← 所有雷達

門市 AI 落地雷達 · 每週一封

這週,AI 在門市發生了什麼?

第 16 期 · 觀察範圍 2026-08-31 ~ 09-07 · by Simon(Mr. Wu 創辦人)
📌 這週一句話 這期三個訊號都指向同一件事:你這禮拜真正動得了的 AI,多半不用多花一塊錢,因為它已經在你手上,只是你還沒把它打開。Toast 訪問了 676 位美國中小型餐飲業者,其中 42% 的人碰 AI 只有一條路,就是等系統廠商端上來,自己完全沒有另外試過。美國一位開五家便利店的老闆,把本來每個禮拜要花四到六個小時的選品功課,交給 AI 每天給他五個候選。Anthropic 9 月 2 日開源了一套給店家用的 AI 參考範本,裡面用程式碼寫死一條規矩:AI 只能建議,要人按核准才算數,而且在聊天裡打「我同意」不算核准。避坑:Ulta 只在不到 1% 的門市裝了車牌辨識,被罵的是整個品牌。
🔍這週 3 個信號
全球門市 AI 我幫你掃過,挑跟你的店最有關的。
調查說:四成的小餐廳碰 AI 只有一條路,等系統廠商端上來
9 月 1 日,餐飲 POS 公司 Toast 公布了 2026 年的《餐飲業之聲》調查。受訪的是 676 位美國餐飲業者和決策者,全部來自 16 家店以下的品牌,也就是跟你差不多規模的店,不是大連鎖。 裡面最值得看的不是「有多少人在用 AI」,是「他們是怎麼碰到 AI 的」。 42% 的業者說,他們試 AI 的方式只有一種:透過已經在用的科技廠商,自己完全沒有另外試過。 大約四分之一的人是兩邊都有,自己試,也透過廠商試。 接近五分之一的人是只靠自己試,沒有透過廠商。分業態看,正餐廳自己去摸索的比例是 23%,快餐店是 16%。 11% 說有在考慮但還沒開始。只有 2% 完全不考慮用 AI。 同一份調查裡還有一組數字,要跟上面那組合起來看才有意思。今年打算增加人手的業者只剩 49%,比去年少了 11 個百分點。打算維持現有人力不動的是 48%,比去年多了 10 個百分點。打算減人的只有 3%。 🔴 誠實標第一件:Toast 自己就是賣餐飲 AI 產品的公司,這份調查是它自己做的。一家賣 AI 的公司公布「大家對 AI 越來越有信心」,你要打折看。 誠實標第二件:這篇報導公布了樣本數,但沒有公布抽樣的時間、抽樣方式和誤差範圍。只有樣本數不等於方法論公開。 誠實標第三件:受訪的全部是美國業者。馬來西亞老闆用的系統不一樣,廠商生態也不一樣。這組數字給你的是一個問句,不是一個可以套到你身上的比例。
對你的店:餐飲最直接。但零售和美業只要你有在付月費用系統,這條一模一樣。 先講那個 42% 為什麼值得停下來看一下。 多數人看到這個數字的第一個反應是「原來大家都不太會自己試」,然後就翻過去了。反過來看才有東西:這 42% 的人,他們用到的 AI 全部是別人決定要給他們什麼。 你的 POS 廠商今年推什麼 AI 功能,你就用到什麼。他不推,你就以為沒有。 這件事在馬來西亞更成立,因為你多半就是這樣。你每個月在付 POS 的錢、會員系統的錢、排班系統的錢、記帳軟體的錢、送貨平台的抽成。這些系統這一年幾乎全部都在往裡面塞 AI 功能,但是沒有人會打電話通知你。 所以這禮拜最划算的動作不是去買新東西,是先去把你已經買的東西清一遍。 做法很土。拿一張紙,寫下你每個月有在付錢的系統,一個一個寫,不要漏掉。POS、會員、排班、記帳、送貨平台、訂位、社群排程、雲端硬碟,全部都算。多數老闆寫完會嚇一跳,因為通常有六到十樣,而且裡面有兩三樣是他已經忘記自己還在付錢的。 然後對每一樣問三個問題。 第一,這套系統有沒有 AI 功能? 第二,我現在這個方案有沒有包含?要不要另外加錢? 第三,怎麼開?開了之後我要餵它什麼東西,它才會準? 第三題最重要,也是最少人問的。多數 AI 功能開起來是空的,因為它要吃你的資料,而你的資料是亂的。品項的名字前後不一樣、同一個東西有三個叫法、上個月的庫存沒有結清。