两家餐饮巨头使用 AI 都失败了

寂静回声

星巴克今年 5 月悄然停用了他们的 AI 库存工具。该工具上线 9 个月，最终通知门店撕掉 QR 码，回归人工操作。
测试阶段模型可以达到 99% 准确率，但是放到真实门店环境中，冰箱反光会造成牛奶计数翻倍，糖浆瓶会被识别成垃圾桶。
这并非个例，背后是同一类现实问题。
百胜集团的 AI 点餐系统，历经 2 年测试，落地超过 100 家门店，看上去已经准备就绪。
正式上线之后，系统听不懂顾客口音，背景噪音稍大就会出现识别错乱。
顾客随口点出一万八千杯水，AI 也会如实生成订单。
在处理 200 万笔订单之后，项目只能回退。

点评
深度学习模型的性能高度依赖训练数据的分布，当测试环境与真实生产环境存在显著差异时，准确率会出现大幅衰减，这一现象称为 “域偏移”，也是两个案例最核心的共性问题。
星巴克 AI 库存工具：99% 的准确率是在可控测试环境下达成的，光照均匀、物品摆放规整、拍摄视角固定，视觉特征高度稳定。
但真实门店中，冰箱冷光灯的反光会在牛奶包装上形成重影、物品随意摆放导致角度与遮挡千差万别、不同时段自然光变化都会改变物体的视觉特征。
模型从未学习过这类分布外的数据，直接出现 “牛奶计数翻倍”“糖浆瓶识别为垃圾桶” 的低级错误。
百胜 AI 点餐系统：测试阶段的语音数据多采集于安静环境、标准普通话场景，声学特征清晰稳定。但真实门店存在背景音乐、后厨设备噪音、顾客交谈杂音、拾音距离远等复杂声场环境，加上顾客的方言口音、口语化表达、语速差异，都会导致语音的声学特征与训练数据严重偏离，最终识别错乱。

当前主流的计算机视觉（CV）和自动语音识别（ASR）技术，在理想环境下已接近人类水平，但在存在干扰的开放场景中，稳定性远不及人类。
视觉层面：星巴克的库存识别模型对光照变化、外观相似性的区分能力极弱。冰箱反光形成的高亮区域会干扰模型对物体轮廓的判断，而糖浆瓶与垃圾桶在特定角度、遮挡下的视觉特征相似性，会直接触发模型的误分类，这是通用 CV 模型在开放世界的固有局限。
语音层面：百胜的点餐系统缺乏强噪音下的人声分离和口音适配能力。当背景噪音稍大时，模型无法有效区分人声与环境音；面对非标准口音时，声学特征匹配度急剧下降，最终出现识别混乱。

当前主流 AI 模型本质是 “模式匹配”，不具备人类的常识认知和逻辑判断能力，若没有额外的规则约束，会输出完全违背现实逻辑的结果。
百胜的 “一万八千杯水” 订单是最典型的体现，AI 仅完成了 “语音信号→文字→订单” 的映射，没有内置 “单人单次下单量上限”“门店单日产能极限” 等基本商业常识和业务规则，无法识别明显违背常理的异常结果，只会机械执行识别内容。
星巴克的库存工具同样缺失逻辑校验，牛奶数量翻倍的结果，明显超出单台冰箱的物理容积和门店日常消耗量，但系统没有触发任何异常复核机制，直接输出错误的库存数据，失去了工具的决策参考价值。

两家企业的 AI 工具大概率基于通用 CV/ASR 大模型微调而来，而非针对餐饮零售场景从零定制。通用模型优先解决普适性问题，对餐饮场景的特殊物体（餐饮包装、耗材器具）、特殊声场（门店混响、设备噪音）、特殊业务逻辑没有针对性优化，能力边界与餐饮的精细化运营需求并不匹配。
AI 的效果上限由数据决定，两家企业在数据采集、标注、验证环节均脱离了真实运营场景，用 “干净的理想数据” 训练出的模型，自然无法应对 “脏乱的真实世界”。
企业为了快速验证 AI 效果，往往在可控的实验室环境中采集数据，导致训练数据呈现 “理想化工况”，无法代表真实门店的复杂工况，这是数据准备最核心的缺陷。
真实运营中，高频的正常场景往往表现稳定，而低频的 “边缘异常场景” 虽然占比低，却是导致系统失效的关键。企业在数据准备时普遍聚焦高频正常场景，忽略了长尾难样本。

星巴克：仅在实验室测试环境达成 99% 准确率，没有在足够数量的真实门店进行全时段、全工况的长期试点，也没有基于真实门店的反馈数据持续迭代模型。9 个月的上线周期中，真实场景的验证严重不足，导致上线后问题集中爆发。
百胜：虽然历经 2 年测试、覆盖 100 家门店，但测试大概率存在 “模拟化” 倾向，多由内部员工模拟顾客点单，口音、表达习惯、环境噪音都经过简化，没有充分引入真实顾客的随机性和复杂性。直到处理 200 万笔真实订单后问题才彻底暴露，说明测试数据的真实度和压力强度远未达标。

企业在数据准备时只关注 AI 模型的输入输出数据，没有将业务常识、运营规则结构化融入数据体系和模型流程，缺失了最后一道容错屏障。