Wiosną 2026 roku dwie największe amerykańskie sieci gastronomiczne zaliczyły publiczne wpadki z wdrożeniami sztucznej inteligencji, a Gartner ostrzegł rynek przed praktyką nazwaną agent washing. Skutek uboczny jest taki, że restauratorzy przestali wierzyć w cokolwiek, co ma w nazwie słowo „agent”.
- Starbucks 21 maja 2026 roku wygasił program Automated Counting oparty na czujnikach LiDAR i kamerach, wdrożony we wrześniu 2025 roku w ponad 11 000 lokali w Ameryce Północnej – system mylił rodzaje mleka i nie wykrywał niektórych butelek na półkach.
- Franczyzobiorca Chaac Pizza Northeast, operator 111 lokali Pizza Hut, złożył w Business Court of Texas pozew przeciwko Yum! Brands, zarzucając obowiązkowo wdrożonej platformie Dragontail udostępnianie kierowcom DoorDash zbyt szczegółowych danych o pracy kuchni i czasach zamówień.
- Wiosną 2026 roku firma Gartner ostrzegła rynek przed zjawiskiem nazwanym „agent washing", a głośne wpadki dużych sieci gastronomicznych przy wdrożeniach AI spowodowały utratę zaufania restauratorów do rozwiązań określanych mianem agentów AI.
Piszę o tym, bo to jeden z tych tematów, gdzie łatwo wyciągnąć zły wniosek. Nagłówki mówią: AI nie nadaje się do gastronomii. Materiał źródłowy, który przygotował Erick Espinosa dla Unite.AI, pokazuje coś innego. Nie technologia zawiodła, tylko sposób jej kupowania.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Starbucks wraca do liczenia mleka ręcznie
21 maja 2026 roku Starbucks wygasił program Automated Counting, wdrożony we wrześniu 2025 roku w ponad jedenastu tysiącach lokali w Ameryce Północnej. System firmy NomadGo korzystał z czujników LiDAR i kamer tabletów, żeby automatycznie zliczać syropy, mleka i inne składniki napojów na półkach. Reuters, który dotarł do wewnętrznego newslettera sieci i potwierdził jego treść u dwóch pracowników, opisywał wcześniej, że aplikacja regularnie myliła podobne rodzaje mleka albo w ogóle nie widziała butelek stojących na półce. Dziewięć miesięcy i koniec.
To bolesne o tyle, że narzędzie miało być elementem naprawy sieci pod wodzą Briana Niccola. Marża operacyjna Starbucksa na rynku północnoamerykańskim spadła do 9,9 procent z 18 procent sprzed dwóch lat. Kurs akcji rósł, ale operacyjnie sieć wciąż łatała dziury w dostępności produktów. Firma tłumaczy decyzję chęcią ujednolicenia sposobu liczenia zapasów we wszystkich kawiarniach.
W tym samym miesiącu Chaac Pizza Northeast, operator 111 lokali Pizza Hut w Nowym Jorku, New Jersey, Maryland, Pensylwanii i Waszyngtonie, złożył w Business Court of Texas pozew przeciwko Yum! Brands. Chodzi o obowiązkowo wdrożoną platformę Dragontail, przejętą przez Yum! w 2021 roku. Franczyzobiorca twierdzi, że system dawał kierowcom DoorDash zbyt szeroki wgląd w pracę kuchni i czasy zamówień, przez co ci opóźniali odbiory, łączyli dostawy i wybierali zlecenia z wyższymi napiwkami. Przed wdrożeniem ponad 90 procent pizz docierało do klientów w ciągu pół godziny. Potem, według pozwu, zaczęły stygnąć na blacie. Kwota roszczenia: ponad 100 milionów dolarów.
Warto zestawić to z sytuacją całej marki. Yum! zapowiedział w lutym zamknięcie 250 lokali Pizza Hut w pierwszej połowie 2026 roku i uruchomił przegląd opcji strategicznych dla całej sieci.
