缺工不是只靠徵人解決，AI 也不是買來就會變好

餐飲缺工、零售缺工，是許多台灣業者在經營現場會感受到的壓力。但在沒有可直接寫入的本輪缺工數字前，品牌不應只憑感覺做決策。行政院主計總處「薪情平臺／薪情探索」是台灣官方薪資與受僱員工統計查詢入口，截至 2026-07-03，查詢月份可選到民國 115 年 4 月，也就是 2026 年 4 月。

這個入口可查詢薪資、受僱員工人數、進入率、退出率、總工時、正常工時、加班工時等統計項，行業別也包含批發及零售業、零售業、住宿及餐飲業、餐飲業與餐館。它不能單獨證明「缺工已發生」，但很適合作為業者後續檢驗人力、工時與薪資變化的官方資料來源。

真正的營運升級，不是把 AI 客服、AI 排班或智慧補貨拆成單點工具，而是把客服、排班、庫存管理、餐飲 POS、零售 POS、會員系統與銷售資料，整理成能支援決策的營運系統。

AI 先輔助員工，而不是取代員工

Brynjolfsson、Li、Raymond 的客服研究使用 5,172 名客服人員資料，結果顯示生成式 AI 對話助理使每小時解決問題數平均提高 15%，且低經驗、低技能客服受益較明顯。這是客服場景研究，不能外推成台灣餐飲零售導入 AI 一定提升 15%。

但這個研究給餐飲與零售一個重要方向：AI 的第一步，應該是讓員工少花時間查資料、重複確認、手動彙整，並讓新人更快掌握標準流程。

從客服到門市現場：AI 可以支援哪些工作？

業者可以先盤點三類重複性工作：

• 顧客常見問題回覆，例如訂位、退換貨、點數、配送進度
• 門市作業提醒，例如備料、清潔、設備狀態、缺貨通知
• 營運資訊同步，例如 POS 訂單、會員紀錄、庫存狀態與促銷活動

這些場景的共同點，不是「完全自動化」，而是讓人員更快取得正確資訊，減少跨系統查詢與口頭傳遞造成的落差。

國際案例：成功條件與風險要一起看

2026 年，Burger King 在美國 500 間餐廳試點 OpenAI-powered AI 助理 Patty，作為 BK Assistant 平台的一部分，透過員工耳機支援餐點製作、清潔／設備或庫存提醒、客服互動輔助等營運工作。相關報導也指出，BK Assistant 可與雲端 POS 及數位菜單系統連動；當缺貨或設備異常時，可更新 kiosk、drive-thru 與數位菜單等觸點，平台規劃於 2026 年底前推向美國門市。

這個國際案例的啟示，不只是「餐廳也能用 AI 耳機」，而是 AI 要能連到 POS、菜單、庫存與現場流程，才可能成為營運支援工具。同時，員工互動品質分析也可能引發監控疑慮；公司稱用途是 coaching 與營運支援，不是評分個別員工。業者若導入類似工具，應清楚界定資料用途與管理邊界。

反例提醒：沒有流程標準化，AI 也會卡在現場

AI 不是萬靈丹。媒體報導指出，Starbucks 的 Automated Counting AI 庫存工具於 2026 年停止使用；該工具在北美門市推行約 9 個月後，因辨識、盤點準確度與現場操作問題而退回人工盤點。

這個案例提醒餐飲與零售業者，實體場域的 AI 不只看模型能力，也看現場條件、品項管理、作業流程與資料品質。若商品資料不一致、庫存紀錄不準、門市操作沒有標準化，再好的庫存管理工具也很難穩定發揮。

導入前先檢查三件事

• 商品、原物料與菜單資料是否有一致命名與分類
• POS CRM 整合是否能連結訂單、會員、庫存與回訪紀錄
• 現場是否有清楚的盤點、補貨、異常回報流程

AI 自動化要成功，前提往往不是功能最多，而是資料乾淨、流程清楚、責任邊界明確。

從智慧補貨到需求預測：零售與連鎖餐飲的下一步

Target、Walmart 等大型零售商已有 AI／ML 庫存預測與補貨案例。Target 官方技術文說明 Inventory Ledger 與模型可用來偵測未知缺貨、修正庫存並觸發補貨；Walmart 官方技術文則說明其 AI／ML 庫存系統結合歷史銷售、搜尋、天氣、總體經濟與區域資料做庫存配置。Business Insider 也報導 Target、Home Depot、Walmart 使用 AI 預測缺貨、改善補貨與在地庫存配置。

這些是美國大型零售案例，不能直接套用成台灣中小零售成效。但它們指出一個清楚方向：需求預測與智慧補貨，必須建立在銷售、商品、庫存與區域資料能被系統讀懂的基礎上。

連鎖餐飲也有類似趨勢。Business Insider 於 2026 年 5 月報導，Cava 導入 Cava Core 與 Cava Current，目標涵蓋需求預測、排班／備料對齊、庫存管理與個人化行銷。對餐飲業來說，這代表 AI 不只是客服工具，也可能逐步進入排班、備料與會員經營。

結論：先整合資料，再談 AI 自動化

餐飲與零售面對人力壓力時，AI 自動化值得評估，但更重要的是營運資料是否能被整合。AI 客服需要正確的知識庫與會員資料；AI 排班需要銷售、尖離峰與人力紀錄；智慧補貨需要可靠的商品資料、POS 銷售與庫存管理。

如果資料仍分散在 POS、Excel、會員系統、通訊軟體與各門市後台，AI 只能解決局部問題。若先完成 POS CRM 整合、商品資料標準化與流程盤點，AI 才有機會成為輔助員工、減少重複工作、提升資訊同步的營運工具。

行動呼籲

Metabiz 建議業者先從「AI 導入前營運盤點」開始：列出目前客服、排班、庫存、POS、會員與銷售資料在哪裡，哪些資料可串接，哪些流程最常重工，哪些決策仍靠人工經驗判斷。

先把資料基礎整理好，再選擇 AI 客服、AI 排班或智慧補貨工具，才能讓技術真正服務現場，而不是增加另一個需要人維護的後台。

FAQ

官方統計能證明餐飲零售缺工嗎？

不能單獨證明。官方統計可用來觀察薪資、受僱員工人數、進入率、退出率、工時與加班等變化，但業者仍應結合自身門市人力、排班與營業資料判斷。

AI 會取代門市員工嗎？

本文建議把 AI 作為輔助工具，而不是取代員工。適合先處理查資料、提醒、整理與同步資訊等重複工作，讓現場人員更快做出正確判斷。

中小餐飲零售導入 AI 前最該先做什麼？

先整理 POS、會員、庫存、商品、排班與銷售資料，確認資料命名一致、流程清楚、系統能串接，再評估 AI 客服、排班或智慧補貨工具。