Starbucks w ChatGPT. Kiedy sztuczna inteligencja komplikuje zamawianie kawy

👁 168 przeczytań

Są rzeczy, które aż proszą się o automatyzację: analiza setek dokumentów, wyszukiwanie błędów w kodzie, porównywanie umów, tworzenie raportu z danych, planowanie kampanii albo przeszukiwanie skrzynki mailowej. A potem jest zamawianie kawy.

Starbucks postanowił sprawdzić, czy ChatGPT może pomóc klientom odkrywać napoje na podstawie nastroju, zachcianki albo zdjęcia. Firma uruchomiła testową aplikację Starbucks w ChatGPT. Użytkownik może opisać, na co ma ochotę - na przykład coś jasnego na poranek, coś pobudzającego po południu albo coś pasującego do pogody - a aplikacja ma zaproponować napoje, umożliwić personalizację, wybór kawiarni i rozpoczęcie zamówienia. Finalizacja płatności odbywa się już w aplikacji lub na stronie Starbucksa.

Na papierze brzmi to jak dobry przykład handlu wspieranego przez sztuczną inteligencję: klient nie przegląda menu, tylko rozmawia z asystentem, a ten pomaga przejść od inspiracji do zakupu. W praktyce test opisany przez The Verge pokazał coś znacznie ciekawszego: czasem sztuczna inteligencja nie rozwiązuje problemu. Czasem dodaje nową warstwę komplikacji do czynności, która wcześniej była banalna.

Nie zaczynasz od menu, zaczynasz od nastroju

Starbucks tłumaczy, że klienci coraz częściej nie zaczynają od konkretnego produktu, ale od uczucia. Chcą czegoś ciepłego, orzeźwiającego, pobudzającego, przytulnego, pasującego do dnia, stylu albo zdjęcia.

W oficjalnych materiałach firma podawała przykłady poleceń w rodzaju: „chcę czegoś jasnego na początek poranka” albo „mam ochotę na popołudniowe pobudzenie, ale niezbyt słodkie”. Można też przesłać zdjęcie - pogody, stroju, miejsca pracy czy zachodu słońca - i dostać sugestię napoju pasującego do klimatu.

To jest bardzo współczesne. Nie „wybierz produkt z listy”, tylko „opowiedz mi, kim dziś jesteś”. Nie „kawa mrożona z mlekiem”, tylko „coś, co pasuje do mojego nastroju”. Nie „menu”, tylko „doświadczenie”.

Problem polega na tym, że kawa nie zawsze jest doświadczeniem. Często jest transakcją.

Rano człowiek nie chce filozofii. Chce kubek

Człowiek bez kawy rano niekoniecznie chce kreatywnej rozmowy z modelem językowym. Chce powiedzieć: „to co zawsze” i dostać kubek. Jeśli sztuczna inteligencja ma wejść w taki moment, musi być szybsza, prostsza i bardziej niezawodna niż dotychczasowa aplikacja.

Inaczej nie jest asystentem. Jest przeszkodą z ładnym interfejsem.

To właśnie jest największe napięcie w pomyśle Starbucksa. Sztuczna inteligencja świetnie nadaje się do odkrywania, rekomendowania i tłumaczenia różnic między opcjami. Ale jeśli użytkownik wie, czego chce, rozmowa może stać się nie pomocą, tylko opóźnieniem.

Test The Verge: zamiast zamówienia rozmowa o zamówieniu

David Pierce z The Verge przetestował integrację w bardzo prostym scenariuszu. Chciał zamówić swoją standardową kawę: dużą mrożoną kawę z odrobiną odtłuszczonego mleka. Jak sam zauważył, w klasycznej aplikacji Starbucks to kilka kliknięć.

W ChatGPT proces okazał się bardziej skomplikowany. Po wpisaniu polecenia ChatGPT nie zamówił od razu kawy, tylko odpowiedział opisem napoju. Następnie pojawiło się menu z propozycjami, ale użytkownik musiał ręcznie wejść w personalizację, wybrać rozmiar i mleko, bo w przeciwnym razie koszyk zawierał inną wersję napoju.

Potem pojawiły się kolejne problemy: nieprecyzyjna sugestia drugiego napoju, limit wiadomości, błędna lokalizacja sklepów i w końcu przełączenie na słabszy model, który nie obsługiwał już tej samej funkcji zamawiania.

To świetny przykład problemu, który w projektowaniu produktów powraca od lat: nowy interfejs musi wygrać z istniejącym zachowaniem użytkownika. Jeśli ktoś ma już wyrobiony nawyk, a aplikacja działa szybko, sztuczna inteligencja musi dać realną przewagę. Nie wystarczy, że jest bardziej efektowna.

Największy błąd: odkrywanie produktu to nie to samo co zamawianie

Starbucks w ChatGPT może mieć sens jako narzędzie odkrywania. Jeśli ktoś nie wie, co zamówić, lubi eksperymentować, szuka czegoś sezonowego albo chce dopasować napój do nastroju, rozmowa ze sztuczną inteligencją może być przyjemna.

Model może zaproponować coś, czego klient nie znał. Może wyjaśnić różnice między napojami. Może dopasować opcje do preferencji: mniej cukru, bez kofeiny, mleko roślinne, smak owocowy, napój kremowy, mrożony albo gorący.

Ale to jest inny problem niż zamawianie. Odkrywanie produktu jest kreatywne. Zamawianie produktu jest operacyjne.