Czym właściwie jest agent washing
20 maja 2026 roku, podczas Gartner Supply Chain Symposium/Xpo w Barcelonie, firma analityczna ostrzegła rynek planowania łańcucha dostaw przed zjawiskiem, które nazwała agent washing. Definicja jest prosta i brutalna: sprzedawanie zwykłej automatyzacji jako autonomicznego agenta AI.
„Liderzy planowania łańcucha dostaw powinni przygotować się na przyszłość z agentami AI, ale muszą oddzielić realne możliwości od szumu rynkowego” / „SCP leaders should prepare for an agentic AI future, but they need to separate meaningful capability from market noise”, powiedział Jan Snoeckx, Senior Director Analyst w praktyce łańcucha dostaw Gartnera. Dodał, że priorytetem nie jest dziś pełna autonomia, tylko dyscyplina operacyjna i elastyczna architektura, które pozwolą skalować agentów, gdy technologia dojrzeje.
Gartner wylicza konkretne błędy, których kupujący powinni unikać:
- branie pozycjonowania marketingowego dostawcy za dowód autonomii, bo większość obecnych rozwiązań nie potrafi samodzielnie przestawiać kolejności celów ani negocjować kompromisów
- monolityczne transformacje i doklejanie agentów do systemów zastanych, co podnosi koszt wyjścia i zamyka firmę u jednego dostawcy
- rzucanie agentów na najtrudniejsze zadania, takie jak negocjacje między firmami czy oceny etyczne, przed 2027 rokiem
- ignorowanie zwykłej automatyzacji tam, gdzie proces jest powtarzalny i regułowy, a więc idealny dla prostszego narzędzia
Analitycy stawiają też poprzeczkę dla prawdziwej autonomii: automatyczne wygenerowanie planu, automatyczny wybór najlepszego wariantu i realizacja bez udziału człowieka. Dostawcy obiecujący taki poziom przed 2027 rokiem, zdaniem Gartnera, przesadzają. W osobnej analizie firma szacowała, że spośród tysięcy dostawców reklamujących się jako agentowi za autentycznych można uznać około 130. Pisałem o tym szerzej w poradniku o wyborze agencji automatyzacji AI.
Gdy agentem AI okazuje się człowiek z Manili
Czasem różnica między obietnicą a rzeczywistością nie jest potknięciem, tylko oszustwem. 14 stycznia 2025 roku amerykańska Komisja Papierów Wartościowych i Giełd rozstrzygnęła sprawę przeciwko Presto Automation, spółce notowanej wcześniej na Nasdaq. Firma twierdziła w raportach i komunikatach, że jej produkt Presto Voice wyeliminował potrzebę udziału człowieka w przyjmowaniu zamówień w okienkach drive-thru.
Z ustaleń regulatora wynika co innego. Presto zatrudniało, szkoliło i nadzorowało operatorów pracujących zdalnie, głównie na Filipinach i w Indiach, którzy obsługiwali zdecydowaną większość zamówień. Pierwsza wersja systemu wymagała interwencji człowieka przy każdym zamówieniu, kolejna przy mniej więcej siedmiu na dziesięć. To pierwsza taka sprawa o AI washing wytoczona spółce publicznej.
Presto jest skrajnym przypadkiem tego samego odruchu, który stoi za agent washingiem. Tam „sztuczną inteligencją” byli po prostu ludzie.
Na tegorocznych targach National Restaurant Association Show sala pełna była podobnych obietnic. Jeden z wystawców sprzedawał usługę czyszczenia okapów kuchennych działającą rzekomo na sztucznej inteligencji. Khara Mangiduyos, właścicielka Kalei’s Kitchenette w San Diego, skwitowała to w rozmowie z dziennikarzem Restaurant Business krótko: „Kto będzie zeskrobywał ten tłuszcz? Nie bot. Nie AI.” / „Who’s gonna scrape that oil? Not a bot. Not AI.”
