Dążenie McDonald's do cen wspieranych przez AI spotyka się ze stanowczym zaprzeczeniem w kwestii tego, kto ustala ceny w menu
System cenowy McDonald's oparty na AI obecnie wspiera rekomendacje w blisko 14 000 restauracji w USA, wynika z dochodzenia Reuters opublikowanego 29 września. McDonald's twierdzi jednak, że sztuczna inteligencja nigdy nie ustala cen, ich nie zmienia ani nie decyduje o tym, ile płaci konkretny klient.
To rozróżnienie definiuje całą kontrowersję. Reuters opisuje mechanizm uczenia maszynowego, który analizuje miliony codziennych transakcji i rekomenduje „optymalną cenę” każdego produktu w każdej restauracji. McDonald's opisuje tę samą technologię jako narzędzie doradcze, które pozostawia każdą ostateczną decyzję w rękach franczyzobiorców.
Oba opisy mogą być prawdziwe. Algorytm może wpływać na decyzję, nie podejmując jej samodzielnie. Rekomendacja może też mieć większą wagę, gdy firma śledzi, czy właściciele restauracji jej przestrzegają.
Prawdziwe pytanie nie brzmi więc, czy oprogramowanie naciska cyfrowy przycisk. Chodzi o to, jak dużą faktyczną kontrolę zyskuje rekomendacja AI w systemie franczyzowym, w którym centrala ma znaczącą siłę oddziaływania.
To pytanie wykracza poza hamburgery. Firmy wdrażają algorytmy, by przekształcać popyt, konkurencję i zachowania klientów w wskazówki dotyczące cen. McDonald's stanowi obecnie istotny test tego, czy konsumenci zaakceptują taki proces, gdy przystępność cenowa jest już drażliwą kwestią.
Co faktycznie robi system cenowy McDonald's oparty na AI
System ma podobno rekomendować ceny na poziomie restauracji, podczas gdy franczyzobiorcy zachowują formalną władzę nad ostatecznym menu.
Reuters podaje, że McDonald's korzysta z pewnej formy technologii cenowej AI co najmniej od 2019 roku. Obecny mechanizm stale analizuje dane transakcyjne z rozległej sieci restauracji firmy w USA.
Uczenie maszynowe oznacza, że oprogramowanie identyfikuje wzorce w danych historycznych i wykorzystuje je do tworzenia prognoz lub rekomendacji. W tym przypadku wynikiem jest sugerowana cena każdego elementu menu w konkretnej restauracji.
Dane wejściowe mają obejmować lokalny popyt, warunki operacyjne, ceny menu konkurentów oraz szacunki wrażliwości klientów na ceny. Zrzuty ekranu przejrzane przez Reuters odnosiły się do „gotowości klienta do zapłaty” na obszarze obsługiwanym przez restaurację.
To sformułowanie wywołało zrozumiałe obawy. Sugeruje system zaprojektowany do określenia, o ile więcej może zaakceptować lokalny rynek, zanim sprzedaż zacznie spadać.
Jednak opisywane narzędzie działa na poziomie restauracji, a nie pojedynczego klienta. Nie ma potwierdzonych dowodów, że McDonald's prezentuje różne bazowe ceny menu dwóm osobom zamawiającym jednocześnie w tej samej lokalizacji.
McDonald's podkreślił to rozróżnienie w wyjaśnieniu dotyczącym cen z 1 października pricing clarification. Firma stwierdziła, że jej system nie wykorzystuje danych osobowych do ustalania, ile powinien zapłacić konkretny klient.
McDonald's zaprzeczył również stosowaniu dynamicznego ustalania cen. Dynamiczne ceny zmieniają się w odpowiedzi na takie warunki jak popyt, czas, zapasy lub przepustowość. Linie lotnicze i platformy przewozu osób powszechnie stosują odmiany tego podejścia.
