代理清洗: 为什么一些餐厅运营商对被过度炒作的 AI 持谨慎态度

对于餐饮业人士来说，AI 的推广似乎遇到了坎坷的道路。

在春季，Starbucks 在系统不到一年时就关闭了用于盘点的计算机视觉系统。同月，Pizza Hut 最大的特许经营商提起诉讼，索赔 1 亿美元，称强制使用的 AI 平台在 110 多家餐厅出现故障。阅读这些标题很容易得出结论: AI 还未准备好进入该行业。

运营商遇到的其他 AI 大多是炒作，这并没有帮助。在今年的全美餐饮协会展会上，现场充斥着 AI 的宣传，其中一家供应商甚至在销售一种利用人工智能运行的抽油烟机除油服务。San Diego 的 Kalei’s Kitchenette 的老板 Khara Mangiduyos 并不买账。她在接受Restaurant Business记者采访时问：“谁来刮掉那油？”“不是机器人，也不是 AI。”

供应商的营销手法和失败新闻共同构成了对这项技术本身的双重不信任，而且这种担忧不无道理。但深入观察就会发现，目前正在餐饮行业扩大应用的成功AI案例，既不像知名企业的失败项目，也不像那些只拿AI当营销噱头的产品。

出错是运输的一部分，买错东西则不是

失败最引人注目的系统通常也是野心最大的系统，它们瞄准的是最困难、最难预测的工作。开发新技术往往意味着先让它进入现实世界，观察它在哪里出错，再加以修正。

Taco Bell 是最近的例子。该连锁店最近扩展了 AI 语音点餐系统，覆盖 890 多个得来速窗口，大约在两年前的早期版本因接受 18,000 杯水的订单而走红。但这些失败的推广往往伴随高昂的费用，主要是企业级公司能够承担的风险。这是并非所有人都能承受的风险。

偶尔，声称与现实之间的差距并非失误而是捏造。2025 年 1 月，SEC指控得来速语音公司 Presto Automation 对其系统“已消除人工点单需求”的说法。事实上，监管机构发现该公司依赖菲律宾和印度的工人完成大多数订单。

Presto 是同一冲动背后导致的日益严重的所谓代理清洗问题的极端案例。在其情形中，“AI”部分由人类承担。代理清洗专指将本非自主 AI 代理的产品营销为自主 AI 代理。

这种欺骗涉及 AI 能力的层级。这正是 Gartner 警示买家在市场中需要导航的环境，在该市场中，“agent”一词被包装成最先进的 AI 工具，且往往价格更高。

“供应链规划（SCP）领导者应为代理式 AI 的未来做好准备，但他们需要将有意义的能力与市场噪音区分开来，”Gartner 供应链实践的高级总监分析师Jan Snoeckx 说。“当今的重点不是完全自治，而是构建运营纪律、架构灵活性和决策框架，使代理式 AI 能在技术成熟时实现规模化。”

问题不在于雄心勃勃的 AI 有时会失败；而在于这些失败塑造了公众对整个类别的认知，包括那些从未尝试做艰难任务的普通工具。

这正是代理清洗演变为常说的“跳出鲨鱼”阶段的所在——当一个趋势把噱头推得太远，以至于受众停止买账。当足够多的供应商在足够多的产品上贴上 “AI” 标签时，这个标签会被夸大，最终沦为荒唐的东西，比如除油剂。

Gartner 告诉买家不要轻信供应商声称其工具是自主的。许多被标榜为代理的产品实际上并不能独立工作，它们只是在执行脚本，却称之为智能。

因此，应当用普通自动化处理重复性工作，把智能体用于工作量大且出错成本低的任务，暂时不要把难题交给完全自主的系统。

常常有效的 AI 并不光鲜亮丽

那些默默为餐厅带来实效的工具，往往只针对一项范围明确的工作。

Mariano Jurich 是 Making Sense 的高级产品负责人，向中型市场和私募股权支持的公司提供实际应购买的 AI 建议，他表示，问题始于行业中从未对“代理”一词达成共识的词义本身。

“如果你能用‘如果‑那么‑做’的句式描述工具的功能，那么它可能根本不是 100% 代理式的，”他说。这并不是对更简单工具的否定。对于大多数团队的需求，他补充道，“代理式可能是杀鸡用牛刀”。如果工作是重复且规则化的，那么自动化即可完成，而无需承担让机器自行决定的成本或风险。

当在缺乏关键人工监督的情况下，引入代理式模型来处理面向客户的查询或财务决策时，就会存在风险。它往往会即兴发挥，而这正是你最不想在客户或账单旁看到的情况。

位于斯德哥尔摩的咖啡店让 AI 负责后勤的案例，是实验的一种写照。春季时，研究实验室 Andon Labs 将一位名为 Mona、基于 Gemini 的代理交给除意式浓缩机之外的所有事务，包括订货、许可证、招聘、供应商合同等，并让它自行决策。它为一家小咖啡馆购买了 3,000 双橡胶手套和 6,000 张纸巾，囤积了菜单上根本不使用的罐装番茄，并在下班后通过 Slack 给咖啡师发信息。实验室将这些错误归咎于代理的短期记忆。

James Tice 曾在餐厅一线工作，随后转向技术领域，如今担任 Tab Commerce（一个被多家餐饮业巨头使用的金融平台）的增长负责人，他的工作是与运营商沟通，了解哪些方案有效，哪些仍有待改进。

“‘让人类保持在环路中’这句话在 AI 相关的众多行业中被反复提及，以至于它开始像填充词一样，”Tice 说，他认为许多科技公司难以理解运营商的工作方式。

他指出，那些真正达标的 AI 往往是没人写报道的类型：对账单、捕捉供应商超收费、加速结账等。“运营商特别关注财务，他们需要消除繁琐工作，以便回到现场。”

他补充说，效率本身并非目标；关键在于效率带来了什么。“这关乎提升人类的时间，”Tice 说。“这不是要剔除客人或体验，而是对体验的过度强调。”

这也是他认为硅谷常常错误衡量技术的原因。“在餐厅里没有所谓的时间节省，只有时间分配。”

如果一个工具为运营商争取了三十分钟，却无法回答下一个问题:“我们实际上从哪里夺走了时间，又把时间投入到哪里？”他补充道，一个好的工具“需要把 1 单位的时间拿走，却返还 10 单位的时间。但它同样需要先找到那 10 单位的时间，正如它需要找到那 1 单位的时间。”

对 Tice 来说，所有被夺回的时间都指向一个特定的点，而这是他坚决认为任何软件都不该触碰的地方。客人购买的从来不是食物本身。“你花 50 美元买了一盘食物，你并不是在买 50 美元的食物，而是在买 50 美元的体验，”他说。

他认为，另有他人为你服务的房间只会变得更有价值，“餐厅的重要性仍然不变”。他认为，那些试图剥离人类因素的工具，误读了整个业务。“任何时候 AI 试图从中夺走东西，它就说明它不了解我们的行业。”

Jurich 与 Tice 并未反对 AI，而是想弄清哪种 AI 适合在哪个环节。

“AI 只是你工具箱里用来解决问题的另一件工具，”Jurich 说。“这也是它应被如此对待的原因。”