 780 mil USD de venta y 1,9% de EBITDA

Una cocina oculta puede facturar 780 mil USD al año y dejar apenas 1,9% de EBITDA, y ese fue exactamente el punto de partida de este caso: quince mil dólares anuales de utilidad para dos socios que trabajaban catorce horas diarias. La ficha, sin adornos: 3 marcas virtuales —pollo frito, bowls y pastas—, 214 metros cuadrados en un polígono urbano de una ciudad intermedia latinoamericana, 11 empleados en dos turnos, ticket promedio de 12,80 USD, 22 meses de antigüedad y un canal dominante brutal, porque el 91% de las órdenes entraba por agregadores (según los datos operativos del caso). El P&G llegaba con sesenta días de retraso y las comisiones de plataforma dormían dentro del gasto de ventas, un detalle contable menor que tapaba lo grave: nadie conocía el margen real por marca, ni por plato, ni por franja horaria. El dueño no tenía un problema de ventas. Tenía un problema de CEGUERA.

¿Qué hace realmente la inteligencia artificial aplicada a dark kitchen y foodtech?

La inteligencia artificial aplicada a dark kitchen y foodtech no sustituye la gestión: sustituye la adivinación, y esa distinción vale dinero contante.

Aquí el retorno no salió del robot ni del algoritmo de cocina, sino de tres decisiones que el modelo convirtió en medibles: qué plato apagar por franja, a qué hora abrir cada marca virtual y cuánta promoción absorber sin regalar margen. El mercado empuja en la dirección contraria, hacia el fierro: la robótica alimentaria se proyecta en USD 6.810 millones al 2030 con CAGR de 20,6% (Grand View Research, 2030) y los robots de reparto en USD 3.236,5 millones con CAGR de 32,4% (MarketsandMarkets, 2030). Cifras enormes, sí, y ninguna de las dos resolvía el problema de este operador, que no necesitaba brazos mecánicos sino saber cuál de sus 47 SKUs perdía plata cada martes a las nueve de la noche. Primero el dato limpio; después, el modelo.

Fichas técnicas que mentían en 9,8 puntos de food cost

Ningún motor de recomendación puede decirle qué apagar si sus fichas técnicas mienten, y aquí mentían en 9,8 puntos promedio. El plato estrella del pollo frito figuraba en el sistema con 26% de food cost mientras el costeo real, recalculado gramo a gramo con precios de compra de las últimas ocho semanas, arrojaba 41% (según el recosteo del caso). Si el modelo hubiera corrido sobre esa base sucia, habría recomendado empujar justo el producto que más dinero destruía, con la elegancia de un algoritmo y el resultado de una hemorragia. Recosteamos las 47 fichas en once días, con merma real medida en cocina y no la teórica del proveedor, y aplicamos el techo duro del método Masterestaurant: 32% de food cost por plato como MÁXIMO, nunca como objetivo. Catorce referencias quedaron por encima de ese umbral. Solo con reformular seis de ellas, sin tocar precio de venta, el margen de contribución ponderado subió 4,1 puntos.

La comisión no es un gasto fijo: es una variable que usted gobierna

La comisión de agregador se comporta como un gasto fijo únicamente cuando nadie la desarma, y desarmarla fue la segunda palanca del caso. Separamos tres cosas que la contabilidad tenía mezcladas: comisión base del contrato, promoción absorbida por el restaurante y pauta interna dentro de la app. Aparecieron 6,3 puntos de venta bruta regalados sin retorno medible, y casi la mitad venía de promociones que el equipo activaba los martes por pura costumbre heredada. La escala del canal explica por qué duele tanto: Uber Eats movió reservas brutas por USD 74.600 millones en 2024 (Statista, 2024) y el delivery en línea mundial se proyecta en USD 1,51 billones para 2026 (Statista, 2026). Usted no negocia contra ese gigante, pero sí gobierna qué promoción absorbe y en qué franja. Apagamos la pauta de martes y miércoles, dejamos la de viernes con tope de inversión, y la comisión efectiva bajó de 27,6% a 23,1% sin perder volumen.

Unit economics por ORDEN, no por mes: la herramienta que lo hizo visible

El unit economics de delivery se calcula por orden, jamás por mes, porque el promedio mensual esconde precisamente las franjas que lo desangran. Con la Calculadora de Rentabilidad por Canal de Masterestaurant cargamos cada orden con su ticket real, su comisión efectiva, su food cost recosteado y el costo de empaque —0,71 USD promedio, una partida que este operador ni siquiera contabilizaba por separado— y el resultado se volvió imposible de discutir. A 12,80 USD de ticket y 27,6% de comisión, la orden dejaba 1,04 USD de margen operativo antes de estructura; la misma orden después del recosteo y del ajuste de pauta dejaba 2,38 USD. Sobre esa base corrió el modelo predictivo de demanda por franja y marca, alimentado con 22 meses de historial de pedidos. Su trabajo no era cocinar: era responder qué encender y qué apagar, hora por hora, con dinero real detrás de cada recomendación.

