Agent Washing: क्यों कुछ रेस्तरां ऑपरेटर अत्यधिक प्रचारित AI से सावधान हैं

रेस्तरां उद्योग में रहने वालों के लिए, ऐसा लगता है कि AI रोलआउट्स ने एक कठिन रास्ता तय किया है।

वसंत में, Starbucks ने एक साल से भी कम उम्र में इन्वेंटरी गिनने के लिए कंप्यूटर‑विजन सिस्टम को बंद कर दिया। उसी महीने, Pizza Hut के सबसे बड़े फ्रैंचाइजी ने चेन को 100 मिलियन डॉलर के लिए मुकदमा किया, यह दावा करते हुए कि एक अनिवार्य AI प्लेटफ़ॉर्म 110 से अधिक रेस्तरां में टूट गया। इन शीर्षकों को पढ़ने से एक आसान निष्कर्ष निकाला जा सकता है: AI इस व्यवसाय के लिए तैयार नहीं है।

यह मदद नहीं करता कि ऑपरेटर को मिलने वाला दूसरा AI अधिकांशतः प्रचार है। इस साल के National Restaurant Association Show में, मंच पर AI दावों की भरमार थी, जिसमें एक विक्रेता ने एक हुड‑डिग्रीज़िंग सेवा बेची जो किसी तरह कृत्रिम बुद्धिमत्ता पर चलती थी। सैन डिएगो में Kalei’s Kitchenette के मालिक खारा मैंगिडुयोस ने इसे नहीं खरीदा। “कौन उस तेल को स्क्रैप करेगा?” उन्होंने Restaurant Business की रिपोर्टर से पूछा। “न रोबोट। न AI।”

विक्रेताओं की ये तरकीबें और विफलताओं की सुर्खियाँ, दोनों मिलकर तकनीक के प्रति दो स्तरों पर स्वाभाविक अविश्वास पैदा करती हैं। लेकिन गहराई से देखने पर पता चलता है कि उद्योग में अब बड़े पैमाने पर सफल हो रहे AI समाधान न तो बड़े नामों की नाकामियों जैसे हैं, न ही उन उत्पादों जैसे जिन पर केवल AI का विपणन लेबल चिपका दिया गया है।

गलती करना शिपिंग का हिस्सा है। गलत चीज़ खरीदना नहीं।

जिन प्रणालियों की विफलताएँ सबसे अधिक दिखाई देती हैं, वे आम तौर पर सबसे महत्वाकांक्षी होती हैं और सबसे कठिन तथा कम पूर्वानुमेय कामों को लक्ष्य बनाती हैं। नई तकनीक बनाने का अर्थ अक्सर उसे वास्तविक दुनिया में उतारना, उसकी चूक देखना और उन्हें ठीक करना होता है।

Taco Bell एक हालिया उदाहरण है। इस श्रृंखला ने हाल ही में AI वॉइस‑ऑर्डरिंग सिस्टम को 890 से अधिक ड्राइव‑थ्रू में विस्तारित किया, लगभग दो साल बाद जब पहले संस्करण ने 18 000 कप पानी का ऑर्डर ले कर वायरल हो गया था। लेकिन ये विफल रोलआउट अक्सर भारी लागत के साथ आते हैं, जिसे मुख्यतः एंटरप्राइज़‑स्तर के व्यवसाय ही वहन कर सकते हैं। यह एक जोखिम है जिसे हर कोई सहन नहीं कर सकता।

कभी‑कभी, दावा और वास्तविकता के बीच का अंतर ठोकर नहीं बल्कि एक बनावटी कहानी होता है। जनवरी 2025 में, SEC ने ड्राइव‑थ्रू वॉइस कंपनी Presto Automation पर यह दावा करने के लिए आरोप लगाया कि उसके सिस्टम ने “मानव ऑर्डर‑लेने की आवश्यकता को समाप्त कर दिया”। वास्तव में, नियामकों ने पाया कि कंपनी ने अधिकांश ऑर्डर पूरा करने के लिए फिलीपींस और भारत के कर्मचारियों पर निर्भर किया।

Presto एजेंट वॉशिंग के रूप में बढ़ते समस्या के पीछे की वही प्रवृत्ति का एक अत्यधिक मामला है। इस मामले में, “AI” आंशिक रूप से लोगों से बना था। एजेंट वॉशिंग विशेष रूप से इसका अर्थ है कि किसी चीज़ को स्वायत्त AI एजेंट के रूप में मार्केट करना जबकि वह ऐसा नहीं है।

धोखा AI क्षमता के स्तर के बारे में है। यही वह माहौल है जिसे Gartner खरीदारों को नेविगेट करने की चेतावनी दे रहा है, ऐसे बाजार में जहाँ शब्द “एजेंट” को सबसे अच्छा नया AI टूल बताया जाता है। यह संभवतः अधिक महंगे मूल्य टैग के साथ आता है।

