Dall’intuito alla crescita guidata dai dati: la trasformazione AI di una catena di fast food

Guida alla previsione con l’AI: cosa insegna la trasformazione dei dati di Whataburger

Lezioni apprese:

• Il limite dei metodi previsionali tradizionali in tempi di volatilità economica
• Piano di implementazione dell’AI graduale, che mantiene al centro le competenze umane
• Best practice per garantire il buy-in operativo a livello trasversale
• Risultati tangibili: riduzione della varianza dal 10% al 2-3%
• Schema di riferimento per integrare AI e giudizio umano nelle decisioni

La sfida: quando i trend traggono in inganno

Per diversi anni, Whataburger ha adottato un approccio semplice alle previsioni, basato sull’analisi dei trend degli ultimi nove settimane di ciascun punto vendita per stimare le performance future. «Era un metodo costante che applicavamo trimestre dopo trimestre», spiega un responsabile finanziario.

Se questo metodo aveva funzionato bene in tempi più prevedibili, la volatilità del 2022 ne ha messo in luce i limiti. La previsione annuale dell’azienda, basata sugli straordinari risultati del 2021 — sostenuti in parte dagli incentivi governativi — non aveva tenuto conto del cambiamento economico più ampio che ne è seguito. Con il ritorno alla normalità dei comportamenti dei consumatori, le proiezioni non corrispondevano più alla realtà.

«Quell’anno è stato un punto di svolta», racconta il dirigente. «È diventato evidente che avevamo bisogno di un approccio più dinamico e guidato dai dati per le previsioni.»

La soluzione: previsioni basate sull’AI arricchite dall’esperienza umana

Hanno introdotto Board Foresight, una soluzione che analizza indicatori macroeconomici, dati storici di vendita e fattori esterni di mercato nelle principali aree geografiche. Ma la vera innovazione non è stata semplicemente l’adozione dell’AI, bensì il modo in cui è stata integrata con la loro competenza operativa.

Il nuovo processo inizia con previsioni di base generate dall’AI, che tengono conto delle dinamiche di mercato più complesse. Il sistema fornisce spiegazioni dettagliate sui venti contrari e favorevoli attesi, offrendo ai responsabili operativi il contesto necessario per interpretare le previsioni. Tuttavia, la baseline generata dall’AI è solo il punto di partenza.

«Continuiamo a utilizzare la piattaforma AI come baseline, ma poi collaboriamo con l’area operativa, dando loro la possibilità di apportare correzioni», spiega il dirigente. I responsabili delle operazioni possono infatti considerare conoscenze locali che l’AI potrebbe non rilevare — come l’apertura di un concorrente nelle vicinanze o l’espansione pianificata di nuovi punti vendita che rischierebbe di cannibalizzare le sedi esistenti.

I risultati: accuratezza con il coinvolgimento del team

La trasformazione è stata notevole. Da quando ha introdotto il processo di previsione potenziato dall’AI, l’azienda ha raggiunto un’accuratezza compresa tra il 2% e il 3% rispetto alle proiezioni — un miglioramento significativo rispetto allo scostamento del 5-10% registrato in precedenza.

Ancora più rilevante, l’azienda ha superato la sfida fondamentale del pieno allineamento operativo. «Se la finanza fornisce semplicemente un numero alle operazioni e questo non viene raggiunto, il bonus salta — e la responsabilità ricade subito sulla finanza», sottolinea il dirigente. Coinvolgendo i manager operativi nel perfezionamento delle previsioni generate dall’AI, l’azienda assicura impegno e responsabilità condivisa tra i team.

L’approccio collaborativo si è rivelato particolarmente prezioso nei periodi di incertezza economica. Come ha recentemente detto il responsabile finanziario ai brand leader durante la pianificazione del terzo trimestre: «Ecco cosa mostrano i modelli, ecco i rischi che stiamo rilevando… ma siete voi a conoscere meglio i vostri mercati.»

La lezione: l’AI valorizza le competenze umane

La storia di successo di questa catena di fast food illustra un principio fondamentale: le implementazioni di AI più efficaci non sostituiscono il giudizio umano — lo potenziano. Combinando analisi avanzate dell’AI con la conoscenza operativa locale, l’azienda ha creato un processo di previsione più accurato e, al tempo stesso, più affidabile in tutta l’organizzazione.

In uno scenario di mercato in continua evoluzione, questo modello ibrido mostra come sfruttare l’AI mantenendo quel contributo umano che è alla base dei risultati concreti.