Agenttvätt: Varför vissa restaurangoperatörer är försiktiga med överhypade AI

För dem i restaurangbranschen verkar AI‑utbyggnader ha stött på en skakig väg.

På våren Starbucks stängde av ett datorseendesystem för inventarieräkning innan det var ett år gammalt. Samma månad stämde Pizza Huts största franchisetagare kedjan för 100 miljoner dollar och hävdade att en obligatorisk AI‑plattform havererade på mer än 110 restauranger. Att läsa dessa rubriker kan leda till en enkel slutsats: AI är inte redo för den här branschen.

Det hjälper inte att den andra AI en operatör möter mestadels är hype. På årets National Restaurant Association Show var golvet fullt av AI‑anspråk, inklusive en leverantör som sålde en hällavfettningstjänst som på något sätt kördes på artificiell intelligens. Khara Mangiduyos, som äger Kalei’s Kitchenette i San Diego, köpte inte in det. ”Vem ska skrapa bort den oljan?” frågade hon en Restaurant Business-reporter. ”Inte en bot. Inte 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.

Att göra fel är en del av leveransen. Att köpa fel sak är inte det.

De system som misslyckas mest synligt är vanligtvis de ambitiösa, inriktade på de svåraste och minst förutsägbara uppgifterna. Att bygga ny teknik innebär ofta att man släpper den i världen, ser den snubbla och rättar till den.

Taco Bell är ett nyligt exempel. Kedjan utökade nyligen ett AI‑röstbeställningssystem till mer än 890 drive‑through‑ställen, ungefär två år efter att en tidigare version gick viralt för att ha tagit en beställning på 18 000 koppar vatten. Men dessa misslyckade utrullningar kan medföra en kraftig kostnad som främst företag på företagsnivå har möjlighet att täcka. Det är en risk som inte alla kan absorbera.

Ibland är klyftan mellan påstående och verklighet inte ett snubbel utan en fabrikation. I januari 2025 anklagade SEC driv‑through‑röstföretaget Presto Automation för påståenden att deras system hade ”eliminierat behovet av mänsklig orderhantering.” I själva verket fann regulatorerna att företaget förlitade sig på arbetare i Filippinerna och Indien för att slutföra de flesta beställningarna.

Presto är ett extremt exempel på samma instinkt bakom det växande problemet som kallas agenttvätt. I deras fall var ”AI:n” delvis människor. Agenttvätt betyder specifikt att marknadsföra något som en autonom AI‑agent när det inte är det.

Bedrägeriet handlar om AI‑kapacitetens nivå. Det är den miljö som Gartner varnar köpare för att navigera i, på en marknad där ordet ”agent” säljs som det bästa nya AI‑verktyget som finns, förmodligen med ett högre prislapp.

”SCP‑ledare bör förbereda sig för en agentisk AI‑framtid, men de måste skilja på meningsfull kapacitet och marknadsbrus,” sade Jan Snoeckx, senior director analyst i Gartners leveranskedjeverksamhet. ”Prioriteten idag är inte full autonomi, utan att bygga operativ disciplin, arkitektonisk flexibilitet och beslutsramverk som möjliggör att agentisk AI kan skalas när teknologin mognar.”

Problemet är inte att ambitiös AI ibland misslyckas; det är att misslyckandena formar allmänhetens uppfattning om hela kategorin, inklusive de blygsamma verktygen som aldrig försökte göra det svåra från början.

Det är här agenttvätt glider in i det som ofta kallas ”jumping the shark”, punkten där en trend driver ett gimmick så långt att publiken slutar köpa in. När tillräckligt många leverantörer fäster ”AI” på tillräckligt många produkter, blåser etiketten upp tills den hamnar på något absurt, som en avfettare.

Gartner uppmanar köpare att inte lita på en leverantörs påstående att ett verktyg är autonomt. Mycket av det som säljs som en agent kan faktiskt inte fungera på egen hand. Det följer ett manus och kallar det intelligens.

Använd istället enkel automation för repetitivt arbete, spara agenterna för högvolymsuppgifter där ett misstag är billigt, och ge inte full autonomi till svåra problem ännu.

Den AI som ofta fungerar är inte så glamorös

Verktygen som tyst levererar för restauranger är de som är inriktade på en enda, avgränsad uppgift.

