8 Minutit
Starbucks katsetab uusi tehisintellekti (AI) tööriistu, mille eesmärk on aidata baristasid ning prognoosida klientide tellimusi juba enne nende saabumist. Konverentsil Dreamforce kirjeldas tegevjuht Brian Niccol tulevikku, kus mobiilirakendus ja taustal töötav AI teevad koostööd, et muuta tellimuste kättesaamine sujuvamaks ja kiiremaks, ilma et see asendaks poodi töötavaid inimesi.
What Starbucks is building and where it started
Brian Niccol ütles konverentsil osalejatele, et Starbucksil on käimas mitmeid tehisintellekti pilootprojekte, mille keskne eesmärk on toetada poe töötajaid ja parandada kliendi liikumist ning töövoo efektiivsust. Ettevõte näeb Starbucks'i mobiilirakendust kui peamist platvormi nende katsete läbiviimiseks. Kujutage ette olukorda, kus ütlete oma telefonile: "Ma tahan oma tellimust — olen kohal 10 minuti pärast," ja teie jook on kohapeal valmis kohe, kui saabute. Just sellise kasutajakogemuse poole töötataksegi.
Need initsiatiivid ei ole sündinud tühjalt kohalt: andmepõhine operatiivne juhtimine, mobiilne tellimine ja olemasolevate süsteemide integreerimine on olnud Starbucksile olulised alused juba aastaid. Eesmärk on ühendada rakenduse-signaalid, ajapõhised prognoosid ja ruumilised ressursside hinnangud, et optimeerida töötajate ülesandeid ning vähendada klientide ootamise aega. See protsess hõlmab masinõpet, reaalajas andmevooge ja klassikalist operatsioonianalüüsi.
Mobiilirakenduse ja tagapõhja AI koostöö puhul on oluliseks küsimuseks andmete kvaliteet ning kliendi nõusolek — st kas kasutaja lülitab sisse prognoosipõhised funktsioonid või eelistab traditsioonilisemat tellimist. Selle tehnoloogia loomisel rõhutab Starbucks, et inimeste töökohtade säilitamine ja teenuse kvaliteet on prioriteedid.
Green Dot: a digital barista assistant
Tänaseks kõige laialdasemalt kasutatav AI-süsteem Starbucksis kannab nime Green Dot. Selles kontekstis tuleks mõelda sellele kui sisemisele abistatavale tööriistale personalile ja poejuhtidele. Kui töötajal tekib küsimus seadmete käivitamise, hoolduse, retsepti täpsustamise või muu operatiivse probleemi kohta, pakub Green Dot kiiret ja praktilist juhendamist, et töö ei peatuks ja klienditeenindus püsiks sujuv.
Green Dot ei piirdu ainult tekstipõhise juhendamisega: süsteem võib integreeruda inventariandmetega, pakkuda samm-sammulist retsepti kohandamist vastavalt kliendi eelistustele ja anda hoiatusi seadmete hooldusest. Näiteks kui kohvimasin nõuab filtrivahetust või piimamasin vajab puhastust, võib Green Dot automaatselt teavitada vastutavat töötajat ja planeerida tegevusi vahetuse sees, et vältida teenuse katkemist.
Starbucks teatas, et Green Dot alustas pilootkatseid juunis ning seda hakatakse järk-järgult laiendama rohkematesse asukohtadesse. Ettevõtte kõneisikud rõhutavad, et tööriist on loodud töökoha kergendamiseks, mitte inimtööjõu asendamiseks — see on tähtis sõnum töötajatele, kes võivad automaatika suhtes olla ettevaatlikud. Samas on oluline märkida, et tehnoloogia edasine laienemine võib muuta tööülesandeid ja nõuda koolitust, mistõttu on kuldaväärt läbimõeldud töötajate harimine ja ümberõpe.
Green Dot'i toimimispõhimõte tugineb mitmele tehnoloogiale: teadmistebaas, reeglipõhine otsustamine ja masinõppe mudelid, mis õpivad korduvatest teenindusmustritest. Süsteemi integratsioon müügikoha töötundide, piiratud ressursikasutuse ja tipptundide prognoosidega võimaldab operatiivset tuge kohandada reaalajas. Näiteks võib Green Dot soovitada alternatiivset tööjaotust, kui ühes liinis tekib järsk koormus, või juhendada baristat optimaalsema masina seade valimiseks spetsiifilise retsepti valmistamisel.
Smart Q: taming multi-channel order chaos
Starbucksi tellimused tulevad nelja kanaliga: poe sees tellimine, drive-thru, toidukohalevedu (delivery) ja mobiilitellimused. Traditsiooniliselt on kauplused hallanud neid vooge FIFO (first-in, first-out) põhimõttel, mis aga võib tekitada kitsaskohti, kui kõik kanalid korraga tipnevad. Smart Q on loodud selleks, et sellega toime tulla.
Smart Q kasutab nutikat prioriseerimist ja ettevalmistuse ajastamist, et tagada, et kohapealsed ja drive-thru joogid jõuavad klientideni alla nelja minuti, samal ajal kui mobiilitellimused valmivad täpselt lubatud ajaks. See nõuab ennustavat analüütikat, mis arvestab tellimuse tüüpi, valmistamisest tulenevat aega, jooksvaid töötajaressursse ja poe füüsilist voogu.
Süsteemi loogika võib hõlmata dünaamilist reasihteerimist: kui mobiilitellimuste tipp langeb kokku drive-thru tippajaga, võib Smart Q nõu anda mobiilitellimuste eelvalmistuse alustamiseks varakult või suunata osa tellimustest kindlatesse tööjaotustes. Lisaks võiks Smart Q pakkuda visuaalset ülevaadet töötajatele, millised tellimused on prioriteetsed, ning integreerida ennustusi kuuajaliste ja päevaste musterite põhjal, kasutades ajadimensiooniga masinõpet.
