Palona, Restoranlar için Yapay Zekâda Derinleşiyor: Vision ve Workflow Özellikleri Tanıtıldı
Palona, Restoranlar için Yapay Zekâda Derinleşiyor: Vision ve Workflow Özellikleri Tanıtıldı
Palona, restoran ve konaklama sektörüne özel Vision ve Workflow çözümleriyle yapay zekâ tabanlı operasyon yönetiminde yeni bir dönemi başlatıyor.
Önemli Noktalar
- Palona, Vision ve Workflow ürünleriyle restoran operasyonlarını dijitalleştiriyor.
- Şirket, genel amaçlı çözümlerden sektör odaklı derin sistemlere geçiş yapıyor.
- Yeni mimari, çoklu yapay zekâ modelleriyle esnek ve güvenilir bir işletim sistemi sunuyor.
Palona’nın Restoranlara Dikey Hamlesi
Palo Alto merkezli Palona AI, eski Google ve Meta mühendislerinin liderliğinde, restoran ve konaklama sektörüne odaklanan Vision ve Workflow ürünlerini tanıttı. Bu yeni çözümler, şirketin çok modlu ajan paketini gerçek zamanlı bir operasyon işletim sistemine dönüştürüyor; kamera görüntüleri, sesli aramalar ve görev yönetimi gibi süreçleri bütünleştiriyor.
Palona, 2025 başında 10 milyon dolar tohum yatırımıyla piyasaya çıktığında, geniş çaplı doğrudan tüketiciye yönelik duygusal zekâya sahip satış ajanları geliştirmeyi hedefliyordu. Ancak şirket, odağını restoran sektörüne kaydırarak, “çok modlu yerel” yaklaşımla fiziksel dünyadaki kritik operasyonel sorunları çözmeye yöneldi.
Kurucu ortak ve CTO Tim Howes, LLM ekosisteminin istikrarsızlığına dikkat çekerek, “Şu anda şirketinizi hareketli bir zeminde inşa ediyorsunuz. Bu nedenle, performans, akıcılık ve maliyet açısından modelleri kolayca değiştirebileceğimiz bir orkestrasyon katmanı oluşturduk,” dedi.
Vision ve Workflow: Restoranlar için Dijital Müdür
Palona’nın son sürümü, restoran sahipleri için otomatik ve kesintisiz çalışan bir “en iyi operasyon müdürü” işlevi görüyor. Vision ürünü, mevcut güvenlik kameralarını kullanarak sıra uzunluğu, masa devir hızı, hazırlık darboğazları ve temizlik gibi operasyonel verileri analiz ediyor; ek donanım gerektirmiyor.
Vision, hem salon hem de mutfak tarafında yaşanan sorunları tespit ederken, Workflow ise çok adımlı operasyon süreçlerini otomatikleştiriyor. Catering siparişlerinden açılış-kapanış kontrol listelerine, yemek hazırlama süreçlerinden çoklu şube yönetimine kadar verimliliği artırıyor.
Tono Pizzeria + Cheesesteaks’in kurucusu Shaz Khan, “Palona Vision her şubeye dijital bir genel müdür kazandırıyor. Sorunları büyümeden tespit ediyor ve bana her hafta saatler kazandırıyor,” diyor.
Dikeyleşmenin Getirdiği Dersler
CEO Maria Zhang (eski Google Mühendislik Başkan Yardımcısı ve Tinder CTO’su) ve CTO Tim Howes (LDAP’ın ortak mucidi ve eski Netscape CTO’su) gibi güçlü bir ekibe sahip Palona, ilk yılında odaklanmanın önemini tecrübe etti. Başlangıçta moda ve elektronik markalarına hizmet veren ekip, restoran sektörünün benzersiz ve dirençli bir pazar olduğunu fark ederek yön değiştirdi.
Zhang’ın girişimcilere tavsiyesi: “Çoklu sektöre yayılmayın.” Şirket, dikeyleşerek vizyon, ses ve metni bir arada işleyen çok duyulu bir bilgi hattı oluşturdu. Bu odaklanma, şirketin kendi sektörüne özgü eğitim verilerine erişmesini sağladı ve genel veri kazımadan uzak durdu.
