Los menús con IA de Starbucks personalizarían el drive-thru antes de que hagas tu pedido
Starbucks ha esbozado planes para explorar menús personalizados en el drive-thru, pero no ha anunciado cuándo los encontrarán los clientes. Los posibles menús con IA de Starbucks reconocerían a los clientes participantes al llegar, cambiarían lo que ven y simplificarían el pago. Esto pone bajo escrutinio una promesa habitual del comercio minorista: recordar a alguien debería facilitar el pedido sin restarle control.
El CEO Brian Niccol describió la idea durante la llamada de resultados de la empresa del 29 de octubre. Su formulación importa porque reconocer a los clientes, recomendar productos y autorizar pagos implican decisiones diferentes. Anunciar una exploración no establece cómo funcionará ninguna de esas decisiones.
Wendy’s ofrece una referencia útil mediante su anterior iniciativa de pedidos por voz FreshAI. Starbucks está analizando otra parte de la misma transacción: lo que ocurre antes de que un cliente termine de elegir. La tensión central está entre la comodidad de la personalización y la claridad de un menú que todos puedan entender.
Los menús con IA de Starbucks siguen siendo una exploración
Starbucks ha descrito una posible experiencia para el cliente, en lugar de un lanzamiento programado de menús personalizados.
Durante la llamada de resultados, Niccol habló de reconocer a los clientes participantes, presentar menús digitales adaptados y reducir la fricción del pago. También calificó el trabajo como temprano.
La palabra “participantes” merece especial atención. Indica que Starbucks prevé alguna distinción entre los clientes incluidos en la experiencia y todos los demás. No explica la inscripción, el permiso, el reconocimiento ni la retirada.
Un menú digital es simplemente una pantalla cuyo contenido mostrado puede cambiar. La personalización añade una decisión sobre qué contenido ve un cliente concreto. Ninguna de las dos capacidades establece por sí sola que un sistema de IA entienda lo que alguien quiere.
Por tanto, la noticia inmediata es una dirección declarada para el desarrollo. Starbucks quiere que el drive-thru responda a clientes individuales, extendiendo la personalización a un entorno donde las decisiones se toman rápidamente. La empresa no ha proporcionado suficientes detalles para describir la interacción final como un producto terminado.
También hay una distinción importante entre este concepto y otra iniciativa comentada en la llamada. Starbucks dijo que el ejercicio fiscal 2027 traería pruebas de modelos de IA en segundo plano destinados a ayudar a los baristas a registrar pedidos con mayor precisión y eficiencia.
Ese compromiso de prueba no debe convertirse en una fecha de lanzamiento para paneles de menú individualizados. Las iniciativas se refieren a momentos relacionados de una visita, pero resuelven problemas distintos. Ayudar a un empleado a registrar un pedido no requiere los mismos permisos que reconocer a un cliente recurrente.
Imaginemos a un cliente habitual hipotético que llega por un café helado. Una pantalla adaptada podría mostrar antes una bebida conocida, reduciendo el esfuerzo necesario para encontrarla. Es una ilustración del concepto, no una función que Starbucks haya demostrado.
La experiencia se vuelve menos sencilla cuando ese cliente quiere algo diferente. Una interfaz útil seguiría facilitando encontrar artículos desconocidos. Recordar la elección de ayer no debería dificultar la de hoy.
El pago introduce otro límite. Reconocer a alguien al llegar no establece automáticamente el permiso para cobrar en una cuenta. Los clientes deben entender cuándo una sugerencia se convierte en una selección y cuándo una selección se convierte en una compra.
Esos límites explican por qué el anuncio merece atención antes de cualquier despliegue amplio. Starbucks está considerando conectar la identidad, la comercialización y el pago dentro del breve intervalo de una visita al drive-thru. Cada conexión puede reducir esfuerzo, pero también crea otra oportunidad para la confusión.
Por ahora, la descripción más precisa es una experiencia propuesta con detalles de implementación sin resolver. Tratarla como una capacidad ya instalada pasaría por alto las preguntas que determinan si los clientes realmente se benefician.
La personalización llega a un negocio ya centrado en la ejecución
La propuesta llega mientras Starbucks informa de una mejora en las ventas, lo que la convierte en una extensión de su estrategia operativa y no en evidencia de una recuperación impulsada por IA.
