麦当劳 Archy AI 得来速以 90% 准确率宣称回归

麦当劳的 Archy AI 得来速现已能用英语和西班牙语接收订单，公司称其准确率超过 90%。在与 IBM 的问题重重的试点项目结束两年后，这一数字让语音自动化重新进入麦当劳的增长计划。

这一回归之所以重要，是因为麦当劳不再将自动化点餐描述为一项孤立的技术实验。Archy 是 ArchIQ 的组成部分；ArchIQ 是与 Google 共同开发、更广泛的餐厅运营系统。麦当劳希望该平台连接点餐、库存、排班、设备和餐厅数据。

这一时间点也提出了一个棘手的问题：麦当劳能否将一个颇具前景的测试指标，转化为在逾 46,000 家餐厅中稳定一致的表现？其早期系统曾难以应对口音、背景交谈和不寻常的订单修改。当软件扩展至不同地区和加盟商运营体系时，这些问题只会变得更难，而不会更容易。

麦当劳表示，随着 Archy 扩展规模，它每周至少可为每家餐厅释放 50 个工时。首席财务官 Ian Borden 表示，公司无意只是利用这些节省下来的工时来减少员工。相反，员工将转向食品制作、订单履约和客户服务等工作。

这一承诺让麦当劳置身于两种相互竞争的餐厅自动化理念之间。一种将语音 AI 视为受控的助手，并随时由人工介入。另一种则将自动化率视为人工接单可以大幅消失的证据。

Archy 必须证明，第一种模式能够带来第二种模式所预期的经济收益。

麦当劳 Archy AI 得来速成为更大运营系统的一部分

Archy 不再只是点餐机前的一道语音。它正成为麦当劳更广泛餐厅技术战略中面向顾客的一层。

该助手可用英语和西班牙语接收得来速订单。它还可在显示最终选择和总价前处理订单过程中的修改。麦当劳称其准确率超过 90%，但公开说明尚未完整界定这一计算方式。

早期报道提供了一项相关但不同的指标。一名麦当劳加盟商表示，五家测试餐厅中约 90% 的订单无需人工升级处理即可完成。该加盟商还表示，该系统已处理逾 100 万笔交易。

无需升级处理而完成的订单，并不一定意味着订单完全正确。顾客可能接受一处小的转录错误，而员工也可能在未接管对话的情况下纠正另一处错误。麦当劳尚未公开详细的测试方法，以说明自动化率与最终履约准确率之间的关联。

这一差异很重要，因为 Archy 属于一个名为 ArchIQ 的更大平台。这个由 Google 支持的系统旨在支持库存管理、员工排班、设备监控和订单准确性。语音点餐是其最显眼的功能，但该平台的经济逻辑取决于多项餐厅工作流程。

麦当劳将这一方案纳入了于 2026 年 9 月 23 日宣布的一项为期 10 年的现代化计划。公司计划在 2036 年前为餐厅升级提供 85 亿美元支持。其他变化包括重新设计的厨房布局、外卖储物柜、更大的游乐区以及更醒目的咖啡制作区域。

公司表示，大规模部署 ArchIQ 可为典型加盟商带来每年约 10 万美元的现金流收益。这是公司预测，而非独立测量的结果。它结合了多项运营改善，而不只是自动化点餐。

麦当劳还计划在 2028 年前将订单核验秤的覆盖餐厅数量从 10,000 家扩大至 20,000 家。这些秤有助于在交付前确认打包食品与订单相符。它们的纳入表明，仅有准确的语音识别并不能保证准确的顾客体验。

Archy 创建数字订单。厨房系统必须正确分流订单，员工必须进行制作，而交付流程则必须确保每件商品都被交到顾客手中。任何一个环节出错，都可能抹去一次完美对话带来的好处。