Firma twierdzi, że jej narzędzie nie zmienia cen w czasie rzeczywistym ani nie nalicza wyższych opłat w określonych godzinach. Zamiast tego tworzy rekomendacje dla konkretnych restauracji na podstawie rynków geograficznych i innych lokalnych warunków.
Dlatego „lokalne ustalanie cen wspierane przez AI” jest trafniejszym określeniem niż „spersonalizowane ceny” lub „ceny szczytowe”. System wydaje się też mniej dramatyczny, niż sugerują niektóre nagłówki.
Mimo to rekomendacje wydają się bardziej zaawansowane niż sporadycznie używany arkusz kalkulacyjny. Dochodzenie Reuters wskazuje, że McDonald's przekazuje franczyzobiorcom wytyczne cenowe co najmniej trzy razy w roku.
Reuters podaje również, że Tiger Analytics obsługuje platformę i współpracuje z McDonald's przy określaniu jej parametrów. Byli pracownicy Tiger twierdzili, że parametry te odzwierciedlały cele korporacyjne, w tym przyciąganie klientów lub poprawę zysków.
Opisywane reguły nie były projektowane wyłącznie po to, by podnosić ceny. Niektóre zapobiegały podwyżkom wybranych produktów w konkretnych porach roku. Inne koncentrowały proponowane podwyżki na pozycjach, których ceny pozostawały niezmienione przez dłuższy czas.
Ostatnio franczyzobiorcy mieli podobno otrzymać rekomendacje ostrożnego kształtowania cen oraz niektórych obniżek. Ta zmiana odzwierciedla wysiłki McDonald's na rzecz odbudowy reputacji marki oferującej przystępne ceny po kilku latach rosnących kosztów restauracji.
System robi więc więcej niż tylko szuka najwyższej możliwej do zaakceptowania kwoty. Ma podobno równoważyć wolumen sprzedaży, ruch klientów, koszty operacyjne, pozycjonowanie konkurencyjne i priorytety korporacyjne.
Ten szerszy cel nie eliminuje jednak kontrowersji. Przenosi uwagę na relację między rekomendacjami centrali a decyzjami franczyzobiorców.
Spór: narzędzie czy nakaz
McDonald's twierdzi, że mechanizm dostarcza opcjonalnych porad, lecz kilku franczyzobiorców powiedziało Reuters, że odrzucanie jego rekomendacji wywołuje presję.
McDonald's działa w oparciu o model silnie oparty na franczyzie. Około 95% restauracji firmy w USA należy do franczyzobiorców i jest przez nich prowadzonych, według doniesień o menu wartościowym.
Właściciele ci formalnie ustalają ceny w swoich restauracjach. Ponadto ponoszą lokalne koszty, w tym wynagrodzenia, czynsze, media, ubezpieczenia, żywność i opakowania.
Centrala ma inne zachęty ekonomiczne. McDonald's uzyskuje przychody powiązane ze sprzedażą restauracji, podczas gdy każdy franczyzobiorca musi chronić rentowność pojedynczej lokalizacji.
Niższa cena może przyciągnąć więcej klientów i zwiększyć całkowitą sprzedaż. Może jednak także obniżyć marżę właściciela restauracji, gdy lokalne koszty pozostają wysokie.
To napięcie istniało przed pojawieniem się sztucznej inteligencji. Algorytm daje centrali bardziej spójny, bogatszy w dane sposób rekomendowania, jak franczyzobiorcy powinni je rozwiązywać.
McDonald's twierdzi, że rekomendacja pozostaje dokładnie tym, czym jest: rekomendacją. Publiczne stanowisko firmy wskazuje, że właściciele restauracji mogą odrzucić wynik narzędzia i samodzielnie ustalić swoje ostateczne ceny.
Reuters znalazł dowody na bardziej skomplikowaną rzeczywistość operacyjną. Pięciu franczyzobiorców opisało presję, by korzystać z rekomendacji, choć inny były właściciel nie czuł się zmuszony do ich akceptowania.
Jeden dokument przejrzany przez Reuters miał podobno śledzić odstępstwa od wytycznych systemu. Od stycznia franczyzobiorcy są również zobowiązani do konstruktywnej współpracy z zatwierdzonymi konsultantami i narzędziami cenowymi w ramach zaktualizowanych standardów biznesowych.
Rozmowy z centralą mogą mieć znaczenie, ponieważ McDonald's ocenia franczyzobiorców pod kątem kwestii wpływających na ich przyszłość w systemie. Decyzje te mogą obejmować przedłużenie umów dla restauracji oraz możliwości otwierania kolejnych lokalizacji.
Prezes Chris Kempczinski przyznał w sierpniu, że nieprzestrzeganie wytycznych cenowych może pojawiać się w określonych rozmowach z franczyzobiorcami. To stwierdzenie nie dowodzi, że McDonald's dyktuje ceny, ale pokazuje, że brak zgody może przyciągać uwagę centrali.
Tworzy to lukę między uprawnieniami prawnymi a faktycznym wpływem. Franczyzobiorca może mieć formalne prawo do odrzucenia rekomendacji, jednocześnie stając wobec bodźców biznesowych, by ją zastosować.
To sedno sporu dotyczącego cen w menu McDonald's wspieranych przez AI. Skupienie się wyłącznie na tym, kto wpisuje ostateczną liczbę, pomija sposób, w jaki władza organizacyjna kształtuje decyzję.
Ten sam problem występuje w całym obszarze AI dla przedsiębiorstw. Firmy często opisują zautomatyzowane systemy jako wsparcie decyzji, przy zachowaniu kontroli przez człowieka.
To zabezpieczenie działa tylko wtedy, gdy człowiek ma realną swobodę, wystarczające informacje i realistyczną możliwość wyrażenia sprzeciwu. Formalny etap zatwierdzania nie ustanawia automatycznie niezależnego osądu.
McDonald's odrzuca pogląd, że jego standardy oznaczają kontrolę nad ostatecznymi cenami. Firma twierdzi, że jej oceny uwzględniają szersze doświadczenie klienta, a nie tylko to, czy restauracja stosuje się do wytycznych cenowych.
Dostępne dowody nie potwierdzają, że każdy franczyzobiorca podlega identycznej presji. Nie pokazują również, że restauracje automatycznie wdrażają każdą rekomendację.
Pokazują jednak, że mechanizm cenowy działa w relacji o nierównej sile negocjacyjnej. To sprawia, że wskaźniki wdrażania i rejestry odstępstw są ważnymi wskaźnikami, a nie szczegółami administracyjnymi.
Dlaczego McDonald's rozszerza teraz rekomendacje cenowe AI
Firma potrzebuje cen wystarczająco niskich, by przywrócić ruch klientów, ale wystarczająco wysokich, by utrzymać ekonomię franczyz po latach inflacji kosztów.
McDonald's wszedł w tę debatę z istniejącym problemem przystępności cenowej. Firma podała, że jej średnie ceny menu w USA wzrosły o około 40% między 2019 a 2024 rokiem.
McDonald's przypisał te podwyżki porównywalnemu wzrostowi głównych nakładów restauracyjnych. Jej arkusz informacyjny dotyczący cen wskazywał, że wynagrodzenia pracowników wzrosły o około 40%, a koszty żywności i opakowań o około 35%.
Firma argumentowała, że jej ogólne podwyżki pozostawały zgodne z wyższymi kosztami operacyjnymi. Konsumenci nadal odczuwali rezultat jako droższą wizytę.
Ceny w poszczególnych restauracjach również się różnią. Reuters wykazał 21-procentową różnicę między cenami Big Maca w dwóch restauracjach firmy we Fresno, oddalonych od siebie zaledwie o dwie mile.
To porównanie dowodzi zróżnicowania cen geograficznych, lecz nie wyjaśnia jego przyczyny. Reuters wyraźnie zaznaczył, że nie był w stanie ustalić, czy mechanizm AI spowodował tę różnicę.
