Agentvask: Hvorfor noen restaurantoperatører er skeptiske til overhypet AI

For de som er i restaurantbransjen, ser det ut til at AI‑utrullinger har møtt en humpete vei.

Om våren slo Starbucks av et datavisjonssystem for å telle lager før det var ett år gammelt. I samme måned saksøkte Pizza Huts største franchisetakere saksøkte kjeden for 100 millioner dollar, og hevdet at en obligatorisk AI‑plattform brøt sammen på mer enn 110 restauranter. Å lese disse overskriftene kan trekke en enkel konklusjon: AI er ikke klar for denne bransjen.

Det hjelper ikke at den andre AI‑en en operatør møter, for det meste er hype. På årets National Restaurant Association Show var gulvet fylt med AI‑påstander, inkludert en leverandør som solgte en hetteavfettingsservice som på en eller annen måte kjørte på kunstig intelligens. Khara Mangiduyos, som eier Kalei’s Kitchenette i San Diego, kjøpte det ikke. «Hvem skal skrape den oljen?» spurte hun en Restaurant Business-reporter. «Ikke en bot. Ikke AI.»

Both the vendor tactic and the failure headlines build a reasonable double-layered distrust of the technology itself. But if you dig deeper, the AI success currently scaling the industry looks nothing like either the big-name flops or the AI-washed items.

Å gjøre feil er en del av leveransen. Å kjøpe feil er det ikke

Systemene som feiler mest synlig er vanligvis de ambisiøse, rettet mot de vanskeligste og minst forutsigbare oppgavene. Ofte betyr bygging av ny teknologi å sette den ut i verden, se den snuble og rette den.

Taco Bell er et nylig eksempel. Kjedens nylig utvidet et AI‑stemmebestillingssystem til mer enn 890 drive‑thrus, omtrent to år etter at en tidligere versjon gikk viralt for å ta imot en bestilling på 18 000 kopper vann. Men disse mislykkede utrulleringene kan medføre en kraftig kostnad som hovedsakelig store virksomheter på bedriftsnivå har råd til å dekke. Det er en risiko ikke alle kan absorbere.

Av og til er gapet mellom påstand og virkelighet ikke et snubling, men en fabrikasjon. I januar 2025 anklaget SEC drive‑thru‑stemmeselskapet Presto Automation for uttalelser om at systemet deres hadde «eliminert behovet for menneskelig bestilling». I virkeligheten fant regulatorene at selskapet stolte på arbeidere på Filippinene og i India for å fullføre de fleste bestillinger.

Presto er et ekstremt eksempel på den samme impulsen bak det voksende problemet kjent som agentvask. I dette tilfellet var «AI‑en» delvis mennesker. Agentvask betyr spesifikt å markedsføre noe som en autonom AI‑agent når det ikke er det.

Bedraget handler om nivået på AI‑kapasiteten. Det er dette miljøet Gartner advarer kjøpere om å navigere i, i et marked hvor ordet «agent» selges som det beste nye AI‑verktøyet. Man kan hevde at det også kommer med en høyere prislapp.

«SCP‑ledere bør forberede seg på en agentisk AI‑fremtid, men de må skille meningsfull kapasitet fra markedets støy», sa Jan Snoeckx, senior director analyst i Gartners forsyningskjedepraksis. «Prioriteten i dag er ikke full autonomi, men å bygge operasjonell disiplin, arkitektonisk fleksibilitet og beslutningsrammer som gjør at agentisk AI kan skaleres etter hvert som teknologien modnes.»

Problemet er ikke at ambisiøs AI noen ganger mislykkes; det er at feilene former offentlig oppfatning av hele kategorien, inkludert de beskjedne verktøyene som aldri prøvde å gjøre den vanskelige jobben i utgangspunktet.

Dette er hvor agentvask glir inn i det som ofte kalles «jumping the shark», punktet der en trend presser et gimmick så langt at publikum slutter å kjøpe inn. Når nok leverandører setter «AI» på nok produkter, blåser merkelappen opp til den havner på noe absurd, som en avfettingsmiddel.

Gartner forteller kjøpere at de ikke skal stole på leverandørens ord om at et verktøy er autonomt. Mye av det som selges som en agent, kan faktisk ikke fungere på egen hånd. Det følger et manus og kaller det intelligens.

Bruk i stedet enkel automatisering for repeterende arbeid, spar agentene til høyvolumoppgaver hvor en feil er billig, og gi ikke full autonomi til vanskelige problemer ennå.

