企业级 AI 硬件来了，来自汉堡王：这家连锁快餐店，运行尝试在职工耳机里装一个 AI。
它叫 Patty，由 OpenAI 驱动，是汉堡王 BK Assistant 平台的语音助手。职工可以随时问它：枫糖波旁烧烤皇堡放几片培根？奶昔机若何清洁？它齐能答。确立故障或食材缺货时，系统会在 15 分钟内自动同步总计渠谈——自助点餐机、得来速、电子菜单板——一齐更新，不需要东谈主工侵略。
这套系统整合越过来速对话、厨房确立、库存等多个数据源，酿成了一个完好意思的门店运营中台。汉堡王的首席数字官蒂博 · 鲁克斯在承袭 The Verge 采访时，把 Patty 界说为「辅助经管」的器具。
到这里为止，这是一个可以的后厨后果器具。致使可以说，在快餐业耐久靠近的高流动率、短培训周期的配景下，让新职工随时查询操作要领、让系统自动处理缺货信息流，是真简直科罚痛点。
但 Patty 还有另一个功能：它会监听职工与主顾的对话。
具体来说，汉堡王聚积了加盟商和主顾对于「如何揣摸办事友好度」的信息，用这些数据侦察 AI 识别某些词语和短语——「接待光临汉堡王」「请」「谢谢」。系统据此给每家门店的「办事友好度」打分。司理可以随时向 AI 查询我方门店的友好度发达。鲁克斯还补充说，他们正在改换系统，但愿更好地捕捉「对话的口吻」。
换句话说：你对主顾笑没笑、口吻够不够关怀，咫尺由一个算法来判定。
Patty 依然在 500 家门店试点，筹算 2026 年底笼罩全好意思总计餐厅。与此同期，麦当劳刚刚砍掉了和 IBM 配合的 AI 点餐情势，塔可钟的语音 AI 在得来速窗口赓续翻车、被主顾恶搞成了外交媒体段子。汉堡王选了一条不同的路：毋庸 AI 靠近主顾，而是用 AI 靠近职工。
这个选拔很灵巧。靠近主顾的 AI 失败了会变成公关事故，靠近职工的 AI 失败了，能有什么大事？
当经管变成监控
汉堡王不是第一个走上这条路的公司，致使不是最激进的。
最知名的案例是亚马逊。它的仓库系统 ADAPT（Associate Development and Performance Tracker）跟踪每一个拣货员的扫描速率，精准到秒。职工提起扫描枪扫描包裹的终止时期会被记载——淌若扫描枪闲置跨越一定时长，系统会自动记载为「非坐蓐性时期」。
够不上速率条件的职工会收到系统自动生成的造就，累计六次造就后，系统会自动罢黜该职工，全程不需要任何东谈主类司理的参与。亚马逊说东谈主类掌握可以笼罩这些决定，但这是一个「过后扶持」的设想，而不是「事先判断」的设想。
2024 岁首，法国数据保护机构 CNIL 对亚马逊法国物流处以 3200 万欧元罚金，原理是其监控系统「过度侵入」。CNIL 格外指出，时时彩app官方下载精准测量职工扫描枪闲置时期的作念法意味着职工需要为每一次哪怕几分钟的休息作念出诠释——上茅厕、喝水、伸个懒腰，齐变成了需要被系统记载和凝视的「特殊」。
一位亚马逊配送站的工会成员在好意思国劳工部的听证会上说：「你嗅觉我方像在监狱里。」她说亚马逊按时凭据电子跟踪器具聚积的数据实行递次刑事包袱，这种监罢休造的是「惧怕和苦恼，而惧怕和苦恼制造的是危急的使命环境」。
客服行业走的是另一条时刻门道，但逻辑相通。越来越多的呼唤中心部署了 AI 情绪检测系统，及时期析通话中的语调、语速、停顿模式，判断客服东谈主员的情绪状态和「共情经过」。时刻供应商声称这些系统能在主顾挂电话前 30-60 秒检测到挫败感，准确率跨越 85%。
但内容部署中发生的事情是：坐席们很快学会了用固定的话术模板和语调模式来「喂」给算法——该在什么时候停顿、该用什么要津词示意同理心、该以什么节拍说「我相识您的感受」。一位呼唤中心职工在好意思国审计总署（GAO）的拜谒中说：「倾销压力和多样监控方式制造了庞杂的压力」。
职工不是在提供更好的办事，而是在扮演更好的数据。凭据 Gartner 的数据，自疫情以来，大型企业监控职工的比例翻了一倍。一些软件会记载键盘敲击次数、按时截取屏幕截图、录制通话领悟议，致使可以掀开职工的录像头。哈佛交易驳倒的一项商榷对比了被监控和未被监控的好意思国职场东谈主士，发现被监控的职工更容易出现私自休息、出奇磨洋工、损坏公物致使偷窃等违纪步履——监控不是减少了问题步履，而是增多了它。
