Maple, un restaurante neoyorquino participado por el prestigioso restaurador David Chang, está redefiniendo los estándares de comida rápida para reforzar sus valores fundamentales, la conveniencia y la comodidad: pretende redefinir la comida rápida… como comida más rápida.
El restaurante tiene una característica fundamental: es simplemente una app. Pero no una app de coordinación, no una simple plataforma, sino un auténtico proceso eficiente que controla todos los aspectos del negocio, desde la cocina hasta el envío, tratando de maximizar el factor fundamental: el throughput, el ratio de producción, o el número de envíos que es capaz de llevar a cabo sin dejar de responder a unos parámetros de calidad prefijados. Un parámetro en el que el líder absoluto hasta el momento era Chipotle, una cadena de comida rápida en la que la sensación nada más entrar es la de pasar por una auténtica cadena de producción donde muchas personas se afanan en preparar tu burrito, tus tacos o tu ensalada a toda velocidad. Si te demoras en tomar la decisión, si es tu primera vez y desconoces el funcionamiento, o si de alguna manera te equivocas, la situación se convierte en verdaderamente incómoda, de estar estorbando en un proceso diseñado para optimizar la productividad, las trescientas comidas servidas a la hora, una cada doce segundos.
En Maple han diseñado su proceso de producción para ser capaces de operar al triple de velocidad que Chipotle, con el récord ya situado en 1,100 comidas en una hora. Cocinas estratégicamente situadas, en las que se reciben los pedidos desde la app, y desde donde son repartidos en bicicleta. Ni mesas, ni camareros, ni cajas registradoras, ni nada que se le parezca: simplemente una cadena de producción con menús optimizados para poder ser cocinados, emplatados y enviados de la manera más eficiente posible. Todo orientado a las operaciones: el cocinero cocina, la demanda se estima mediante técnicas de machine learning que basan sus estimaciones en los resultados anteriores de cada plato, los que preparan los pedidos se dedican exclusivamente a eso mediante una aplicación que les dice qué poner en cada bolsa, y los que los reparten en bicicleta optimizan sus rutas mediante otra aplicación más, con total flexibilidad a la hora de operar desde una u otra localización: pueden volver a la misma tienda desde la que repartieron el último pedido o a otra, pueden recoger un pedido según pasan por una tercera y repartirlo de camino, etc.
Las cocinas, en realidad, no son mucho más grandes que un establecimiento típico de Chipotle. Pero al eliminar de las mismas todos los procesos ineficientes – en general, los protagonizados por los usuarios – y relegarlos a la pantalla de la app, las posibilidades de mejora son enormes: el cliente toma decisiones en la aplicación, establece excepciones sobre ella (quita este ingrediente, pon este otro), y especifica en ella todo lo relacionado con el proceso de envío (piso, puerta, por dónde se entra, si hay portero o no, si hay que llamar, etc.) En la práctica, en un establecimiento de unos 280 metros cuadrados (frente a los 230 de Chipotle) trabajan unas veinte personas, más unas cincuenta con bicicletas contratadas en plantilla y dedicadas a hacer los envíos. El resultado es que mientras Chipotle emplea unas cuarenta tiendas para dar servicio a toda el área de Manhattan por debajo de Central Park, Maple es capaz de abastecerla completamente mediante entre cinco y siete de sus localizaciones.
Todo un caso de uso eficiente de tecnología y de rediseño de procesos, que se sale de los tópicos habituales de la subcontratación absoluta y de las plataformas ligeras que permiten coordinar piezas de terceros. Mientras los Grubhub, Postmates, Hello Alfred, UberEats, DoorDash y similares se dedican puramente a la logística y llevan el plato que sea desde los restaurantes que participen y a quien lo requiera, en este caso hablamos de una máquina perfectamente engrasada que basa su supervivencia en una intensa y constante coordinación interna, en una fuerte integración y optimización de los procesos, y en la arquitectura de datos. No hay más que ver la página en la que anuncia sus ofertas de trabajo.
Aún no he encontrado un caso dedicado a Maple en ninguna escuela de negocios. Pero algo me dice que no tardaremos en tenerlo…
Comentarios
Publicar un comentario