1. Değişken Zemin Üzerinde Şirket Kurmak
2025’te kurumsal yapay zekâ dağıtımlarında neredeyse haftalık olarak yeni modeller ortaya çıkarken, Palona patent başvurusu yapılan bir orkestrasyon katmanı geliştirdi. Şirket, tek bir sağlayıcıya (ör. OpenAI veya Google) bağlı kalmadan, performans ve maliyete göre kendi özel ve açık kaynak modellerini hızla değiştirebiliyor. Örneğin, bilgisayarla görme için Gemini, farklı diller için özel modeller kullanılıyor.
Buradan çıkarılan ders: Ürün değeriniz asla tek bir tedarikçiye bağımlı olmamalı.
2. Kelimelerden Fiziksel Modeller Kurmaya
Palona Vision’ın lansmanı, kelimeleri anlamaktan restoranın fiziksel gerçekliğini kavramaya geçişi temsil ediyor. Çoğu geliştirici farklı API’leri birleştirmekte zorlanırken, Palona mevcut kamera altyapısını operasyon asistanına dönüştürüyor.
Sistem, örneğin bir pizzanın “soluk bej” renginden az piştiğini veya bir vitrinin boş olduğunu gerçek zamanlı algılayabiliyor. CEO Zhang, “Kelimelerde fizik kuralları önemli değildir; fakat gerçek dünyada telefonu bırakırsam her zaman yere düşer… Biz restoran dünyasında neler olup bittiğini gerçekten anlamak istiyoruz,” diyor.
3. Muffin: Özel Bellek Mimarisi
Palona’nın karşılaştığı en büyük teknik zorluklardan biri bellek yönetimiydi. Restoranlarda, belleğin doğru çalışmaması müşteri deneyimini bozabiliyor. Ekip, başlangıçta açık kaynaklı bir araç kullansa da %30 hata oranı gördü. Zhang, “Tüketiciye yönelik yapay zekâ ürünlerinde geliştiriciler genellikle belleği kapatır, çünkü bu sorun çıkarır,” uyarısında bulundu.
Bunun üzerine Palona, Muffin adını verdiği kendi bellek yönetim sistemini geliştirdi. Muffin, standart vektör tabanlı yaklaşımların aksine, dört katmanı bir arada yönetebiliyor:
- Yapısal Veriler: Teslimat adresi, alerji bilgileri gibi sabit gerçekler
- Yavaş Değişen Bilgiler: Sadakat tercihleri, favori ürünler
- Geçici ve Mevsimsel Bellek: Yazın soğuk içecek, kışın sıcak kakao tercihi gibi değişkenler
- Bölgesel Bağlam: Varsayılan saat dilimi veya dil tercihleri
Buradaki ana mesaj: Sektöre özel sorunlar için en iyi mevcut araç yeterli değilse, kendi çözümünüzü geliştirmelisiniz.
4. GRACE ile Güvenilirlik
Mutfakta yapay zekâ hatası yalnızca bir yazım hatası değil, aynı zamanda sipariş kaybı veya güvenlik riski anlamına geliyor. Missouri’deki Stefanina’s Pizzeria’da yaşanan ve bir yapay zekânın sahte kampanyalar oluşturmasıyla sonuçlanan olay, güvenlik önlemlerinin eksikliğinde marka itibarının ne kadar hızlı zedelenebileceğini gösterdi.
Palona mühendisleri, bu tür kaosları önlemek için GRACE adını verdikleri içsel bir çerçeve uyguluyor:
- Korumalar: Onaysız promosyonları engelleyen sınırlar
- Kırmızı Takım Testleri: Yapay zekâyı “kırmaya” ve olası hataları önceden tespit etmeye yönelik proaktif testler
- Uygulama Güvenliği: API ve entegrasyonlarda TLS, tokenizasyon ve saldırı önleme sistemleri
- Uyumluluk: Her yanıtın doğrulanmış menü verilerine dayandırılması
- Yönlendirme: Karmaşık durumların insan müdürlere aktarılması
Bu güvenilirlik, milyon
Kaynak: venturebeat.com