你把功能打開,它給你一堆看起來很專業但是錯的建議,你用兩次就不用了,然後你會說「AI 沒有用」。 那不是 AI 沒有用,是它讀到的東西是亂的。 再講後面那組人力的數字,因為它跟前面是同一件事的兩面。 打算增加人手的從六成掉到不到五成,打算維持不動的多了十個百分點。翻成白話:這一年同業普遍的打算,不是請更多人,是用現在這些人做完現在這些事。 這裡有一個坑要先講清楚,免得你走進去。「不加人」不等於「叫 AI 頂上」。多數店真正會發生的是:不加人,事情照樣多,然後現有的人默默加班,一直撐到有人辭職。 AI 在這裡幫得上的那一塊很窄,窄到你要指名道姓才有用。它幫得上的是重複的、有固定格式的、做錯了不會馬上出事的那些事。像是排班的第一版、進貨的建議清單、回覆評論的草稿、把一堆訊息整理成重點。 它幫不上的是補位、是站在客人面前、是有人臨時請假你要立刻決定誰頂上。 所以你清點完那張紙之後,順手做第二件事:把你店裡最花時間、又最沒有人想做的那三件事寫下來。然後回頭看那張系統清單,看有沒有哪一樣現在就能接上這三件事的其中一件。 接得上,就先做那一件。接不上,那你至少知道自己缺的是什麼。下次有人來跟你推銷 AI,你問得出對的問題。
五家店的老闆,把每個禮拜四到六小時的選品功課變成每天四分鐘
美國便利店產業的 NACS 雜誌九月號寫了兩個現場案例。兩個都很小,小到你會覺得「這個我也做得到」。這正是它值得放進來的原因。 第一個。Babir Sultan 在密蘇里州堪薩斯市一帶開五家便利店,公司叫 Fav Trip。他用 Claude 做了一個小助手,工作只有一項:每天幫他找出五樣值得進的新商品。 他本來是怎麼做這件事的?自己在社群平台和 Google Trends 上面翻,每個禮拜要花四到六個小時。 他講的一句話值得抄下來,大意是:這個助手叫我進的東西,有些是一個月前我根本沒有在賣的,現在變成店裡賣最好的。而且它會一起告訴他這個東西的經銷商是誰、毛利大概是多少。 第二個案例更小,但是我覺得更值錢。 InStore.ai 的客戶長 Kevin Farley 講了一個他們在客戶店裡抓到的東西:系統分析櫃檯的對話紀錄之後發現,同一家店的客人一直在講同一句話,說咖啡是冷的。 追下去,原因是機器老了,溫度保不住。店裡把設備換掉之後,咖啡的銷售就回來了。 Farley 講的話大意是:你知道客人買了什麼、沒買什麼,但是你不知道他為什麼這樣決定。交易紀錄以外的那些東西,才是他們在處理的。 🔴 誠實標第一件:Fav Trip 那個「四到六個小時變成四分鐘」是老闆自己講的,沒有第三方查核,也沒有公布這樣做之後多賺了多少錢。五家店是一個很小的樣本。 誠實標第二件:InStore.ai 那個案例,是供應商的高階主管在講自己家的客戶。「咖啡的銷售就回來了」沒有數字,沒有講回到多少、花了多久。當方向看可以,當成效看不行。 誠實標第三件:InStore.ai 這種分析櫃檯對話的工具,馬來西亞買不買得到、合不合我們的個資規範,這篇沒有講,我也查不到。這一條給你的是做法,不是產品。而且你如果真的想錄櫃檯的對話,那是另外一件事,請先看這期的避坑。
對你的店:零售和便利店最直接。餐飲的版本是外場和外送平台的留言,美業的版本是洗頭那十分鐘客人隨口講的話。 這兩個案例合起來講的是同一件事:你的店每天都在產生資訊,然後每天把它丟掉。 冷咖啡那個案例最傷人的地方不是機器壞了。是那句話早就有人講過了。 星期一早班那個店員聽過一次。星期三晚班那個聽過一次。星期六又有客人講了一次。三個人各自聽到一次,每個人都覺得那是一個客人在挑剔,沒有人覺得那是一件事。 所以它一直沒有變成一個問題,直到有東西把這三次疊起來看。 疊起來這個動作,才是 AI 在這裡真正做的事。它不聰明,它只是不會忘記。 你這個禮拜可以先做的版本,不用花錢,也不用錄音。 先找出你手上已經有的三堆文字。第一堆,你店的 WhatsApp 對話。