Примечание автора: сравниваем подходы Starbucks, McDonald’s, Taco Bell и Burger King к ИИ в общепите. По стадии внедрения, публичным данным, инвестициям и сочетанию технологий определяем, какие проекты пока остаются демонстрацией концепции, а какие уже приносят пользу бизнесу.
29 октября 2026 года Starbucks сообщила на конференции по финансовым результатам, что изучает возможность распознавать клиентов автодрайва, добровольно согласившихся на участие, и показывать им персонализированное цифровое меню. Эта инициатива вновь поднимает старый вопрос: нужен ли общепиту ИИ, который заменит сотрудников, или ИИ, который улучшит весь процесс обслуживания?
Это не рейтинг ИИ-проектов в общепите. Четыре компании не соревнуются в создании одного и того же робота для приёма заказов, а в публичных источниках нет данных о затратах, точности и ROI, полученных в сопоставимых условиях. В этой статье мы сравним проекты по решаемым задачам, стадии внедрения и убедительности имеющихся данных.
Главное: из статьи вы узнаете о четырёх основных подходах к ИИ в общепите и познакомитесь с набором показателей, которые помогут определить, остаётся ли проект демонстрацией концепции или уже приносит бизнесу измеримую пользу.
Главное об ИИ в ресторанном бизнесе
| Пункт | Подробности |
|---|---|
| Повод для новости | Телефонная конференция Starbucks по итогам четвёртого квартала 2026 финансового года, 29 октября 2026 года |
| Подтверждённый план | В 2027 финансовом году компания начнёт тестировать ИИ во внутренних системах, чтобы помочь бариста вводить заказы |
| Направления ранних исследований | Распознавание участвующих в программе клиентов, персонализированное цифровое меню и упрощение оплаты; даты запуска пока нет |
| Что ещё не раскрыто | Технология распознавания, пилотные заведения, поставщик модели, объём инвестиций и количественные результаты |
| Отраслевой ориентир | Исследование Intouch Insight 2026 года о обслуживании автомобилистов: 13 брендов и 2145 посещений в рамках основного исследования, а также 120 отдельных посещений для изучения приёма заказов с помощью ИИ |
Генеральный директор Starbucks Brian Niccol сообщил, что около половины клиентов пользуются обслуживанием автомобилистов. Это объясняет, почему компания уделяет внимание этому каналу, но не означает, что он приносит половину выручки. Сейчас также нет подтверждений, что Starbucks решила использовать распознавание лиц или автомобильных номеров. Опасения СМИ по поводу конфиденциальности и дифференцированного ценообразования — это обсуждение рисков, а не подтверждённые факты.
Чем отличаются четыре подхода к AI в общепите?
Главное различие между этими компаниями — в том, какой этап работы они готовы передать AI, а какой оставить людям. Если назвать всё это «заказом с помощью AI», можно упустить различия в самих продуктах, зависимости от данных и рисках.
| Бренд | Основные функции | Статус внедрения | Публичные данные | Основные ограничения |
|---|---|---|---|---|
| Starbucks | Smart Queue, Green Dot Assist, внесение заказов в системе, персонализированное меню | Первые две функции уже используются или запущены; внесение заказов планируют протестировать; меню пока изучают | Заявления CEO и описание существующих систем | По новым проектам нет количественных результатов тестов, способы распознавания не раскрыты |
| McDonald’s | Операционная платформа ArchIQ, голосовой приём заказов Archy, управление запасами и оборудованием | Пилот в некоторых ресторанах США; сроков полного внедрения пока нет | Компания утверждает, что точность Archy в тестах превысила 90% | Основные преимущества пока существуют в основном в прогнозах и ещё не реализованы в полном объёме |
| Taco Bell | Динамическое меню с AI, голосовой приём заказов Omilia | Меню тестируют; голосовая система внедрена более чем в 890 ресторанах | Компания подтвердила, что при тестировании меню цены не меняются; число ресторанов раскрыл партнёр | Нет данных о средней точности по всем ресторанам и стоимости внедрения в одном ресторане |
| Burger King | Голосовой приём заказов от посетителей, помощник для сотрудников Patty | Голосовую систему тестируют примерно в 50—70 ресторанах; в феврале Patty тестировали примерно в 500 | Руководители признали, что некоторые посетители отказываются общаться с роботом и даже уходят | Остаются вопросы принятия со стороны посетителей и споры о наблюдении за сотрудниками |
ИИ в Starbucks: сначала информация — бариста
Niccol описывает вполне конкретный сценарий Fast Pass: гость подъезжает к окну обслуживания и открывает приложение, система показывает сотруднику его недавние заказы, а бариста уточняет, хочет ли он свой обычный напиток. Затем гость оплачивает и забирает заказ. Здесь ИИ помогает сотруднику понять предпочтения клиента, но не говорит вместо него.