Starbucks informó de un aumento del 7,7 % en las ventas comparables de cafeterías en Estados Unidos durante su cuarto trimestre fiscal. Las transacciones comparables aumentaron un 2,4 %, mientras que el gasto medio por transacción creció un 5,2 %, según sus resultados trimestrales.
Estas cifras describen el rendimiento antes de que los menús personalizados propuestos hayan demostrado un efecto. No pueden establecer la demanda del concepto ni demostrar que reconocer a los clientes aumentará las visitas.
Sí explican el contexto empresarial. Starbucks tiene una operación existente que mejorar, con clientes que ya eligen entre distintos canales de pedido. Una nueva experiencia de pantalla debe encajar en esa operación, en lugar de exigirle que se adapte a una demostración elaborada.
La presión inmediata recae sobre los equipos de producto y los operadores de tienda. Los equipos de producto deben decidir qué debe priorizar la pantalla. Los operadores deben gestionar lo que esas decisiones envíen al proceso de preparación.
Una recomendación que parece útil en una pantalla puede generar trabajo en otro lugar. Si fomenta una personalización adicional, la interacción de pedido podría resultar más sencilla mientras la preparación de bebidas se vuelve más complicada. Se trata de una posible contraprestación operativa, no de un resultado comunicado.
También es plausible lo contrario. Facilitar la identificación de una selección conocida podría reducir la repetición o los malentendidos. Que eso ahorre tiempo depende de lo que ocurra durante toda la visita.
Esto crea un problema de medición. La velocidad del pedido por sí sola no puede mostrar si una experiencia mejoró. Un cliente que termina de hablar antes pero espera más por una bebida corregida no necesariamente ha ganado nada.
Los incentivos comerciales requieren un escrutinio similar. Un menú puede ayudar a los clientes a encontrar algo que ya quieren, presentarles algo relevante o fomentar un gasto adicional. Estos objetivos a veces coinciden, pero no son intercambiables.
Por lo tanto, los menús con IA de Starbucks necesitarían una definición comprensible de éxito. Un mayor gasto respondería a una pregunta empresarial. Menos errores, elecciones más claras y clientes satisfechos responderían a preguntas distintas sobre la experiencia.
Los empleados también afrontan una carga práctica cuando el software se equivoca. Alguien debe explicar la pantalla, recuperar la selección prevista y mantener la fila en movimiento. Un sistema que traslada trabajo oculto a los baristas puede parecer eficiente en una presentación de producto.
Para los clientes, lo que está en juego es más cotidiano e inmediato. Quieren saber qué está disponible, elegir sin presión innecesaria y recibir lo que pidieron. La personalización se gana su lugar cuando ayuda con esas tareas.
Para los compradores empresariales que siguen el anuncio, esa es la lección útil. Evalúen una función de IA propuesta frente al trabajo que modifica, incluido el trabajo que crea cuando falla. La interacción atractiva es solo una parte de la decisión de compra.
Starbucks no ha publicado resultados que demuestren que sus menús propuestos cumplen esos requisitos. La mejora de su desempeño empresarial aporta contexto y expectativas, más que una validación de la tecnología.
Los menús personalizados de Starbucks explicados a través del proceso de pedido
La distinción importante está entre cambiar las opciones presentadas a los clientes y cambiar quién registra sus pedidos.
Wendy’s anunció su colaboración FreshAI con Google Cloud en mayo de 2023. El piloto de pedidos por voz se centró en gestionar las conversaciones con clientes en el drive-thru.
Ese ejemplo histórico ofrece una referencia útil para la propuesta de Starbucks. Los pedidos por voz se refieren a entender una solicitud hablada. Las pantallas personalizadas se refieren a decidir qué mostrar a alguien antes de que haga esa solicitud, o mientras la hace.
Estas capacidades pueden existir de forma independiente. Un restaurante puede mostrar recomendaciones mientras un empleado toma el pedido. También puede automatizar los pedidos hablados mientras muestra el mismo menú a todos los clientes.
Esta distinción importa porque una demostración satisfactoria de una capacidad no valida otra. Entender el habla no establece que una recomendación sea adecuada para alguien. Reconocer una cuenta no establece que el titular de la cuenta quiera su compra habitual.