Lokalne ustalanie cen istniało przed uczeniem maszynowym. Restauracje w pobliżu lotnisk, autostrad, obszarów turystycznych i drogich centrów miast od dawna stosowały inne ceny niż lokale na przedmieściach.
McDonald's twierdzi, że pobliskie restauracje mogą należeć do odrębnych rynków o różnych kosztach i poziomach popytu. Algorytm może mierzyć te różnice dokładniej, ale ich nie stworzył.
Komplikacja polega na tym, że większa precyzja może poszerzać zróżnicowanie. Trzech franczyzobiorców powiedziało Reuters, że mechanizm zwiększył istniejące różnice cenowe między restauracjami, w tym lokalami w sąsiednich dzielnicach.
Dla konsumentów źródło różnicy może być mniej istotne niż jej postrzegana sprawiedliwość. Klient porównujący dwa menu w aplikacji widzi ten sam produkt i tę samą markę, ale różne ceny.
Jeśli wyższa cena wydaje się powiązana z nieuniknionymi kosztami, klienci mogą ją zaakceptować. Jeśli zaś sprawia wrażenie zaprojektowanej wokół tego, ile może tolerować dana dzielnica, reakcja się zmienia.
McDonald's mierzy się też z presją ze strony klientów o niższych dochodach, którzy ograniczyli wizyty w całym sektorze szybkiej obsługi. Reuters przytoczył szacunki Placer.ai wskazujące na spadek ruchu w McDonald's w USA rok do roku w każdym pełnym miesiącu od marca.
Firma odpowiedziała naciskiem na przystępność cenową. Jej zaktualizowana krajowa strategia wartości obejmuje prostszy wybór tańszych produktów i ofert posiłków.
Ta strategia wymaga współpracy tysięcy niezależnych operatorów. Około jedna trzecia franczyzobiorców nie zastosowała się do pewnych rekomendowanych cen menu wartościowego, powiedział Kempczinski podczas sierpniowej rozmowy dotyczącej wyników finansowych.
Stwierdził, że restauracje te osiągnęły słabsze wyniki biznesowe, choć firma nie ujawniła wystarczających dowodów, by niezależnie zweryfikować to twierdzenie. McDonald's może wykorzystywać swój mechanizm, by argumentować, że niższe ceny generują wystarczający dodatkowy ruch, aby zrekompensować niższe marże jednostkowe.
Franczyzobiorcy mogą dojść do innych wniosków po przeanalizowaniu własnych kosztów pracy, czynszu i żywności. Ich celem nie jest maksymalizowanie sprzedaży w całej sieci za wszelką cenę.
To wyjaśnia, dlaczego AI pricing McDonald's nabiera teraz większego znaczenia. Centrala potrzebuje powtarzalnej metody wskazywania miejsc, w których niższe ceny mogą przywrócić popyt bez nadmiernego uszczerbku dla przychodów.
Technologia obiecuje bardziej precyzyjne wskazówki niż ogólnokrajowa dyrektywa. Może rekomendować obniżki na niektórych rynkach, utrzymywanie cen na innych oraz wskazywać produkty, które wydają się mniej wrażliwe na podwyżki.
Taka precyzja może pomóc McDonald's wspierać spójny przekaz dotyczący wartości, przy jednoczesnym uwzględnieniu lokalnej ekonomii. Może też dać centrali argument ilościowy, gdy franczyzobiorca preferuje wyższą cenę.
Technologia nie jest więc jedynie kalkulatorem cenowym. Staje się częścią sposobu, w jaki McDonald's negocjuje przystępność cenową w swojej sieci franczyzowej.
AI Pricing McDonald's Nie Jest Dynamicznym Ustalaniem Cen, Ale Zaufanie Wciąż Ma Znaczenie
McDonald's odrzuca określenie „dynamiczne ustalanie cen”, lecz konsumenci nadal mogą kwestionować rekomendacje oparte na lokalnej skłonności do zapłaty.