Mam z tym tematem problem, bo obie strony sporu mają rację i obie mówią o czymś innym. Restaurator, który czytał o Starbucksie i Pizza Hut, wyciąga wniosek: nie kupuję. Dostawca, który sprzedaje uczciwe narzędzie do uzgadniania faktur, traci klienta przez cudze przechwałki. Tak działa zatruwanie kategorii i to jest dziś realny koszt hype’u, większy niż koszt nieudanych wdrożeń.
Jednocześnie nie kupuję narracji, że wielkie sieci zrobiły coś głupiego. Starbucks przetestował rozwiązanie na skalę, wyszło źle, wyłączył je po dziewięciu miesiącach. To jest poprawne zachowanie, nie kompromitacja. Problem zaczyna się wtedy, gdy taki eksperyment jest obowiązkowy dla franczyzobiorcy, który nie może go odmówić i nie ma budżetu na absorbowanie strat. Sprawa Pizza Hut dotyczy właśnie tego, a nie jakości algorytmu.
Pytanie, które zadałbym każdemu dostawcy: co dokładnie ten system robi, gdy nikt nie patrzy? Jeśli odpowiedź da się zapisać jako zestaw reguł, świetnie, tylko nie płaćmy za to jak za agenta.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Sztokholmska kawiarnia, 6000 serwetek i puszki pomidorów
Najlepszą ilustracją tego, co się dzieje, gdy agent dostaje realną władzę, jest eksperyment laboratorium Andon Labs. Wiosną badacze oddali agentowi opartemu na Gemini, nazwanemu Mona, kontrolę nad zapleczem sztokholmskiej kawiarni. Wszystkim poza ekspresem: zamówieniami, pozwoleniami, rekrutacją, umowami z dostawcami.
Mona kupiła 3000 gumowych rękawiczek i 6000 serwetek do maleńkiego lokalu. Zamówiła puszkowane pomidory, których nie używa żadna pozycja w menu. Pisała do baristów na Slacku po godzinach pracy. Laboratorium tłumaczyło błędy krótką pamięcią agenta. Relację z eksperymentu opublikował PBS NewsHour.
To nie jest argument przeciwko agentom. To argument za tym, żeby nie sadzać ich przy kasie ani przy zamówieniach, dopóki ktoś nie ogarnia tego, co wychodzi na drugim końcu.
AI, która naprawdę działa, jest kompletnie nieciekawa
Mariano Jurich, senior product leader w Making Sense, doradza firmom średniej wielkości i spółkom portfelowym funduszy private equity przy wyborze narzędzi AI. Uważa, że kłopot zaczyna się od samego słowa, bo branża nigdy nie uzgodniła, czym jest agent.
„Jeśli potrafisz opisać, co robi narzędzie, zdaniem typu jeżeli-to-zrób, to prawdopodobnie nie jest w stu procentach agentowe” / „If you can describe what the tool does on an if-then-do type of sentence, then it’s probably not agentic 100 percent”, mówi. I zaraz dodaje, że to nie zarzut wobec prostszych rozwiązań. Dla większości potrzeb, jak ujmuje, agentowość to przerost formy.
James Tice pracował na sali w restauracjach, zanim przeszedł do technologii. Dziś odpowiada za rozwój w Tab Commerce, platformie finansowej używanej przez duże marki gastronomiczne. Jego zdaniem AI, która faktycznie przechodzi próbę rynku, to ta, o której nikt nie pisze: uzgadnianie faktur, wyłapanie zawyżonego rachunku od dostawcy, szybsze zamknięcie ksiąg.
Najciekawsza jest jednak jego uwaga o mierzeniu efektów. „W restauracji nie ma czegoś takiego jak oszczędność czasu. Jest tylko alokacja czasu.” / „There’s no such thing as time savings in a restaurant. There’s just time allocation.” Narzędzie, które oddaje operatorowi trzydzieści minut, wykonało dopiero połowę pracy, jeśli nie potrafi odpowiedzieć, skąd ten czas zabiera i gdzie go przenosi.