{jz:field.toptypename/}每一个案例的开端齐是相通的：经管层发现了一个真实的经管问题——办事不够好、后果不够高、汉典职工可能在摸鱼——然后选拔用时刻来「科罚」它。但时刻能测量的长久仅仅代理经营：扫描终止、要津词频率、鼠标迁移轨迹、语调波动。这些经营和真实的使命质料之间，隔着一条庞杂的畛域。
测量的罗网
回到汉堡王的案例上，一个好的门店司理，本来就应该知谈职工的办事状态。通过巡店、带教、正常响应来交流，亚博app通过不雅察一个职工在午餐岑岭期的目光和节拍来判断状态，通过不才班后聊两句来了解谁最近压力大。但这需要教化，需要在场，需要判断力——而这些恰正是连锁快餐业最稀缺的东西。
快餐业的中层经管耐久被挤压。职工流动率高（好意思国快餐业年均职工流动率跨越 100%），培训周期被压缩到最短，门店司理我方的薪酬和做事发展空间有限，留不住有教化的东谈主。末端即是：管明智商的系统性缺失。不是某一家店的司理不行，而是通盘行业的结构决定了它很难捏续领有实足好的中层经管。
于是当 AI 出刻下，它被当成了一个绕过管明智商的捷径：既然我莫得实足好的司理，那就让算法来盯着。既然我没法让每个店长齐具备不雅察力和同理心，那就让系统去数「请」和「谢谢」出现了几次。
问题是，算法盯的是词语，不是东谈主。「请」和「谢谢」可以被计数，但一个职工在岑岭期顶着压力依然耐性肠帮主顾换餐、一个生手第一次孤独处理投诉时天然病笃但格调憨厚——这种真实的办事质料，要津词识别捕捉不到。
更而况，真实会发生的更可能是，一朝职工知谈我方的每一句话齐在被评分，步履就会发生误解。「友好」从一种自觉的格调变成了一种被监控的扮演。你会在每句话前边加上「请」，不是因为你真实念念要礼貌，而是因为你知谈系统在听。你会在递出汉堡的时候说「谢谢您的光临」，不是因为感谢，而是因为不说这句话你的分数会低。
社会科学有一个宗旨叫古德哈特定律（Goodhart's Law）：当一个经营变成地点时，它就不再是一个好的经营。「请」和「谢谢」的出现频率本来可以动作办事友好度的一个粗犷信号，但一朝它变成职工被考核的 KPI，职工就会优化这个经营自己，而不是优化它背后的东西。
这条路的逻辑链条是了了的：不会管东谈主 → 用时刻替代经管 → 时刻只可量化上层经营 → 上层经营变成 KPI → 职工扮演经营 → 真实办事质料反而下落。而经管层看到仪容盘上「友好度评分」在高潮，以为问题科罚了。
鲁克斯说：「这一切齐是为了辅助经管。」
AI 介入经管有两种目的：辅助和替代。「辅助」意味着 AI 提供信息，东谈主来作念判断。司理看到友好度数据下落，然后去不雅察、去了解原因——也许是排班折柳理，也许是某个职工家里出了状态，也许是某个时段的主顾投诉如实多了。数据是开端，不是止境。
「替代」意味着：AI 的输出即是论断。友好度分低了，系统自动标志，司理径直拿着分数去言语，或者更径直地——把它接入绩效考核。不需要不雅察，不需要了解，不需要判断。
亚马逊的 ADAPT 依然走到了「替代」的止境——系统径直开除职工。汉堡王的 Patty 咫尺还停留在「辅助」的阶段。但问题是，当你给一个本来就枯竭管明智商的系融合个自动化的评分器具，它险些不可幸免地会滑向「替代」。因为「辅助」需要东谈主有智商去使用辅助信息作念出判断，而这种智商恰正是一运行就缺失的阿谁东西。
不成指望用器具，去填补使用器具的智商。
这即是为什么「AI 辅助经管」在快餐业、仓储物流、呼唤中心这些行业里反复失败：这些行业引入 AI 监控的原因，正巧即是它们用不好 AI 监控的原因。管明智商不及，是以引入时刻；但因为管明智商不及，时刻被雕悍地当成了经管自己。
最终，AI 最擅长的，不是让经管变好。它最擅长的，是让不肯意科罚根柢问题的东谈主，看起来或者在科罚问题。
仪容盘亮着，数字在变化，PPT 上写着「AI 驱动的办事质料普及」。而耳机那头的职工，烦躁地锻真金不怕火若何在正确的时期说出正确的词，好让一个算法以为我方实足友好。
备案号: