当说到人工智能和个性化带来的变革时,你首先想到的是——汉堡包。这种情况可能很快就会发生改变了,特别是眼下快餐行业的技术发展越来越强调信息、机器人和数据,以及为客户提供更加个性化的就餐体验。
举个典型的例子:麦当劳最近以3亿美元的价格收购了Dynamic Yield公司,希望通过这家人工智能公司创造更个性化的用餐体验,特别针对“得来速”客户。具体怎么做?Dynamic Yield的技术可以根据时间、天气和地域趋势推荐食物。你会在窗口处看到各种丰富的选择,下单购买你的标准套餐。麦当劳可能比你自己更了解你想要什么。
你也许觉得现在人工智能和快餐并没有真正融合在一起,但我还是想争论一下。想想看,你开车进入得来速通道,购买你经常吃的四分之一磅奶酪汉堡,一切如常对吧?但是,如果计算机告诉你其他人这一餐新增了哪些食物,例如亚马逊上经常拼单购买的东西,你会怎么想?你可能愿意参考其他人的建议尝试一下新选择。你很高兴尝试了新的东西,麦当劳很高兴你花了额外的钱。看,人工智能和快餐是相互作用的。
但是麦当劳并非唯一一家投资人工智能、个性化和其他新技术的快餐企业。达美乐和肯德基等公司一直在尝试使用无人机送餐。在新西兰,达美乐甚至使用自动驾驶汽车来送披萨。当然,还有无数像Panera、星巴克这样的公司在尝试使用自助售货机和手机下单来避免顾客排长队,让员工专注于更快地完成订单。事实上,说到快餐业的技术趋势时,可以快速下单的自助售货机可能是我最喜欢的一种方式。使用这种系统我可以查看菜单、点击选择、拿到我想要的食物,不需要排队等候,不会出现收银员误解我个人请求的情况。即使像Stacked这样的坐下来就餐的餐厅,也允许客户通过iPad下单,这些技术进步真的让人感觉很棒。
那么,快餐行业出现的各种新技术是一种短暂的时尚,还是持久的增值方式?老实说,这一点还有待观察。显然,有些技术只是为了好玩。例如,必胜客打造了Pie Tops运动鞋,让顾客直接用他们的……鞋子就能订购披萨。显然这个例子就不是为了提升价值。同样地,Lyft和Taco Bell展开合作,让顾客在搭乘Lyft期间顺路去Taco Bell购买墨西哥卷饼。这些有趣的新闻吸引了人们的眼球,当然对于有些公司来说,这就是他们的目标。
然而,对于那些寻求提升价值的公司来说,利用技术来改善客户体验是有很大潜力和空间的。技术会改变这个行业吗?嗯,可能不会很快。在接下来的几年里,我们可能会看到很多餐厅都希望在人与自助服务机之间、个性化与开放之间、推送通知与信息骚扰之间找到一个适当的平衡点。毕竟这是快餐业,并不是所有人都想和炸薯条的工作人员交流一下,我们只是在想吃薯条的时候知道薯条很快就能炸好。毕竟,这种试水是让快餐这样的行业实现数字化转型的一个组成部分。
可以肯定的是,快餐业将致力于利用他们现有的大量数据,并且继续通过全渠道活动收集数据以追踪用户跨数字、社交和零售的体验。麦当劳是通过收购来实现这个目标的,但我相信,建立合作伙伴关系这种方式也会在快餐业中不断增加。有不少企业在Azure中构建数据湖,AWS让这些企业可以把他们的ERP与营销自动化平台进行集成,更有效地吸引消费者并掌握业务趋势。我预计快餐业内的合作还将涉及高级分析工具,例如Oracle、SAP和SAS等,以利用数据获取洞察力,根据可从人工智能训练和推理中受益的大型数据集,提供个性化的商品。
从快餐业的短期技术趋势来看,特别是以提升价值为目的的,我认为技术可以实现以下几个方面:
自助售货机越来越多,员工越来越少:到目前为止,自助售货机这种方式是相当成功的,预计未来我们会看到有越来越多的快餐店会减少收银员,转而采用这种自动下单系统。
最终,数据将推动数字化转型,并利用人工智能从数据中获取更多价值。快餐行业的这些技术趋势让快餐店能够更好地了解他们的顾客,为他们提供简单快捷的体验。
好文章,需要你的鼓励
由贝索斯共同领导的普罗米修斯项目已收购AI初创公司General Agents。该公司开发了名为Ace的AI智能体,可自主执行视频编辑、数据复制等计算机任务。General Agents基于视频语言行为架构开发模型,这与普罗米修斯项目专注制造业AI系统的目标高度契合。收购完成后,普罗米修斯团队已超过100人,预计将推进工业机器人领域的AI应用发展。
斯科尔科技学院联合俄罗斯多家研究机构开发出革命性的多语言AI虚假信息检测技术。该研究构建了覆盖14种语言的大型数据集PsiloQA,通过"诱导AI说谎"的创新方法自动生成训练样本,成本仅为传统人工标注的数十分之一。实验证明多语言训练的检测模型性能显著优于单语言模型,为全球AI可信度监督提供了实用解决方案。
Kagi公司发布Orion浏览器1.0版本,这是一款专为苹果平台设计的全新浏览器。该浏览器主打极速浏览体验和用户隐私保护,完全免费使用并附赠200次Kagi搜索。Orion还提供月费5美元的付费订阅服务,解锁更多高级功能。未来计划包括更深度的自定义选项和性能优化。
NVIDIA研究团队发现,训练机器人最有效的方法竟然是最简单的:直接用普通文字告诉机器人该做什么,而不需要复杂的编码系统。他们开发的VLA-0系统在标准测试中超越了所有复杂方法,平均成功率达94.7%,在真实机器人测试中也比预训练系统高出12.5个百分点。这项发现挑战了"越复杂越好"的传统观念,可能加速智能家用机器人的普及。