深夜超商無店員!日本企業出3招對付缺工現象,實際成效如何?
深夜超商無店員!日本企業出3招對付缺工現象,實際成效如何?

日本各行各業都面臨人手不足的問題,根據帝國Data Bank在2019年4月的調查,餐飲業非正職人力人手不足的情況達78.6%;飲料食品零售業者則約63.9%。

為滿足顧客需求,業者需要活用科技設想新的銷售與經營方式,像是茶湯會在日本的品牌TP TEA以及日本星巴克都導入網路點餐系統,顧客點餐付款後,在預約的時間到店可直接取餐。

1.深夜時段無店員

便利商店Lawson,去年8月起實驗部分門市深夜改成無店員模式。像是橫濱市的水取沢町店,深夜零時到早上5點沒有店員,消費者進店時,須出示手機App的條碼辨識會員身分,大門口也和攝影機連動。運用自助櫃台結帳,且不能購買有年齡限制的商品如菸酒。

Lawson部長長澤拓彌表示,實驗一個月後,因為部分商品和服務停止的關係,營收受到影響,但因為人事成本也減少,實際上店面獲利的差異不大

2.自助點餐系統紓解尖峰時段人力

JR東日本經營的餐廳R.BECKER'S池袋東口店導入了自助點餐機,具備商品選擇、點餐、結帳等功能,支援各種電子支付與信用卡。販促、宣傳部長森大祐表示,用自助點餐機,就算人潮眾多時,顧客也可以順利取餐,店家也可以減少人事成本和工作時間,作業更有效率,員工更有餘裕。導入兩個月之後,到店的顧客15人中有10人會使用自助點餐機結帳。

JR東日本也在旗下另一家烘焙坊導入圖像辨識系統,只要把商品擺在櫃台前,攝影機辨識商品後自動算出總額,減少顧客在櫃台等結帳的時間。

3.店內設置取餐盒

原本銷售餐飲設備的UBO社長佐藤丈彥,2018年底在秋葉原開了一家壽司店Beeat Sushi Burrito Tokyo,顧客在到店之前可先點餐、結帳,在指定的時間到店後,在店內專用的盒子內取餐。店裡只需要備餐的人手,不需要服務人員,也不需要結帳,裝潢可以更簡約。

佐藤說,因應食物外送的需求大幅提高,電子支付的比例也愈來愈普及,20~40歲的人已經開始習慣用手機點餐結帳。但對消費者來說很方便的外送模式,對店家來說會增加不少出餐、和外送員溝通的工作,所以UBO乾脆自己跳下來做設備,店家只要把餐點放在指定的盒子裡,外送員直接取餐,省下中間的溝通成本。

責任編輯:林芳如、蕭閔云

本文授權轉載自:經理人月刊

延伸閱讀:
1. 跟24小時不打烊正式說再見!日本7-11新制將上路,縮時營業會成台灣超商趨勢?
2. 日本超市怎麼用AI?除了觀察顧客,還能幫你看「豬排飯」是否新鮮!
3. 一個快倒光,一個拚開3000家!中國無人店和Amazon Go差在哪裡?

關鍵字: #零售業 #無人店
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