Agent Washing: Dlaczego niektórzy operatorzy restauracji są ostrożni wobec przesadnie wyreklamowanej AI

Dla osób z branży restauracyjnej wydaje się, że wdrożenia AI napotykają trudności.

Wiosną Starbucks wyłączył system wizyjny do liczenia zapasów, zanim miał rok. W tym samym miesiącu największe franczyzobiorcy Pizza Hut pozewali sieć na kwotę 100 milionów dolarów, twierdząc, że obowiązkowa platforma AI zawiodła w ponad 110 restauracjach. Czytanie tych nagłówków może prowadzić do prostego wniosku: AI nie jest gotowe dla tej branży.

Nie pomaga fakt, że inne AI, z którym spotyka się operator, to głównie hype. Na tegorocznym targach National Restaurant Association Show podłoga była pełna twierdzeń o AI, w tym jeden dostawca sprzedający usługę odtłuszczania kaptura, która rzekomo działała na sztucznej inteligencji. Khara Mangiduyos, właścicielka Kalei’s Kitchenette w San Diego, nie dała się nabrać. „Kto ma zeskrobać ten olej?” zapytała reporterkę Restaurant Business. „To nie bot. To nie AI.”

Zarówno taktyka dostawcy, jak i nagłówki o niepowodzeniach budują uzasadnione, podwójne zaufanie do samej technologii. Jednak przy głębszym spojrzeniu sukcesy AI, które obecnie skalują branżę, nie przypominają ani wielkich niepowodzeń, ani produktów wypolerowanych AI.

Popełnianie błędów jest częścią procesu wysyłki. Kupowanie niewłaściwego produktu nie jest.

Systemy, które najwidoczniej zawodzą, to zwykle te ambitne, skierowane na najtrudniejsze i najmniej przewidywalne zadania. Często tworzenie nowej technologii oznacza wprowadzenie jej w życie, obserwowanie potknięć i ich naprawianie.

Taco Bell jest niedawnym przykładem. Sieć niedawno rozbudowała system zamawiania głosowego AI do ponad 890 okien drive‑thru, mniej więcej dwa lata po tym, jak wcześniejsza wersja stała się wirusowa po przyjęciu zamówienia na 18 000 kubków wody. Jednak takie nieudane wdrożenia mogą wiązać się z wysokimi kosztami, które głównie firmy na poziomie korporacyjnym są w stanie pokryć. To ryzyko, którego nie każdy może udźwignąć.

Czasami różnica między obietnicą a rzeczywistością nie jest potknięciem, lecz fabrykacją. W styczniu 2025 r. SEC postawiła zarzut firmie Presto Automation, dostawcy systemu głosowego dla drive‑thru, za twierdzenia, że jej system „wyeliminował potrzebę ludzkiego przyjmowania zamówień”. W rzeczywistości regulatorzy odkryli, że firma polegała na pracownikach z Filipin i Indii, aby zrealizować większość zamówień.

Presto jest skrajnym przypadkiem tego samego impulsu stojącego za rosnącym problemem znanym jako mycie agentów. W tym wypadku „AI” było częściowo ludźmi. Mycie agentów oznacza konkretnie promowanie czegoś jako autonomicznego agenta AI, gdy w rzeczywistości tak nie jest.

Oszustwo dotyczy poziomu możliwości AI. To właśnie środowisko, które Gartner ostrzega nabywców, aby poruszali się w nim, na rynku, gdzie słowo „agent” jest sprzedawane jako najlepsze nowe narzędzie AI. Co prawdopodobnie wiąże się z wyższą ceną.

„Liderzy SCP powinni przygotować się na przyszłość z agentową AI, ale muszą oddzielić znaczącą zdolność od szumu rynkowego,” powiedział Jan Snoeckx, starszy dyrektor analityk w praktyce łańcucha dostaw Gartnera. „Priorytetem dziś nie jest pełna autonomia, lecz budowanie dyscypliny operacyjnej, elastyczności architektonicznej i ram decyzyjnych, które pozwolą agentowej AI skalować się w miarę dojrzewania technologii.”

Problem nie polega na tym, że ambitne AI czasami zawodzą; chodzi o to, że te niepowodzenia kształtują percepcję publiczną całej kategorii, włączając w to skromne narzędzia, które nigdy nie próbowały robić najtrudniejszych rzeczy.

Tutaj mycie agentów przechodzi w to, co często nazywa się „skokiem na rekina” – moment, w którym trend popycha gadżet tak daleko, że publiczność przestaje w niego wierzyć. Gdy wystarczająco wielu dostawców przyczepia „AI” do wystarczająco wielu produktów, etykieta nadmuchuje się, aż wyląduje na czymś absurdalnym, jak odtłuszczacz.

Gartner radzi nabywcom, aby nie przyjmowali słowa dostawcy, że narzędzie jest autonomiczne. Wiele z tego, co sprzedawane jest jako agent, nie może faktycznie działać samodzielnie. Podąża za scenariuszem i nazywa to inteligencją.

Zamiast tego używaj prostej automatyzacji do powtarzalnych zadań, zachowaj agentów do zadań o dużym wolumenie, gdzie błąd jest tani, i nie przekazuj pełnej autonomii trudnym problemom od razu.

