Agent Washing: Waarom sommige restaurantexploitanten wantrouwig zijn tegenover overgehypete AI

Voor degenen in de restaurantindustrie lijkt het erop dat AI‑uitrol een hobbelige weg is.

In het voorjaar schakelde Starbucks een computer‑vision‑systeem voor het tellen van voorraad uit voordat het een jaar oud was. In dezelfde maand de grootste franchisenemers van Pizza Hut achtervolgden de keten voor $100 miljoen, stellende dat een verplicht AI‑platform meer dan 110 restaurants had doen falen. Het lezen van deze krantenkoppen leidt tot een eenvoudige conclusie: AI is nog niet klaar voor deze sector.

Het helpt niet dat de andere AI waarmee een exploitant in aanraking komt meestal hype is. Op de National Restaurant Association Show van dit jaar stond de vloer vol AI‑claims, waaronder een leverancier die een afzuig‑ontvettingsservice verkocht die op de een of andere manier op kunstmatige intelligentie draaide. Khara Mangiduyos, eigenaar van Kalei’s Kitchenette in San Diego, kocht het niet. “Wie gaat die olie schrapen?” vroeg ze aan een Restaurant Business-reporter. “Geen bot. Geen AI.”

Zowel de tactiek van de leverancier als de koppen over mislukkingen wekken een terechte, dubbel gelaagde wantrouwen jegens de technologie zelf. Maar als je dieper graaft, ziet het AI‑succes dat momenteel de sector opschaalt er niets uit als de grote flop‑namen of de AI‑gewasde producten.

Fout gaan is onderdeel van het verzenden. Het verkeerde product kopen niet

De systemen die het meest zichtbaar falen, zijn meestal de ambitieuze, gericht op de moeilijkste en minst voorspelbare taken. Het ontwikkelen van nieuwe technologie betekent vaak het in de praktijk brengen, het zien struikelen en het repareren.

Taco Bell is een recent voorbeeld. De keten breidde uit met een AI‑stemorderingssysteem naar meer dan 890 drive‑throughs, ongeveer twee jaar nadat een eerdere versie viraal ging door een bestelling van 18.000 bekers water te hebben aangenomen. Maar deze mislukte uitrol kan gepaard gaan met een flinke prijsetiket die vooral ondernemingen op ondernemingsniveau kunnen dragen. Het is een risico dat niet iedereen kan absorberen.

Af en toe is de kloof tussen claim en realiteit geen struikelpartij maar een fabricage. In januari 2025 beschuldigde de SEC het drive‑through‑stembedrijf Presto Automation over uitspraken dat hun systeem de “behoefte aan menselijke orderopname” had geëlimineerd. In werkelijkheid ontdekten toezichthouders dat het bedrijf leunde op werknemers in de Filipijnen en India om de meeste bestellingen af te handelen.

Presto is een extreem voorbeeld van dezelfde drang achter het groeiende probleem dat bekend staat als agent washing. In dit geval bestond de “AI” deels uit mensen. Agent washing betekent specifiek het op de markt brengen van iets als een autonoom AI‑agent terwijl dat niet het geval is.

De misleiding draait om het niveau van AI‑capaciteit. Dat is de omgeving waar Gartner kopers voor waarschuwt, in een markt waar het woord “agent” wordt verkocht als het beste nieuwe AI‑instrument dat er is. Mogelijk met een hoger prijskaartje.

“SCP‑leiders moeten zich voorbereiden op een agent‑gerichte AI‑toekomst, maar ze moeten betekenisvolle capaciteit scheiden van marktruis,” zei Jan Snoeckx, senior director analyst bij Gartner’s supply‑chain‑praktijk. “De prioriteit vandaag is niet volledige autonomie, maar het opbouwen van operationele discipline, architecturale flexibiliteit en besluitvormingskaders die agent‑AI laten opschalen naarmate de technologie rijpt.”

Het probleem is niet dat ambitieuze AI af en toe faalt; het is dat de mislukkingen de publieke perceptie van de hele categorie vormen, inclusief de bescheiden tools die nooit probeerden het moeilijke te doen.

Dit is waar agent washing overgaat in wat vaak “jumping the shark” wordt genoemd, het punt waarop een trend een gimmick zo ver duwt dat het publiek stopt met kopen. Wanneer genoeg leveranciers “AI” op genoeg producten plakken, blaast het label op tot het op iets absurds belandt, zoals een ontvetter.

Gartner adviseert kopers om het woord van een leverancier dat een tool autonoom is, niet klakkeloos aan te nemen. Veel van wat als een agent wordt verkocht, kan niet echt zelfstandig werken. Het volgt een script en noemt dat intelligentie.

In plaats daarvan gebruik je eenvoudige automatisering voor repetitief werk, bewaar de agents voor taken met hoog volume waarbij een fout goedkoop is, en geef geen volledige autonomie aan moeilijke problemen tot nog toe.

