Представьте себе: вы основатель AI-компании и вдруг понимаете, что строите всё на песке. Причём не на quicksand, а именно на песке, который постоянно сдвигается под ногами. Вот это и есть главный вызов для предпринимателей прямо сейчас, по мнению лидеров Palona AI.
Сегодня этот стартап из Пало-Альто — его возглавляют ветераны инженерии Google и Meta — делает смелый поворот в индустрию ресторанов и гостеприимства. Запуск Palona Vision и Palona Workflow превращает многомодальный набор агентов компании в операционную систему реального времени для ресторанов: камеры, звонки, разговоры и синхронизированное выполнение задач — всё в одном.
Интересно? А ведь это стратегический разворот от дебюта в начале 2025 года, когда компания появилась с 10 миллионами долларов seed-финансирования для создания эмоционально интеллектуальных агентов продаж широкого назначения. Теперь Palona сужает фокус — и становится примером того, как AI-разработчикам перейти от «тонких обёрток» к глубоким системам, которые решают критические проблемы физического мира.
«Ты строишь компанию на фундаменте из песка — не зыбучего, но сдвигающегося,» — объяснил Tim Howes, сооснователь и CTO, имея в виду нестабильность современного LLM-экосистема. «Поэтому мы создали слой оркестрации, который позволяет нам менять модели в зависимости от производительности, качества и стоимости.»
Новое предложение: Vision и Workflow как «цифровой менеджер»
Для владельца или оператора ресторана — конечного пользователя — последний релиз Palona работает как автоматический «лучший менеджер операций», который никогда не спит.
Palona Vision анализирует сигналы операций из камер видеонаблюдения в магазине — длину очередей, скорость смены столов, узкие места в приготовлении, чистоту — без необходимости в новом оборудовании. Система следит за метриками фронт-офиса: очереди, смена столов, чистота, одновременно определяя проблемы бэк-офиса — замедление подготовки или ошибки в расстановке рабочих станций.
Palona Workflow дополняет это, автоматизируя многоэтапные операционные процессы. Управление заказами кейтеринга, чек-листы открытия и закрытия, выполнение заказов на еду. Система коррелирует видеосигналы Vision с данными из Point-of-Sale (POS) и информацией о персонале, обеспечивая последовательное выполнение во всех локациях.
«Palona Vision — это как если бы я дал каждому заведению цифрового генерального менеджера,» — сказал основатель Tono Pizzeria + Cheesesteaks. «Система помечает проблемы до того, как они обострятся, и экономит мне часы каждую неделю.»
Вертикализация: уроки в области экспертизы
Путь Palona начался с впечатляющей командой. Генеральный директор Zhang была VP инженерии в Google и CTO Tinder, а Howes — соавтор LDAP и бывший CTO Netscape. Но знаете что? Первый год деятельности компании стал уроком о необходимости фокуса.
Вначале Palona обслуживала fashion и electronics бренды, создавая «wizard» и «surfer dude» персональности для продаж. Но команда быстро осознала: ресторанная индустрия — это уникальная, триллионная возможность, которая «удивительно устойчива к рецессиям», но «потрясена» операционной неэффективностью.
«Совет для основателей стартапов: не ходите в несколько индустрий одновременно,» — предупредила Zhang.
Благодаря вертикализации Palona перешла от «тонкого» чат-слоя к «многосенсорному информационному конвейеру», который обрабатывает видение, голос и текст одновременно. Это открыло доступ к проприетарным тренировочным данным — рецептам приготовления и расшифровкам звонков — и избежало скребков общих данных.
Четыре ключевых урока для строителей AI
1. Строительство на «сдвигающемся песке»
Чтобы приспособиться к реальности enterprise AI в 2025 году — когда новые, улучшенные модели выходят почти еженедельно — Palona разработала патентованный слой оркестрации. Вместо того чтобы быть «привязанной» к одному поставщику (OpenAI или Google), архитектура позволяет менять модели на ходу в зависимости от производительности и стоимости.
