投入臺灣餐飲市場超過40年、三商餐飲旗下的三商巧福，品牌走得穩、人員流動率也低。這一份穩定性，形塑三商巧福對科技的態度：不是求快，而是求穩、求久。
為引領百工百業透過AI達成數位轉型，經濟部商業發展署推動「智慧雨林產業創生計畫」，全力助攻指標性餐飲品牌落實智慧應用，將科技實證轉化為永續經營的動能。三商餐飲在三商巧福中南部20多家門市啟動「AI智慧點餐與情境預測」實證，不僅是為了提升效率，更是為了在企業永續經營（ESG）的浪潮中，找到科技與人文的交會點。
在商業發展署的支持下，三商餐飲提出「智在餐飲：三商餐飲AI智慧點餐與情境預測模型實證計畫」，聚焦多語系互動點餐助理、事件型智慧食材預測的兩大核心。
三商餐飲永續發展辦公室執行長翁榮鍏指出，永續不是額外的工作，它從每天的點餐、備料、服務中自然而然地生長出來。
顧客點餐卡關，是科技設計的起點
任何一家餐飲業者的科技升級，最先面對的挑戰永遠是第一線員工和顧客。而三商巧福的痛點，恰恰是科技設計的最佳起點。
近年來，隨著國際旅客、外籍工作者的增加，再加上高雄、臺南等地大型活動和演唱會的舉辦，導致門市前台瞬時的多語需求暴增。服務員在尖峰時段，需要耗費大量時間進行點餐重複確認，甚至因語言障礙造成點餐卡關，拉長顧客等待時間。
同時，中南部門市有為數眾多的高齡顧客，不愛使用手機掃碼點餐，常卡在「掃不到、字太小、不知道怎麼選」等流程上。
科技若不能服務所有世代，就少了一些溫度。於是，三商巧福把點餐入口設計成「會聽會說的多語系點餐助理」，長輩不想滑手機，可以直接開口點餐，系統就能以中、英、日、台語回應與引導（已預留東南亞語系擴充），打破數位點餐的門檻。
這項設計的成功關鍵，在於它「顧及資深員工」。沒有逼迫年資10年以上的員工，改變熟悉的作業流程，而是由系統主動貼近現場語言與出單路徑。
像是導入的多語系互動面板，直接連線門市POS（銷售時點情報系統），讓員工延續原本的出單節奏下，只是把過去「重複確認、反覆輸入」的負擔交給系統。
對店長而言，有了語音點餐助理的輔助，不僅緩解尖峰時段的人員壓力，減少招募新員工的急迫性，新員工的訓練也更一致。而在尖峰時段提供語音點餐系統及店員服務的雙軌服務制，可減少重工與等待，進而提升翻桌率，並增加客流量及營收。
事件即模型，把手感接上數據
餐飲業的永續挑戰，最直接的體現就是食材報廢。呼應商業發展署推動產業數位與永續雙軸轉型的願景，三商巧福門市的行銷檔期與套餐組合繁多，配合促銷或抽獎活動，門市來客潮起伏明顯。傳統靠手感的叫貨方式，在特殊事件日極容易失準，導致大量食材浪費。
此次導入的AI預測事件模型，以事件為主體建模，納入POS數據、天氣預報、城市活動檔期、演唱會資訊等變因，產出事件備貨建議表，讓店長與後勤有了可依循的數據基準。
再者，將預測模型缺貨率目標設定為5%，食材報廢明顯下降，進而節省採購成本，也減少食物浪費，實踐環境面向的永續。從企業永續經營面向來看，將營收與成本的拉鋸，變得可管理、可預測，是提升公司治理效率的重要一環。
當行銷組合太多記不住，常讓前台服務員感到困擾。上述提及的語音點餐系統，就可以將行銷活動、遊戲規則、套餐搭配建議，寫入流程中，從此服務員也不用硬背促銷內容，更能降低誤會或錯用優惠的風險，是對員工的數位包容。
翁榮鍏說，「當每一天的每一單，都多一點體貼員工、少一點食材報廢，永續就從日常生活長出來。」三商巧福清楚知道，品牌價值的一半在味道，另一半在回憶，因為大眾熟悉的產品不能因為科技而改變。
因此，多語系互動點餐助理讓長輩仍用最自然的方式點餐，外籍來客也能聽見自己國家的語言，備感親切；AI預測事件模型則將資深店長的「手感」接上數據，有了可查核驗收的依據，工作更有效率。
透過政府計畫的資源挹注與技術驗證，三商巧福等待示範店跑出漂亮數字與優化模型後，再將這套「會聽會說、遇事能算」的日常智慧，擴散到更多門市，或展開跨品牌跟進，以成功經驗複製那碗大家從小吃到大的麵點，端得更準時也更溫暖，同時也讓它能在 ESG 的道路上，走得久也走得穩。
學界協力│三模型推進餐飲場域，擔綱「隱形工班」
結合政府資源與學界研發能量，三商巧福AI轉型升級的第一步，邀請東吳大學、高雄科技大學教師帶隊，聯手路遊數位、雲寶智慧、艾歐帝科技3家資服業者，針對事件型需求預測、多語系互動點餐，進行研發與布局。
東吳大學企業管理學系助理教授施智文表示，市面上可使用的演算法很多，用來做AI事件預測模型的也不少，關鍵在於模型預測事件、情境的準確性。因此，他們一次並跑3種AI模型，輸入POS銷售、行銷檔期、天氣、演唱會與區域活動等變因，讓模型彼此競爭、交叉評分與驗證，自動挑出當期的勝出者來生成備貨建議表，形成一套可持續校正、自我學習的機制。
「同一模型，換個門市可能就不準了。所以，我們讓數據決定誰上場。」施智文說，這種「多模型競賽」的好處，是將學術的嚴謹直接轉成營運的可靠性。對三商巧福的門市來說，店家不必知道今天是模型 A 還是 B，只需要知道日益精準的食材備料建議。而模型調校與優化留在總公司、學校與資服業者的後台進行，現場只看AI秀出「一目瞭然的答案」。
這次兩校共發動10名學生（5位研究生、5位大學生）參與，先完成約30小時密集訓練，再跟著教授進行資料清理、模型設計、驗證與調參；當學生面對數據或模型有問題或失效時，教授並不會直接給答案，而是引導學生「把問題拆開、自己找解法並再驗證」。透過場域驗證學習問題解決能力，遠比課堂作業更扎實。