Różnica między rekomendacjami na poziomie restauracji a spersonalizowanymi cenami w czasie rzeczywistym jest znacząca. McDonald's twierdzi, że każda osoba zamawiająca w danej lokalizacji widzi tę samą obowiązującą bazową cenę z menu.
Jego system, według doniesień, nie podnosi cen lunchu dlatego, że w południe ustawia się kolejka. Nie obniża ich też automatycznie podczas pustego popołudnia.
McDonald's twierdzi również, że silnik nie analizuje historii zakupów pojedynczej osoby, aby wybrać dla niej wyższą cenę w menu. Nic w zweryfikowanych doniesieniach nie potwierdza takiego zindywidualizowanego ustalania cen.
Te ograniczenia odróżniają opisywaną praktykę od najbardziej wrażliwych form algorytmicznego ustalania cen. Nie należy ich zacierać tylko dlatego, że wszystkie trzy podejścia mogą wykorzystywać sztuczną inteligencję.
Brak cen ustalanych w czasie rzeczywistym lub indywidualnie nie rozstrzyga jednak kwestii sprawiedliwości. Szacunek skłonności do zapłaty na poziomie dzielnicy nadal dzieli rynki na podstawie wnioskowanego zachowania.
Taki szacunek może odzwierciedlać dochody, konkurencję, wzorce dojazdów, dostęp do transportu lub dostępność alternatyw. Konsumenci rzadko wiedzą, które zmienne wpłynęły na rekomendację.
Narzędzie ma podobno wykorzystywać publicznie dostępne ceny konkurentów z menu pobliskich restauracji. Wendy's i Burger King powiedziały Reutersowi, że nie używają AI przy podejmowaniu decyzji cenowych.
Dane konkurencji mogą pomóc restauracji uniknąć znaczącego odejścia od realiów lokalnego rynku. Mogą też budzić obawy, jeśli wiele firm korzysta z algorytmów reagujących na wzajemne ceny.
Kwestia prawna nie polega na tym, że oprogramowanie przetwarza informacje publiczne. Regulatorzy skupiają się na tym, czy systemy cenowe ułatwiają koordynację, dyskryminację, wprowadzanie w błąd lub inne zakazane działania.
Reuters przejrzał warunki portalu ostrzegające użytkowników, że franczyzobiorcy mogą być konkurentami. Warunki mają nakazywać im przestrzeganie prawa konkurencji i konsultowanie się z własnymi prawnikami, gdy jest to konieczne.
William Kovacic, były komisarz Federal Trade Commission, powiedział Reutersowi, że ostrzeżenie uznaje istnienie potencjalnego problemu. Inni eksperci prawni ocenili ryzyko jako stosunkowo niskie, ponieważ sądy dopuszczają znaczny wpływ marek franczyzowych na ceny.
Żaden regulator cytowany w doniesieniach nie stwierdził, że McDonald's naruszył prawo antymonopolowe. FTC i Departament Sprawiedliwości nie skomentowały artykułu Reutersa.
Szersze otoczenie regulacyjne staje się mniej pobłażliwe. FTC ostrzegała firmy, że nieujawnione wykorzystywanie danych osobowych w zindywidualizowanym ustalaniu cen może rodzić problemy z ochroną konsumentów.
McDonald's twierdzi, że nie stosuje tej praktyki. Ostrzeżenie nadal wyjaśnia, dlaczego precyzyjna terminologia i przejrzystość publiczna stały się niezbędne.
Wendy's przekonał się o ryzyku reputacyjnym w 2024 roku. Komentarze dotyczące cyfrowych tablic menu i eksperymentów cenowych wywołały powszechne twierdzenia, że sieć planuje ceny szczytowe.