AI, które często działa, nie jest tak efektowne

Narzędzia, które cicho wspierają restauracje, to te skierowane na pojedyncze, jasno określone zadanie.

Mariano Jurich, starszy lider produktu w Making Sense, doradzający firmom średniego rynku i wspieranym przez private equity, które AI faktycznie kupić, mówi, że problem zaczyna się od samego słowa w branży, która nigdy nie uzgodniła, czym jest „agent”.

„Jeśli możesz opisać, co narzędzie robi w zdaniu typu jeśli‑to‑zrób, to prawdopodobnie nie jest w 100 % agentowe,” mówi on. To nie jest krytyka prostszych narzędzi. Dla większości potrzeb niektórych zespołów dodaje, „agentowość jest prawdopodobnie przesadą”. Jeśli zadanie jest powtarzalne i oparte na regułach, automatyzacja radzi sobie z nim bez kosztów i ryzyka wypuszczenia maszyny, by decydowała samodzielnie.

Ryzyko pojawia się przy wprowadzaniu modelu agentowego do obsługi zapytań klientów lub decyzji finansowych, bez odpowiedniego nadzoru ludzkiego w kluczowych momentach. Często będzie improwizować, co jest ostatnią rzeczą, jaką chcesz w pobliżu klienta lub rachunku.

Kawiarnia w Sztokholmie, która pozwoliła AI zarządzać zapleczem, jest dobrym przykładem tego, jak wygląda to w ramach eksperymentu. Wiosną laboratorium badawcze Andon Labs powierzyło agentowi napędzanemu przez Gemini o imieniu Mona kontrolę nad wszystkim poza ekspresem do kawy, zamówieniami, pozwoleniami, rekrutacją, umowami z dostawcami i pozwoliło mu podejmować własne decyzje. Kupiło 3 000 gumowych rękawic i 6 000 serwetek dla małej kawiarni, zaopatrzyło się w puszkowe pomidory, których nie używało żadne danie w menu, i wysyłało wiadomości do baristów na Slacku po godzinach. Laboratorium przypisało błędy krótkiej pamięci agenta.

James Tice pracował na podłogach restauracji, zanim przeszedł do technologii, a teraz, jako szef ds. wzrostu w Tab Commerce, platformie finansowej wykorzystywanej przez niektóre z największych nazw w branży restauracyjnej, spędza czas, łącząc się z operatorami, aby zrozumieć, co działa, a co nie, przynajmniej na razie.

„„Utrzymuj człowieka w pętli” jest tak często powtarzane w kontekście AI, w tak wielu branżach, że zaczyna brzmieć jak pusty frazes,” mówi Tice, który uważa, że wiele firm technologicznych ma trudności ze zrozumieniem, jak pracują operatorzy.

AI, które spełnia te kryteria, jak twierdzi, to rodzaj, o którym nikt nie pisze: uzgadnianie faktur, wykrywanie nadpłat od dostawców, szybsze zamykanie ksiąg. „Operatorzy szczególnie dbają o finanse. Potrzebują, aby żmudna praca zniknęła, by mogli wrócić na podłogę.”

Dodaje, że efektywność nie jest celem samym w sobie; liczy się to, co efektywność umożliwia. „Chodzi o zwiększenie czasu ludzkiego,” mówi Tice. „Nie chodzi o wyeliminowanie gości ani doświadczenia. Chodzi o nadmierne podkreślanie doświadczenia.”

Dlatego uważa, że Dolina Krzemowa często błędnie ocenia technologię. „W restauracji nie ma oszczędności czasu. Jest tylko alokacja czasu.”

Narzędzie, które zwraca operatorowi trzydzieści minut, wykonało tylko połowę zadania, jeśli nie potrafi odpowiedzieć na kolejne pytanie: „Od czego skutecznie zabieramy czas i gdzie go skutecznie wkładamy?” Dobry taki, dodaje, „powinien zabrać $1 czasu i zwrócić $10 czasu. Ale musi też znaleźć $10 czasu, tak jak musi znaleźć $1 czasu.”

Dla Ticego cały ten odzyskany czas wskazuje na konkretne miejsce i jest jedyną rzeczą, której stanowczo nie powinno dotykać żadne oprogramowanie. To, co gość kupuje, nigdy nie było naprawdę jedzeniem. „Wydajesz 50 $ na talerz jedzenia, nie kupujesz 50 $ jedzenia, kupujesz 50 $ doświadczenia,” mówi.

Twierdzi, że pokój, w którym inna osoba cię obsługuje, staje się coraz cenniejszy, „znaczenie restauracji pozostaje niezmienione.” Narzędzia, które próbują usunąć z tego osobę, jego zdaniem, źle odczytują cały biznes. „Za każdym razem, gdy AI próbuje odebrać to, mówi, że nie rozumie naszej branży.”

Ani Jurich, ani Tice nie sprzeciwiają się AI, po prostu starają się zrozumieć, które AI gdzie pasuje.

„AI to po prostu kolejne narzędzie, które masz w swoim zestawie, aby rozwiązać problem,” mówi Jurich. „I dlatego powinno być traktowane właśnie tak.”