因此，这一新平台代表着范围上的变化。麦当劳此前的语音试点测试的是软件能否理解顾客。ArchIQ 测试的是 AI 能否围绕该顾客协调更多餐厅环节。

这一扩展创造了更大的潜在价值，也让麦当劳有了更多失败的方式。

麦当劳为何在结束 IBM 试点后重返这一领域

核心故事并不是麦当劳发现了语音 AI，而是该公司在公开撤回早期版本后又重新回归。

麦当劳于 2021 年开始与 IBM 测试自动化得来速点餐。该试点最终覆盖美国逾 100 家餐厅。2024 年 6 月，麦当劳确认将结束测试，并从参与门店移除该系统。

公司并未彻底放弃语音点餐。它表示，与 IBM 的合作增强了其信心，即自动化解决方案最终将成为其餐厅的一部分。试点结束后，麦当劳计划评估其他选项。

这次失败的试点仍留下了明显的信誉问题。顾客发布的视频显示，该系统会添加不需要的商品，或误解订单修改。一些视频涉及过量的鸡块，或黄油、番茄酱等不寻常的添加项。

据美联社引用的报道，口音和方言同样带来了困难。得来速音频中还会混入引擎声、乘客说话声、雨声、质量欠佳的麦克风声音以及邻近车辆的交谈声。在软件解读订单前，每一种因素都可能扭曲语音。

餐厅点餐对语言系统而言在结构上也颇具难度。顾客会打断自己、使用本地化菜单昵称、叠加促销优惠，并改变主意。有人可能会说“那个改成两份”，却不重复说明“那个”所指的商品。

自动化系统必须在追踪价格、供应情况和菜单规则的同时，将这些片段联系起来。它还必须知道何时不确定性高到需要呼叫员工。等待过久会造成错误，而过快升级处理则会削弱节省人力的收益。

在 IBM 试点结束前，麦当劳已启动一项多年期 Google Cloud 合作伙伴关系。两家公司表示，这一安排将把分布式云技术引入餐厅，并支持生成式 AI 用例。Google Cloud 协议为后续系统提供了新的基础设施路径。

ArchIQ 建立在这一合作关系之上。边缘计算在餐厅附近处理数据，而非完全依赖遥远的数据中心，因此可缩短响应延迟。集中式数据也可让软件更一致地了解菜单和运营状况。

这些改进解决了重要的技术弱点，但并未回答顾客体验问题。快速但错误的回答依然是错误的。如果系统无法自然地从含糊请求中恢复，即使准确率很高，也仍可能令人沮丧。

双语能力尤为重要。西班牙语并非单一、统一的语音模式，而且顾客常会在一次点餐中切换英语和西班牙语。菜单术语、地区口音和借用词可能进一步增加识别难度。

麦当劳称 Archy 能处理两种语言。公司尚未分别公布英语订单、西班牙语订单以及混合两种语言的对话的独立表现结果。

这一缺失的细分数据是评估此次回归的关键。IBM 试点表明，平均表现可能掩盖最容易令顾客受挫的情境。如果 Archy 最薄弱的互动环节仍然高度显眼，它需要的不仅仅是更高的平均值。

90% 的宣称并未回答最棘手的准确率问题

只有当麦当劳解释测量了什么、纳入了哪些订单以及什么算作成功时，一个醒目的准确率数字才有意义。

麦当劳称 Archy 的准确率超过 90%。早期演示则称约 90% 的交易无需人工升级处理即可完成。这些说法听起来相似，但衡量的是不同结果。

准确率可以指识别出的词语、解读出的商品、完成的订单，或正确履约的餐食。每个层级都会引入新的失败点。麦当劳尚未公开提供 Archy 的混淆矩阵、错误分布或独立验证结果。

分母同样重要。如果简单订单占据测试集的大部分，就可能抬高整体成功率。顾客点一份标准套餐的难度，低于一家人修改酱料、规格、替换项和促销组合的订单。

在 100 万笔交易中进行测试提供了规模，但交易数量本身并不能证明样本具有代表性。报道所称的五家测试餐厅，未必能覆盖更广泛系统中的地区语音、天气、交通、菜单差异或麦克风质量。