第二堆,Google 評論和外送平台的留言。第三堆,你自己或店長的手機裡,客人抱怨過的那些截圖。 把這三堆最近一兩個月的內容集中到同一個地方。這就是這禮拜的功課,下面有可以直接複製的做法。 然後看 AI 疊出來的結果。你要找的不是「客人不滿意」這種廢話,是那種重複出現三次以上、而且很具體的東西。像是「等太久」不算具體,「星期六下午等超過二十分鐘」才算。 我要先講一件掃興的事,免得你抱太大的期望。 你疊出來的第一名,很可能是你早就知道的那一件事。 這不代表白做。這代表你終於知道它到底發生過幾次了。你本來覺得那是偶爾,結果一個月有十四次。你會不會去處理它,跟你知不知道它發生了十四次,是兩件不一樣的事。 至於 Fav Trip 那個選品的做法,也可以縮小照抄。 你不用做一個助手。你這個月進新貨之前,先把你的品類、你的客群、你上個月賣最好的十樣東西講給 AI 聽,叫它給你五個候選,而且要它講清楚為什麼推這個、賣給誰、你這個店合不合適。 然後你自己刪掉四個。 留一個下來,進一點點,賣兩個禮拜再看。這才是重點。AI 給你候選很快,但是決定進多少、賣不賣得動,那是你的判斷,不是它的。你花的那一點點錢就是學費,而且是你負擔得起的那種學費。
這套給店家的 AI 參考範本裡,寫死了一條:AI 只能建議,人按核准才算數
9 月 2 日,Anthropic 公開了一套「商務代理人」的參考範本,放在 GitHub 上面開源。它不是一個你買得到的產品,是一份給工程師照著做的參考實作。 裡面有兩隻 AI。一隻給客人用,可以搜商品、幫忙比較、記得客人講過什麼、把購物車裝好、回答訂單和退貨的問題。另一隻給店家的人用,可以看營運數字、盯庫存、提醒哪些東西快要缺貨、建議定價和促銷、擬行銷活動。 第一波已經在用或者參與的名字很值得看:Shopify、Square、Wix、Zomato、Priceline、Klaviyo、Visa、Mastercard、Intuit、Accenture。這裡面有幾個是你的店或者你朋友的店真的在用的系統。 但是這條放進來,不是因為那兩隻 AI,是因為它寫死的一條規矩。 那份文件把規則分成兩種:一種是用程式碼強制執行、模型再怎麼胡說都繞不過去的,另一種是還在拜託模型自己乖的。 它放進第一種的其中幾條,翻成人話是這樣。 一,AI 不准自己編一個商品出來。購物車裡面只能放這次真的查到過的商品,後台也只能改它真的讀過的東西。 二,後台每一筆改動都先變成「待審」,要有人按核准才會生效。而且它明寫了一句:在聊天裡跟 AI 說「我同意」不算核准,一定要從真正的核准介面按下去。 三,價錢能改多少、折扣能打多深、活動預算的上限、哪些欄位不准動,全部是設定檔裡的一個數字。而且暫存的時候檢查一次,真的要套用的時候再檢查一次。 付款那一段它刻意不碰,留給店家原本的金流系統。 🔴 誠實標第一件:Anthropic 公布了兩個數字,說接上這套的零售商,購物車最多大 35%、客人完成結帳的機率高 60%。這是它自己的數字,沒有公布怎麼算的、樣本是誰。當廠商說法看。 誠實標第二件:這是給工程師的東西,不是給老闆的產品。你不能去買,也不能自己裝。我把它放進來是因為裡面那三條規矩,不是因為那套軟體。 誠實標第三件:這套東西官方自己講明是參考實作。所以它是一份「大家覺得應該要這樣做」的公開意見,不是一個已經定案的業界標準。
對你的店:這條跨業態,餐飲零售都算,但是我最想講給美業和所有靠預約吃飯的店聽。 先講為什麼。 你哪天如果讓 AI 碰你的後台,它會碰到的第一批東西幾乎一定是這幾樣:價錢、折扣、預約的空檔、發出去的促銷訊息。這四樣不管哪一樣被亂動一次,你當天就要打電話跟客人道歉。 美業特別危險,因為你的價錢常常是浮動的。同一個染髮,長髮短髮不一樣、加不加護髮不一樣、熟客有熟客的價。這種「看情況」的東西,正好是 AI 最容易自己補一個數字出來的地方。 所以那三條規矩,你現在就可以照抄,而且不用等你有任何 AI 系統。 