I jeszcze jedno zdanie, które warto zapamiętać przy każdej dyskusji o automatyzacji obsługi gościa: „Wydajesz 50 dolarów na talerz jedzenia i nie kupujesz jedzenia za 50 dolarów, tylko doświadczenie za 50 dolarów” / „You spend 50 bucks on a plate of food, you’re not buying $50 of food, you’re buying $50 of experience”.
Tymczasem Taco Bell rozszerzył głosowe przyjmowanie zamówień do ponad 890 okienek drive-thru, mniej więcej dwa lata po tym, jak wcześniejsza wersja systemu zasłynęła przyjęciem zamówienia na 18 tysięcy kubków wody. Kto ma bilans, ten może sobie pozwolić na taki cykl. Właściciel trzech lokali nie może.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polska gastronomia kupuje AI, zanim uporządkuje dane
U nas problem wygląda inaczej, bo skala jest inna, ale mechanizm sprzedaży identyczny. Branżowy serwis HORECA WORKS przywołuje dane Mastercard, według których 75 procent polskich przedsiębiorców uważa, że ich firma świetnie radzi sobie bez zmian, podczas gdy 43 procent nadal opiera pracę na papierze. Jeśli POS, CRM i system rezerwacji nie rozmawiają ze sobą, to żaden agent nie ma z czego wyciągać wniosków.
Są też polskie wdrożenia, które nie udają autonomii. Spółka Cross Check AI zbudowała system zarządzania środowiskiem kuchennym dla sektora szybkiej obsługi i uruchomiła go najpierw w sieci Popeyes, a potem w Burger Kingu zarządzanym przez Rex Concepts. Firma podaje spadek marnowanej żywności o 0,25 punktu procentowego i szacuje oszczędności do pół miliona euro rocznie dla sieci pięćdziesięciu lokali, przy rynkowym poziomie strat surowca sięgającym od 4 do 10 procent zakupionej żywności.
„Pokazujemy, że sztuczna inteligencja w gastronomii to nie odległa wizja, ale realne narzędzie optymalizacji kosztów i budowania lojalności gości tu i teraz”, mówi Kamil Dzięgielewski, prezes zarządu Cross Check AI.
Zwróćcie uwagę, o czym mówi ta wypowiedź. O prognozowaniu popytu i produkcji dopasowanej do ruchu. Nie o autonomicznym agencie negocjującym z dostawcami. To dokładnie ta klasa narzędzi, którą Gartner zaleca kupować dziś, zamiast czekać na coś, czego jeszcze nie ma.
Podobnie brzmi Mariusz Piórkowski ze systemu rezerwacyjnego MojStolik.pl, który w rozmowie z GastroWiedzą mówił o eliminowaniu chaosu przy ręcznym zarządzaniu rezerwacjami i o tym, że restauratorzy przestają działać w ciemno. Znowu: konkretne, ograniczone zadanie.
Dla polskiego restauratora praktyczny wniosek z całej tej historii sprowadza się do jednego pytania przy stole negocjacyjnym. Nie „czy to jest AI”, tylko „co dokładnie ten system decyduje sam i co się dzieje, gdy zdecyduje źle”. Jeśli sprzedawca nie potrafi odpowiedzieć w dwóch zdaniach, prawdopodobnie sprzedaje etykietę.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym materiału Unite.AI z dnia 26.08.2026, komunikatu Gartnera z dnia 20.05.2026 oraz relacji Fortune z dnia 19.05.2026. Korzystałem także z ustaleń Reutersa, CNBC, The Register, QSR Magazine, Restaurant Business, PBS NewsHour oraz z dokumentu amerykańskiej Komisji Papierów Wartościowych i Giełd w sprawie Presto Automation (File No. 3-22413). Część dotycząca polskiego rynku opiera się na materiale RetailNet oraz publikacjach HORECA WORKS i GastroWiedza.pl. Cytaty Jana Snoeckxa, Khary Mangiduyos, Mariano Juricha i Jamesa Tice’a zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o agent washingu i wdrożeniach AI w gastronomii.