Преимущество Starbucks — накопленные данные и налаженная система продаж. В США число участников Rewards, активных за последние 90 дней, достигло 36 млн; в 2025 финансовом году на участников программы пришлось почти 60% выручки собственных заведений компании в стране. Однако это существующие бизнес-показатели, а не результат внедрения ИИ-меню. Компания также не уточнила, какие именно поля данных будет использовать новый проект.
ArchIQ от McDonald’s: приём заказов как часть операционной системы
ArchIQ — комплексная операционная платформа, а Archy — лишь её голосовой компонент. Платформа также позволяет отслеживать запасы и состояние оборудования и проверять заказы перед выдачей. Её задача — связать приём заказов с работой кухни.
В 2021 году McDonald’s тестировала приём заказов с помощью ИИ совместно с IBM, но в 2024 году компании прекратили сотрудничество, в том числе из-за проблем с точностью. Показатель точности Archy выше 90% основан на результатах тестирования, опубликованных самой компанией, а не на выводах независимых экспертов. Отзывы сотрудников в видео для дня инвестора — тоже примеры, представленные компанией, а не результаты выборочного опроса.
AI в Taco Bell: меню и голосовой приём заказов — два разных проекта
Динамическое меню Taco Bell решает вопрос «что показывать». Система может менять компоновку, содержание и способ представления рекомендаций в зависимости от автомобиля. Одна из целей — быстрее получать обратную связь о том, как работает показ. Компания прямо заявила, что тестирование не повлияет на цены товаров в ресторанах. Поэтому его нельзя называть динамическим ценообразованием или напрямую отождествлять с распознаванием номеров.
Голосовой приём заказов Omilia решает вопрос «кто принимает заказ». Партнёр сообщил, что система уже работает более чем в 890 ресторанах в 38 штатах. Это число нельзя складывать с примерно 500 ресторанами, участвующими в связанных с Nvidia испытаниях, о которых сообщали СМИ: проекты находятся на разных этапах, а списки ресторанов могут пересекаться. Случай 2025 года, когда ради шутки заказали огромное количество воды, также напоминает: масштаб внедрения ещё не означает, что система работает стабильно.
AI в Burger King: Patty и голосовой приём заказов — не одно и то же
Голосовой приём заказов Burger King предназначен для клиентов, которые обслуживаются, не выходя из машины. Его тестируют примерно в 50–70 ресторанах. Вице-президент бренда по технологиям Чакри Сомисетти признал, что некоторые клиенты не хотят разговаривать с роботом и даже уезжают. Поэтому компания планирует упростить выбор обслуживания у сотрудника.
Patty — это помощник для сотрудников, который работает через гарнитуру. Он использует модели OpenAI и собственную техническую архитектуру Burger King, чтобы давать подсказки по приготовлению блюд, запасам и работе ресторана. Примерно 500 ресторанов — это масштаб пилотного проекта Patty в феврале 2026 года; считать их ресторанами с голосовым приёмом заказов нельзя. Возможность анализировать использование вежливых выражений тоже вызвала вопросы. Компания пояснила, что она нужна для наблюдения за общими тенденциями в ресторанах, а не для оценки отдельных сотрудников.
Что показывают реальные тесты ИИ в общепите?
Исследование Intouch Insight — один из наиболее полезных ориентиров для отрасли на сегодняшний день. Однако специальное тестирование охватывало только Burger King, Taco Bell и Wendy’s. Его результаты нельзя распределить по отдельным брендам, и они никак не связаны с новой системой Starbucks.