第一條,AI 只能用你給它的東西,不准自己補。 你叫 AI 幫你寫促銷貼文,它寫出一個你沒有的套餐、一個你沒有在賣的價錢,這種事每天在發生。規矩是:凡是價錢、療程內容、營業時間、庫存,一律從你的表上抄,抄不到就留空白問你,不准自己填。 第二條,寫出去、發出去、改掉的東西,一定要有人按過。 這句話真正的意思不是「你要看過」,是「你要有一個看的地方」。多數老闆現在的做法是在 WhatsApp 裡面跟員工說「可以,發吧」。那就是它講的在聊天裡說我同意,那個不算,因為事後沒有人查得到你到底同意的是哪一版。 小店的版本很簡單:發出去之前,那一版的完整內容要貼在一個固定的地方,你回一個「準」。貼在哪裡都好,一個群組、一個記事本、一張紙都可以。重點是那一版原封不動留著。 第三條,先把上限寫下來,不要等到出事再說。 這條是三條裡面最值錢的,也是最多老闆從來沒有做過的。 你現在就可以寫。折扣最多打到幾折,超過要問我。一次促銷最多送出多少張,超過要問我。哪幾樣東西的價錢誰都不准改。哪幾個時段不准放進新的預約。 這幾句話寫下來,你會發現一件事:這根本不是 AI 的規矩,這是你早就該有的店規。你的員工現在也在猜這些數字。 這就是我覺得這條最值錢的地方。你以為你在準備用 AI,其實你在補的是你店裡本來就缺的東西。 等哪天真的有系統要接進來,你已經答得出來「哪些它可以自己決定、哪些一定要問我」,你就不會被廠商牽著走。 反過來說,這三句話你講不清楚,那不管你買哪一套 AI,出事的時候你都只能怪自己。
⚠️這週避坑
不到 1% 的門市裝了車牌辨識,被罵的是整個品牌
9 月 4 日,Retail Dive 報導了美國美妝連鎖 Ulta Beauty 的事。 Ulta 全美大約 1,500 家店。它在其中不到 1% 的門市裝了 Flock 的自動車牌辨識系統,用來對付有組織的零售犯罪,也就是那種一再回來偷的慣犯。 知情人士說這套系統沒有用臉部辨識。Ulta 負責這一塊的主管講的是要補上缺口、跟執法單位合作,還有保護員工和客人。 然後倡議團體 UltraViolet 發起了一波活動,把 Ulta 在用 Flock 這件事拿出來講。社群上就炸了。 有幾件事要標清楚。Ulta 沒有回答它跟 Flock 是什麼時候開始合作的。Flock 也沒有回答。倒是 Flock 自己的 AI 聊天機器人把 Ulta 講成是它的零售合作夥伴之一,說是用來辨識慣犯和防止詐騙。 這件事發生的背景是,Flock 的監視器最近在美國本來就在被罵,有的被人破壞,也有政府單位在重新考慮還要不要用。 順便補一個同一類的東西,時間比較早,但是方向一樣。美妝業的虛擬試妝 AI 在美國正在吃集體訴訟。伊利諾州有一位聯邦法官在 6 月駁回了 MAC 的撤銷動議,讓案子繼續走,原告告的是未經書面同意就蒐集顧客的臉部生物特徵。同一類的案子,Neutrogena 的 Skin360 在今年 2 月以 470 萬美元和解。 🔴 誠實標:Ulta 那條,Retail Dive 是向知情人士確認部署比例和沒有用臉部辨識,Ulta 和 Flock 本人都沒有正面回答。另外,社群上罵得凶,不等於全部的客人都這樣想,這兩件事不要混在一起。MAC 那條發生在 6 月,不是這禮拜的事,我放進來是因為它跟 Ulta 是同一個病,不是因為它是新聞。
提醒:先講這條要學的一句話。 Ulta 裝的門市不到 1%,被罵的是 100% 的品牌。 這就是這種 AI 的帳跟別的不一樣的地方。你買一個排班 AI,做得不好就是浪費錢,客人不會知道。你裝一個會蒐集客人身體資料的東西,做得不好,客人記得的是你這個牌子,不是那一家分店。 而且時間的順序是反過來的。信任的代價當天就到,好處要很久以後才看得到。 那到底要不要裝?我不會叫你不要裝。防損是真的問題,尤其是零售。有人一直回來偷,那不是小事。 我要你做的是把帳算完整再決定。 先講哪些東西算「客人的身體資料」,因為很多老闆以為只有臉才算。