Разработка AI-системы автоматизации бронирования столиков и номеров

AI-автоматизация бронирования столиков и номеров

«Забронировать столик на двоих, в пятницу вечером, желательно у окна» — стандартный запрос, который кнопочный чат-бот обрабатывает за 5–7 шагов. AI-бронирование столиков и номеров — это автоматизация, которая обрабатывает естественные запросы гостей. Наш AI-агент разбирает намерение из первого сообщения, извлекает дату, время и предпочтения, проверяет доступность через API ресторана и подтверждает бронь в одном диалоге. Мы реализовали архитектуру с agentic loop. LLM вызывает инструменты и итеративно уточняет данные.

Гость пишет «в субботу вечером нас будет пятеро». Агент нормализует дату в ISO, парсит время по диапазону (18:00–22:00), извлекает количество гостей и проверяет доступность. Без форм, без оператора. Это ключевое отличие от простого чат-бота. Agentic loop позволяет LLM вызывать инструменты — проверка доступности, создание брони, отправка подтверждения — и итеративно собирать информацию через диалог. Промпт включает извлечение сущностей перед вызовом инструментов. Это снижает число ошибок на 83% из данных наших проектов.

Архитектура AI-агента: agentic loop

from anthropic import Anthropic from datetime import datetime, timedelta import json import re client = Anthropic() class BookingAgent: BOOKING_TOOLS = [ { "name": "check_table_availability", "description": "Проверяет доступность столиков в ресторане", "input_schema": { "type": "object", "properties": { "date": {"type": "string", "description": "Дата в формате YYYY-MM-DD"}, "time": {"type": "string", "description": "Время в формате HH:MM"}, "guests": {"type": "integer", "description": "Количество гостей"}, "preferences": { "type": "array", "items": {"type": "string"}, "description": "Предпочтения: window, terrace, private, bar", }, }, "required": ["date", "time", "guests"], }, }, { "name": "check_room_availability", "description": "Проверяет доступность номеров в отеле", "input_schema": { "type": "object", "properties": { "check_in": {"type": "string", "description": "Дата заезда YYYY-MM-DD"}, "check_out": {"type": "string", "description": "Дата выезда YYYY-MM-DD"}, "guests": {"type": "integer"}, "room_type": { "type": "string", "enum": ["standard", "superior", "deluxe", "suite", "family"], }, }, "required": ["check_in", "check_out", "guests"], }, }, { "name": "create_booking", "description": "Создаёт подтверждённое бронирование", "input_schema": { "type": "object", "properties": { "booking_type": {"type": "string", "enum": ["table", "room"]}, "slot_id": {"type": "string", "description": "ID слота из check_availability"}, "guest_name": {"type": "string"}, "guest_phone": {"type": "string"}, "guest_email": {"type": "string"}, "special_requests": {"type": "string"}, }, "required": ["booking_type", "slot_id", "guest_name", "guest_phone"], }, }, { "name": "send_confirmation", "description": "Отправляет подтверждение бронирования по SMS/email/WhatsApp", "input_schema": { "type": "object", "properties": { "booking_id": {"type": "string"}, "channel": {"type": "string", "enum": ["sms", "email", "whatsapp"]}, }, "required": ["booking_id", "channel"], }, }, { "name": "cancel_booking", "description": "Отменяет бронирование по номеру или имени гостя", "input_schema": { "type": "object", "properties": { "booking_id": {"type": "string"}, "guest_phone": {"type": "string"}, }, }, }, ] def __init__(self, booking_backend, notification_service): self.backend = booking_backend self.notifier = notification_service self.sessions: dict[str, dict] = {} async def _execute_tool(self, tool_name: str, tool_input: dict) -> str: """Выполняет инструмент и возвращает результат""" try: if tool_name == "check_table_availability": slots = await self.backend.get_table_slots( date=tool_input["date"], time=tool_input["time"], guests=tool_input["guests"], preferences=tool_input.get("preferences", []), ) if not slots: alternatives = await self.backend.get_alternative_slots( date=tool_input["date"], guests=tool_input["guests"], time_range=("18:00", "22:00"), ) return json.dumps({ "available": False, "alternatives": alternatives[:3], }, ensure_ascii=False) return json.dumps({"available": True, "slots": slots[:5]}, ensure_ascii=False) elif tool_name == "check_room_availability": rooms = await self.backend.get_available_rooms( check_in=tool_input["check_in"], check_out=tool_input["check_out"], guests=tool_input["guests"], room_type=tool_input.get("room_type"), ) return json.dumps({"rooms": rooms[:4]}, ensure_ascii=False) elif tool_name == "create_booking": booking = await self.backend.create_booking(**tool_input) return json.dumps({ "success": True, "booking_id": booking["id"], "confirmation_code": booking["code"], "details": booking["summary"], }, ensure_ascii=False) elif tool_name == "send_confirmation": await self.notifier.send( booking_id=tool_input["booking_id"], channel=tool_input["channel"], ) return '{"sent": true}' elif tool_name == "cancel_booking": result = await self.backend.cancel(**tool_input) return json.dumps(result, ensure_ascii=False) except Exception as e: return json.dumps({"error": str(e)}) return '{"error": "unknown tool"}' async def process_message(self, session_id: str, message: str) -> str: """Агентный диалог бронирования""" session = self.sessions.get(session_id, {"history": [], "context": {}}) system = f"""Ты — агент бронирования. Сегодня: {datetime.now().strftime('%A, %d %B %Y, %H:%M')}. Помогаешь забронировать столик или номер. Собери необходимые данные в диалоге: - Для столика: дата, время, кол-во гостей, предпочтения (опционально), имя и телефон - Для номера: даты заезда/выезда, кол-во гостей, тип номера (опционально), имя и телефон Не задавай все вопросы сразу. Выясняй по одному-двум деталям за раз. После подтверждения гостем — создай бронирование и отправь подтверждение.""" session["history"].append({"role": "user", "content": message}) messages = session["history"].copy() while True: response = client.messages.create( model="claude-sonnet-4-5", max_tokens=512, system=system, tools=self.BOOKING_TOOLS, messages=messages, ) if response.stop_reason == "end_turn": reply = response.content[0].text session["history"].append({"role": "assistant", "content": reply}) self.sessions[session_id] = session return reply tool_results = [] for block in response.content: if block.type == "tool_use": result = await self._execute_tool(block.name, block.input) tool_results.append({ "type": "tool_result", "tool_use_id": block.id, "content": result, }) messages.append({"role": "assistant", "content": response.content}) messages.append({"role": "user", "content": tool_results}) 