“SCP नेताओं को एजेंटिक AI भविष्य के लिए तैयार रहना चाहिए, लेकिन उन्हें सार्थक क्षमता को बाजार के शोर से अलग करना चाहिए,” Gartner की सप्लाई चेन प्रैक्टिस में सीनियर डायरेक्टर एनालिस्ट Jan Snoeckx ने कहा। “आज की प्राथमिकता पूर्ण स्वायत्तता नहीं, बल्कि ऑपरेशनल अनुशासन, आर्किटेक्चरल लचीलापन और निर्णय फ्रेमवर्क बनाना है जो एजेंटिक AI को तकनीक के परिपक्व होने पर स्केल करने की अनुमति देता है।”

समस्या यह नहीं है कि महत्त्वाकांक्षी AI कभी‑कभी विफल हो जाता है; बल्कि यह है कि ये विफलताएँ पूरी श्रेणी की सार्वजनिक धारणा को आकार देती हैं, जिसमें वे साधारण टूल भी शामिल हैं जो मूल रूप से कठिन कार्य करने की कोशिश नहीं कर रहे थे।

यहीं पर एजेंट वॉशिंग “जम्पिंग द शार्क” कहा जाने वाले चरण में पहुँचती है, जहाँ एक ट्रेंड एक गिमिक को इतना आगे ले जाता है कि दर्शक खरीदना बंद कर देते हैं। जब पर्याप्त विक्रेता पर्याप्त उत्पादों पर “AI” लगाते हैं, तो यह लेबल इतना बढ़ जाता है कि यह एक बेतुके चीज़ पर भी पहुँच जाता है, जैसे कि डिग्रीज़र।

Gartner खरीदारों को बताता है कि किसी टूल के स्वायत्त होने के बारे में विक्रेता की बात को न मानें। जो चीज़ें एजेंट के रूप में बेची जाती हैं, वे वास्तव में स्वतंत्र रूप से काम नहीं कर सकतीं। वे एक स्क्रिप्ट का पालन करती हैं और उसे बुद्धिमत्ता कहती हैं।

इसके बजाय, दोहराव वाले कामों के लिए साधारण स्वचालन अपनाएँ, एजेंटों को अधिक मात्रा वाले ऐसे कामों तक सीमित रखें जहाँ गलती की लागत कम हो, और फिलहाल कठिन समस्याएँ पूरी तरह स्वायत्त प्रणालियों को न सौंपें।

अक्सर काम करने वाला AI उतना आकर्षक नहीं होता

रेस्तराँ को चुपचाप अच्छे परिणाम देने वाले उपकरण वे हैं जो एक ही स्पष्ट रूप से सीमित काम पर केंद्रित होते हैं।

Mariano Jurich, Making Sense में एक सीनियर प्रोडक्ट लीडर, जो मध्य‑मार्केट और निजी इक्विटी‑समर्थित कंपनियों को वास्तविक में कौन सा AI खरीदना चाहिए, इस पर सलाह देते हैं, कहते हैं कि समस्या शब्द स्वयं से शुरू होती है, एक ऐसी उद्योग में जहाँ “एजेंट” के बारे में कभी सहमति नहीं हुई।

“यदि आप एक ‘यदि‑तो‑करें’ प्रकार के वाक्य में टूल क्या करता है, इसे वर्णित कर सकते हैं, तो यह संभवतः 100 % एजेंटिक नहीं है,” वह कहते हैं। यह सरल टूल्स की आलोचना नहीं है। अधिकांश टीमों की जरूरतों के लिए, वह जोड़ते हैं, “एजेंटिक संभवतः अत्यधिक है”। यदि कार्य दोहरावदार और नियम‑आधारित है, तो ऑटोमेशन इसे बिना लागत या मशीन को स्वतंत्र रूप से निर्णय लेने की जोखिम के संभाल लेता है।

जोखिम तब मौजूद है जब ग्राहक‑सम्पर्क पूछताछ या वित्तीय निर्णयों को संभालने के लिए एजेंटिक मॉडल पेश किया जाता है, बिना उचित मानव निगरानी के जब यह महत्वपूर्ण हो। यह अक्सर सहजता से काम करेगा, जो ग्राहक या चेक के पास होना बिल्कुल भी नहीं चाहिए।

स्टॉकहोम का कॉफ़ी शॉप जिसने बैक ऑफिस को चलाने के लिए AI को अनुमति दी, यह दिखाता है कि प्रयोग के हिस्से के रूप में यह कैसे दिखता है। वसंत में, रिसर्च लैब Andon Labs ने Gemini‑पावर्ड एजेंट जिसका नाम Mona था, को एस्प्रेसो मशीन को छोड़कर सब कुछ नियंत्रित करने दिया, ऑर्डरिंग, परमिट, भर्ती, सप्लायर कॉन्ट्रैक्ट्स, और इसे अपने निर्णय लेने की अनुमति दी। उसने एक छोटे कैफ़े के लिए 3 000 रबर ग्लव्स और 6 000 नैपकिन खरीदे, मेन्यू में उपयोग नहीं होने वाले कैन टमाटर स्टॉक किए, और घंटों के बाद बारिस्टाओं को Slack पर संदेश भेजे। लैब ने इन गलतियों को एजेंट की छोटी स्मृति के कारण बताया।