Wendy's zaprzeczył tej interpretacji i stwierdził, że nie wdrożył takiego systemu. Ten epizod pokazał, jak szybko konsumenci kojarzą algorytmiczne ustalanie cen z płaceniem więcej w godzinach największego ruchu.
Instacart spotkał się z podobną krytyką po przetestowaniu narzędzi wyświetlających różne ceny produktów spożywczych różnym kupującym. Później zakończył ten ograniczony test i oświadczył, że informacje osobiste nie będą decydować o cenach produktów.
McDonald's odpowiedział kategorycznym językiem. AI nie ustala cen w menu, twierdzi firma, a ludzie nadal odpowiadają za ostateczne decyzje.
Ta odpowiedź dotyczy automatyzacji, lecz tylko częściowo kwestii wpływu. Konsumenci mogą też chcieć wiedzieć, jak opracowywane są rekomendacje, które zmienne są wykluczone i jak często franczyzobiorcy je odrzucają.
Przejrzystość powinna odróżniać ceny bazowe od spersonalizowanych rabatów. Oferta lojalnościowa może różnić się w zależności od klienta, nie zmieniając wywieszonej ceny widocznej dla wszystkich.
Firmy muszą jasno wyjaśniać tę różnicę. W przeciwnym razie spersonalizowane promocje, ceny geograficzne i indywidualna dyskryminacja cenowa mogą zlać się w jedną niepokojącą publiczną narrację.
McDonald's powinien też wyjaśnić, jak testuje rekomendacje pod kątem niezamierzonych różnic geograficznych. System może unikać danych osobowych, a mimo to generować wyniki skorelowane z wrażliwymi cechami demograficznymi.
Obecnie nie ma publicznych dowodów, że jego silnik systematycznie stawia w niekorzystnej sytuacji grupy chronione. Twierdzenie inaczej bez analizy na poziomie lokalizacji byłoby nieodpowiedzialne.
Luka weryfikacyjna nadal ma znaczenie. McDonald's opisał, czego narzędzie nie robi, ale ujawnił niewiele szczegółów dotyczących modeli, nadzoru, danych wejściowych lub procesu audytu.
Pozostawia to konsumentów przed wyborem między zapewnieniem firmy a dochodzeniem opartym na wewnętrznych zrzutach ekranu, dokumentach i anonimowych relacjach franczyzobiorców. Większa jawność ułatwiłaby ocenę tej różnicy.
Większy Spór Dotyczy Optymalizacji Korporacyjnej Kontra Lokalny Osąd
Główny konflikt nie dotyczy McDonald's kontra innej sieci restauracji. Chodzi o algorytmiczną spójność kontra kontrolę franczyzobiorców i zaufanie konsumentów.
McDonald's może analizować te same dane z tysięcy restauracji. Taka skala pozwala jego systemowi wykrywać wzorce, których pojedynczy operator nie dostrzeże na podstawie zaledwie kilku lokalizacji.
Silnik może oszacować, jak zmiana ceny wpłynęła na transakcje na porównywalnych rynkach. Może skuteczniej niż sama intuicja oddzielić ruch sezonowy od problemu specyficznego dla restauracji.
Firma może też koordynować ogólnokrajowy przekaz dotyczący wartości. Reklama staje się trudna, gdy promowane ceny znacząco się różnią lub zbyt wielu franczyzobiorców odrzuca ofertę.
Franczyzobiorcy dostarczają informacji, których scentralizowany model może nie uchwycić szybko. Lokalny operator rozumie niedobory personelu, zakłócenia związane z budową, wydarzenia w okolicy i zmiany konkurencyjne, których dane o historycznych transakcjach mogą nie odzwierciedlać.
Nie tworzy to prostego pojedynku ludzi z maszynami. Użyteczny model łączy szerokie dane z odpowiedzialnym lokalnym osądem.
Problemy zaczynają się, gdy którakolwiek ze stron uznaje swoje informacje za kompletne. Zespoły korporacyjne mogą przeceniać precyzję modelu, podczas gdy właściciele restauracji mogą mylić niedawne doświadczenia z trwałym wzorcem.