Mariano Jurich, senior produktledare på Making Sense som rådgiver medelstora och private‑equity‑stödda företag om vilken AI de faktiskt bör köpa, säger att problemet börjar med själva ordet i en bransch som aldrig kommit överens om vad en ”agent” är.

”Om du kan beskriva vad verktyget gör i en om‑så‑gör‑sats, är det sannolikt inte agentiskt till 100 procent,” säger han. Det är ingen kritik mot de enklare verktygen. För det mesta av vad vissa team behöver, tillägger han, ”agentiskt är förmodligen överdrivet”. Om uppgiften är repetitiv och regelbunden, hanterar automation den utan kostnaden eller risken att släppa en maskin fri att fatta egna beslut.

Risken finns när man introducerar en agentisk modell för att hantera kundorienterade förfrågningar eller finansiella beslut, utan korrekt mänsklig tillsyn när det verkligen behövs. Den improviserar ofta, vilket är det sista du vill ha i närheten av en kund eller en check.

The Stockholms kaffebar som lät en AI driva back‑officen är en bra illustration av hur det ser ut som en del av ett experiment. På våren gav forskningslabbet Andon Labs en Gemini‑driven agent vid namn Mona kontroll över allt utom espressomaskinen, beställningar, tillstånd, anställning, leverantörskontrakt, och lät den fatta egna beslut. Den köpte 3 000 gummihandskar och 6 000 servetter till ett litet café, lagerförde konserverade tomater som ingen på menyn använder, och skickade meddelanden till baristor på Slack efter arbetstid. Labbet skyllde misstagen på agentens korta minne.

James Tice arbetade på restauranggolv innan han övergick till teknik, och nu, som chef för tillväxt på Tab Commerce, en finansplattform som används av några av de största namnen i restaurangbranschen, spenderar han sin tid med att kontakta operatörer för att förstå vad som fungerar och vad som inte gör det, ännu.

”’Keep a human in the loop’ har sagts så ofta i samband med AI, i så många branscher, att det börjat låta som utfyllnad,” säger Tice, som tror att många teknikföretag har svårt att förstå hur operatörer arbetar.

Den AI som klarar den tröskeln, säger han, är den sort som ingen skriver om: att stämma av en faktura, fånga en leverantörs överdebitering, avsluta bokföringen snabbare. ”Operatörer bryr sig specifikt om ekonomi. De behöver den tråkiga arbetsbördan borta så att de kan återvända till golvet.”

Han tillägger att effektiviteten inte är målet; det är vad effektiviteten köper. ”Det handlar om att öka mänsklig tid,” säger Tice. ”Det handlar inte om att ta bort gästerna eller upplevelsen. Det handlar om att överbetona upplevelsen.”

Det är därför han anser att Silicon Valley ofta mäter tekniken fel. ”Det finns ingen sådan sak som tidsbesparingar i en restaurang. Det finns bara tidsallokering.”

Ett verktyg som ger en operatör tillbaka trettio minuter har bara gjort halva jobbet om det inte kan besvara nästa fråga: ”Vad tar vi effektivt tid från, och var lägger vi effektivt tid?” En bra sådan, tillägger han, ”behöver ta bort $1 tid och ge tillbaka $10 tid. Men den måste också hitta $10‑tiden, precis som den måste hitta $1‑tiden.”

För Tice pekar all den återvunna tiden någonstans specifikt, och det är den enda saken han är bestämd att ingen mjukvara bör röra. Vad en gäst köper var aldrig riktigt maten. ”Du spenderar 50 dollar på en tallrik mat, du köper inte $50 mat, du köper $50 upplevelse,” säger han.

Han menar att ett rum där en annan person serverar dig bara blir mer värdefullt, ”restaurangens betydelse förblir densamma.” Verktygen som försöker ta bort personen ur det, enligt honom, har missförstått hela affären. ”När AI försöker ta bort det, säger den att den inte förstår vår bransch.”

Varken Jurich eller Tice argumenterar emot AI, utan försöker förstå vilken AI som hör hemma var.

”AI är bara ett annat verktyg som du har i din verktygslåda för att lösa ett problem,” säger Jurich. ”Och därför bör det behandlas så.”