“无需人工升级处理”这一表述也留下了多种解释空间。它可能意味着员工从未加入对话，但并不一定表示顾客所要求的每件商品都被正确交付。

独立的得来速测量提供了有用的基准。Intouch Insight 的2025 年得来速研究报告称，行业平均订单履约准确率为 87%。麦当劳在该研究中的得分为 86%。

这些数据涵盖最终订单，包括主商品、配菜、饮品和特殊要求。它们不应与 Archy 的语音指标直接比较。不过，它们说明了麦当劳为何最终需要将对话表现与实际交付的餐食联系起来。

得来速助手可以正确转录每一个词，却仍可能选择错误的菜单配置。餐厅随后可能制作出正确的数字订单，但在打包时漏放某件商品。顾客体验的是完整链条，而不是彼此独立的软件层。

麦当劳将实体秤部署到更多餐厅，部分原因正是认识到了这一问题。这些秤在员工交付订单前提供了另一个核验点。如果订单数据能在整个制作流程中保持一致，Archy 和这些秤就能相互加强。

麦当劳还必须展示系统在压力条件下的表现。午餐和晚餐高峰会带来更长的队伍、更多同步任务，以及避免停顿的更大压力。在安静测试中运行良好的系统，可能会在背景噪声和订单复杂度增加时更频繁地升级处理。

虚假的自信还带来另一项风险。员工可以弥补一个会明确请求帮助的系统；但对于软件自信地误解的订单，他们更难有机会发现问题。

最有价值的未来披露应区分多项指标。麦当劳可以报告完整订单识别率、人工干预率、顾客纠正率、厨房订单单准确率和最终履约准确率。随后还可按语言和订单复杂度细分这些结果。

在缺乏这些细节的情况下，90% 的说法仍只是一个颇具前景、由公司自行报告的基准。它尚不足以证明 Archy 能胜过员工，或能在 McDonald's 的全球网络中持续维持这一表现。

Wendy's 和 Taco Bell 说明了为何规模会改变测试标准

McDonald's 正在进入一场真实的竞争，而竞争对手早已认识到，部署规模会暴露演示中被掩盖的弱点。

Wendy's 与 Google Cloud 共同开发了 FreshAI，并从有限试点逐步迈向更广泛的部署。该公司在 2025 年表示，该系统每天处理数以万计的订单。它将这款助手定位为让员工能够专注于餐食和顾客互动的工具。

FreshAI 使用大语言模型来理解定制订单并回答菜单问题。Wendy's 表示，该系统必须应对地区口音、背景噪音以及数百万种可能的菜单组合。这些也是 Archy 将面临的相同条件。

Wendy's 计划在数百家餐厅部署语音 AI。其 FreshAI 更新将全国范围的扩张描述为在两个州完成测试后的下一阶段。

Taco Bell 也将语音点餐扩展至 13 个州的 100 多家门店。其母公司 Yum Brands 后来与 Nvidia 合作开发餐厅 AI 系统。Taco Bell 的经历展示了自动化点餐的潜在覆盖范围，以及随之而来的公关风险。

顾客发布了旨在让系统困惑的特殊请求视频。其他用户则描述了替换餐品和移动订单取餐方面遇到的困难。此后，Taco Bell 强调，应对语音 AI 何时、何地运行采取更具选择性的方法。

这些案例说明，连锁餐厅不能仅凭平均准确率评估 AI。公开的失败案例容易引发关注，因为互动过程很容易被记录。一次罕见的错误就可能触达数百万观众，并塑造人们对整个部署的看法。

McDonald's 还面临一个额外劣势，因为顾客记得它此前的失误。Archy 不会享有被当作首次实验的待遇。每一次错误都会被拿来与 McDonald's 已移除的 IBM 系统比较。

其优势在于运营规模和数据。McDonald's 服务于广泛的顾客群体、市场和点餐模式。只要公司谨慎管理隐私和数据质量，一个通用平台就能将这些互动反馈到产品改进中。