Para explicar los menús personalizados de Starbucks en términos prácticos, consideremos la secuencia de decisiones. El sistema tendría que asociar una llegada con un participante, elegir contenido relevante y presentarlo de forma comprensible.
Esa secuencia es una descripción analítica de lo que requiere la experiencia propuesta. Starbucks no ha especificado públicamente su diseño completo. Sería prematuro atribuir sensores concretos, conexiones de cuentas o modelos de IA a esos pasos.
El reconocimiento es la primera dependencia. Si el sistema asocia una visita con la persona equivocada, incluso un excelente proceso de recomendaciones parte de información errónea. La pantalla puede parecer personal con confianza mientras está completamente equivocada.
La relevancia es la siguiente dependencia. Las compras anteriores pueden ofrecer un contexto útil, pero un historial de compras no es una instrucción actual. Alguien podría estar pidiendo para un pasajero, comprando para compañeros o cambiando su rutina.
La presentación es otra dependencia. Una recomendación debe seguir siendo legible y fácil de descartar. Una pantalla que reorganiza repetidamente las opciones corre el riesgo de crear trabajo para clientes que ya saben dónde buscar.
Aquí es donde el argumento de la comodidad se vuelve específico. El objetivo debería ser reducir el esfuerzo entre la intención y la selección. Mostrar contenido más adaptado solo es útil si ayuda a cerrar esa brecha.
La comparación con Wendy’s también muestra por qué la IA para restaurantes no debería convertirse en un único marcador competitivo. Los distintos sistemas actúan en partes diferentes de una visita. Sus medidas de precisión y consecuencias operativas requieren una evaluación independiente.
Las pruebas de Starbucks sobre registro de pedidos en segundo plano se sitúan en otra parte de esta secuencia. Se refieren a ayudar a los baristas a registrar lo que comunican los clientes. Este enfoque podría preservar el papel de un empleado mientras cambia el software utilizado durante la conversación.
Que estas herramientas acaben funcionando juntas sigue siendo una cuestión de implementación. Una recomendación podría convertirse en un pedido solo después de una confirmación explícita. Como alternativa, un artículo sugerido podría mantenerse visualmente separado de la transacción.
Los clientes no deberían necesitar entender la arquitectura subyacente. Deberían poder distinguir qué recuerda el sistema, qué les sugiere y qué han aprobado realmente. Los límites claros forman parte de la utilidad del producto.
Ayudar a los baristas e influir en los clientes requiere pruebas diferentes
La asistencia existente de Starbucks a los empleados ofrece un contexto relevante, pero no valida el reconocimiento personalizado de clientes.
En junio de 2025, Starbucks presentó Green Dot Assist, un asistente de IA destinado a responder las preguntas operativas de los empleados. Su anuncio inicial describió un piloto en 35 cafeterías.
El asistente barista permitía a los empleados hacer preguntas mediante iPads en las tiendas. Starbucks utilizó la búsqueda de ingredientes de bebidas como ejemplo de la información que podía proporcionar.
Ese es un caso de uso concreto en el entorno laboral. Un empleado tiene una pregunta, busca información y aplica la respuesta a una tarea existente. La interacción comienza con una solicitud, no con una preferencia inferida.
Un menú personalizado cambia esa relación. El software selecciona información para un cliente según el contexto asociado a esa persona. Es posible que el cliente no sepa qué información influyó en la selección.
La diferencia no es motivo para rechazar la personalización. Es motivo para exigir evidencia adecuada para la tarea. Una respuesta útil sobre una receta y una recomendación útil tienen criterios de éxito diferentes.
Para un asistente de empleados, la utilidad incluye recuperar información operativa precisa y actualizada. Para las recomendaciones a clientes, la utilidad también incluye respetar preferencias cambiantes, evitar suposiciones engañosas y preservar el acceso a alternativas.
Starbucks ha presentado públicamente su enfoque más amplio sobre IA como una forma de apoyar a los empleados y la conexión humana. Su estrategia de IA describe tecnología destinada a reducir las fricciones en torno al servicio.
Esa posición establece un criterio comprensible para evaluar futuras implementaciones. Si una pantalla exige más explicaciones, distrae de la conversación o complica las correcciones, debilitaría la justificación declarada por la empresa.
