La inteligencia artificial ya sabe tomar una comanda: ahora debemos decidir qué trabajo queremos que siga haciendo el camarero
La inteligencia artificial de voz está pasando de las pruebas a operaciones reales en restauración. Su impacto más importante quizá no sea sustituir al camarero, sino eliminar parte del trabajo administrativo que le hemos añadido durante décadas y devolverlo al cliente.
Durante años hemos digitalizado el trabajo del camarero de una manera bastante particular. Sustituimos la libreta por un terminal, conectamos ese terminal con cocina, incorporamos pantallas táctiles, teléfonos, tabletas y sistemas cada vez más sofisticados. La información empezó a circular más rápido y disminuyeron muchos errores, pero hubo una cosa que prácticamente nunca cuestionamos: para decirle al sistema qué quiere el cliente, el camarero debía dejar de mirar al cliente y empezar a tocar una pantalla.
Nos acostumbramos tanto a esa escena que dejó de parecernos extraña.
Una persona pregunta qué desea tomar. El cliente responde. Y durante los siguientes segundos quien atiende baja la mirada, localiza una familia, busca un producto, pulsa sobre él, añade una modificación, vuelve a la pantalla anterior y repite la operación con la siguiente persona.
La tecnología había mejorado el restaurante, pero había introducido una pequeña contradicción: para registrar una conversación humana obligábamos al camarero a interrumpir parcialmente esa conversación.
La inteligencia artificial de voz empieza a cuestionar precisamente ese paso.
No estamos hablando ya de una posibilidad teórica. En 2026 la adopción de sistemas de voz en restauración está creciendo con rapidez. El Restaurant Technology Study 2026 citado por Hospitality Technology sitúa la utilización de voice ordering entre operadores encuestados en el 20%, frente al 11% del año anterior. Dairy Queen, después de un piloto de seis meses en establecimientos propios, decidió extender su solución de voz a franquiciados seleccionados.
Taco Bell ofrece una escala todavía más significativa. Su tecnología de voz se ha desplegado ya en más de 890 restaurantes estadounidenses de 38 estados. Bojangles utiliza su sistema conversacional en más de 450 establecimientos y declara que puede completar correctamente más del 96% de los pedidos sin intervención humana.
La voz está dejando de ser una demostración tecnológica.
Pero existe una diferencia fundamental entre lo que están haciendo estas cadenas y lo que puede ocurrir dentro de un restaurante convencional.
En un drive-thru, la inteligencia artificial conversa directamente con el cliente. En sala puede existir un modelo mucho más interesante: la IA no sustituye la conversación entre camarero y cliente; escucha al camarero y convierte esa conversación en una comanda estructurada.
Ese pequeño cambio altera completamente el debate.
La comanda siempre ha sido un problema de traducción
Cuando cuatro personas se sientan alrededor de una mesa y realizan un pedido, la información nace de manera desestructurada.
“Para mí la ensalada, pero sin cebolla.”
“Yo quiero el arroz.”
“¿El arroz lleva marisco?”
“Entonces mejor el solomillo, poco hecho.”
“Y nosotros compartimos las croquetas.”
Desde el punto de vista humano, la conversación resulta perfectamente comprensible.
Desde el punto de vista de un TPV, no existe todavía ninguna comanda.
El sistema necesita productos concretos, cantidades, modificaciones, cursos, destinos de impresión, posiblemente números de comensal y una serie de datos estructurados que permitan posteriormente cobrar correctamente y enviar la información adecuada a cocina.
Durante décadas hemos utilizado al camarero como traductor entre esos dos lenguajes.
Escucha lenguaje natural y lo transforma manualmente en pulsaciones.
La inteligencia artificial introduce por primera vez la posibilidad de automatizar parte de esa traducción.
El camarero podría decir: “Mesa doce, cuatro personas. Una ensalada sin cebolla, dos croquetas para compartir, un arroz y un solomillo poco hecho”.
El sistema interpreta la frase, identifica productos y modificaciones, construye la comanda y presenta el resultado para revisión.
El camarero comprueba.
Y confirma.
Lo verdaderamente importante de este modelo es precisamente ese último paso.
La inteligencia artificial propone. La persona valida.
