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
谷歌发布代理支付协议AP2,支持AI代理代表用户自动购物和决策。该开放协议获得60多家商户和金融机构支持,旨在实现AI平台、支付系统和供应商间的互操作性。协议要求两级审批机制:意图授权和购物车授权,确保交易可追溯。支持全自动购买和加密货币支付。万事达、美国运通、PayPal等主要金融服务商已表示支持。
NVIDIA Research推出了革命性的UDR系统,让用户可以完全自定义AI研究助手的工作策略。该系统解决了传统研究工具固化、难以专业化定制的问题,支持任意语言模型,用户可用自然语言编写研究策略,系统自动转换为可执行代码。提供三种示例策略和直观界面,实现了AI工具的民主化定制,为专业研究和个人调研提供了前所未有的灵活性。
CrowdStrike在其年度Fal.Con 2025大会上发布了智能代理安全平台和智能代理安全团队两款新产品,旨在应对AI时代日益增长的安全需求。新平台基于企业图谱架构,统一企业遥测数据,配备AI优化查询语言。Charlotte AI AgentWorks提供无代码平台,让安全团队可轻松构建和部署可信安全代理。智能代理安全团队则通过AI驱动的代理直接服务客户,解决传统防御无法应对AI速度威胁的问题。
加州大学圣地亚哥分校研究团队创建了首个"野生"乐谱理解AI测试平台WildScore,通过807个来自Reddit音乐社区的真实问题,系统评估了多模态AI模型的乐谱解读能力。测试结果显示,即使最先进的GPT-4.1模型准确率也仅为68%,在节拍识别等方面表现尤其困难。研究揭示了AI在专业符号系统理解方面的局限性。