W odkrywaniu klient może chcieć porozmawiać. W zamawianiu chce skończyć jak najszybciej. W odkrywaniu sztuczna inteligencja może być doradcą. W zamawianiu musi być wykonawcą. W odkrywaniu sugestia jest wartością. W zamawianiu sugestia może być przeszkodą.

Dlaczego marki pchają się do rozmów ze sztuczną inteligencją

Starbucks nie jest tylko eksperymentem kawowym. To test większej zmiany: czy ChatGPT stanie się miejscem, w którym zaczynamy zakupy, wybory i decyzje produktowe?

Dla marek to kuszące. Zamiast czekać, aż klient wejdzie do aplikacji, można pojawić się w rozmowie wtedy, gdy klient mówi: „mam ochotę na coś słodkiego”, „co zamówić po treningu?” albo „co pasuje do deszczowego popołudnia?”.

To przesuwa handel internetowy z katalogu produktów do konwersacji. Klient nie musi znać nazwy produktu. Wystarczy, że opisze potrzebę. A marka może spróbować zamienić tę potrzebę w zamówienie.

Tylko że konwersacja nie zawsze jest najlepszym interfejsem.

Handel oparty na nastroju może działać - ale nie wszędzie

Nie wyśmiewałbym samego pomysłu za szybko. Handel oparty na nastroju może być realną kategorią.

Jeśli kupujesz perfumy, ubrania, dekoracje, prezent, playlistę, wakacje, jedzenie na randkę albo kawę sezonową, rozmowa o nastroju ma sens. Nie zawsze znasz nazwę produktu. Czasem naprawdę zaczynasz od klimatu: „coś eleganckiego, ale nie ciężkiego”, „coś letniego”, „coś dla osoby, która lubi minimalizm”, „coś na wieczór, ale bez przesady”.

W takim kontekście sztuczna inteligencja może pomóc, bo tłumaczy nieostre ludzkie pragnienia na konkretne opcje.

Ale są też kategorie, w których użytkownik nie potrzebuje inspiracji. Potrzebuje skrótu. Jeśli codziennie zamawia to samo, najlepszy interfejs to nie czat. Najlepszy interfejs to jeden przycisk. Albo brak przycisku: „zamów to, co zwykle, w najbliższym lokalu”.

Problem ze sztuczną inteligencją w aplikacjach konsumenckich

Ta historia pasuje do szerszego zjawiska: firmy często dodają sztuczną inteligencję nie tam, gdzie użytkownik ma problem, ale tam, gdzie produkt może wyglądać nowocześnie.

To różnica między produktem projektowanym „pod sztuczną inteligencję” a produktem projektowanym „pod użytkownika”. Pierwsze podejście pyta: gdzie możemy wstawić model? Drugie podejście pyta: gdzie użytkownik naprawdę traci czas, popełnia błędy albo potrzebuje pomocy?

W przypadku Starbucksa prawdziwy problem nie brzmi: „klient nie potrafi opisać swojego nastroju”. Prawdziwy problem może brzmieć: „klient chce szybko znaleźć swój ulubiony napój”, „klient nie zna różnicy między dwoma podobnymi napojami”, „klient chce mniej cukru, ale nie wie, jak zmienić skład”, „klient ma ograniczenia dietetyczne”, „klient chce zamówić to, co zwykle, w innym mieście”.

Sztuczna inteligencja mogłaby pomóc w każdym z tych przypadków. Ale musiałaby być podpięta pod historię zamówień, lokalizację, preferencje, dostępność produktów, płatności i koszyk w sposób niemal niewidzialny.

Czego Starbucks powinien się nauczyć

Pierwsza lekcja: czat nie zawsze jest lepszy niż przycisk. Jeśli zadanie jest powtarzalne, szybkie i dobrze obsłużone przez istniejący interfejs, rozmowa może być cofnięciem się o krok.

Druga lekcja: sztuczna inteligencja musi rozumieć intencję działania, nie tylko opis życzenia. Gdy użytkownik mówi „zamów mi kawę”, nie chce eseju o kawie. Chce wykonania akcji.

Trzecia lekcja: limity modelu nie mogą psuć transakcji. Jeśli użytkownik zaczyna zamówienie w jednym trybie, a potem zostaje przeniesiony do słabszego modelu, który nie umie kontynuować zadania, produkt przestaje być wiarygodny.

Czwarta lekcja: lokalizacja jest krytyczna. W zamawianiu jedzenia lub kawy błąd lokalizacji nie jest drobną niedogodnością. To fundament usługi.

Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →

Najważniejsza lekcja: nie każde zadanie chce być rozmową

Starbucks w ChatGPT to fascynujący eksperyment, ale nie dlatego, że pokazuje idealną przyszłość zamawiania kawy. Pokazuje raczej, jak łatwo firmy mogą pomylić nowość z użytecznością.

Sztuczna inteligencja może świetnie pomagać w wyborze. Może doradzać, inspirować, tłumaczyć menu i personalizować rekomendacje. Ale jeśli użytkownik wie, czego chce, sztuczna inteligencja musi zejść mu z drogi.

Największa lekcja z tej historii brzmi: nie każde zadanie chce być rozmową.

Czasem najlepszy interfejs przyszłości to nie czat, agent ani rozmowa o nastroju. Czasem najlepszy interfejs to po prostu szybkie: „zamów to co zawsze”.