ファストフード大手のDairy Queenが、AIチャットボットをドライブスルーに本格展開する。米国とカナダの複数のフランチャイズ店舗から順次ロールアウトを始め、注文速度の向上と「アップセル（追加購入の促進）」を狙う。チェーン単体の取り組みに見えるが、その背後にある流れは、産業現場におけるAI実装の現実を鋭く映し出している。

Prestoが担うファストフードAIの基盤

今回の主役は、AIドライブスルーシステムを提供するスタートアップ「Presto」だ。すでにCarl’s Jr.、Hardee’s、Taco John’s、Fazoli’sなど複数のチェーンと取引実績がある。Dairy Queenとの契約は昨年の試験運用を経てのもので、注文の正答率は約**90%**と報告されている。

ただし、2023年にBloombergが報じた内容には注意が必要だ。Prestoのシステムは純粋な自律AIではなく、フィリピンなど海外拠点の人間オペレーターが遠隔でバックアップに入る「人間補助型AI」の構造になっている可能性が指摘されていた。完全自律のAI接客ではなく、AIと人間のハイブリッド構成——この点は、現時点のAI音声認識の限界を正直に示している。

ファストフード業界のAI競争

Dairy Queenの動きは孤立した事例ではない。業界全体のトレンドとして見る必要がある。

  • Wendy’s：2023年からGoogleのAI技術を活用したドライブスルーを試験導入
  • McDonald’s：チャットボット型ドライブスルーをパイロット展開（現在は縮小）
  • Taco Bell：一部顧客からの不満と「チャットボットをわざと困らせる」悪戯投稿を受け、展開地域を見直し中
  • Burger King：ドライブスルーではなく、店員のイヤホンにAIを組み込み「接客態度の評価」と調理補助に活用

各社がそれぞれの文脈でAIを試しており、正解はまだ出ていない。

実務への影響——日本の小売・飲食業界はどう読むか

Dairy QueenはあくまでUS・カナダの話だが、日本の小売・飲食業界にとっても他人事ではない。

音声AIによる注文受付の精度問題は日本でも同じ。英語よりも多様なイントネーションと方言を持つ日本語での精度確保は、英語より難しい課題になる。「90%の精度」でも10件に1件はエラーが起きることを意味し、混雑するランチタイムに頻繁にリカバリーが必要になれば、かえって現場負担が増す可能性がある。

人間補助型ハイブリッド構成は参考になる設計思想だ。「AIに全部任せる」ではなく、AIが一次対応し、難易度が高いケースを人間がカバーする構造は、日本企業がAI導入を検討するときの現実的な出発点になる。「完全自動化」にこだわりすぎると導入が止まる。まず部分的な自動化から始めることが重要だ。

アップセル機能の実装は慎重に。「AIが積極的に追加注文を勧める」設計は、顧客体験によっては押しつけがましさにつながる。Taco Bellが経験したような炎上リスクを避けるためにも、推薦の頻度とタイミングの設計が重要になる。

IT管理者・エンジニアとして押さえておきたい実務ポイント：

  • PoC→段階展開の設計：Dairy Queenも昨年の試験運用から本格展開へ。小規模で精度・オペレーション影響を測ってから拡大するプロセスが現実的
  • エラーハンドリングの設計を先に決める：90%が成功するということは10%は失敗する。その失敗時のUX（ユーザー体験）をどう設計するかが実は最も重要
  • ハイブリッド構成の透明性：「AIが対応します」と言いながら裏では人間が介在する構成は、開示方針を事前に整理しないとブランドリスクになる

筆者の見解

Dairy Queenのニュースを読んで最初に感じたのは、「産業AIの現実はやはりこうなるよな」という納得感だ。

音声認識AIのドライブスルー応用は技術的に面白いが、現場で動かしてみると「90%精度＋人間バックアップ」という構成に落ち着くのはある意味必然だ。AIが自律的に判断・実行・検証を繰り返すループを回せるほど、現在の音声AIはまだ安定していない。特に注文という、金銭が絡みミスが直接クレームに直結する場面では、完全自律にする怖さは理解できる。

だからこそ、次のステップとして注目したいのは「どこまで人間介在を減らせるか」の試行錯誤だ。PrestoのようなプレイヤーがDairy Queenという大きな実証環境を得たことで、精度改善のフィードバックループが回り始める。今後数年で精度が95%、98%と上がっていけば、人間補助の必要性は急速に低下する。そのタイミングで「AI不在のドライブスルー」がコストで圧倒的に有利になる。

日本の外食・小売業界がこのトレンドをどう受け取るか、少し心配している。「海外の話」として様子見をしている間に、テクノロジーの実装コストが大幅に下がり、気づいたら導入ノウハウで大きな差がついていた——そういう展開を、IT産業全体でここ数年繰り返してきた。

注文精度90%という数字は、批判的に見るか前向きに見るかで評価が変わる。「まだ10%も失敗する」と見るか、「初期展開でこの精度ならスケールしたら十分使える」と見るか。筆者は後者の見方をしている。PoC段階でこの精度が出ているなら、本格展開と改善サイクルを回せば現場で十分機能するレベルに到達できる。

産業AIの実装は、理想の完全自律ではなく、現実的なハイブリッドから始まる。それが今、ファストフードのドライブスルーで実証されつつある。

出典: この記事は Dairy Queen is putting an AI chatbot in its drive-thrus の内容をもとに、筆者の見解を加えて独自に執筆したものです。