James Tice ने रेस्तरां फ़्लोर पर काम किया, फिर टेक में बदलाव किया, और अब Tab Commerce में ग्रोथ हेड के रूप में, जो रेस्तरां उद्योग के कुछ सबसे बड़े नामों द्वारा उपयोग किया जाने वाला एक वित्तीय प्लेटफ़ॉर्म है, वह अपने समय को ऑपरेटरों से जुड़ने में बिताते हैं ताकि यह समझ सकें कि क्या काम करता है और क्या नहीं।

“‘मानव को लूप में रखें’ AI के संबंध में कई उद्योगों में इतनी बार कहा गया है कि यह अब भराव जैसा लगने लगा है,” Tice कहते हैं, जो मानते हैं कि कई टेक कंपनियों को यह समझने में कठिनाई होती है कि ऑपरेटर कैसे काम करते हैं।

वह कहते हैं कि वह AI जो इस मानक को पार करता है, वह वह प्रकार है जिसके बारे में कोई नहीं लिखता: इनवॉइस का मिलान करना, विक्रेता के अधिक शुल्क को पकड़ना, बहीखाता जल्दी बंद करना। “ऑपरेटर विशेष रूप से वित्तीय मामलों की परवाह करते हैं। उन्हें व्यस्त कार्यों को हटाना चाहिए ताकि वे फिर से फ़्लोर पर लौट सकें।”

वह जोड़ते हैं कि दक्षता लक्ष्य नहीं है; बल्कि यह वह है जो दक्षता खरीदती है। “यह मानव समय बढ़ाने के बारे में है,” Tice कहते हैं। “यह मेहमानों को हटाने या अनुभव को हटाने के बारे में नहीं है। यह अनुभव को अधिक महत्व देने के बारे में है।”

इसीलिए वह मानते हैं कि सिलिकॉन वैली अक्सर तकनीक को गलत मापता है। “रेस्तरां में समय बचत जैसी कोई चीज़ नहीं होती। केवल समय का आवंटन होता है।”

एक टूल जो ऑपरेटर को तीस मिनट वापस देता है, वह केवल आधा काम कर पाया है यदि वह अगला प्रश्न नहीं उत्तर दे सकता: “हम प्रभावी रूप से समय किससे ले रहे हैं, और हम प्रभावी रूप से समय कहाँ डाल रहे हैं?” एक अच्छा टूल, वह जोड़ते हैं, “₹1 समय को हटाकर ₹10 समय वापस देना चाहिए। लेकिन इसे ₹10 समय भी ढूँढ़ना चाहिए, जैसे कि इसे ₹1 समय ढूँढ़ना चाहिए।”

Tice के लिए, वह सभी पुनः प्राप्त समय किसी विशिष्ट स्थान की ओर इशारा करता है, और यही वह एकमात्र चीज़ है जिस पर वह दृढ़ता से मानते हैं कि कोई सॉफ़्टवेयर नहीं छूना चाहिए। जो मेहमान खरीद रहा है वह वास्तव में भोजन नहीं था। “आप एक प्लेट भोजन पर 50 डॉलर खर्च करते हैं, आप 50 डॉलर का भोजन नहीं खरीद रहे हैं, आप 50 डॉलर का अनुभव खरीद रहे हैं,” वह कहते हैं।

वे तर्क देते हैं, एक कमरा जहाँ कोई और व्यक्ति आपको सेवा देता है, वह अधिक मूल्यवान हो जाता है, “रेस्तरां का महत्व अभी भी वही रहता है।” वह टूल जो उस व्यक्ति को हटाने की कोशिश करते हैं, उनके अनुसार, पूरी व्यवसाय को गलत समझते हैं। “जब भी AI उस से कुछ हटाने की कोशिश करता है, वह कहता है कि वह हमारे उद्योग को समझता नहीं है।”

Jurich और Tice दोनों AI के खिलाफ नहीं तर्क दे रहे हैं, बस यह समझ रहे हैं कि कौन सा AI कहाँ फिट होता है।

“AI सिर्फ एक और टूल है जो आपके टूलबॉक्स में समस्या हल करने के लिए होता है,” Jurich कहते हैं। “और इसलिए इसे उसी तरह माना जाना चाहिए।”

मूल लेख के स्रोत: qsrmagazine.com [1] · techcrunch.com [2] · sec.gov [3] · gartner.com [4] · pbs.org [5]