Den AI‑en som ofte fungerer er ikke så glamorøs

Verktøyene som stille leverer for restauranter, er de som er rettet mot en enkelt, avgrenset oppgave.

Mariano Jurich, senior produktleder i Making Sense som rådgir mellomstore og private equity‑støttede selskaper om hvilken AI de faktisk skal kjøpe, sier at problemet starter med selve ordet i en bransje som aldri har blitt enige om hva en «agent» er.

«Hvis du kan beskrive hva verktøyet gjør i en hvis‑så‑gjør‑type setning, er det sannsynligvis ikke agentisk 100 prosent», sier han. Det er ikke en kritikk av de enklere verktøyene. For det meste av det noen team trenger, legger han til, «agentisk er sannsynligvis overdrevet». Hvis oppgaven er repeterende og regelstyrt, håndterer automatisering den uten kostnaden eller risikoen ved å slippe en maskin løs til å bestemme på egen hånd.

Risikoen finnes når man introduserer en agentisk modell for å håndtere kundehenvendelser eller finansielle beslutninger, uten tilstrekkelig menneskelig tilsyn når det er kritisk. Den vil ofte improvisere, noe som er det siste du vil ha i nærheten av en kunde eller en regning.

Den Stockholm kaffebar som lot en AI styre back‑office, er et godt bilde på hvordan det ser ut som en del av et eksperiment. På våren ga forskningslabben Andon Labs en Gemini‑drevet agent ved navn Mona kontroll over alt unntatt espressomaskinen, bestillinger, tillatelser, ansettelser, leverandørkontrakter, og lot den ta egne beslutninger. Den kjøpte 3 000 gummihansker og 6 000 servietter til en liten kafé, fylte opp hermetiske tomater som ikke ble brukt på menyen, og sendte meldinger til baristaer på Slack etter arbeidstid. Labben tilskrev feilene agentens korte hukommelse.

James Tice jobbet på restaurantgulv før han gikk over til teknologi, og nå, som leder for vekst i Tab Commerce, en finansplattform som brukes av noen av de største navnene i restaurantbransjen, bruker han tiden sin på å kontakte operatører for å forstå hva som fungerer og hva som ikke gjør det, så langt.

««Keep a human in the loop» har blitt sagt så ofte i forhold til AI, i så mange bransjer, at det har begynt å høres ut som fyllstoff», sier Tice, som mener at mange teknologiselskaper sliter med å forstå hvordan operatører jobber.

AI‑en som klarer den baren, sier han, er den typen ingen skriver om: avstemming av en faktura, oppdage en leverandøroverbetaling, lukke bøkene raskere. «Operatører bryr seg spesielt om økonomi. De trenger at den travle jobben forsvinner slik at de kan komme tilbake på gulvet.»

Han legger til at effektiviteten ikke er målet; det er hva effektiviteten kjøper. «Det handler om å øke menneskelig tid», sier Tice. «Det handler ikke om å kutte gjestene eller kutte opplevelsen. Det handler om å overbetone opplevelsen.»

Det er derfor han mener at Silicon Valley ofte måler teknologien feil. «Det finnes ingen tidsbesparelser i en restaurant. Det er bare tidsallokering.»

Et verktøy som gir en operatør tilbake tretti minutter har kun gjort halve jobben hvis det ikke kan svare på neste spørsmål: «Hva tar vi effektivt tid fra, og hvor legger vi effektivt tid inn?» En god en, legger han til, «må ta bort $1 tid og gi tilbake $10 tid. Men den må også finne $10 tid, akkurat som den må finne $1 tid.»

For Tice peker all den gjenvunne tiden mot et spesifikt sted, og det er den ene tingen han er fast bestemt på at ingen programvare skal berøre. Hva en gjest kjøper var aldri egentlig maten. «Du bruker 50 dollar på en tallerken mat, du kjøper ikke $50 mat, du kjøper $50 opplevelse», sier han.

Han argumenterer for at et rom hvor en annen person betjener deg bare blir mer verdifullt, «viktigheten av restauranten forblir den samme». Verktøyene som prøver å fjerne personen fra dette, har etter hans mening misforstått hele virksomheten. «Når AI prøver å ta bort fra det, sier den at den ikke forstår vår bransje.»

Verken Jurich eller Tice argumenterer mot AI, de prøver bare å forstå hvilken AI som hører hvor.

«AI er bare et annet verktøy du har i verktøykassen for å løse et problem», sier Jurich. «Og derfor bør det behandles som sådan.»