SHORT CUT
หลังรับออเดอร์ 2 ล้านครั้ง Taco Bell เตรียมทบทวนการใช้ AI ใน Drive-Thru หลังเกิดปัญหามากมาย ตั้งแต่สั่งน้ำ 18,000 แก้ว จนถึงรับออเดอร์ของคู่แข่ง
วงการฟาสต์ฟู้ดกำลังเดินหน้าทดลองนำปัญญาประดิษฐ์ (AI) เข้ามาปรับใช้อย่างต่อเนื่อง ไม่ว่าจะเป็นหุ่นยนต์ทอดเบอร์เกอร์ "Flippy" ของ White Castle หรือระบบราคาไดนามิกของ Wendy's
แต่ดูเหมือน "AI" จะยังต้องเผชิญกับความท้าทายอย่างหนักหน่วงที่สุดคือ "เคาน์เตอร์ Drive-Thru" และล่าสุด Taco Bell ก็เป็นอีกหนึ่งแบรนด์ที่ได้เรียนรู้กับบทเรียนราคาแพงนี้
หลังจาก Taco Bell ทดลองใช้ระบบ AI รับออเดอร์ใน Drive-Thru ไปกว่า "2 ล้านครั้ง" Taco Bell ก็ได้ข้อสรุปว่า "มนุษย์ยังคงมีความจำเป็น"
เดน แมทธิวส์ ประธานเจ้าหน้าที่ฝ่ายดิจิทัลและเทคโนโลยีของ Taco Bell ให้สัมภาษณ์กับ The Wall Street Journal ว่า "เรากำลังเรียนรู้อะไรอีกมาก พูดตามตรง บางครั้งมันก็ทำให้ผมผิดหวัง แต่บางครั้งมันก็ทำให้ผมประหลาดใจได้เช่นกัน"
การยอมรับครั้งนี้เกิดขึ้นหลังจากระบบ AI ที่ใช้กับ Drive-Thru ของ Taco Bell กลายเป็นมีม (meme) บนโลกออนไลน์ โดยเฉพาะใน TikTok ที่ผู้ใช้งานต่างพากันแชร์คลิปวิดีโอแสดงความผิดพลาดของเทคโนโลยีดังกล่าว
เช่น กรณีที่ AI ทำงานติดลูป ถามลูกค้าซ้ำๆ ว่าจะรับเครื่องดื่มอะไรจนลูกค้ารำคาญและขับรถหนีไป หรือกรณีที่ลูกค้ารายหนึ่งลองสั่งเมนูของ McDonald's แต่ AI กลับรับออเดอร์และยังแนะนำซอสของ McDonald's ให้ด้วย ก่อนที่พนักงานที่เป็นมนุษย์จะต้องเข้ามาแก้ไขสถานการณ์
เมื่อลูกค้ารายหนึ่งสั่ง "น้ำเปล่า 18,000 แก้ว" และ AI ก็พร้อมที่จะรับออเดอร์นั้น ทำให้พนักงานต้องเข้ามาแทรกแซงอีกครั้ง
เดวิด แคทซ์ไมเออร์ บรรณาธิการบริหารฝ่ายเทคโนโลยีส่วนบุคคลของ CNET ได้เล่าประสบการณ์ตรงว่า "AI รับออเดอร์ผิดไปหลายรายการ และเมื่อลูกสาวผมต้องพูดเสียงดังขึ้นเพื่อแก้ไขออเดอร์ พนักงานที่เป็นมนุษย์ก็พูดแทรกขึ้นมาว่าเขาคอยฟังอยู่ตลอดเวลา ทำให้ผมสงสัยว่าแล้วจะใช้ AI ไปเพื่ออะไร"
แมทธิวส์กล่าวว่า ประสบการณ์เหล่านี้ทำให้ Taco Bell ต้องกลับมาทบทวนการใช้ AI ใน Drive-Thru อย่างจริงจัง โดยยอมรับว่าพนักงานที่เป็นมนุษย์ยังคงเหมาะสมกว่า โดยเฉพาะในช่วงเวลาเร่งด่วนที่มีลูกค้าจำนวนมาก
กรณีของ Taco Bell ไม่ใช่รายแรก ซึ่ง McDonald's เองก็เคยระงับการใช้ระบบสั่งอาหารด้วย AI หลังพบปัญหาคล้ายกัน ขณะที่ Wendy's ซึ่งใช้ระบบของ Google ยังคงเดินหน้าติดตั้งระบบต่อไป สะท้อนให้เห็นว่านี่คือความท้าทายของทั้งอุตสาหกรรมที่ยังต้องใช้เวลาในการเรียนรู้และพัฒนาต่อไปอีกสักพักกว่าจะใช้งานได้ 100%
ที่มา : CNET