No necesitamos que la IA sea infalible para que resulte útil. Necesitamos que reduzca suficientemente el trabajo manual sin introducir un riesgo superior al proceso que sustituye.
La precisión importa, pero estamos haciendo la pregunta equivocada
Buena parte de la conversación sobre inteligencia artificial de voz gira alrededor de una cifra: el porcentaje de aciertos.
Es comprensible.
Una comanda equivocada tiene consecuencias operativas inmediatas. Cocina produce algo que el cliente no quería, se desperdicia producto, aumenta el tiempo de espera y alguien tiene que solucionar el error.
Sin embargo, comparar la IA con una precisión ideal del 100% establece un punto de referencia que tampoco existe en el sistema humano.
Los camareros se equivocan.
Escuchan mal.
Pulsan otro producto.
Olvidan una modificación.
Seleccionan una mesa incorrecta.
Cocina interpreta mal una observación.
La cuestión empresarial no es si la inteligencia artificial comete errores.
La cuestión es si comete más o menos errores que el proceso actual y, sobre todo, si podemos detectar esos errores antes de que lleguen a cocina.
Ahí la revisión visual resulta determinante.
Una comanda por voz bien diseñada no debería enviar directamente a producción cualquier interpretación del modelo. Debería mostrar de manera clara aquello que ha entendido y permitir modificarlo antes de confirmar.
Ese procedimiento transforma el problema.
Ya no estamos pidiendo a una máquina que sustituya completamente el criterio humano. Estamos utilizando una máquina para preparar una tarea administrativa y dejando a la persona la responsabilidad de verificarla.
Es exactamente el tipo de colaboración donde la inteligencia artificial puede aportar más valor.
El ruido del restaurante ya no es una barrera tan evidente
Quien haya trabajado en una cocina o una sala llena puede plantear inmediatamente una objeción razonable: un restaurante no es un estudio de grabación.
Hay conversaciones simultáneas, vajilla, música, maquinaria, cafeteras, extracción y ruido ambiental.
Precisamente por eso los avances recientes resultan relevantes.
Los sistemas actuales de reconocimiento automático del habla han mejorado considerablemente su capacidad para trabajar con acentos, modificaciones y entornos acústicamente complejos. Los desarrollos comerciales de 2026 ya están operando precisamente en drive-thrus, uno de los entornos menos favorables para reconocer lenguaje: motores, tráfico, distancia respecto al micrófono y clientes que hablan desde vehículos.
Eso no significa que cualquier solución funcione correctamente en cualquier restaurante.
El hardware importa.
La posición del micrófono importa.
La conexión importa.
El vocabulario de la carta importa.
Y, sobre todo, importa el diseño del sistema.
Reconocer correctamente la frase “quiero un solomillo poco hecho” es solo el principio. El software necesita saber que “solomillo” corresponde a una referencia concreta del TPV y que “poco hecho” es una modificación válida asociada a ese producto.
La IA genérica entiende lenguaje.
Un sistema hostelero necesita entender el lenguaje de ese restaurante.
El verdadero avance está en conectar la voz con el TPV
Esta es probablemente la parte menos espectacular y más importante.
Convertir voz en texto hace años que es posible.
El problema difícil consiste en convertir ese texto en una acción correcta dentro del software de gestión.
En julio de 2026, Deliverect y SoundHound anunciaron precisamente una integración destinada a automatizar todo el recorrido del pedido por voz hasta el sistema de gestión, evitando que una persona tenga que volver a introducirlo manualmente.
Ese es el punto donde la tecnología empieza a tener impacto económico.
Si una inteligencia artificial escucha perfectamente una comanda pero después alguien debe introducirla en el TPV, hemos creado una transcripción, no una automatización.
El valor aparece cuando el lenguaje natural termina convertido en información operativa.
Producto.
Cantidad.
Modificador.
Mesa.
Curso.
Precio.
Destino de cocina.
Y posteriormente venta, ticket, factura e información de gestión.
La voz es solamente la puerta de entrada.
La cuestión no es ahorrar diez segundos
Podríamos medir cuánto tarda un camarero en introducir manualmente una comanda y cuánto utilizando voz. Seguramente encontraríamos diferencias.
Pero reducir todo el beneficio a segundos ahorrados sería quedarse en la superficie.