System AI zmienia również ciężar dowodu. Przed pojawieniem się takich narzędzi centrala musiała przekonać właściciela, że inna cena przyniesie lepsze wyniki.
Teraz rekomendacja przychodzi z autorytetem milionów transakcji i wyliczonego optimum. Właściciel, który się nie zgadza, musi wyjaśnić, dlaczego jedna lokalizacja jest wyjątkiem.
Ta asymetria może poprawić dyscyplinę. Może też prowadzić do błędu automatyzacji, który występuje, gdy ludzie ustępują oprogramowaniu, ponieważ jego wyniki wydają się bardziej obiektywne, niż są w rzeczywistości.
„Optymalna cena” nigdy nie jest neutralna. Optymalizacja wymaga celu, ograniczeń, horyzontu czasowego oraz założeń dotyczących akceptowalnych kompromisów.
Model stawiający na wzrost liczby transakcji może rekomendować coś innego niż model priorytetyzujący zysk restauracji. System chroniący udział w rynku może tolerować wyniki obciążające niektórych franczyzobiorców.
Reuters podaje, że McDonald's przekazał operatorowi platformy cele i zasady korporacyjne. Ten ludzki kierunek jest istotny, ponieważ algorytm nie decyduje samodzielnie, co oznacza sukces.
McDonald's twierdzi, że przystępność cenowa i wartość dla klienta pozostają kluczowe. Franczyzobiorcy mogą popierać ten cel, jednocześnie kwestionując sposób rozłożenia jego kosztów w całym systemie.
Konsumenci wprowadzają trzeci cel. Chcą przewidywalnych, zrozumiałych cen oraz pewności, że firma nie wykorzystuje ograniczonych lokalnych alternatyw.
Skuteczny technicznie model może mimo to zawieść, jeśli klienci uznają jego rekomendacje za niesprawiedliwe. Optymalizacja cen zależy od zachowania, a publiczna nieufność zmienia zachowanie.
Wcześniejsze doświadczenia McDonald's z AI stanowią użyteczne ostrzeżenie. Firma zakończyła w 2024 roku test zautomatyzowanego składania zamówień w drive-through prowadzony z IBM po wdrożeniach w wybranych restauracjach.
Eksperyment drive-through przyciągnął uwagę, gdy klienci udostępniali w internecie błędy w zamówieniach. McDonald's kontynuował badanie możliwości AI, ale ten epizod pokazał, że skala nie gwarantuje gotowości technologii.
Ceny stanowią jeszcze bardziej wrażliwe wyzwanie. Błędne zamówienie wywołuje frustrację, podczas gdy pozornie niesprawiedliwa cena może zaszkodzić całej obietnicy wartości marki.
Wyniki działania silnika muszą zatem wytrzymać więcej niż testy statystyczne. Muszą pozostać możliwe do obrony przed operatorami, klientami, regulatorami i opinią publiczną.
Dla nabywców rozwiązań dla przedsiębiorstw McDonald's stanowi ogólną lekcję. Nadzoru człowieka nie można mierzyć wyłącznie tym, czy ktoś zatwierdza końcowy wynik.
Organizacje powinny analizować wskaźniki odrzuceń, ścieżki eskalacji, zachęty i konsekwencje. Jeśli użytkownicy niemal nigdy nie odrzucają algorytmu, liderzy powinni ustalić, czy model jest konsekwentnie poprawny, czy też sprzeciw wydaje się niebezpieczny.
Powinny także dokumentować optymalizowany cel. Określenia takie jak „optymalny”, „rekomendowany” i „wartość dla klienta” mogą ukrywać konkurujące definicje.
Najlepszy nadzór pyta, kto odnosi korzyści, gdy system odnosi sukces, i kto ponosi koszty, gdy zawodzi. W McDonald's odpowiedzi różnią się dla centrali firmy, franczyzobiorców i klientów.