Компания использует смесь проприетарных и open-source моделей: Gemini для компьютерного зрения и специфические языковые модели для испанского или китайского языков. Ключевой вывод: никогда не давайте основной ценности продукта зависеть от одного вендора.
2. От слов к «мировым моделям»
Запуск Palona Vision представляет сдвиг от понимания слов к пониманию физической реальности кухни. Пока многие разработчики борются с тем, чтобы собрать вместе отдельные API, система Palona преобразует существующие камеры в операционные помощники.
Система определяет «причину и следствие» в реальном времени — узнаёт, недоготовлена ли пицца по «бледно-бежевому» цвету или предупреждает менеджера, если витрина пуста. «В словах физика не имеет значения,» — объяснила Zhang. «Но в реальности, если я уроню телефон, он всегда падает вниз… мы хотим действительно разобраться, что происходит в этом мире ресторанов».
3. Решение «Muffin»: архитектура пользовательской памяти
Одна из самых значительных технических проблем, с которой столкнулась Palona — управление памятью. В ресторане память — это разница между раздражающим взаимодействием и «магическим» моментом, когда агент помнит «обычный» заказ клиента.
Команда использовала open-source инструмент, но обнаружила: ошибки возникали в 30% случаев. Поэтому Palona разработала Muffin — проприетарную систему управления памятью (названа в честь веб-«cookies»). В отличие от стандартных vector-подходов, Muffin обрабатывает четыре отдельных слоя:
- Структурированные данные: адреса доставки, информация об аллергиях.
- Медленно меняющиеся параметры: предпочтения лояльности, любимые блюда.
- Преходящие и сезонные воспоминания: летом предпочитаю холодные напитки, зимой — горячий какао.
- Региональный контекст: часовые пояса, языковые предпочтения.
Урок для создателей: если лучший доступный инструмент недостаточен для вашей вертикали — будьте готовы создать свой собственный.
4. Надёжность через «GRACE»
На кухне ошибка AI — это не просто опечатка, это испорченный заказ или риск безопасности. Недавний случай в Stefanina’s Pizzeria в Миссури, где AI»галлюцинировал» поддельные предложения во время вечерней спешки, показывает, как быстро может испариться доверие к бренду.
Чтобы предотвратить такой хаос, инженеры Palona следуют внутреннему фреймворку GRACE:
- Guardrails (ограждения): жёсткие ограничения поведения агента, чтобы предотвратить несанкционированные акции.
- Red Teaming (красная команда): проактивные попытки «сломать» AI и выявить триггеры галлюцинаций.
- App Sec: блокировка API и интеграций третьих сторон с TLS, токенизацией и системами предотвращения атак.
- Compliance (соответствие): закрепление каждого ответа в проверенных, утверждённых данных меню.
- Escalation (эскалация): маршрутизация сложных взаимодействий человеку-менеджеру до того, как гость получит неправильную информацию.
Надёжность проверяется через масштабное моделирование. «Мы смоделировали миллион способов заказать пиццу,» — сказала Zhang, используя один AI как покупателя и другой как оператора, измеряя точность.
В итоге
С запуском Vision и Workflow компания Palona ставит на то, что будущее enterprise AI — это не широкие ассистенты, а специализированные «операционные системы», которые видят, слышат и думают в рамках конкретной области. Система Palona предназначена для выполнения ресторанных процессов, а не просто для ответов на вопросы — она помнит клиентов, слышит их «обычный» заказ и следит за операциями ресторана, чтобы они получили еду, обнаруживая, когда что-то пошло не так или, главное, вот-вот пойдёт.
Для Zhang цель проста: позвольте операторам сосредоточиться на своём мастерстве. «Если у вас вкусная еда — мы подскажем, что делать.»
Разбираться в том, как AI трансформирует индустрию и какие решения действительно работают — это теперь необходимость. Палона показала нам, что будущее за специализированными системами, а не за универсальными ботами.🔔 Чтобы узнать больше о трендах в AI, операционных системах на базе нейросетей и следить за новостями мира искусственного интеллекта, подпишитесь на мой канал «ProAI» в Telegram!