Pensemos en cuántas veces interactúa un camarero con una pantalla durante un servicio.
Abrir mesa.
Introducir bebidas.
Añadir comida.
Modificar una elaboración.
Solicitar segundos.
Añadir cafés.
Consultar algo.
Pedir la cuenta.
Cobrar.
Cada interacción individual es pequeña.
Acumuladas forman una parte considerable del trabajo.
Y, sobre todo, generan fragmentación.
El camarero alterna constantemente entre dos contextos: atender personas y operar software.
La voz puede reducir esos cambios.
Esto conecta con una cuestión que debería preocupar bastante más a la industria tecnológica: durante años hemos considerado inevitable que el trabajador aprenda a hablar el idioma de la máquina.
Quizá estamos entrando en una etapa donde la máquina puede empezar a aprender el idioma del trabajador.
El cliente no debería sentir que está hablando con una máquina
Aquí aparece una diferencia esencial entre el modelo de drive-thru y el restaurante de servicio.
Los datos disponibles muestran que la aceptación del consumidor no avanza necesariamente al mismo ritmo que la adopción empresarial.
En un estudio de Hospitality Technology con 1.004 consumidores, solamente un 14% eligió un sistema de voz con IA como método preferido para realizar un pedido en drive-thru. El 34% seguía prefiriendo hablar con un empleado y el 31% utilizar una aplicación móvil.
Es un dato extraordinariamente importante.
La tecnología puede funcionar y, simultáneamente, no ser la experiencia que el cliente desea.
En restauración tradicional, esto debería conducirnos hacia un modelo diferente.
No necesitamos necesariamente que el cliente hable con una IA.
Podemos conseguir que siga hablando con una persona.
La inteligencia artificial trabaja detrás.
El cliente dice:
“Yo quiero el tartar, pero sin picante.”
El camarero responde:
“Perfecto.”
La conversación continúa.
Lo único que desaparece es una parte de la interacción con la pantalla.
Desde la perspectiva de hospitalidad, este modelo resulta mucho más interesante.
Automatizar no significa necesariamente sustituir
Cada vez que aparece una tecnología capaz de realizar una tarea humana surge inmediatamente la misma discusión: cuántos puestos de trabajo desaparecerán.
La pregunta es legítima.
Pero en restauración conviene analizar primero qué tarea estamos automatizando.
Tomar una comanda contiene dos trabajos completamente diferentes.
Uno consiste en escuchar, interpretar necesidades, explicar productos, recomendar, resolver dudas y relacionarse con el cliente.
El otro consiste en registrar información en un sistema.
Hemos unido ambos porque históricamente no existía otra posibilidad.
La inteligencia artificial permite empezar a separarlos.
Si automatizamos el segundo, no necesariamente estamos eliminando el primero.
Podemos estar reforzándolo.
Taco Bell, por ejemplo, justifica parte de su despliegue de voz precisamente por la posibilidad de liberar a trabajadores de determinadas tareas para que puedan concentrarse en otras funciones de atención y operación.
Naturalmente, habrá modelos empresariales donde la automatización sí se utilice para reducir necesidades de personal. Negarlo sería ingenuo.
Pero esa no es la única estrategia posible.
En un sector con dificultades recurrentes para captar y retener trabajadores, también existe otra: utilizar tecnología para conseguir que las personas dediquen menos tiempo a tareas mecánicas.
La hostelería tiene un problema de productividad que no se resolverá corriendo más
Durante décadas, cuando aumentaba el volumen, una de las soluciones habituales era pedir al equipo que trabajase más rápido.
Existe un límite evidente.
Una persona puede caminar más deprisa, memorizar mejor una mesa o introducir una comanda con mayor agilidad. Pero llega un punto donde la productividad ya no mejora mediante esfuerzo adicional.
Necesita procesos diferentes.
La digitalización permitió eliminar viajes a cocina porque la comanda empezó a transmitirse automáticamente. El KDS permite organizar mejor la producción. Los sistemas de reservas reducen trabajo telefónico. Los escandallos automatizados disminuyen tareas administrativas.
La voz pertenece a la misma lógica.
No consiste en conseguir que el camarero hable deprisa.
Consiste en eliminar pasos que existen únicamente porque el software necesitaba que alguien los realizara.