Oluline tehniline aspekt on reaalajas orkestreerimine: Smart Q peab olema võimeline uuesti planeerima ja käskima ressursse minutitega, ilma et see tekitaks segadust töötajates. See tähendab selget kasutajaliidest, kiireid teavitussüsteeme ja võimalust, et inimsisend (barista otsus) saab süsteemi üle kirjutada, kui olukord seda nõuab. Niimoodi hoiab Smart Q barista otsusevabadust, pakkudes samas automaatset tuge rutiinsete ja pingeliste hetkede neutraliseerimiseks.
What this means for customers and employees
Kliendi jaoks tähendab see lubadust kiiremast ja mugavamast teenusest: kiiremad kättesaamised, lühemad ooteajad ja vähem möödaläinud ajavahemikke mobiilitellimuste puhul. Parem ajastamine ja ennustatavus võivad vähendada olukordi, kus klient saab teate, et tellimus on valmis, kuid kohapeal on see ikkagi hiljem väljastatav.
Töötajatele toob see kaasa operatiivse toe, selgema töövoo ja vähem stressirohkeid kitsaskohti tipptundidel. AI-põhised tööriistad nagu Green Dot ja Smart Q saavad aidata optimeerida ülesannete jaotust, pakkuda reaalajas juhiseid ja vähendada korduvaid küsimusi, mis muidu võtaksid töötajate aega ja tekitaksid ajakadu.
Starbucks rõhutab, et nende lähenemine näeb neid tööriistu kui inimest toetavaid abivahendeid — need täiendavad inimtööd, mitte ei asenda seda. Praktikas võib see tähendada, et barista roll nihkub rohkem kliendikogemuse ja kvaliteedikontrolli suunas, samal ajal kui AI handleerib logistilisi ja ennustavaid aspekte. Selline rollimuutus nõuab aga investeeringut töötajate koolitusse, selgete operatsiooniprotokollide loomisse ja pidevasse tagasisidesse AI tulemuste parandamiseks.
Questions to watch
- Kui täpselt suudavad süsteemid prognoosida kliendi soovi tellida? — Ennustamise täpsus sõltub andmetest: varasem tellimuste ajalooline käitumine, reaalajas liikumisest saadud signaalid ja mobiilirakenduse opt-in signaalid.
- Kas juurutamisel pannakse rõhku privaatsusele ja selgetele nõusolekute valikutele rakenduse kasutajatele? — Andmekaitse ja kasutajate selgelt mõistetavad opt-in/opt-out võimalused on kriitilised, et hoida usaldust ja vastata regulatiivsetele nõuetele.
- Kui kiiresti laienevad Green Dot ja Smart Q pilootpoodidest laiemasse võrgustikku? — Laienduse tempo sõltub tehnilise valmisoleku, töötajate koolituse ja tegevusliku tulemuse mõõtmisest pilootides.
Starbucksi liikumine edasi, mis ühendab rakenduse-signaalid ja AI-põhise järjekorralduse juhtimise, võib kujundada ümber kiiresti teenindatava kohvi ärimudeli. Võtmeküsimuseks jääb mugavuse ja läbipaistvuse tasakaal ning see, et baristad püsiksid kogemuse keskmes.
Lisaks kliendi- ja töötajavajadustele tuleb arvestada ka tehniliste detailidega: milliseid andmetüüpe kasutatakse mudelite treenimiseks (ajaloolised tellimused, ilm, lähedal asuv liiklus, pühad, kampaaniad), kuidas mudelid uuenevad (online vs. batch training), ning millist infrastruktuuri kasutatakse reaalajas orkestrimiseks (pilveressursid, edge-seadmed, API-lag). Turvalisuse ja privaatsuse tagamiseks on oluline andmete anonümiseerimine, minimaalsete õiguste printsiip ja läbipaistvuse poliitikad, mis selgitavad, kuidas kasutajaandmeid kasutatakse.
Operatiivse perspektiivi alt vaadatuna võib Smart Q näiteks kasutada multi-objektiivset optimeerimist: minimiseerida kliendi ooteaega, maksimeerida personalitempu ja vähendada raiskamist (nt ettevalmistatud joogi riknemise risk). Selline optimeerimine nõuab mõõdikuid, KPI-de seadmist ning pidevat A/B testimist eri prioriseerimisstrateegiate vahel.
Starbucksile on oluline, et AI-lahendused oleksid kohandatavad erineva suuruse ja asukohaga poodide jaoks: kesklinna väikepoe töönõuded erinevad eelmajutud asukohast autopargiga. Seetõttu peab süsteem olema modulaarne — baasmoodul, mis suudab pakkuda minimaalseid funktsioone ja valikulised moodulid keerukamaks orkestreerimiseks.
Lõpuks on oluline äristrateegiline aspekt: kuidas sellised tehnoloogiad mõjuvad brändikogemusele. Kui kasutaja tunneb, et teenus on sujuvam ja isikupärasem, võib see suurendada lojaalsust ning mobiilirakenduse aktiivsust. Kuid oluline on säilitada inimlik külg — barista isiklik suhtlus ja kvaliteedikontroll jäävad endiselt oluliseks diferentseerivaks teguriks.
Järeldusena võib öelda, et Starbucks liigub AI-iga suunas, mis toetab kiiret teenindust ja paremat kliendikogemust, säilitades samal ajal fookuse töötaja toetamisel. Edu sõltub andmete kvaliteedist, läbipaistvast privaatsuspraktikast, töötajate kaasamisest ja tehnilise lahenduse kohandamisest reaalsetesse töötingimustesse.
Allikas: smarti
Jäta kommentaar