| Показатель | Результат за 2026 год | Как правильно понимать |
|---|---|---|
| Точность приёма заказов ИИ | 90,8% (в 2025 году — 82,5%) | Результат в специальной выборке улучшился, но это не средний показатель по отрасли |
| Точность в контрольной группе без ИИ у тех же брендов | 86,7% | Относится только к определённым условиям того же исследования |
| Продолжительность всего визита | С ИИ — 5 мин 14 с, в контрольной группе — 5 мин 15 с | Разница минимальна и не доказывает, что с ИИ обязательно быстрее |
| Приходилось повторять часть заказа | 29,1% (в 2025 году — 34,2%) | Ситуация улучшилась, но голосовое взаимодействие всё ещё недостаточно стабильно |
| Общая удовлетворённость при использовании ИИ | 94,2% | Результат относится к выборке тестирования |
| Визиты с использованием ИИ в основном исследовании | 36 / 2145 | Менее 2%: голосовой ИИ пока не стал отраслевым стандартом |
Эти данные опровергают два противоположных крайних мнения. ИИ уже способен обрабатывать реальные заказы: из 120 специальных визитов в 92 случаях посетители взаимодействовали с ИИ, а в 77 случаях он принял заказ от начала до конца. Но убедительного преимущества в скорости ИИ не показал. Если клиенту приходится что-то повторять, это ухудшает впечатление, даже если не обязательно увеличивает общую продолжительность визита.
Точность заказов Starbucks на уровне 96% и удовлетворённость на уровне 99% в основном исследовании тоже отражают только качество существующего обслуживания. При сравнении с показателем 90,8% различаются и бренды, и типы заказов, и состав выборки, поэтому нельзя просто вычесть одно число из другого и объявить, что люди работают лучше ИИ. Когда сотрудники были дружелюбны, удовлетворённость составляла 98,6%, а когда недружелюбны — 26,8%. Это тоже лишь наблюдаемая связь, но её достаточно, чтобы напомнить компаниям: не стоит сосредотачиваться только на автоматизации приёма заказов.
Опрос Technomic указывает и на другую тенденцию: 46% респондентов считают привлекательной возможность сделать заказ у сотрудника внутри заведения, 23% — возможность сделать заказ через ИИ на автомобильной линии, а 46% считают последний вариант непривлекательным. Поскольку в публикации нет полной информации о выборке, эти доли не стоит считать точным отражением мнения всех потребителей США.
Как оценить инвестиции в ИИ и зрелость проектов в общепите?
При оценке зрелости стоит отдельно рассматривать охват заведений, доказательства эффективности и финансовые обязательства. Таблица ниже составлена на основе общедоступной информации. Это инструмент для сравнения, а не официальный рейтинг четырёх компаний.
| Уровень зрелости | Примеры проектов | Что известно из открытых источников | Чего пока не хватает |
|---|---|---|---|
| Изучение концепции | Распознавание клиентов и персонализированное меню Starbucks | Заявления CEO, сценарий Fast Pass | Описание решения для распознавания, данные пилота, дата запуска |
| Планирование тестов | Ввод заказов в бэк-офисе Starbucks | Тестирование начнётся в 2027 финансовом году | Данные о точности, эффективности и влиянии на персонал |
| Ограниченное тестирование | Голосовой ИИ Burger King, динамическое меню Taco Bell, Archy от McDonald’s | Пилотные проекты в отдельных заведениях или результаты, опубликованные компаниями | Независимая проверка, ROI, надёжность при масштабировании |
| Фактическое внедрение | Smart Queue от Starbucks, голосовой ИИ Taco Bell | Система используется в операционной работе или внедрена более чем в 890 заведениях | Сопоставимые данные о влиянии на бизнес и затратах |
| Планы масштабирования | Restaurant > NEXT от McDonald’s | Опубликованы прогнозы инвестиций и доходности | Фактическая окупаемость и результаты полномасштабного внедрения |
Что касается затрат, McDonald’s — одна из немногих компаний, раскрывших финансовые ориентиры. Дополнительные инвестиции в Restaurant > NEXT для традиционного ресторана с обслуживанием в автомобиле в США оцениваются примерно в 800 тысяч долларов. После внедрения всех компонентов типичный ресторан, по прогнозу, будет приносить примерно на 100 тысяч долларов больше совокупного денежного потока в год. Эта сумма включает реконструкцию ресторана, оборудование и технологии для операционной работы, а не только закупку Archy.
McDonald’s также рассчитывает, что после масштабного внедрения в каждом ресторане будет высвобождаться не менее 50 рабочих часов в неделю, автоматическое управление запасами позволит экономить около 5 рабочих часов в неделю, а объём пищевых отходов сократится примерно на 15%. Все эти цифры — прогнозы или цели компании, которые пока не достигнуты в полном объёме. Затраты на соответствующие проекты Starbucks, Taco Bell и Burger King также раскрыты недостаточно подробно, поэтому сейчас нельзя определить, чьё решение дешевле.
Почему ИИ в ресторанах требует совместной работы систем?
ИИ для ресторанов с обслуживанием автомобилистов трудно построить на одной модели. За распознавание речи в шуме, авторизацию доступа к данным клиентов, изменения запасов, проверку цен и очередь приготовления отвечают разные системы. Ошибка на любом этапе может привести к тому, что даже правильно распознанный заказ будет выполнен неверно. В таблице ниже приведена общая схема, которая не отражает способы реализации, опубликованные четырьмя компаниями.
| Технический модуль | Основная задача | Типичные сбои | Ключевые показатели |
|---|---|---|---|
| Речевая модель | Распознавание акцентов, речи в шуме и изменений заказа | Клиенту приходится повторять заказ | Частота повторов, доля переводов на сотрудника |
| Алгоритм рекомендаций | Определение порядка товаров и дополнительных рекомендаций | Рекомендации распроданных или неподходящих товаров | Прирост конверсии, изменение среднего чека |
| Данные участников программы лояльности | Предоставление предпочтений и истории заказов в пределах разрешённого доступа | Неверная идентификация или раскрытие истории покупок | Доля согласий на доступ, частота ошибок идентификации, доля отказов от программы |
| Система заказов | Проверка цен, скидок, наличия товаров и оплаты | Несоответствие между меню и счётом | Частота ошибок в заказах, доля успешных платежей |
| Взаимодействие с сотрудником | Обработка нестандартных ситуаций без потери качества обслуживания | Невозможно переключить на сотрудника, клиент уходит | Время до передачи управления, удовлетворённость, доля ушедших клиентов |
Разработчики могут начать с проверки небольшого участка системы: преобразования расшифровки речи в структурированный заказ. Пример ниже демонстрирует общий рабочий процесс: модель только распознаёт намерение клиента, а проверка цен и наличия товаров остаётся за бизнес-системой.
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # OpenAI-совместимый интерфейс APIYI
)
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": "把订单转为 JSON：大杯拿铁，换燕麦奶，再加一个可颂"}]
)
print(response.choices[0].message.content)
Посмотреть полный код реализации
import json
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
MENU = {"拿铁", "美式", "可颂"} # Пример данных; на практике нужно запрашивать актуальный список доступных товаров
def parse_order(transcript: str, model: str = "gpt-4o-mini") -> dict:
system_prompt = (
"你是点单解析器，只输出 JSON。格式为 "
'{"items":[{"name":"","size":"","changes":[],"qty":1}],"need_human":false}。'
f"可售菜单：{sorted(MENU)}。不得输出价格；无法确定时 need_human 设为 true。"
)
response = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": transcript},
],
response_format={"type": "json_object"},
temperature=0,
)
order = json.loads(response.choices[0].message.content)
# Результат модели — ещё не готовый заказ: сначала его нужно проверить по бизнес-правилам
if any(item.get("name") not in MENU for item in order.get("items", [])):
order["need_human"] = True
return order
print(parse_order("大杯拿铁换燕麦奶，再来一个可颂"))
Технический совет: на одном и том же наборе транскрипций и данных меню можно сравнить долю успешно структурированных заказов, задержку и стоимость разных моделей. APIYI apiyi.com позволяет переключаться между моделями OpenAI, Claude, Gemini и других через единый интерфейс, что сокращает работу по адаптации на этапе предварительной оценки.
Пример не охватывает обработку аудио в реальном времени, отправку заказа и оплату. Голосовой ввод тоже нужно проектировать отдельно, исходя из возможностей выбранной модели и интерфейса. В реальных условиях также стоит отслеживать долю обращений, переданных оператору, типы ошибок и стоимость вызовов модели на один заказ. Эти данные лучше отдельной демонстрации покажут, насколько проект жизнеспособен.
Влияние ИИ на общепит: анализ и отраслевые выводы
Что это значит для ресторанных компаний
У каждого из четырёх подходов свои условия применения, поэтому выбирать стоит исходя из узких мест бизнеса. Лидерство в распознавании речи ещё не означает такого же лидерства в персонализации или управлении бизнесом в целом.
- Подход Starbucks: подходит компаниям с сильной программой лояльности и высокой долей повторных покупок, для которых общение с сотрудниками — часть ценности бренда.
- Подход McDonald’s: подходит компаниям с высокой степенью стандартизации, большой сетью заведений и возможностью одновременно менять оборудование и процессы.
- Подход Taco Bell: подходит компаниям со сложными комбинациями блюд в меню, которые хотят по отдельности проверить оптимизацию представления меню и автоматизацию приёма заказов.
