麦当劳制订了一项大计划来改善客户体验,同时改善员工的日常工作,加强柜台后面的小型食品工厂。
一年前,麦当劳推出了一项长期增长战略,其重点是增强数字功能,例如售货终端下单、交付并加速其未来体验(Experience of the Future)餐厅的部署。在该公司的首席执行官Steve Easterbrook的领导下,麦当劳在2017年的全球同店销售额增长率达到了5.5%。
麦当劳的技术与建筑高级总监Joel Eagle并不负责店面的前端体验,但是他的团队是推动者。Eagle正在越来越多地关注人工智能、机器学习和云计算,希望用这些技术改善"内部客户体验"。
Eagle解释说:"我们希望缩短解决问题的时间,并在系统之间跳跃。" 总的来说,Eagle正在考虑用机器人代理和自然语言请求减少厨房的停机时间,并加快基础设施的修复。
麦当劳也在押注Astound等小厂商,这家公司简化了通过人工智能和直观界面提交帮助请求并解决问题的方式。Astound希望实现服务管理的自动化,为各种不同的系统提供人工智能支持的包装并提供见解。简而言之,Astound可以管理大规模的机器学习模型。
规模比较小的技术供应商对于后端流程改进正在变得越来越重要,而这些后端流程的改进可以改善员工的体验。例如,T-Mobile已经利用WalkMe来改善客户体验了。多家企业正在使用Sapho之类的公司来连接记录系统,并提供现代化的移动友好用户界面。Astound也是如此。
几年前,Eagle在一次ServiceNow Knowledge活动中看到Astound。他表示,与一家较小的供应商合作具有优势,因为这对于他们是利益攸关,对于锚客户来说,他们会投入时间和精力让项目成功。具体而言,Eagle正在寻找一种可以绕过"ITIL说法"的技术,快速地解决问题。
Eagle解释说:"在麦当劳,我们不会一下子就大动干戈或者花很多钱。我们会下很多小的赌注,然后再逐渐加大。"
Eagle正在寻求用人工智能改进的其他领域包括:
Astound的联合创始人Dan Turchin表示,麦当劳在推动自动化和改善内部客户体验方面已经明确了重点。Turchin 表示:"让我有共鸣的是,你可以在整个生命周期中自动化服务请求的流程。" Turchin 表示:"对于我们来说,面临的挑战是如何在请求通过各种供应商提供的设备并升级时自动处理请求。这是一个令人困惑的网络来维修摇动机器。就像其他任何一家公司一样,麦当劳的工具、供应商和记录系统都是拼凑而成的。
提升的效率对麦当劳来说算得上物有所值吗?Eagle表示:"在内部,如果你思考一下,就会觉得一家餐厅确实就是一家小工厂。客户来到工厂并点餐。他们是想来得到点什么东西的。整个未来体验(Experience of the Future)的前提都是要员工在适当的时间和适当的地点交货。" Eagle表示:"我们通过提供良好的员工体验间接地影响客户的体验。"
人工智能可以帮助即时制造,并可根据需要让机器运转起来。Eagle指出,麦当劳刚刚开始其自动化之旅,但正在考虑通过节省时间来改善招聘经理的流程。Astound的技术可以更快地找到合适的人。餐厅的智能设备最终也可以增加预防性维护。
Eagle解释说:"如果我们能够开发出一些技术,给员工更多的时间,这个工厂里人的体验就会更好。" Eagle表示:"如果我们消除了这种需要,让员工不再需要为坏掉的机器操心,我们就可以更多地关注体验了。"
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。