La IA ya trabaja en tu restaurante (aunque tú todavía no lo sepas)

Es la objeción que más escucho, y es justo al revés.

McDonald's Corporation tiene equipos enteros de data analytics en Chicago. Dashboards en tiempo real, científicos de datos, presupuesto ilimitado. La marca sabe perfectamente qué pasa en el sistema. El franquiciado con 3 o 5 restaurantes, en cambio, tiene un gestor, un Excel y los cierres del mes pasado.

Y aquí está la paradoja: es el franquiciado quien más necesita ese análisis. Gestiona un negocio donde los márgenes se juegan en décimas. Tres décimas de labour % o un punto de food cost separan un buen año de uno mediocre. Sus dos partidas de coste principales —personal y materia prima— se mueven cada mes, cada semana, cada turno. Y las decisiones que las afectan se toman con información que llega con 45 o 60 días de retraso. Es decir: quien más necesita el análisis es quien menos acceso ha tenido a él. Hasta ahora.

La IA generativa democratiza exactamente eso. El análisis que antes exigía un controller a tiempo completo —un perfil de 50.000€ al año que un operador mediano no puede justificar— hoy lo hace una herramienta que cuesta menos que una hora de asesoría al mes. No es una mejora incremental. Es que una capacidad que estaba reservada a los grandes operadores acaba de quedar al alcance de cualquiera.

No hablo de teoría ni de demos preparadas. Estos son casos reales de nuestro día a día con franquiciados McDonald's:

1. Del balance del gestor al P&L operativo en minutos. El balance que entrega un gestor está pensado para Hacienda, no para gestionar un restaurante. Claude lee la base contable (a3, Quantum) y la convierte en la cuenta de explotación que un franquiciado entiende y usa: ventas, food & paper, labour, PAC, rent, EBITDA. Por restaurante y por mes. El mapeo de cuentas, que era el trabajo tedioso de horas, está resuelto una vez y se ejecuta siempre igual.

2. Labour % real, no estimado. Esta es probablemente la más valiosa. El labour que aparece en la contabilidad y el labour real de la operación casi nunca coinciden: imputaciones, periodificaciones, pagas extra, atrasos de convenio. Claude cruza las nóminas con las ventas y las horas trabajadas (Orquest) y devuelve el dato real: qué restaurante se desvía, en qué franja horaria, y por qué causa probable. Antes esto era un proyecto de semanas; ahora es una pregunta.

3. Benchmark entre restaurantes. ¿Por qué el local A hace un 12% de labour y el B un 16% con ventas similares? Es la pregunta que todo multi-operador se hace y casi ninguno puede responder con datos. Claude detecta el patrón —absentismo, estructura de turnos, mix de ventas, horas extra mal repartidas— y lo cuantifica. Y cuando gestionas varios locales, tu mejor benchmark no es el promedio del sistema: es tu propio mejor restaurante.

4. Valoración y compraventa. Cuando un franquiciado quiere comprar o vender restaurantes, la due diligence siempre ha sido el cuello de botella: semanas recopilando documentación, normalizando EBITDA, verificando años de contrato restantes local a local, buscando contingencias laborales que pueden aparecer después del closing. La IA acelera todo el trabajo pesado: lee el data room, estructura la información, detecta los red flags. El criterio —qué precio, qué riesgos asumir, cuándo cerrar— sigue siendo humano. El trabajo de pico y pala, ya no.

5. Informes que se leen. En vez de un PDF de 40 páginas que nadie abre, un informe mensual con los 5 KPIs que importan y las alertas del mes. Parece un detalle menor; no lo es. Un informe que no se lee es exactamente igual de inútil que un informe que no existe, solo que más caro.

Porque todo esto suena bien, pero el lector con restaurantes querrá saber qué significa en euros.

Tomemos solo el caso del labour. Un restaurante que factura 3M€ al año con tres décimas de desviación en labour % son 9.000€ anuales. Por local. Un operador con cinco restaurantes y esa desviación media está dejando 45.000€ al año encima de la mesa — repartidos en cientos de turnos y decenas de nóminas, invisibles para cualquiera que mire solo el balance.