Esta diferencia es fundamental.
La buena automatización no acelera una tarea absurda.
La elimina.
La venta sugestiva plantea un debate especialmente interesante
La IA de voz utilizada directamente con consumidores puede recomendar productos de forma sistemática.
Nunca se olvida.
Nunca está cansada.
Puede saber qué complementos corresponden a cada pedido y ofrecerlos siempre.
Desde una perspectiva estrictamente comercial parece extraordinariamente atractivo.
Pero la restauración debería tener cuidado.
Una recomendación humana tiene contexto.
Un buen camarero sabe cuándo ofrecer una segunda botella y cuándo no hacerlo. Percibe si una mesa tiene prisa. Entiende que una familia quizá necesite compartir determinados platos. Puede recomendar algo más económico si considera que responde mejor a lo que busca el cliente.
La optimización matemática del ticket no debería destruir esa sensibilidad.
La IA puede ayudar.
Puede recordar al camarero que determinado plato combina bien con un vino. Puede señalar que falta preguntar el punto de cocción. Puede sugerir una alternativa.
Pero existe una diferencia importante entre ayudar a vender y convertir cada conversación en un intento de maximizar el ticket.
La hospitalidad necesita preservar esa frontera.
También cambiará la formación del camarero
Si la interfaz empieza a aceptar lenguaje natural, parte de la formación tecnológica se simplifica.
Actualmente una incorporación nueva necesita aprender no solo la carta y el servicio, sino también la arquitectura del TPV: dónde están las familias, cómo se introducen modificadores, cómo se envía una comanda o cómo se corrige.
La voz puede reducir esa curva.
Pero simultáneamente aumenta la importancia de otras capacidades.
Conocimiento de producto.
Comunicación.
Venta.
Idiomas.
Hospitalidad.
Resolución de problemas.
Si la tecnología absorbe parte del trabajo administrativo, las competencias humanas que quedan adquieren más valor, no menos.
Esto puede tener incluso consecuencias interesantes para la profesión.
Durante años hemos introducido tecnología para conseguir que cada trabajador gestione más operaciones.
Quizá la siguiente etapa consista en utilizarla para conseguir que cada trabajador pueda prestar mejor servicio.
El TPV podría dejar de ser una pantalla
Esta es probablemente la consecuencia tecnológica más profunda.
Durante cuarenta años hemos imaginado un TPV como un dispositivo.
Primero fue una caja.
Después un ordenador.
Luego una pantalla táctil.
Más tarde una tableta o un teléfono.
Pero un TPV no es realmente una pantalla.
Es un sistema que registra operaciones.
Si podemos interactuar con ese sistema mediante voz, la pantalla deja de ser necesariamente la interfaz principal.
Seguirá siendo importante para revisar, consultar y corregir. Pero ya no será imprescindible tocarla para cada acción.
Podríamos entrar en un restaurante donde el camarero lleve un pequeño dispositivo móvil, tome la comanda conversando normalmente y revise durante unos segundos el resultado antes de enviarlo.
La tecnología estaría más presente que nunca.
Y, paradójicamente, sería menos visible.
Ese debería ser uno de los objetivos de la innovación hostelera.
La inteligencia artificial necesita límites claros
No todo lo técnicamente posible debería automatizarse.
Una comanda afecta a dinero, producción y experiencia del cliente. Por tanto, necesita mecanismos de control.
La revisión antes del envío es uno.
La posibilidad de corregir fácilmente es otro.
La trazabilidad de quién confirmó una operación también resulta importante.
Y el sistema debe saber reconocer incertidumbre.
Una IA que no entiende algo no debería inventarlo. Debería preguntar o pedir intervención.
Ese principio parece obvio, pero diferencia una demostración espectacular de una herramienta profesional.
En restauración, la confianza no se construye consiguiendo que la inteligencia artificial parezca segura.
Se construye consiguiendo que sepa cuándo no lo está.
Operar mejor para poder atender mejor
En el Método Jordi Rosell utilizamos tres capas: operar, vender y dirigir.
La comanda por voz nace en la primera.
Es una mejora operativa.
Pero sus consecuencias pueden llegar a las otras dos.
