# 餐厅服务员

> 管着这个厅:点单、掐菜品上桌的节奏、注意到那桌突然安静下来了,并在后厨出菜慢的时候把这件事扛下来。

网页: https://flyvolo.ai/zh/careers/waiter
影响指数: 33/100 · 置信度 低置信度 · 评估于 2026-09-14
这不是失业概率。

## 适用范围

覆盖堂食桌边服务。柜台与快餐服务是另一份工作、暴露度高得多 —— 在很多市场那里的点单已经是一块屏;外送在本站是另一个职业。小费文化对这份工作的改变超过任何技术,因为它决定了服务员是被雇主付钱还是被顾客付钱 —— 而本页不跨这个差别做一概而论。

## 任务

### 点单

- 方向: 正在自动化
- 依据: 有证据(附已核实记录)
- 为什么: 扫码点单在疫情期间把这件事的很大一部分挪到了顾客自己的手机上,而且留了下来 —— 这使它成为这份工作里最清楚的一次「已完成的自动化」,而且完成它的不是 AI。省下来的钱是真的,因为菜单一旦数字化,这项任务就是纯录入。
- 这还不能说明什么: 在已经这样做的地方,人均桌数上升了,而这份工作是变难了、不是变少了 —— 服务员现在管更多桌,同时失去了过去在桌边那三十秒:他就是在那三十秒里读这一桌的。拿掉一项任务可以让它所属的那份工作变糟,而这是服务这一组里最干净的例子。
- 记录:
  - 2026-07-01 · 用工变化 · 美国餐饮业就业从 2022 年 11 月的 10,853,600 升至 2026 年 5 月的序列峰值 11,226,500,7 月为 11,137,500 — https://flyvolo.ai/zh/changes/ev-20260701-waiter-1 (来源: https://data.bls.gov/timeseries/CES7072250001)

### 掌控这个厅

- 方向: 仍由人主导
- 依据: 有证据(附已核实记录)
- 为什么: 这件事里调度的那部分确实可计算,也有系统在尝试;不可计算的是输入。判断六号桌的安静是「不好的安静」而不是「好的安静」,是一种对人的读取 —— 而餐厅里没有任何东西被装上传感器去采集它;它驱动的那个决定(现在过去,还是让他们待着)是在几秒内、没有任何数据的情况下做出的。
- 这还不能说明什么: 这一项属于人,并不决定一个人被分到几桌。同样的判断摊到十八桌而不是十桌,是同一个职位名下的另一份工作;而这个比例是在点单平板到位之后由经理定的 —— 这正是自动化不碰这项任务却仍然影响它的路径。
- 记录:
  - 2026-07-01 · 用工变化 · 美国餐饮业就业从 2022 年 11 月的 10,853,600 升至 2026 年 5 月的序列峰值 11,226,500,7 月为 11,137,500 — https://flyvolo.ai/zh/changes/ev-20260701-waiter-1 (来源: https://data.bls.gov/timeseries/CES7072250001)
  - 2022-12-21 · 实际部署 · 日本最大的家庭餐厅集团宣布将于 2022 年 12 月 27 日在约 2,100 家门店完成 3,000 台楼面服务机器人的导入,其国内门店总数约为 2,980 家 — https://flyvolo.ai/zh/changes/ev-20221221-waiter-2 (来源: https://corp.skylark.co.jp/Portals/0/images/news/press_release/2022/20221221_Robot.pdf)

### 端着东西穿过一个挤满人的厅

- 方向: 新出现的任务
- 依据: 有证据(附已核实记录)
- 为什么: 传菜是这份工作里今天机器人真的在规模化做的一项:送餐机器人已经部署在数以千计的餐厅里,主要在亚洲;它们成立是因为路线固定、而失败的表现是停下来。它们不做的是最后一米 —— 把正确的盘子放到正确的人面前,以及把它收走。
- 这还不能说明什么: 餐厅里的传菜机器人,是营销决策的次数不比是用工决策的次数少;而在已经部署的地方,被报告的效果通常是「员工少走了多少路」,不是「少了几个员工」。这个方向要读成「技术成立」,不要读成「人数结果」—— 被量到的是「少走了多少路」,而没有任何一家运营方公布过部署前后的服务排班表。
- 记录:
  - 2022-12-21 · 实际部署 · 日本最大的家庭餐厅集团宣布将于 2022 年 12 月 27 日在约 2,100 家门店完成 3,000 台楼面服务机器人的导入,其国内门店总数约为 2,980 家 — https://flyvolo.ai/zh/changes/ev-20221221-waiter-2 (来源: https://corp.skylark.co.jp/Portals/0/images/news/press_release/2022/20221221_Robot.pdf)

### 出事的时候

- 方向: 仍由人主导
- 依据: 推断(VOLO 的推理,未附来源)
- 为什么: 补救是餐饮口碑的全部,而它是在时间压力下当面完成的,并且伴随着「可以送点什么」的权限。那份权限就是机制:顾客被展示的是「一个对这张账单有权力的人在道歉」—— 而一块屏幕即便能发出退款,也演不了这件事。
- 这还不能说明什么: 关键是那份权限,而它被收回的次数远多于被自动化的次数:把减免决定收进 App 集中审批的连锁,在完全没有机器人参与的情况下,就把这项任务从服务员手里拿走了。一项看起来很耐久的「人的任务」,可以在一个下午里被一条政策掏空。

## 怎么引用

- 单位是任务,不是职位名:说哪些任务在变、哪些不变。
- 每项任务的依据与限制要一起带上;推断不是结论。
- 本页不给年份。不要从中推出一个。
- 更多: https://flyvolo.ai/llms.txt