Ningún gestor los va a encontrar revisando la contabilidad, porque la contabilidad está bien. El problema no es contable, es operativo, y solo aparece cuando cruzas tres fuentes de datos que normalmente viven en tres sitios distintos. Esa es exactamente la clase de trabajo que una persona no puede hacer cada mes y una máquina sí. Y el labour es solo una partida: el mismo razonamiento aplica al food cost, a los consumos energéticos, a la productividad por franja horaria.

Llevo suficiente tiempo en innovación como para haber visto el ciclo completo varias veces: la promesa desmedida, la decepción, el abandono. Y esta tecnología es demasiado útil como para quemarla con expectativas absurdas. Así que seamos claros sobre los límites.

La IA no negocia tu renta con el landlord. No decide si abrir un McCafé o reformar el lobby. No sustituye los años que llevas conociendo tu operación, tu equipo y tu plaza. No reemplaza la relación con tu consultor de campo ni el criterio de tu asesor. La IA prepara la decisión; la decisión sigue siendo tuya.

Y un aviso honesto que me parece imprescindible: la IA es exactamente tan buena como los datos que le das. Si tu contabilidad llega con dos meses de retraso, si las nóminas están mal imputadas, si las ventas por hora no se registran, ninguna herramienta del mundo lo arregla. El primer paso no es tecnológico, es de disciplina de datos. La buena noticia: si trabajas con un buen gestor y tienes los sistemas estándar del sistema McDonald's, probablemente ya tienes el 90% de lo necesario. Solo que nadie lo estaba cruzando.

Tres cosas han cambiado a la vez, y la coincidencia no es menor.

Uno: los modelos actuales ya manejan datos financieros con fiabilidad profesional. Hace dos años, pedirle a una IA que leyera una base contable era ciencia ficción; lo que devolvía había que revisarlo entero, con lo que el ahorro era cero. Hoy ese umbral está cruzado. No me creas a mí: pruébalo con un mes de tu contabilidad y compara.

Dos: el coste ha caído a niveles de commodity. No hablamos de un proyecto de transformación digital de seis cifras con consultores instalados seis meses en tu oficina. Hablamos de una suscripción mensual que cuesta menos que una hora de asesoría.

Tres: la presión de márgenes no da tregua. Salarios al alza con cada revisión de convenio, materia prima volátil, rentas que no bajan. Cuando el margen se estrecha, la diferencia entre el que ve sus números cada lunes y el que los ve cada trimestre deja de ser una curiosidad estadística y se convierte en la diferencia entre ganar y resistir.

El franquiciado que en 2026 siga gestionando con un Excel anual y el P&L del gestor competirá contra otro que revisa su labour cada lunes. Mismo sistema, misma marca, mismos proveedores, misma carta. Resultado distinto. La ventaja competitiva en franquicia nunca ha estado en la marca —esa es igual para todos—; está en la operación. Y la operación, a partir de ahora, se gestiona con datos frescos o se gestiona peor que la de tu competencia.

Aquí viene la parte que sorprende: no hace falta un proyecto de transformación digital. Ni un departamento de sistemas. Ni seis meses de implantación.

Hace falta empezar por una pregunta concreta. La nuestra favorita: ¿cuál es mi labour real por restaurante este mes? Es concreta, es valiosa, y los datos para responderla ya existen —están en tu contabilidad, en tus nóminas y en tu sistema de turnos—. A partir de ahí, todo lo demás es iterar: el mes siguiente añades el benchmark entre locales, luego las alertas automáticas, luego el informe mensual completo.

En NRRO llevamos la contabilidad, las nóminas y el asesoramiento de franquiciados McDonald's, y hemos integrado Claude en ese flujo: los datos que ya nos confías se convierten en un análisis que antes no existía, sin que tengas que cambiar nada de tu operativa. Los cafés siguen enfriándose en las reuniones de cierre. Pero ahora se enfrían mientras decidimos qué hacer, no mientras buscamos qué está pasando.