El mismo criterio también deja espacio para un resultado beneficioso. Una sugerencia moderada podría ayudar a un cliente a comunicar un pedido habitual, permitiendo que el empleado se centre en las aclaraciones. Esto sigue siendo un posible resultado de diseño, no un resultado demostrado.
Los trabajadores del conocimiento reconocerán la distinción más amplia. Un asistente que responde a una pregunta deliberada se comporta de forma distinta a un sistema que decide continuamente qué información mostrar a alguien.
Las herramientas de integración de conocimientos abordan una necesidad relacionada de gestión de información: reunir contexto para que una persona pueda utilizarlo. En un entorno público de pedidos, la cuestión adicional es cuánto contexto debe revelar la pantalla.
Para los desarrolladores, la implicación es práctica. Los datos disponibles de los clientes no deberían determinar automáticamente el contenido visible. La interfaz necesita una política sobre qué corresponde a una pantalla compartida y qué requiere una interacción privada.
Para los compradores, las preguntas de adquisición deberían seguir la tarea. Pregunten cómo se mantiene actualizada la información, cómo se corrigen los errores y quién controla la acción final. Una afirmación general sobre la capacidad de la IA no puede responder a esas preguntas.
Las herramientas para empleados de Starbucks establecen que sus planes tecnológicos van más allá de un concepto especulativo de menú. No establecen que todas las extensiones propuestas conlleven los mismos beneficios ni requieran las mismas salvaguardas.
El reconocimiento deja sin resolver la privacidad y el control del cliente
La incertidumbre central es cómo Starbucks haría que el reconocimiento fuese comprensible y voluntario durante toda la visita.
El concepto anunciado no especifica cómo se reconocería a los clientes participantes. Por tanto, sería inexacto describir el reconocimiento facial, la identificación de matrículas o la detección automática de teléfonos como componentes confirmados.
Distintos métodos técnicos crearían experiencias y riesgos diferentes. La evidencia actual permite preguntar qué método elegirá Starbucks. No permite suponer que ya se ha seleccionado el método más intrusivo.
La participación también implica más que aceptar una invitación inicial. Los clientes necesitan una forma comprensible de dejar de participar. Deberían poder pedir con normalidad cuando el reconocimiento falle o cuando prefieran un menú convencional.
Un vehículo compartido ilustra la ambigüedad. El conductor, el titular de la cuenta, el pasajero y la persona que compra las bebidas no son necesariamente la misma persona. Un sistema que los trate como intercambiables puede generar una recomendación confusa.
La visibilidad pública añade otra consideración. Una pantalla de autoservicio se encuentra fuera de la privacidad de un teléfono personal. Según la distribución, otros ocupantes podrían ver información que el cliente no pretendía compartir.
Eso no significa que Starbucks planee mostrar historiales sensibles. Significa que el diseño final debería revelar solo lo que requiere la interacción. Un artículo habitual puede ser útil sin anunciar detalles personales.
La personalización tampoco debe confundirse con los precios individualizados. Nada en el anuncio verificado establece que Starbucks pretenda cobrar a distintos clientes importes diferentes por el mismo artículo.
Modificar qué productos reciben atención y modificar lo que pagan los clientes son prácticas distintas. Mantenerlas separadas ayuda a los lectores a evaluar la propuesta real sin incorporar una acusación sin respaldo.
Sin embargo, la presentación sigue influyendo en las decisiones incluso cuando los precios se mantienen uniformes. Una pantalla puede hacer que una alternativa resulte destacada o difícil de advertir. Los clientes necesitan una vía evidente hacia la selección más amplia.
La seguridad del pedido plantea otro límite. Una compra anterior no puede determinar qué debería consumir alguien hoy. Las recomendaciones no deberían convertirse en garantías implícitas sobre ingredientes, alergias o idoneidad dietética.
Estas son cuestiones de diseño que surgen de la interacción propuesta, no fallos documentados de un sistema de Starbucks ya implementado. La distinción importa porque la empresa no ha divulgado suficiente información para evaluar la experiencia terminada.
