IA para restaurantes: as 5 aplicações que a Prosus está financiando na Emilia AI e como PMEs podem se preparar

A Prosus, grupo dono do iFood, liderou uma rodada pre-seed de US$ 1,5 milhão na Emilia AI. O aporte da Prosus foi de US$ 1 milhão. Os US$ 500 mil restantes vieram de investidores-anjo não divulgados. A Emilia AI foi fundada em 2024 pelos colombianos Andrés Cajiao (CEO) e Sebastian Rojo (CTO), tem sede nos Estados Unidos e trata o Brasil como principal mercado.

A proposta é instalar uma camada de IA para restaurantes sobre câmeras de segurança que o estabelecimento já tem. O software cruza o que as câmeras veem (status da mesa, comportamento do cliente, movimentação da equipe) com os dados do ponto de venda. Para quem opera um negócio, isso importa por um motivo simples: a infraestrutura já está no teto, gravando, e quase sempre é usada só depois que algo deu errado.

O que a Prosus viu na Emilia AI: contexto do investimento de US$ 1,5M

A Prosus mantém uma tese de ecossistema tech para restaurantes. Faz sentido: boa parte dos restaurantes brasileiros ainda opera com software de PDV básico, e a câmera de segurança é um sensor já instalado e subutilizado. A aposta da Emilia é transformar esse hardware parado em dado operacional.

O valor do investimento não é o ponto para o dono de PME. O ponto é o que a tecnologia promete resolver. A empresa afirma que um bar ou restaurante brasileiro troca todo o quadro de funcionários a cada 16 meses, com rotatividade acima de 70% ao ano, mais que o dobro do restante do setor de serviços. A aposta da Emilia é que, se a ferramenta faz o garçom vender mais e ganhar mais, a rotatividade se resolve pela ponta da remuneração.

Esse é o desenho comercial, e vale lê-lo com cuidado. Vender por incentivo funciona quando a métrica é justa e o dado é confiável. Se o sistema aponta uma sugestão que o garçom não teve tempo de fazer, o incentivo vira ruído. Vale lembrar o que já discutimos sobre quando deixar o agente aprender sozinho e quando não: incentivo automático sem dado limpo cobra do time algo que o próprio sistema não sustentou.

O que a solução não exige é troca de hardware. A base é usar as câmeras existentes como sensores. Isso reduz a barreira de entrada, mas também define o teto de qualidade: a IA só enxerga o que a câmera já entrega.

1. Câmeras de segurança com IA: de olho no salão a sensor de vendas

O agente Coach, segundo a empresa, observa o salão em tempo real e aponta sobremesa não oferecida e bebida não sugerida. É a tradução operacional do que o dono faria se estivesse no chão o tempo todo. Nas palavras de Cajiao: "A Emilia foi construída para ser os olhos do dono no chão do restaurante, mesmo quando ele não está lá".

Limite técnico que a cobertura de funding não entrega: a precisão depende de iluminação, ângulo e resolução da câmera existente. Câmera mal posicionada gera dado ruim, e dado ruim gera decisão ruim.

Cuidado com governança: medir fluxo agregado é operação. Rastrear o trajeto individual de cada garçom sem política de uso é outra coisa. Defina antes o que será medido, por quê e quem acessa.

2. Agentes de IA no atendimento: pedidos, reservas e dúvidas sem fila

Agentes de IA no atendimento respondem no WhatsApp, no site ou em totem. Reduzem tempo de espera em dúvidas repetidas: horário, reserva, item do cardápio, status do pedido. Integrados ao cardápio digital e ao sistema de pedidos, viram automação de vendas com IA de ponta a ponta.

Limite operacional: o agente precisa de base de conhecimento atualizada. Cardápio que muda e agente que não sabe gera resposta errada. E todo agente precisa de fallback para humano quando a conversa sai do script.

Sobre ROI de IA em PME, a conta é direta: compare o custo de um atendente extra em horário de pico com a licença do agente. Não há número público dessa comparação no material da rodada, então trate como conta a fazer na sua operação, não como benchmark.

3. Automação de vendas com IA: upsell e combos no momento certo

A IA analisa histórico de pedidos e sugere adicional ou bebida no ponto de decisão. Funciona em balcão, mesa ou delivery. A diferença em relação ao upsell tradicional é o timing: sugerir no momento em que o cliente decide, não no fim do atendimento.

Métricas para acompanhar: ticket médio, taxa de aceitação da sugestão e receita incremental. Se a taxa de aceitação é baixa, o problema pode ser a sugestão, o momento ou o canal.

Limite: excesso de sugestões irrita e reduz conversão. Sugestão demais é o mesmo que nenhuma.

4. Antifraude com IA: protegendo caixa, estoque e funcionários

O agente Sentinel, segundo a empresa, atua como software antifraude. Sinaliza prato que sai da cozinha sem passar no caixa ou dinheiro que não entra na registradora. O antifraude com IA cruza câmera, PDV e estoque para achar padrões anômalos: cancelamento suspeito de itens, sangria fora de horário, consumo interno não registrado.

Como implantar com governança:

• Regras claras e escritas sobre o que é monitorado.
• Auditoria humana antes de qualquer consequência.
• Comunicação transparente à equipe sobre o que o sistema faz.

Limite técnico: falsos positivos existem. Um prato que sai da cozinha e volta pode ser erro de pedido, não furto. Sem revisão humana, o sistema cria clima de vigilância sem critério e destrói a confiança que ele deveria proteger.

5. IA aplicada à operação de restaurantes: previsão de demanda e escala

IA aplicada à operação de restaurantes também serve para prever fluxo por dia, clima e eventos locais. Isso ajuda a escalar equipe e compras, e reduz desperdício de insumos perecíveis.

A integração com sistemas de gestão existentes evita ilha de dados. Previsão que não conversa com o estoque não vira pedido de compra. Essa lógica de dado próprio alimentando a operação é a mesma que aparece no guia sobre empresa autônoma com SAP.

Limite: previsão precisa de dados históricos consistentes e revisão periódica do modelo. Restaurante novo, sem histórico, tem pouco a prever.

Como implantar IA para restaurantes com ROI e sem vigilância sem critério

1. Comece por um problema específico, como fila no atendimento ou quebra de estoque. IA genérica não resolve nada.
2. Defina indicadores de sucesso antes de contratar: ticket médio, tempo de atendimento, perdas, conversão.
3. Envolva a equipe. Explique o que a IA mede, por que mede e como isso beneficia o trabalho. Sem alguém com mandato claro para decidir o que entra e o que fica de fora, vira projeto órfão, o mesmo erro que já vimos em casos de diretoria de IA dentro de empresas.
4. Estabeleça política de privacidade e uso de imagens, com supervisão humana nas decisões sensíveis.
5. Escale aos poucos. Teste em uma unidade ou turno, em modo sombra, meça o ROI de IA em PME e só depois expanda.

O modo sombra merece destaque: rode o sistema sem agir sobre os alertas por algumas semanas. Compare o que ele aponta com o que aconteceu de fato. Só depois ligue o incentivo ou a cobrança.