规模也强化了财务论据。在一家餐厅每周节省 50 个工时具有实际意义。若将这一目标应用于数千家餐厅，就会重塑人员配置和运营预算。

然而，软件“释放”的工时并不会自动转化为更好的待客体验。管理者必须决定如何安排这些工时，以及哪些任务应获得这些资源。即使企业领导层强调重新配置人力，加盟店经济模式仍可能带来削减工资支出的压力。

Borden 在 McDonald's 的投资者演示中回应了这一担忧。他表示，目标并非消除岗位，而是将工作重新导向待客服务和食品准备。完整的 投资者日会议记录包含了员工在 Archy 处理订单时准备饮料的示例。

这一运营模式将 AI 视为任务分配工具。软件负责重复性的对话，而员工则处理需要判断和移动的实体任务。这与 Wendy's 所描述的策略相似。

只有当员工能够信任进入厨房的订单时，这一模式才会成功。频繁的更正会迫使他们回到点餐设备前，同时打乱其他工作。届时，节省的人力只会存在于演示文稿中，而不会出现在繁忙的实际班次里。

因此，McDonald's 面临双重压力。竞争对手正在打造自己的语音系统，等待会带来竞争成本；而其此前的失败则意味着推进过快会带来异常高的声誉成本。

五十个工时可能意味着更好的服务，也可能意味着更精简的人员配置

Archy 的真正考验不在于它是否取代一副耳机，而在于餐厅能否将回收的时间转化为可衡量的运营改善。

McDonald's 表示，Archy 最终将为每家餐厅每周释放至少 50 个工时。平均分摊到七天，每天略多于七小时。这一数字足以影响排班、厨房吞吐量和加盟店现金流。

McDonald's 将这一估算与明确的公开表态相结合。该公司称，不打算因该系统而削减餐厅人员配置。员工可以转而专注于待客服务和动手准备工作，包括新的鸡肉产品。

这一说法值得谨慎看待。McDonald's 总部并不决定加盟餐厅内部的每一项人员配置。个体经营者会根据销售额、当地工资、招聘条件和服务目标作出回应。

一家加盟店可能将释放的工时用于在高峰期增加服务能力。另一家则可能缩减安排用于接单的时间，以抵消不断上升的运营成本。这两种结果都可能源自同一项技术。

85 亿美元的现代化计划增加了围绕这些选择的经济压力。McDonald's 表示将支持加盟商，但经营者也将进行大量投资。该公司预计技术和餐厅改造将带来财务回报。

McDonald's 表示，更广泛的计划可为一家餐厅每年增加约 10 万美元现金流。这一估算涵盖 ArchIQ 和其他运营改善措施，不应被解读为仅由 Archy 带来的已测量回报。

最有说服力的结果，应当将劳动力重新配置与顾客结果联系起来。McDonald's 可以展示，在可比销售量下，服务时间缩短、漏单减少、食物更新鲜或满意度提高。这些指标将支持其关于待客服务的论点。

2025 年 Intouch Insight 的研究发现，友好度与总体满意度之间存在很强的关系。被评为友好的到店体验带来了 97% 的满意度和 89% 的订单准确率；被评为不友好的到店体验则带来了 22% 的满意度和 70% 的准确率。

这一发现并不能证明因果关系，但它凸显了人际互动的作用。如果被从点餐对话中调离的员工能在其他环节更好地提供服务，减少人工参与便可能创造价值；如果顾客只是遇到更少的员工，体验则可能被削弱。

自动化也会改变错误带来的情绪体验。顾客往往会原谅能够迅速察觉困惑的人；但当软件反复拒绝修改请求或无法理解口音时，他们的反应可能不同。

因此，转接人工必须保持便捷。顾客不应需要说出隐藏口令，或在多次失败后才能联系到员工。升级处理流程是 Archy 产品设计的一部分，而不是产品失败的证据。

McDonald's 还需要保护员工免受警报过载的影响。如果 Archy 在没有提供结构化背景信息的情况下，将每一笔异常订单升级给员工，员工就必须重新梳理整段对话。这可能比从一开始接听点餐设备更耗时。