Por tanto, el argumento escéptico se refiere a la falta de evidencia. Starbucks ha descrito la conveniencia deseada sin detallar el reconocimiento, los permisos, la recuperación ante errores ni la confirmación del pago. Esas omisiones limitan lo que hoy puede concluirse de forma responsable.
La mejor respuesta sería un producto que los clientes puedan entender sin estudiar un documento de políticas. Deberían saber por qué cambió el menú y cómo recuperar una experiencia de pedido convencional.
La personalización resulta más fácil de confiar cuando también es fácil de revertir. Si los clientes tienen que negociar con la interfaz para elegir algo diferente, el argumento de la conveniencia se debilita.
Qué observar en las próximas actualizaciones de IA de Starbucks
La próxima evidencia útil se referirá a la participación, los resultados operativos y la distinción entre exploración e implementación.
La primera señal es una explicación concreta de la inscripción y el reconocimiento. Estén atentos a que Starbucks identifique quién puede participar, cómo se asocia la llegada con una cuenta y qué muestra la pantalla.
Esos detalles transformarían una ambición amplia en una propuesta de producto evaluable. Controles claros de permiso y corrección reforzarían el argumento de la conveniencia. Una ambigüedad persistente dejaría sin resolver la experiencia central del cliente.
Un anuncio útil también explicaría la vía de pedido convencional. Los clientes que rechacen la personalización deberían seguir entendiendo qué hacer. Los empleados deberían contar con una respuesta clara cuando aparezca información incorrecta.
La segunda señal es la evidencia de las pruebas de introducción de pedidos en segundo plano que Starbucks ha asignado al ejercicio fiscal 2027. Busquen medidas definidas de precisión y servicio, en lugar de tratar la existencia de un piloto como un éxito.
Una evaluación creíble distinguiría los pedidos completados sin corrección de aquellos que los empleados tuvieron que reparar. También examinaría si el tiempo ahorrado durante la introducción se mantuvo durante la preparación y la entrega.
Esos resultados no validarían directamente los menús personalizados. Mostrarían cómo Starbucks evalúa la IA dentro de una operación de autoservicio en funcionamiento. Una comunicación transparente facilitaría la evaluación de afirmaciones posteriores.
La tercera señal es si la empresa avanza del lenguaje exploratorio a una prueba definida de menú personalizado. Una ubicación, un proceso de participación y una descripción de funciones claramente delimitada aportarían más información que otra promesa general.
Un anuncio de prueba debería seguir interpretándose como una prueba. La expansión indicaría disposición para implementar de forma más amplia, pero el beneficio para el cliente requeriría evidencia de respaldo. Anunciar ubicaciones adicionales no explica si los clientes prefieren la experiencia.
Durante los próximos meses, estas señales deberían mantenerse separadas. Los detalles de inscripción abordan el consentimiento y la identidad. Los resultados de introducción de pedidos abordan la asistencia operativa. Una prueba de menú aborda el concepto específico que motivó el titular.
Para los compradores de IA empresarial, la implicación más amplia es que los sistemas conscientes del contexto necesitan más que predicciones precisas. Necesitan una relación clara entre inferencia, recomendación, confirmación y acción.
Para los desarrolladores, los menús de IA de Starbucks ofrecen un ejemplo concreto de esa relación al trasladarse más allá de una pantalla personal. El software operaría en un entorno físico compartido, bajo presión de tiempo, con empleados responsables de la recuperación.
Para los clientes, la pregunta sigue siendo más sencilla: ¿que se les recuerde facilita la visita? Un sistema útil reduciría el esfuerzo y preservaría la libertad de modificar un pedido, explorar alternativas o rechazar el reconocimiento.
Cuando Starbucks comparta su próxima actualización, miren más allá de la promesa de un menú que los conoce. Busquen una explicación de la participación, una opción de menú convencional y evidencia de condiciones reales de pedido. Pregunten si los empleados pueden corregir los errores con rapidez y si los clientes pueden aprobar cada paso relevante. Esos detalles mostrarán si la experiencia propuesta mejora una rutina conocida o añade otra interfaz que gestionar. Sigan los resultados de las pruebas publicadas y los detalles del producto antes de considerar los menús de IA de Starbucks como una capacidad consolidada. El anuncio establece una dirección; las próximas divulgaciones deberán establecer cómo funciona esa dirección para la persona frente al altavoz.