- Подход Burger King: подходит компаниям, которые пока не уверены, как клиенты воспримут ИИ, и хотят сохранить возможность обратиться к сотруднику, начав с повышения эффективности персонала.
Что это значит для разработчиков и продакт-менеджеров
На следующем этапе внедрения ИИ в рознице стоит меньше смотреть на демонстрации и больше — на воспроизводимые бизнес-результаты. При оценке проекта как минимум нужно проверить следующие показатели:
- Прирост относительно контрольной группы: выросли ли средний чек, частота повторных покупок и пропускная способность по сравнению с контрольными заведениями.
- Качество выполнения заказа целиком: важно оценивать не только распознавание речи, но и точность выдачи заказов, а также частоту дублирования.
- Способность справляться со сбоями: доля переводов на сотрудника, время до подключения сотрудника, обработка ошибок распознавания и доля потерянных клиентов.
- Конфиденциальность и прозрачность: как клиент может подключиться к системе и отказаться от её использования, может ли он подтвердить итоговый заказ и цену.
- Юнит-экономика: вложения на одно заведение, стоимость инференса на заказ, расходы на обслуживание и срок окупаемости.
Если у проекта есть только демонстрационное видео, прогноз доходности или кейсы поставщика, но нет данных контрольных экспериментов и сведений о сбоях, это скорее демонстрация концепции. Проект, который действительно приносит пользу бизнесу, должен показывать, что именно улучшилось и на какой выборке, а также объяснять, кто подстрахует клиента в случае сбоя.
Часто задаваемые вопросы FAQ
Q1: Starbucks уже запустила приём заказов с распознаванием лиц с помощью ИИ?
Подтверждений этому нет. Starbucks сообщила лишь, что изучает возможность распознавания клиентов, добровольно согласившихся на участие. Компания не раскрыла ни технологию, ни заведения для пилотного проекта, ни дату запуска. Использование распознавания лиц или автомобильных номеров также не подтверждено.
Q2: Какая из четырёх компаний продвинулась дальше в применении ИИ в общепите?
Это зависит от критерия. Taco Bell публично сообщила о большом числе заведений с голосовым приёмом заказов, McDonald’s шире интегрировала ИИ в операционные процессы, Starbucks уже использует внутренние системы, такие как Smart Queue, а опыт Burger King дал важные уроки о том, как клиенты воспринимают эти технологии. Единого тестирования не проводилось, поэтому составлять общий рейтинг не стоит.
Q3: Какой компании принадлежит показатель точности приёма заказов с помощью ИИ в 90,8%?
Это результат специального тестирования Intouch Insight на выборке заказов в Burger King, Taco Bell и Wendy’s. Он не относится ни к Starbucks, ни к Archy от McDonald’s. Показатель выше 90%, о котором сообщала McDonald’s, основан на собственных тестах компании — напрямую сравнивать эти результаты нельзя.
Q4: Как проверить сценарий приёма заказов или выдачи рекомендаций с помощью API модели?
Для начала подготовьте обезличенные расшифровки разговоров, меню и результаты ручной разметки. Затем сравните точность структурирования, задержку и стоимость. Можно зарегистрироваться на APIYI apiyi.com и получить средства для тестирования, заменить название модели в примере из статьи на название тестируемой модели, а затем постепенно добавить проверки бизнес-правил.
Q5: Каковы основные ограничения ИИ-проектов в общепите?
Среди главных ограничений — ошибки распознавания из-за шума и сложных заказов, нежелание клиентов общаться с роботами, вопросы конфиденциальности при идентификации и непрозрачная стоимость внедрения. При проектировании стоит сохранить возможность обратиться к сотруднику, а окончательную проверку цены поручить бизнес-системе.
Q6: Нужно ли небольшим командам сразу создавать полноценную систему?
Обычно нет. Можно начать с автономной оценки менее рискованных задач: ответов на вопросы по базе знаний, структурирования заказов или ранжирования рекомендаций. Убедившись, что показатели устраивают, можно подключать решение к реальным процессам. Вызовы модели через APIYI apiyi.com с оплатой по факту использования подойдут для проверки идеи до вложений в оборудование и переделку систем.
Четыре подхода к ИИ в ресторанном бизнесе: главное
- Компании решают разные задачи: их приоритеты — персонализация, интеграция операционных процессов, меню и голосовые технологии, а также взаимодействие людей и ИИ.
- Starbucks пока на раннем этапе: даты запуска персонализированного меню нет, а тестирование внутренней системы ввода заказов запланировано на 2027 финансовый год.