有效的转接应显示顾客提出了什么要求、系统理解了什么，以及不确定性出现在哪里。这样，员工就能解决一个具体细节，而不是重新开始整个订单。

Archy 的劳动力承诺建立在数百个这样的小型设计决策之上。语音识别吸引了关注，但工作流程整合决定了这 50 个工时是否能在真实餐厅中实现。

McDonald's 必须在 Archy 扩大规模前证明什么

三个信号将表明，Archy 正在成为可靠的基础设施，还是又一个拥有醒目标题数字的有限试点。

第一个信号是清晰的部署时间表。McDonald's 已将 Archy 描述为其现代化战略的一部分，但已知测试始于五家餐厅。投资者和加盟商需要看到公司会以多快速度增加门店，以及如何选择这些门店。

跨不同地区的受控扩张，比在相似市场内快速推广能提供更有力的证据。测试应涵盖不同口音、双语社区、天气条件和餐厅布局。

如果 McDonald's 在扩张过程中保持性能，那么可规模化的 McDonald's Archy AI drive-thru 的论据就会更有力。如果推广仍然有限，90% 的说法看起来就更像试点数据，而非运营证明。

第二个信号是指标透明度。McDonald's 应将订单完成率与订单准确率及最终履约情况分开报告。它还应报告英语、西班牙语和混合语言对话的人工介入率。

这种区分很重要，因为 Archy 的双语能力是其最重要的改进之一。单一的综合百分比无法说明两种语言群体是否获得了相当的服务。

独立测试将进一步增强结果的可信度。神秘顾客研究可以考察复杂的替换要求、背景对话和刻意更正，也可以比较相似餐厅中 AI 通道与人工操作通道的表现。

第三个信号是安装后劳动力和服务发生了什么。McDonald's 表示，Archy 每周可释放至少 50 个工时，且无需减少员工。餐厅层面的证据可以检验这一说法。

有用的衡量指标包括排班工时、服务时间、厨房吞吐量、员工流失率和顾客满意度。McDonald's 还应追踪员工为解决 Archy 订单而中断其他任务的频率。

如果服务得到改善且人员配置保持稳定，McDonald's 就能支持其关于 AI 将劳动力重新导向高价值工作的论点。如果工资支出下降，却没有可见的顾客收益，Archy 看起来就更像是一个削减成本的系统。

该公司此前与 IBM 进行的试点使这些信号具有不同寻常的重要性。McDonald's 已经知道语音点餐在特定场景下能够发挥作用。其尚未解决的挑战，是构建一个能在数千家不可预测的餐厅中安全失败的系统。

这正是 Google 合作关系重要的原因，但基础设施无法替代证据。更快的处理速度、集中化数据和共享的餐厅软件构成了更强的基础。顾客仍会一次订单一次订单地评判最终互动体验。

Archy 也是餐厅自动化更广泛竞争的一部分。Wendy's、Taco Bell、White Castle 及其他连锁品牌正在测试语言模型、边缘计算和人工监督的不同组合。尚没有任何公司建立起普遍可靠的公式。

如果系统奏效，McDonald's 的规模足以树立行业标准。它也拥有足够多的门店，能够放大每一个尚未解决的弱点。

该公司已通过双语助手、据称超过 90% 的准确率，以及节省劳动力的目标，提出了初步论据。现在，它必须公布能将这些说法与完成的餐点和更优服务联系起来的结果。

密切关注下一轮扩张。McDonald's 是否会披露试点平均值之外的表现？西班牙语订单在更广泛使用下能否维持表现？最重要的是，餐厅员工是否获得了更多服务顾客的时间，还是将这些时间花在纠正机器上？

这些答案将决定 McDonald's Archy AI drive-thru 代表的是持久的运营变革，还是一次管理得更好的第二次尝试。