臉、聲音、指紋、車牌都算。 你店裡如果有那種讓客人拍照分析皮膚、分析髮質、虛擬試妝試色的機器或者 App,那一定算,而且那是美業現在最常裝、最少人想過的一樣。上面那個 MAC 的案子,被告的就是虛擬試妝。 裝之前你要答得出這六題。答不出來就是還不能裝,不是「先裝了再說」。 一,你到底收什麼?是照片、是影片、是聲音,還是車牌號碼。 二,存多久?要一個明確的天數,不是「需要的時候」。 三,誰看得到?店裡有幾個人有權限,總部有沒有,廠商那邊有沒有。 四,會不會給第三方?特別是會不會進到廠商那邊,變成他們的資料。 五,認錯人怎麼辦?客人被誤認成小偷,你店裡誰有權當場喊停、怎麼跟他道歉。 六,怎麼停?你哪天不想用了,之前收的東西怎麼刪、刪不刪得掉。 第六題最多人漏掉,而且最會出事。多數老闆簽約的時候只想著怎麼開始,沒有想過怎麼結束。 還有一件事,是這一則裡面最容易被忽略的。 Ulta 自己沒有回答媒體的問題,結果替它回答的是 Flock 那隻 AI 聊天機器人。那隻機器人講的話,變成了外界對這件事的說法。 翻成你店裡的版本:你的廠商的 AI,正在代替你回答關於你的問題。你如果不講清楚你收什麼、為什麼收,別人就會替你講,而且講出來的版本你控制不了。 所以真的要裝,順序是這樣:先把上面六題的答案寫成客人看得懂的三句話,貼在門口和你的社群上,然後才裝。不是裝了、被問了才臨時想。 把這六題的答案寫出來這件事本身不花錢。它是這整條裡面唯一免費的部分,也是唯一你一定做得到的部分。
✅ 這週可以做的一件事 · 5 分鐘
這週花 30 分鐘,把客人講過的話疊起來,叫 AI 找出重複三次以上的那一件事

這個功課接的是第二條訊號,冷咖啡那個案例。不用花錢,不用錄音,不用買任何東西,用你已經有的東西就能做。 先講為什麼是「三次」。 一次是意外。兩次是巧合。同一件很具體的事被不同的客人講到第三次,那就是你店裡有一個東西壞了,只是你還沒有發現。 冷咖啡那家店的問題,就是這樣被漏掉的。每個班次各聽到一次,每個人都覺得是一個客人在挑剔。 第一步,收集,大概十五分鐘。 去這四個地方,把最近兩個月的東西複製出來,貼進同一個文件或者同一則記事: 一,你店的 Google 評論。好評和負評都要,不要只挑負評。 二,外送平台的顧客留言,如果你有做外送的話。 三,你店的 WhatsApp 或者 Messenger 裡面,客人問過的問題和抱怨過的話。 四,你自己或者店長的手機裡面,那些「客人今天講了什麼」的訊息。 不用整理,不用排版,亂貼沒有關係。客人的名字和電話記得刪掉,那個要花你一分鐘,但是一定要做。 第二步,叫 AI 疊,大概五分鐘。把下面那段可複製的 prompt 貼進 ChatGPT,中括號的地方換成你自己的。 第三步,看結果,大概十分鐘。這一步最重要。 你要挑出來的是同時符合這三個條件的東西:出現三次以上、很具體、而且你這個禮拜就動得了。 那種「服務要再加強」的東西直接跳過。那是廢話,不是發現。 然後挑一件。只挑一件,不要挑三件。 挑完問自己一個問題:這件事我本來就知道嗎? 如果答案是「我本來就知道」,那你要做的事情是去看它到底發生過幾次。你以為是偶爾,數出來可能是一個月十幾次。這個數字才是會讓你真的去修它的東西。 如果答案是「我不知道」,那恭喜你,你這三十分鐘賺到了。你剛剛發現的是一個一直在流血、但是你的報表上永遠看不到的洞。 最後補一件下個月可以做的事。 這個功課真正的價值不是這一次做出了什麼,是它讓你發現一件事:這些話本來每天都在你店裡出現,然後每天消失。 你這一次是把兩個月的東西倒出來翻。你如果想讓它變成一個習慣,最小的做法是找一本本子放在收銀台旁邊,在上面寫一行字:客人講了什麼奇怪的話,寫下來。 一個月之後你再倒進 AI 一次。 那個時候你就不是在補破洞了,你是在看你的店的體溫。

想深入看原文
