漢堡王給員工戴上 AI 耳機：你的每一句「謝謝」，都在被 AI 打分

企業級 AI 硬件來了，來自漢堡王：這家連鎖快餐店，開始嘗試在員工耳機里裝一個 AI。

它叫 Patty，由 OpenAI 驅動，是漢堡王 BK Assistant 平臺的語音助手。員工可以隨時問它：楓糖波旁燒烤皇堡放幾片培根？奶昔機怎么清潔？它都能答。設備故障或食材缺貨時，系統會在 15 分鐘內自動同步所有渠道——自助點餐機、得來速、電子菜單板——全部更新，不需要人工干預。

這套系統整合了得來速對話、廚房設備、庫存等多個數據源，形成了一個完整的門店運營中臺。漢堡王的首席數字官蒂博·魯克斯在接受 The Verge 采訪時，把 Patty 定義為「輔助管理」的工具。

到這里為止，這是一個不錯的后廚效率工具。甚至可以說，在快餐業長期面對的高流動率、短培訓周期的背景下，讓新員工隨時查詢操作標準、讓系統自動處理缺貨信息流，是真正在解決痛點。

但 Patty 還有另一個功能：它會監聽員工與顧客的對話。

具體來說，漢堡王收集了加盟商和顧客關于「如何衡量服務友好度」的信息，用這些數據訓練 AI 識別某些詞語和短語——「歡迎光臨漢堡王」「請」「謝謝」。系統據此給每家門店的「服務友好度」打分。經理可以隨時向 AI 查詢自己門店的友好度表現。魯克斯還補充說，他們正在改進系統，希望更好地捕捉「對話的語氣」。

換句話說：你對顧客笑沒笑、語氣夠不夠熱情，現在由一個算法來判定。

Patty 已經在 500 家門店試點，計劃 2026 年底覆蓋全美所有餐廳。與此同時，麥當勞剛剛砍掉了和 IBM 合作的 AI 點餐項目，塔可鐘的語音 AI 在得來速窗口頻繁翻車、被顧客惡搞成了社交媒體段子。漢堡王選了一條不同的路：不用 AI 面對顧客，而是用 AI 面對員工。

這個選擇很聰明。面對顧客的 AI 失敗了會變成公關事故，面對員工的 AI 失敗了，能有什么大事？

當管理變成監控

漢堡王不是第一個走上這條路的公司，甚至不是最激進的。

最著名的案例是亞馬遜。它的倉庫系統 ADAPT（Associate Development and Performance Tracker）追蹤每一個揀貨員的掃描速度，精確到秒。員工拿起掃描槍掃描包裹的間隔時間會被記錄——如果掃描槍閑置超過一定時長，系統會自動記錄為「非生產性時間」。

達不到速率要求的員工會收到系統自動生成的警告，累計六次警告后，系統會自動解雇該員工，全程不需要任何人類經理的參與。亞馬遜說人類主管可以覆蓋這些決定，但這是一個「事后補救」的設計，而不是「事前判斷」的設計。

2024 年初，法國數據保護機構 CNIL 對亞馬遜法國物流處以 3200 萬歐元罰款，理由是其監控系統「過度侵入」。CNIL 特別指出，精確測量員工掃描槍閑置時間的做法意味著員工需要為每一次哪怕幾分鐘的休息做出解釋——上廁所、喝水、伸個懶腰，都變成了需要被系統記錄和審視的「異常」。

一位亞馬遜配送站的工會成員在美國勞工部的聽證會上說：「你感覺自己像在監獄里。」她說亞馬遜定期根據電子追蹤工具收集的數據執行紀律處分，這種監控制造的是「恐懼和焦慮，而恐懼和焦慮制造的是危險的工作環境」。

客服行業走的是另一條技術路線，但邏輯一樣。越來越多的呼叫中心部署了 AI 情緒檢測系統，實時分析通話中的語調、語速、停頓模式，判斷客服人員的情緒狀態和「共情程度」。技術供應商宣稱這些系統能在顧客掛電話前 30-60 秒檢測到挫敗感，準確率超過 85%。

但實際部署中發生的事情是：坐席們很快學會了用固定的話術模板和語調模式來「喂」給算法——該在什么時候停頓、該用什么關鍵詞表示同理心、該以什么節奏說「我理解您的感受」。一位呼叫中心員工在美國審計總署（GAO）的調查中說：「推銷壓力和各種監控方式制造了巨大的壓力」。

員工不是在提供更好的服務，而是在表演更好的數據。根據 Gartner 的數據，自疫情以來，大型企業監控員工的比例翻了一倍。一些軟件會記錄鍵盤敲擊次數、定期截取屏幕截圖、錄制通話和會議，甚至可以打開員工的攝像頭。哈佛商業評論的一項研究對比了被監控和未被監控的美國職場人士，發現被監控的員工更容易出現擅自休息、故意磨洋工、損壞公物甚至偷竊等違規行為——監控不是減少了問題行為，而是增加了它。

