你說「可樂改雪碧、大薯先不要了」，窗口另一頭的 AI 能拿捏嗎？

得來速窗口前，一台車三個人一起點餐。後座喊要加一個蘋果派，副駕說可樂換雪碧，駕駛突然想起來：「啊，剛剛那個大薯不要了。」旁邊還有引擎聲、隔壁車道的喇叭聲。

真人店員多半扛得住這團混亂，AI 呢？

一場喊停的實驗

麥當勞在 2021 年和 IBM 合作，在得來速測試語音 AI 自動點餐（Automated Order Taker）。測試的目的，是看自動語音點餐能不能讓員工輕鬆一點，也讓客人點得更絲滑。2024 年 6 月，麥當勞決定結束這項在約 100 家門市進行的測試。

為什麼喊停？官方沒有細講。CNBC 引述兩位熟悉這套系統的人士說，它不太能理解不同的口音和方言，影響了點餐正確率；正確率多少？他們沒說。餐飲業媒體 NRN 則提到，投資研究機構 BTIG 2022 年的報告顯示，語音點餐正確率大約在 80% 出頭，而麥當勞希望先做到 95% 以上，才考慮擴大使用，太霸氣了。

80% 和 95% 差在哪？80% 出頭，差不多是每 5 台車就有將近 1 台的單出錯；95% 則是每 20 台才錯 1 台。尖峰時段一整排車，五錯一的得來速可能就不速了。

這套系統點錯餐的畫面也在 TikTok 上被拿來當笑料，Fortune 報導過一張訂單被加到 260 塊麥克雞塊的例子。

麥當勞也說，這次合作讓它相信語音點餐仍會是餐廳的未來，但未來還沒到。

聽懂一句還不夠

點餐 AI 通常要過好幾關。第一關是語音辨識（Automatic Speech Recognition，ASR）：把聲音轉成文字，像替你打逐字稿。第二關是自然語言理解（Natural Language Understanding，NLU）：讀懂這串文字想做什麼。

但對點餐來說，最要命的是它得一直維護一張「目前的訂單」，點了什麼、幾份、什麼尺寸、哪一樣被改掉、哪一樣被刪掉。這在對話系統裡叫對話狀態追蹤（Dialogue State Tracking）。

每一句話，都在改同一張單

這類系統通常把它拆成三個步驟。

第一步，判斷意圖（Intent），也就是你這句話想做什麼：加點、修改、刪除，還是結帳。第二步，抓出槽位（Slot），也就是完成這件事需要的資訊。槽位像表格裡的空格：點一杯飲料，就有「品項」「大小」「數量」幾格要填，你說「中杯可樂」，就一次填了兩格。第三步，把這次的變化套到訂單上，存成新的狀態。下一句話進來，再從更新後的訂單接著處理。

拿開頭那台車試試看。「加一個蘋果派」：意圖是加點，槽位是蘋果派、一個，訂單多一行。「可樂換雪碧」：意圖是修改，系統要先在訂單裡找到那杯可樂，把它換掉，而不是再多一杯雪碧。「那個大薯不要了」：意圖是刪除，系統還得自己想通，「那個」指的是剛剛點的大薯。

而且得來速的環境還很嚴峻

得來速偏偏是很難的場地：引擎、風聲、車內小孩、隔壁車道，還有好幾個人搶著講。語音辨識每聽錯一個字，狀態追蹤就拿著錯的資訊去改訂單。口音和方言也是類似的道理：辨識模型平常聽得少的說法，就比較容易聽錯。

真人店員聽不清會問：「不好意思，您剛剛是說雪碧嗎？」AI 也能被設計成這樣反問。但問太多，車子塞在窗口；問太少，訂單就錯。得來速最要求快，真的太難人。

加蘋果派、換雪碧、刪大薯其實不是最有挑戰的，是那引擎聲裡、三個人搶話時，每一句口音都聽對，每一個「那個」都猜對。麥當勞喊停了，但它努力過了。

看到這裡的你，值得來一份大薯不加鹽。

延伸討論

點餐快一點但偶爾出錯，或多確認一次但慢一點，你選哪個？

來源（查證日 2026/11/08）：

• McDonald's is ending its AI drive-thru test with IBM（Nation's Restaurant News）（在新分頁開啟）・2024/06/17
• McDonald's to end AI drive-thru test with IBM（CNBC）（在新分頁開啟）・2024/06/17
• Amazon Lex V2 核心概念（AWS 文件）（在新分頁開啟）

文／上哲（ChatGPT 協力）