Food On Demand(Toast 2026 餐飲業之聲調查) 2026-09-01 報導 Toast《2026 Voice of the Restaurant Industry》調查,受訪者為 676 位美國餐飲業者與決策者,品牌規模為 16 家店以下:42% 只透過既有科技廠商試 AI 而沒有自己試、約四分之一兩者都有、接近五分之一只靠自己試(正餐廳 23%/快餐店 16%)、11% 考慮中尚未開始、2% 完全不考慮;87% 表示對 AI 更自在、85% 打算增加使用。人力面:打算增聘者 49%(較 2025 年少 11 個百分點)、維持現有人力 48%(多 10 個百分點)、打算減人 3%。⚠️ Toast 本身即為餐飲 AI 產品供應商,調查為其自行執行;該篇未揭露抽樣時間、抽樣方式與誤差範圍NACS Magazine 九月號〈AI on the Front Line〉 便利店產業媒體 2026 年 9 月號兩則現場案例。① Fav Trip 總裁暨執行長 Babir Sultan 在密蘇里州堪薩斯市一帶經營五家便利店,以 Claude 自建品類經理 agent,每日提出五項值得進貨的商品並附經銷商與毛利資訊;此工作原本每週需人工在社群與 Google Trends 研究 4 至 6 小時。② InStore.ai 客戶長 Kevin Farley 表示,系統從櫃檯對話分析中發現某店客人重複抱怨咖啡是冷的,追查為老舊設備無法保溫,更換設備後咖啡銷售恢復。⚠️ 兩則的時間節省與銷售恢復皆為業者或供應商自述,無公開基準數據Anthropic 官方部落格(Commerce Agents 參考範本) 2026-09-02 發布開源商務代理人參考範本(github.com/anthropics/commerce-agents),含消費端 shopping agent 與後台 merchant agent 的完整參考實作。名列早期採用與合作方:Shopify、Priceline、Visa、Mastercard、Accenture、Intuit、Klaviyo、Wix、Zomato、Square。安全設計採人工核准制:agent 只能提出建議,須由人授權才生效;付款環節刻意不碰,留給實作者既有金流系統。⚠️ 「購物車最多大 35%、完成結帳機率高 60%」為 Anthropic 自報數字、未公布方法論;此為給開發者的參考實作,非老闆可直接購買的產品Retail Dive(Ulta Beauty × Flock 車牌辨識反彈) 2026-09-04 報導:Ulta Beauty 在全美約 1,500 家門市中不到 1% 的據點部署 Flock 自動車牌辨識,知情人士表示未使用臉部辨識;倡議團體 UltraViolet 發起活動後引發社群反彈。Ulta 與 Flock 均未回覆合作起始時間的提問,反而是 Flock 自家 AI 聊天機器人稱 Ulta 為其零售夥伴、用於辨識慣犯與防詐。背景為 Flock 監視器近期在美國遭破壞並有政府單位重新評估。⚠️ 部署比例與未用臉部辨識係向知情人士確認;社群聲量不等於整體顧客態度PersonalCareInsights(MAC 虛擬試妝 AI 生物特徵集體訴訟) 伊利諾州聯邦法官於 2026-06-04 駁回 MAC Cosmetics 的撤銷動議,允許集體訴訟續行;原告主張其虛擬試妝 AI 未取得書面同意即蒐集顧客臉部生物特徵,違反伊利諾州 BIPA。同類案件另有 Neutrogena Skin360 於 2026 年 2 月以 470 萬美元和解。⚠️ 此為 6 月事件、非本期窗口內新聞,作為避坑的同類背景引用
我每週都會讓 AI 幫我掃一遍全球門市的 AI 落地情報,再挑出真的能用在實體店的,翻成人話給你。

我是 Simon,做餐飲 15 年,從一間店做到連鎖。我用餐飲跑通了一套「實體店把 AI 用對」的邏輯:先理順現場,再上工具。這套,美業、理髮、零售一樣適用。
覺得有用?轉給一個也在開店的朋友。
下一封,下週見。