另一項數據顯示，45% 被 AI 監控的員工表示這些技術損害了他們的心理健康。60% 的員工反對基于動作的監測行為。

每一個案例的起點都是一樣的：管理層發現了一個真實的管理問題——服務不夠好、效率不夠高、遠程員工可能在摸魚——然后選擇用技術來「解決」它。但技術能測量的永遠只是代理指標：掃描間隔、關鍵詞頻率、鼠標移動軌跡、語調波動。這些指標和真實的工作質量之間，隔著一條巨大的鴻溝。

測量的陷阱

回到漢堡王的案例上，一個好的門店經理，本來就應該知道員工的服務狀態。通過巡店、帶教、日常反饋來調整，通過觀察一個員工在午餐高峰期的眼神和節奏來判斷狀態，通過在下班后聊兩句來了解誰最近壓力大。但這需要經驗，需要在場，需要判斷力——而這些恰恰是連鎖快餐業最稀缺的東西。

快餐業的中層管理長期被擠壓。員工流動率高（美國快餐業年均員工流動率超過 100%），培訓周期被壓縮到最短，門店經理自己的薪酬和職業發展空間有限，留不住有經驗的人。結果就是：管理能力的系統性缺失。不是某一家店的經理不行，而是整個行業的結構決定了它很難持續擁有足夠好的中層管理。

于是當 AI 出現時，它被當成了一個繞過管理能力的捷徑：既然我沒有足夠好的經理，那就讓算法來盯著。既然我沒法讓每個店長都具備觀察力和同理心，那就讓系統去數「請」和「謝謝」出現了幾次。

問題是，算法盯的是詞語，不是人。「請」和「謝謝」可以被計數，但一個員工在高峰期頂著壓力依然耐心地幫顧客換餐、一個新手第一次獨立處理投訴時雖然緊張但態度誠懇——這種真正的服務質量，關鍵詞識別捕捉不到。

更何況，真正會發生的更可能是，一旦員工知道自己的每一句話都在被評分，行為就會發生扭曲。「友好」從一種自發的態度變成了一種被監控的表演。你會在每句話前面加上「請」，不是因為你真的想要禮貌，而是因為你知道系統在聽。你會在遞出漢堡的時候說「謝謝您的光臨」，不是因為感謝，而是因為不說這句話你的分數會低。

社會科學有一個概念叫古德哈特定律（Goodhart's Law）：當一個指標變成目標時，它就不再是一個好的指標。「請」和「謝謝」的出現頻率原本可以作為服務友好度的一個粗略信號，但一旦它變成員工被考核的 KPI，員工就會優化這個指標本身，而不是優化它背后的東西。

這條路的邏輯鏈條是清晰的：不會管人 → 用技術替代管理 → 技術只能量化表層指標 → 表層指標變成 KPI → 員工表演指標 → 真實服務質量反而下降。而管理層看到儀表盤上「友好度評分」在上升，以為問題解決了。

而漢堡王的高層卻說，「這一切都是為了輔助管理。」

AI 介入管理有兩種辦法：輔助和替代。「輔助」意味著 AI 提供信息，人來做判斷。經理看到友好度數據下降，然后去觀察、去了解原因——也許是排班不合理，也許是某個員工家里出了狀況，也許是某個時段的顧客投訴確實多了。數據是起點，不是終點。

「替代」意味著：AI 的輸出就是結論。友好度分低了，系統自動標記，經理直接拿著分數去談話，或者更直接地——把它接入績效考核。不需要觀察，不需要了解，不需要判斷。

亞馬遜的 ADAPT 已經走到了「替代」的終點——系統直接開除員工。漢堡王的 Patty 目前還停留在「輔助」的階段。但問題是，當你給一個本來就缺乏管理能力的系統一個自動化的評分工具，它幾乎不可避免地會滑向「替代」。因為「輔助」需要人有能力去使用輔助信息做出判斷，而這種能力恰恰是一開始就缺失的那個東西。

不能指望用工具，去填補使用工具的能力。

這就是為什么「AI 輔助管理」在快餐業、倉儲物流、呼叫中心這些行業里反復失敗：這些行業引入 AI 監控的原因，恰恰就是它們用不好 AI 監控的原因。管理能力不足，所以引入技術；但因為管理能力不足，技術被粗暴地當成了管理本身。

最終，AI 最擅長的，不是讓管理變好。它最擅長的，是讓不愿意解決根本問題的人，看起來好像在解決問題。

儀表盤亮著，數字在變化，PPT 上寫著「AI 驅動的服務質量提升」。而耳機那頭的員工，郁悶地練習怎么在正確的時間說出正確的詞，好讓一個算法認為自己足夠友好。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）