- Ожидаемый эффект McDonald’s ещё нужно проверить: экономия 50 рабочих часов и прирост денежного потока на 100 тысяч долларов — лишь прогнозы, которые пока не реализованы в полном объёме.
- Проекты нужно оценивать отдельно: решения Taco Bell для меню и голоса различаются, как и Patty от Burger King и система приёма заказов от гостей.
- У голосового ИИ остаются слабые места: точность на специализированной выборке выросла, но 29,1% гостей по-прежнему приходится повторять сказанное.
- Технологии стоит проверять до внедрения: с помощью APIYI apiyi.com можно сравнить качество моделей, задержку и стоимость одного вызова.
Итоги
Опыт Starbucks, McDonald’s, Taco Bell и Burger King показывает: главный вопрос для ИИ в ресторанном бизнесе не в том, способен ли он заменить сотрудников, а в том, может ли он улучшить конкретный, измеримый этап обслуживания.
- Разные подходы: при сравнении сначала смотрите, какую проблему решает проект, а не сводите всё к ботам для приёма заказов.
- Разные стадии: нужно чётко различать концепцию, план, пилот, внедрение и прогноз масштабирования.
- Разные доказательства: данные, раскрытые компанией, кейсы поставщиков и независимые тесты подтверждают разные вещи.
- Ценность возникает на уровне системы: голосовые технологии, рекомендации, программы лояльности, заказы и работа сотрудников должны действовать сообща — только тогда можно рассчитывать на бизнес-результат.
Если вы планируете похожий проект, сначала выберите один чёткий показатель и проверьте минимальный рабочий процесс на реальных данных. Рекомендуем через APIYI apiyi.com сравнить, как разные модели справляются с разбором заказов и объяснением рекомендаций, и только потом решать, стоит ли расширять пилот.
📚 Источники
- Телефонная конференция Starbucks по итогам четвёртого квартала 2026 финансового года: план персонализации обслуживания на автораздаче
- Ссылка:
stockanalysis.com/stocks/sbux/transcripts/702818-q4-2026 -
Описание: содержит исходные заявления CEO и планы тестирования на 2027 финансовый год
-
Интервью Yahoo Finance: сценарий Fast Pass от Starbucks
- Ссылка:
sg.finance.yahoo.com/news/starbucks-wants-to-trial-a-fast-pass-drive-through-with-ai-211128951.html -
Описание: описывает предполагаемую работу приложения, использование недавних заказов и процесс оплаты
-
Официальный FAQ McDonald’s NEXT: инвестиции и прогноз доходов
- Ссылка:
corporate.mcdonalds.com/corpmcd/our-stories/article/what-is-mcdonalds-next.html -
Описание: поможет уточнить объём инвестиций в программу и основу прогнозов
-
Запись Investor Day McDonald’s 2026: Archy и операционные данные
- Ссылка:
stockanalysis.com/stocks/mcd/transcripts/746101-investor-day-2026 -
Описание: содержит данные о точности, рабочих часах и управлении запасами
-
Restaurant Dive: динамическое AI-меню Taco Bell
- Ссылка:
restaurantdive.com/news/yum-brands-ai-menu-board-taco-bell-kfc-global-menu-innovation/818803 -
Описание: подтверждает содержание тестов и заявление о том, что цены меняться не будут
-
Restaurant Dive: расширение сотрудничества Taco Bell и Omilia
- Ссылка:
restaurantdive.com/news/taco-bell-omilia-drive-thru-ai-deployment/824564 -
Описание: содержит данные о числе ресторанов с голосовым ИИ и историю сотрудничества
-
Restaurant Business: Burger King пересматривает стратегию голосового ИИ
- Ссылка:
nrn.com/quick-service/burger-king-rethinks-its-drive-thru-ai-strategy -
Описание: рассказывает о масштабе пилотного проекта, неприятии со стороны клиентов и опросе Technomic
-
Associated Press: Patty — помощник для сотрудников Burger King
- Ссылка:
apnews.com/article/b7d5a4120dc669fe338a4da3eedb0016 -
Описание: помогает отличить помощника для сотрудников от системы голосового приёма заказов
-
Intouch Insight: исследование автораздач за 2026 год
- Ссылка:
intouchinsight.com/press-releases/2026-drive-thru-study - Описание: содержит данные о размере выборки, скорости, точности и удовлетворённости клиентов
Автор: техническая команда APIYI
Технические вопросы: свяжитесь с нами через главную страницу сайта APIYI. Дополнительные материалы доступны в центре документации docs.apiyi.com