¿Qué apagar, a qué hora abrir: el resultado en doce semanas?

Apagar productos y horarios subió el EBITDA de 1,9% a 9,4% en doce semanas, y ninguna de esas dos palancas costó un peso de inversión.

El modelo recomendó retirar 11 de los 47 SKUs por completo y restringir otros 8 a franjas específicas —las pastas dejaron de venderse antes de las siete de la noche, donde perdían 0,90 USD por orden por tiempo de cocción contra ventana de recogida—. La marca de bowls abrió a las once y media en vez de las diez, porque las primeras noventa órdenes de la mañana promediaban margen negativo. Con 780 mil USD de venta anual estable, esos 7,5 puntos valieron 58.500 USD adicionales al ejercicio (según el cierre medido del caso). UU. ya cree que la tecnología le da ventaja competitiva (National Restaurant Association, 2024); la ventaja no está en tenerla, está en alimentarla con costos verdaderos.

Lecciones transferibles por banda de facturación

Lo transferible de este caso no es el software, es el orden: primero costo real, después modelo. Si factura menos de 500 mil USD al año, esta semana recostee a mano sus diez platos más vendidos con precios de compra reales y compare contra la ficha del sistema; la brecha lo va a asustar y es gratis medirla. Entre 500 mil y 1 millón —la banda exacta de este caso—, separe en el P&G comisión base, promoción absorbida y pauta, en tres líneas distintas, antes de contratar cualquier herramienta. Por encima de 1 millón, exija el margen por orden y por franja horaria, nunca el promedio mensual. Sobre 5 millones, con varias unidades, el primer paso es unificar el recetario maestro: sin ficha única no hay modelo posible. Y en grupos por encima de 10 millones, del tipo del chef mediático con marcas licenciadas en varias ciudades, el riesgo cambia de cara: allí lo que se descontrola es el royalty de marca corriendo sobre un food cost que cada franquiciado calcula a su manera.

Límites de este caso

Este resultado no se repite en cualquier contexto, y decirlo importa más que celebrar el número. Primero: con 91% de las órdenes en agregadores, la palanca de comisión era gigantesca; una cocina con canal propio maduro —digamos 40% de pedidos por web propia— tiene mucho menos que rescatar por ese lado y su retorno vendrá de otro sitio, probablemente de logística. Segundo: 22 meses de historial de pedidos limpios hicieron posible el modelo por franja; con menos de ocho meses de datos, o con un recetario que cambia cada trimestre, la predicción de demanda no tiene de dónde agarrarse y usted estará pagando por adivinar con interfaz bonita. Tercero: el mercado de dark kitchens sigue en expansión, y esa marea levanta operaciones que aún no tienen problema de margen sino de capacidad. Ahí el diagnóstico es otro y la IA no es la respuesta.

Las cuatro diferencias que separan un caso que funciona de una demo bonita

Primero el costo real, después el modelo. Ninguna inteligencia artificial aplicada a darkkitchen foodtech puede decirle que apagar si sus fichas técnicas mienten en 9,8 puntos: aquí el motor de recomendación habría recomendado empujar justo el plato que mas dinero perdía, porque en el sistema figuraba con 26% de food cost cuando el real era 41%. La comisión no es un gasto fijo, es una variable que usted gobierna. Al separar comisión base, promoción absorbida y pauta interna aparecieron 6,3 puntos de venta bruta que se estaban regalando sin retorno medible, y de esos, casi la mitad venía de promociones que el equipo activaba los martes por costumbre.

Las cuatro diferencias que separan un caso que funciona de una demo bonita — en la práctica

El unit economics de delivery se calcula por ORDEN, no por mes. Con ticket de 12,80 USD y comisión efectiva del 27,6%, cada orden dejaba 1,10 USD de contribución tras empaque; subir el ticket a 15,40 USD mediante combos armados por franja valía mas que cualquier negociación de tarifa. La marca virtual barata no existe. Cada una consume estación, inventario, fotografía, reseñas y atención del pase; la tercera marca de este caso costaba 2.400 USD mensuales de estructura oculta y aportaba 1.900 USD de contribución.