Как agentic loop ускоряет бронирование?

Кнопочный чат-бот требует 7 нажатий для брони столика (выбор даты, времени, количества гостей, предпочтений, подтверждения). AI-агент обрабатывает запрос в 3 раза быстрее. Среднее время брони — 90 секунд против 5 минут по телефону. Ошибки в датах снижаются на 83%, а процент no-show падает с 18% до 9% благодаря автоматическим напоминаниям. Сравнение методов бронирования приведено в таблице.

Какие проблемы решает AI-агент?

Основная боль — неструктурированные запросы гостей. Чат-бот на кнопках требует множества шагов, а операторы не успевают обрабатывать пиковые нагрузки. AI-агент решает обе проблемы: парсит естественный язык и масштабируется до тысяч запросов в минуту. Дополнительно снижается процент no-show за счёт автоматических напоминаний.

Интеграция с системами бронирования

Пример бэкенда для ресторана через iiko API:

import aiohttp class IikoBokingBackend: def __init__(self, api_url: str, api_key: str): self.api_url = api_url self.headers = {"Authorization": f"Bearer {api_key}"} async def get_table_slots(self, date: str, time: str, guests: int, preferences: list) -> list: async with aiohttp.ClientSession() as session: async with session.post( f"{self.api_url}/api/0/reserve/available_tables", headers=self.headers, json={ "restaurantId": self.restaurant_id, "datetime": f"{date}T{time}:00", "numberOfPersons": guests, } ) as resp: data = await resp.json() tables = data.get("reserveTables", []) if "window" in preferences: tables = [t for t in tables if t.get("tags", {}).get("window")] if "terrace" in preferences: tables = [t for t in tables if "терраса" in t.get("name", "").lower()] return [ { "slot_id": t["id"], "table_name": t["name"], "capacity": t["capacity"], "tags": t.get("tags", {}), } for t in tables ] async def create_booking(self, booking_type: str, slot_id: str, guest_name: str, guest_phone: str, guest_email: str = None, special_requests: str = None) -> dict: async with aiohttp.ClientSession() as session: async with session.post( f"{self.api_url}/api/0/reserve/add_reserve", headers=self.headers, json={ "tableId": slot_id, "guestName": guest_name, "phone": guest_phone, "email": guest_email, "comment": special_requests, "source": "ai_bot", } ) as resp: result = await resp.json() return { "id": result["reserveId"], "code": result.get("reserveCode", result["reserveId"][:6].upper()), "summary": f"Столик {result.get('tableName', slot_id)}, {guest_name}", } 

Практический кейс: сеть ресторанов, 4 заведения

Цифры до внедрения: 35–40% броней через телефон, 25–30 минут работы хостес в пик, очередь из звонков.

После внедрения нашего агента:

• WhatsApp-бот через 360dialog + Telegram-бот
• Интеграция с iiko для всех 4 заведений
• SMS-подтверждения через SMS.ru

Результаты из нашей практики:

• 68% броней переведены в автоматический режим
• Время создания брони: с 3–5 мин (телефон) до 90 сек (бот)
• Ошибки бронирования (неправильное имя, дата): снижены на 83%
• Напоминания за 2 часа → no-show снизился с 18% до 9%
• Экономия на операционных расходах: сокращение затрат на персонал до 40%

Проблема: гости пишут неструктурированно. Решение — промпт с извлечением сущностей перед вызовом инструментов.

Каналы связи и их пропускная способность

Что входит в нашу работу

Как внедрить AI-агента: пошаговый план

1. Аудит — анализируем текущие брони, выявляем болевые точки
2. Проектирование — определяем архитектуру, выбираем LLM и инструменты
3. Интеграция — подключаем API ресторана/отеля и каналы связи
4. Обучение — настраиваем промпты на исторических данных (few-shot)
5. A/B тест — запускаем агента параллельно с операторами, сравниваем метрики
6. Запуск — переводим 100% потока на агента с мониторингом

Сроки

• Агент бронирования (диалог + логика): 1 неделя
• Интеграция с iiko / r-keeper / 1C: 1–2 недели
• WhatsApp / Telegram каналы: 3–5 дней
• SMS/email подтверждения + напоминания: 3–5 дней
• Полная система для сети заведений: 4–6 недель

Как мы гарантируем качество?

Каждое бронирование проходит валидацию на стороне бэкенда: проверка наличия мест, предотвращение двойных броней, подтверждение по SMS. Наш опыт работы с ресторанными сетями (более 10 проектов) позволяет минимизировать риски. Хотите аналогичный результат? Получите консультацию. Закажите аудит текущих процессов бронирования и узнайте, как AI-агент сократит ваши затраты.