麦当劳公司一直努力通过技术提供更好的客户体验(也有人认为这是为了降低人工成本)。可以理解,毕竟麦当劳在快餐行业早已失去了品牌本身的“调性”吸引力,要想继续生存就必须寻找新的空间。而作为这一转型目标的重要组成部分,麦当劳开始在各家连锁店内部署触摸屏点餐器。
利用这一前沿技术,麦当劳给出了餐饮行业最具吸引力的服务之一——AI支持下的得来速汽车快取体验。
根据《纽约时报》的报道,麦当劳公司在某些分店中正在测试一种新型方案,用于在客户开车驶入时识别车牌,并通过这一信息提供AI支持下的菜单推荐选项。此项技术(需要首先获得客户的许可)会参考客户以往的订单历史记录,从而在触摸屏上默认提供客户可能比较喜爱的餐点项目。
CitySquare Partners公司总裁Michael Terpkosh在最近的一次在线讨论中表示,“有些人认为这是一种巨大的便利,也有些人认为这样的渗透方式令人毛骨悚然。但对麦当劳来说,这只是一种加快得来速汽车取餐速度的尝试,也有望让客户们以更积极的心态看待AI技术的实际应用。但是,如果客户刚刚买下一辆二手车或者是换了辆装有新牌的车子,那么这种所谓的便利性反而可能带来麻烦。”
Terpkosh的观点得到不少人的赞同,人们担心车牌这一因素对客户来说可能太过敏感。
What Brands Want负责人Michael La Kier表示,“个性化与令人毛骨悚然之间存在着一条明确的界线,而只有消费者自己才能定义这条界线究竟在哪。隐私正受到越来越高的关注,虽然麦当劳的尝试可能并没有什么危害,也能让连锁门店提高备餐效率,但最终结果还是得由消费者说了算。”
顾问Ken Lonyai指出,好消息是,麦当劳会首先征求客户的意见,这是个不错的开端。
Lonyai指出,“麦当劳做得很对,他们会首先询问客户是否愿意利用AI提升自己的订餐体验。目前,即使是那些规模最大的数字服务供应商,往往也缺少这种最基本的隐私尊重。”
这套解决方案在部分麦当劳门店内还进化出了新的形态,即在得来速点餐触摸屏中添加新的个性化元素,可根据天气、等待时间以及餐品受欢迎程度等因素进一步调整产品推荐。麦当劳方面表示,推荐算法已经在一定程度上提升了订单量,且各美国本土连锁店计划在今年年底之前全面普及这种新型技术。
尽管麦当劳方面表示订单数量有所上升,但也有人质疑消费者对于此类AI辅助技术的实际反应。
Advanced Simulations公司执行合伙人Stephen Needel写道,“从批评的角度来讲,对于那些需要经常开车去麦当劳门店的消费者,他们面临的可能是比隐私更严重的问题。我认为这些老主顾可能并不想要这些所谓个性化推荐。”
Kizer & Bender公司消费人类学家Georganne Bender则写道,“大家肯定都被问到过「要不要再加份薯条?」这其实是种很糟糕的体验,多数消费者并不想受到打扰。”
此外,这项特殊的创新方案给客户带来的真是改善吗?这同样是个悬而未决的问题。
顾问Ken Morris写道,“麦当劳需要找到减少排队时间的方法,而非通过排队销售来增加排队时间。更好的办法是主推在线订餐,同时结合车牌识别与电话识别技术,通过分段处理在线订单以减少等待时间,从而加快车流速度。”
说了这么多负面意见,也有不少人对智能驱动业务解决潜在问题的前景持乐观态度。
Software AG公司全球零售行业总监Oliver Guy写道,“这种新技术让客户能够在抵达门店后快速宣示自己的到来,为什么就不行呢?大而化之,当每一份订单都能以这样的方式来处理,那么一天下来的客户体验绝对会大有不同。”
StoreStream Metrics公司总裁Adrian Weidmann总结道,“我们都曾经无数次盯着麦当劳的菜单,然后做出跟之前20次没什么区别的选择!最好的解决方案当然是通过可用信息加快服务速度,这对麦当劳来说也是一项重要的业务指标。”
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。