De AI die vaak werkt, is niet zo glamoureus

De tools die stilletjes resultaten leveren voor restaurants zijn degene die gericht zijn op één enkele, afgebakende taak.

Mariano Jurich, senior productleider bij Making Sense die middenmarkt‑ en private‑equity‑ondersteunde bedrijven adviseert over welke AI ze daadwerkelijk moeten kopen, zegt dat het probleem begint bij het woord zelf in een sector die nooit overeenstemming heeft bereikt over wat een “agent” is.

“Als je kunt beschrijven wat de tool doet in een ‘als‑dan‑doe’-zin, dan is het waarschijnlijk niet voor 100 % agent‑achtig,” zegt hij. Dat is geen afkeuring van de eenvoudigere tools. Voor het grootste deel van wat sommige teams nodig hebben, voegt hij toe: “agent‑achtig is waarschijnlijk overbodig”. Als de taak repetitief en regelgebonden is, dan regelt automatisering dit zonder de kosten of het risico van een machine die zelfstandig beslissingen neemt.

Het risico bestaat wanneer een agent‑model wordt geïntroduceerd om klantgerichte vragen of financiële beslissingen te beheren, zonder de juiste menselijke controle op kritieke momenten. Het zal vaak improviseren, en dat is het laatste wat je wilt in de buurt van een klant of een rekening.

De Stockholmse koffiewinkel die een AI de back‑office liet runnen, is een goed voorbeeld van hoe dat eruitziet als experiment. In het voorjaar gaf het onderzoekslab Andon Labs een op Gemini aangedreven agent genaamd Mona controle over alles behalve de espressomachine, bestellingen, vergunningen, werving, leverancierscontracten, en liet het eigen beslissingen nemen. Het kocht 3.000 rubberen handschoenen en 6.000 servetten voor een klein café, vulde ingeblikte tomaten bij die nergens op het menu werden gebruikt, en stuurde na werktijd berichten naar barista’s via Slack. Het lab schreef de fouten toe aan het korte geheugen van de agent.

James Tice werkte op restaurantvloeren voordat hij naar de technologie sector overstapte, en nu, als head of growth bij Tab Commerce, een financieel platform dat door enkele van de grootste namen in de restaurantindustrie wordt gebruikt, besteedt hij zijn tijd aan het verbinden met exploitanten om te begrijpen wat werkt en wat nog niet werkt.

“‘Houd een mens in de lus’ wordt zo vaak gezegd in relatie tot AI, in zoveel sectoren, dat het begint te klinken als een lege frase,” zegt Tice, die gelooft dat veel tech‑bedrijven moeite hebben om te begrijpen hoe exploitanten werken.

De AI die die drempel haalt, zegt hij, is het type waar niemand over schrijft: een factuur reconciliëren, een overbelasting door een leverancier opsporen, de boeken sneller sluiten. “Exploitanten geven specifiek om financiële zaken. Ze hebben de drukke taken weg nodig zodat ze terug naar de vloer kunnen gaan.”

Hij voegt eraan toe dat efficiëntie niet het doel is; het is wat de efficiëntie oplevert. “Het gaat om het vergroten van menselijk tijd,” zegt Tice. “Het gaat niet om het wegnemen van gasten of het wegnemen van de beleving. Het gaat om het overmatig benadrukken van de beleving.”

Daarom denkt hij dat Silicon Valley de technologie vaak verkeerd meet. “Er bestaat geen tijdsbesparing in een restaurant. Er is alleen tijdsallocatie.”

Een tool die een exploitant dertig minuten teruggeeft, heeft slechts de helft van het werk gedaan als hij de volgende vraag niet kan beantwoorden: “Waar nemen we effectief tijd van af, en waar steken we effectief tijd in?” Een goede tool, voegt hij toe, “moet één minuut wegnemen en tien minuten teruggeven. Maar hij moet ook die tien minuten vinden, net zoals hij die ene minuut moet vinden.”

Voor Tice wijst al die teruggewonnen tijd naar een specifieke plek, en het is het enige waar hij nadrukkelijk op staat dat geen enkele software het mag aanraken. Wat een gast koopt, is nooit echt het eten. “Je betaalt $50 voor een bord eten, je koopt niet $50 aan eten, je koopt $50 aan beleving,” zegt hij.

Hij betoogt dat een ruimte waarin een ander persoon je bedient alleen maar waardevoller wordt, “het belang van het restaurant blijft hetzelfde.” De tools die proberen de persoon eruit te halen, hebben volgens hem de hele bedrijfsvoering verkeerd begrepen. “Telkens wanneer AI probeert dat weg te nemen, zegt het dat het onze branche niet begrijpt.”

Zowel Jurich als Tice beweren niet tegen AI, maar proberen te begrijpen welke AI waar thuishoort.

“AI is gewoon een ander hulpmiddel dat je in je gereedschapskist hebt om een probleem op te lossen,” zegt Jurich. “En daarom moet het als zodanig worden behandeld.”