Si el camarero dedica menos atención al terminal, dispone potencialmente de más capacidad para observar al cliente, recomendar y vender.
Y si la información entra correctamente estructurada en el TPV, posteriormente puede alimentar análisis de ventas, clientes, rentabilidad y dirección.
Una frase pronunciada delante de una mesa puede terminar convertida en información de cocina, venta, CRM y gestión.
Eso demuestra hasta qué punto la tecnología empieza a conectar procesos que anteriormente estaban separados.
Pero el criterio debería seguir siendo extraordinariamente sencillo.
Si una innovación obliga al restaurante a prestar más atención a la tecnología, probablemente estamos diseñando mal.
Si permite prestar más atención al cliente, estamos acercándonos a algo útil.
Reflexión final: quizá digitalizamos demasiado al camarero
Durante años la transformación digital de la restauración se midió por la cantidad de tecnología visible.
Pantallas.
Tabletas.
Kioscos.
QR.
Aplicaciones.
Terminales.
Cada nueva herramienta parecía demostrar que el establecimiento estaba avanzando.
Quizá la siguiente etapa sea exactamente la contraria.
La tecnología madura cuando deja de exigir atención constantemente.
Nadie considera innovador un restaurante porque la electricidad funcione correctamente. Simplemente esperamos que esté ahí.
Con la inteligencia artificial puede terminar ocurriendo algo parecido.
No necesitaremos anunciar que existe una IA tomando la comanda.
El camarero simplemente hablará.
El sistema entenderá.
La persona comprobará.
Cocina recibirá la información.
Y el cliente probablemente ni siquiera pensará en la tecnología que existe detrás.
Ese escenario me parece bastante más interesante que imaginar restaurantes llenos de robots conversando con personas.
Porque la gran oportunidad de la inteligencia artificial en hostelería quizá no consista en sustituir la hospitalidad.
Consiste en eliminar una parte del trabajo que durante años se ha interpuesto entre el profesional y el cliente.
Hemos dedicado décadas a enseñar al camarero dónde debe pulsar.
Ahora empezamos a disponer de máquinas capaces de escuchar lo que dice.
La cuestión ya no es si técnicamente podremos hacerlo. Los despliegues actuales indican que la tecnología está avanzando rápidamente: la adopción de voz entre operadores encuestados prácticamente se duplicó entre 2025 y 2026, mientras grandes cadenas continúan ampliando sus implementaciones.
La verdadera pregunta es qué queremos hacer con ese tiempo recuperado.
Podemos utilizarlo para reducir la interacción humana.
O podemos utilizarlo para mejorarla.
En un restaurante, probablemente ahí estará la diferencia entre automatizar el servicio y utilizar la automatización para prestar un servicio mejor.
Preguntas frecuentes
¿Qué es una comanda por voz con IA? Es un sistema capaz de interpretar lenguaje natural y convertir las instrucciones habladas en productos, cantidades y modificaciones que posteriormente pueden incorporarse al TPV.
¿La IA puede tomar una comanda con ruido ambiental? Los sistemas actuales han mejorado notablemente y ya existen despliegues comerciales en entornos complejos como drive-thrus. El rendimiento concreto depende del software, hardware, ruido y configuración del restaurante.
¿Debe enviarse automáticamente la comanda a cocina? En servicio de mesa resulta más prudente incorporar una revisión humana previa. La IA construye la comanda y el camarero verifica antes de confirmar.
¿La comanda por voz sustituirá al camarero? Puede automatizar parte del registro de pedidos, pero escuchar al cliente, recomendar, resolver dudas y prestar hospitalidad son funciones distintas. El impacto laboral dependerá de cómo decida utilizar la tecnología cada operador.
¿Los consumidores prefieren pedir a una IA? No necesariamente. En un estudio estadounidense de 2026, solo el 14% de 1.004 consumidores eligió la IA de voz como método preferido para pedir en drive-thru, frente al 34% que prefirió una persona.
Autor
Jordi Rosell Salvó, es profesor universitario, consultor gastronómico y CEO de Formahostel. Desde hace más de 25 años investiga la gestión económica y operativa de restaurantes, desarrollando el Método Jordi Rosell®, un modelo que integra dirección, tecnología y rentabilidad para ayudar a los empresarios a tomar mejores decisiones.