Building AI Employees for Hospitality: How AITropos Takes Orders Where Customers Already Are

Listen to this episode on: Spotify | Apple Podcasts

Слушайте этот эпизод на: Spotify | Apple Podcasts

What does it take to build an AI that can take a food order over WhatsApp — correctly, every time, fast enough that customers can't tell it's not a person? That's the core challenge Santi Marchiori and Juan Haedo set out to solve at AITropos, a company building AI employees for the hospitality industry.

Что нужно, чтобы создать AI, способный принять заказ еды в WhatsApp — корректно, каждый раз, и достаточно быстро, чтобы клиенты не догадались, что общаются не с человеком? Именно эту ключевую задачу взялись решить Santi Marchiori и Juan Haedo в AITropos — компании, которая создаёт AI-сотрудников для индустрии гостеприимства.

In this episode of Just Now Possible, Teresa Torres talks with Santi Marchiori (CEO) and Juan Haedo (CTO) of AITropos about how they built an AI order-taking agent that handles the full flow — menu recommendations, modifiers, delivery zones, payment links, and status updates — entirely inside WhatsApp. They went through three product iterations to get there: first a hardware device for waiters, then a waiter-facing app, and finally a customer-facing conversational agent powered by a tools-based architecture designed for speed and reliability.

В этом эпизоде Just Now Possible Teresa Torres беседует с Santi Marchiori (CEO) и Juan Haedo (CTO) из AITropos о том, как они построили AI-агента приёма заказов, который ведёт весь процесс — рекомендации по меню, модификаторы, зоны доставки, ссылки на оплату и обновления статуса — полностью внутри WhatsApp. Чтобы дойти до этого, они прошли три итерации продукта: сначала аппаратное устройство для официантов, потом приложение для официантов, и, наконец, разговорный агент, обращённый к клиенту и построенный на архитектуре tools, спроектированной ради скорости и надёжности.

You'll hear how they solved the core technical challenge of translating non-deterministic human conversation into structured POS-compatible order data, why they chose tools over MCP for agent architecture, how they pre-inject product context to cut latency before the agent ever makes a tool call, and why they test with thousands of agent-simulated customer conversations overnight before deploying to any real venue.

Вы услышите, как они решили ключевую техническую задачу — перевод недетерминированного человеческого диалога в структурированные данные заказа, совместимые с POS; почему они выбрали tools вместо MCP для архитектуры агента; как они предварительно инжектят контекст товаров, чтобы снизить задержки ещё до того, как агент вызовет инструмент; и почему они прогоняют тысячи диалогов с симулированными агентами-клиентами за ночь, прежде чем разворачивать систему в реальной точке.

Show Notes

Заметки к выпуску

Guests

Гости

Santi Marchiori, CEO, AITroposJuan Haedo, CTO, AITropos

You'll hear how they

Вы услышите, как они

Потратили два года на изучение сотен стартап-идей, прежде чем нашли конкретную нишу — приём заказов на базе AI в гостеприимствеПрошли три итерации продукта — аппаратное устройство для официантов, приложение для официантов и, наконец, клиентский WhatsApp-агент — пока не нашли правильный форм-факторВыделили точность идентификации позиций заказа как свой единственный самый важный KPIВыбрали архитектуру агента на базе tools, отказавшись от MCP и пайплайнов, чтобы уложиться в требования по скорости отклика в реальном времениПостроили параллелизованный пайплайн, который ищет несколько товаров одновременно и предзагружает контекст товаров ещё до того, как агент вызовет инструментИспользуют небольших быстрых суб-агентов для построения «немедленного системного промпта», который инжектит релевантные данные в каждый ход без дополнительных вызовов инструментовТестируют систему тысячами диалогов с симулированными агентами-клиентами, прогоняемых за ночь, перед развёртыванием на новых точкахСократили онбординг нового клиента с трёх месяцев до нескольких недель — и продолжают его уменьшать, выстраивая отраслевые шаблоны

Resources & Links

Ресурсы и ссылки

AITropos

Chapters

Главы

00:00 Meet the Founders
00:59 What AITropos Builds
01:51 AI vs Human Touch
06:17 Restaurant Use Cases
08:16 Why Hospitality
10:47 Finding the Wedge
16:00 Early Prototypes
16:46 Hard Parts of Ordering
18:03 Speed and Channels
21:15 Iteration and Model Jumps
30:50 Customer Order Flow
35:48 Menu Discovery Question
36:07 Menus Inside WhatsApp
36:50 Finding the Chat Entry
37:37 Why Text Ordering Wins
38:30 Under the Hood Pipeline
40:54 Tools Over Workflows
45:05 Tooling and Prompt Composer
49:29 Preloading Context Fast
54:02 Founder Learning Mindset
57:21 Evaluating Order Accuracy
01:00:03 Testing and Human Takeover
01:03:56 Onboarding and Scaling Up
01:06:10 Whats Next and Wrap

00:00 Знакомство с основателями00:59 Что создаёт AITropos01:51 AI против человеческого подхода06:17 Сценарии использования в ресторанах08:16 Почему гостеприимство10:47 Поиск точки входа16:00 Ранние прототипы16:46 Сложные части приёма заказа18:03 Скорость и каналы21:15 Итерации и переходы на новые модели30:50 Процесс заказа клиентом35:48 Вопрос об открытии меню36:07 Меню внутри WhatsApp36:50 Поиск точки входа в чат37:37 Почему текстовый заказ выигрывает38:30 Пайплайн под капотом40:54 Tools против воркфлоу45:05 Тулинг и Prompt Composer49:29 Быстрая предзагрузка контекста54:02 Майндсет основателя-ученика57:21 Оценка точности заказов01:00:03 Тестирование и передача человеку01:03:56 Онбординг и масштабирование01:06:10 Что дальше и заключение

Full Transcript

Полная расшифровка

Podcast transcripts are only available to paid subscribers.

Расшифровки подкаста доступны только платным подписчикам.