Trzy Sygnały Pokażą, Dokąd Zmierza Strategia
Dane o wdrożeniu, ruch klientów i reakcje regulatorów pokażą, czy McDonald's może przekształcić inteligencję cenową w zaufane wskazówki biznesowe.
Pierwszym sygnałem jest zachowanie franczyzobiorców. McDonald's nie musi publikować zastrzeżonego kodu modelu, ale może podać zbiorcze wskaźniki akceptacji i odrzuceń.
Wskaźniki te wyjaśniłyby, czy platforma działa jako opcjonalna porada. Wysoki wskaźnik akceptacji sam w sobie niewiele dowodzi, lecz niewyjaśnione wzrosty po wprowadzeniu wymogów zgodności zasługiwałyby na analizę.
McDonald's mógłby także ujawnić, jak często właściciele restauracji modyfikują rekomendację. Istotne korekty potwierdzałyby jego twierdzenie, że ludzie zachowują kontrolę.
Drugim sygnałem jest ruch klientów w zestawieniu z postrzeganiem wartości. McDonald's stosuje bardziej konserwatywne rekomendacje, promując jednocześnie przystępność cenową, więc strategia powinna przynieść mierzalną poprawę zachowań.
Większa liczba transakcji bez silniejszego postrzegania wartości sugerowałaby, że promocje wykonują tymczasową pracę. Lepsze postrzeganie bez większego ruchu sugerowałoby, że przystępność cenowa pozostaje ograniczona przez inne czynniki.
Wyniki muszą też zostać porównane z ekonomią franczyzobiorców. Wzrost ruchu nie jest trwały, jeśli uczestniczące restauracje nie mogą pokryć swoich kosztów operacyjnych.
Trzecim sygnałem są wytyczne regulacyjne dotyczące algorytmicznego i spersonalizowanego ustalania cen. McDonald's twierdzi, że jego podejście na poziomie restauracji nie personalizuje cen bazowych, jednak regulatorzy uważnie analizują praktyki z nim sąsiadujące.
Wszelkie nowe wymogi dotyczące ujawniania informacji mogą skłonić firmy do wyjaśnienia, jakie dane trafiają do ich systemów ustalania cen. Przepisy mogą też doprecyzować, kiedy franczyzobiorców uznaje się za konkurentów na potrzeby analizy algorytmicznego ustalania cen.
Te sygnały zdecydują o tym, czy AI McDonald's w zakresie cen stanie się wzorem odpowiedzialnego wsparcia decyzji, czy trwałym źródłem nieufności.
Na razie najsilniejszy wniosek jest węższy niż pierwotny nagłówek. Według doniesień AI pomaga obliczać i rekomendować lokalne ceny w menu, ale McDonald's twierdzi, że to ludzie decydują, co pojawia się w każdym menu.
Nierozstrzygnięta kwestia leży pomiędzy tymi stwierdzeniami. Ludzka decyzja ma znaczenie tylko wtedy, gdy dana osoba może zrozumieć rekomendację, zakwestionować ją i odrzucić bez niewłaściwych konsekwencji.
Klienci powinni obserwować, co McDonald's ujawnia, a nie tylko czego się wypiera. Franczyzobiorcy powinni domagać się jasno określonych celów, ścieżek audytu i wiarygodnej swobody w korzystaniu z lokalnego osądu.
Inne firmy wdrażające algorytmy cenowe powinny zadać te same pytania, zanim pojawi się kontrowersja. Czy system doradza, wpływa na decyzję, czy faktycznie ją kontroluje?
McDonald's ma teraz okazję odpowiedzieć na to pytanie za pomocą dowodów. Do tego czasu jego mechanizm ustalania cen z użyciem AI pozostanie zarówno narzędziem biznesowym, jak i sprawdzianem tego, jak duży wpływ algorytmów zaakceptują konsumenci.
