精選解讀｜Luna 忘了排班，卻先把 AI 管理者的問題搬進現實世界
精選解讀｜Luna 忘了排班，卻先把 AI 管理者的問題搬進現實世界
Andon Labs 在舊金山把三年租約、10 萬美元預算、招募、定價與店務協調交給 AI 代理人 Luna。這個 AI 零售實驗真正值得看懂的，不是 AI 會不會賣東西，而是 AI 管理者已開始碰到排班、揭露、雇用與責任邊界。
管理層現在真正該問的，已經不是 AI 能不能做事，而是當 AI 開始指派、協調、決定時，誰來承擔後果。
Andon Market 是 Andon Labs 在舊金山 Cow Hollow 啟動的 AI 零售實驗。店面在 2026 年 4 月 1 日開門營業，官方則在 4 月 10 日發文完整說明：他們把三年租約、公司卡、電話、Email、網路與監看能力交給名為 Luna 的 AI 代理人，讓它決定商品、價格、營業時間、店面壁畫與部分招募流程。這個案例真正重要的，不是 AI 能不能開店，而是 AI 已開始碰到排班、揭露、雇用與責任邊界等管理問題。對企業來說，這代表 AI Agent 的導入重點，正從功能展示轉向治理設計。
關鍵解讀：
Andon Market 真正測試的不是 AI 能不能開店，而是 AI 能不能承擔主管層的日常責任。
Luna 最值得注意的失誤，不在商品選擇，而在排班、揭露與雇用判斷，這些都是企業導入 AI Agent 最難避開的治理問題。
對企業來說，AI Agent 的採購重點正在從功能展示，轉向權限設計、留痕機制與人工接手安排。這是根據官方與媒體已公開的失誤型態所做的產業判讀。
Andon Market 真正測試的不是 AI 能不能開店，而是 AI 能不能承擔主管層的日常責任。
Luna 最值得注意的失誤，不在商品選擇，而在排班、揭露與雇用判斷，這些都是企業導入 AI Agent 最難避開的治理問題。
對企業來說，AI Agent 的採購重點正在從功能展示，轉向權限設計、留痕機制與人工接手安排。這是根據官方與媒體已公開的失誤型態所做的產業判讀。
術語定義｜什麼是 AI 管理者？
這裡說的 AI 管理者，不是指 AI 已完整取代主管，而是 AI 已開始承擔部分原本屬於主管的分派、協調、溝通、判斷與例外處理功能。這個定義，較符合 Luna 與 Project Vend 兩個案例目前展現出來的實際能力邊界。
01｜為什麼 Andon Market 不只是零售新聞，而是 Project Vend 的下一步
如果只把 Andon Market 看成「舊金山出現 AI 開的店」，那會小看這個案例。更準確的看法是去予解 Anthropic 與 Andon Labs 去年 Project Vend 的下一步。Anthropic 在 2025 年 6 月發表 Project Vend，讓 Claude Sonnet 3.7 經營舊金山辦公室內的小型自動商店，測試模型能不能處理選品、補貨、定價與顧客需求。Anthropic 自己的結論很坦白：如果今天要把那套系統拿去正式經營辦公室販售業務，他們不會聘用 Claudius，因為它犯了太多錯。
但 Anthropic 並沒有因此下結論說「AI 不適合當主管」。相反地，他們在同一篇研究中也提到，AI 擔任中階主管並不是完全不可能。原因不是 Claudius 目前已經表現得很好，而是它犯的許多錯誤，未來可能透過更好的工具設計、更清楚的操作流程，以及模型能力進步來改善。
這個判斷很重要，因為它把討論重點從「AI 現在能不能當主管」，轉成一個更實際的問題：如果要讓 AI 真的進入管理工作，還需要補上哪些條件？
Andon Market 的價值，在於它把這個問題往現實世界再推進一步。
原本 Claudius 只是管理辦公室裡的小型販售點，但 Andon Market 變成真正開在街邊的實體店面。這個差別不只是場地變大，而是 AI 要承擔的責任也變多了。
它現在面對的，不只是商品庫存和價格設定，還包括人員排班、供應商溝通、店面陳列、顧客互動，以及每天的營運節奏。
所以，Andon Market 不只是一次零售創新實驗。更重要的是，它像是一場公開測試：當 AI 開始接近「主管」這個角色時，它到底能不能處理真實世界裡那些複雜、混亂又需要負責的工作？
02｜Luna 真正做了什麼？為什麼它更像 AI 代理人，而不只是聊天機器人
Andon Labs 官方把 Luna 的角色講得很清楚。
Luna 不是站在收銀台旁邊回答客人問題的聊天機器人，而是被給了一組真正可以做事的工具：公司卡、電話、Email、網路，以及可以透過監視器看見店內狀況的「眼睛」。
它可以決定要賣什麼商品、怎麼定價、什麼時候開店，也可以參與店面佈置，例如牆上的壁畫。更重要的是，它還能處理外部協調工作，包括找油漆工、聯絡承包商、下指令、付款，甚至自己建立 LinkedIn、Indeed 和 Craigslist 的徵才資料。
這代表 Luna 的角色，已經不是一般客服機器人，而比較像是一個被授權去執行任務的 AI 代理人。它不只是回應問題，而是開始替店面做決定、找人、花錢，並推動實際營運。
官方也寫得很直接：Luna 需要人類幫忙，不是因為它不想管理店面，而是因為它沒有身體，不能自己站在店裡搬貨、補貨、招呼客人。
所以，Luna 自己刊登職缺、進行電話面試，最後雇用了兩位全職員工。Andon Labs 甚至把這兩位員工形容為「可能是世界上第一批全職被 AI 管理的人」。這句話當然有 Andon Labs 自己的宣傳角度，但它提醒我們一件事：AI 已經不只是幫白領工作者寫文件、整理資料，也開始碰到雇用、排班與現場管理這些更具體的營運工作。
第三方媒體的採訪，也讓這個實驗看起來更真實。Axios 到店採訪時提到，Luna 負責招募、庫存、定價、顧客互動與供應商關係；而真人店員 Felix Johnson 則負責迎接客人、補貨，以及讓店裡保有人與人互動的感覺。ABC7 也補充，Luna 會透過電話和顧客互動，也會透過 Slack 和員工溝通。
這個分工很重要。它顯示目前所謂的 AI 管理者，並不是讓人類完全消失，而是把工作重新分開：AI 負責一部分決策與協調，人類則負責現場執行、服務與臨場判斷。
03｜Luna 做錯了什麼？為什麼排班與揭露問題比選品更重要
這個案例最值得看的，不是 Luna 最後選了哪些商品，而是它在哪些地方出錯。因為這些錯誤，才真正讓我們看見：當 AI 開始碰到雇用、排班、品牌與現場營運時，問題會變得多複雜。
第一個問題，是身分揭露。
Andon Labs 在官方文章裡承認，有些求職者在電話面試時，其實不知道自己正在和 AI 對話。Luna 如果被直接問到，會承認自己是 AI；但它不一定會在一開始就主動說明。
後來 Andon Labs 也直接寫出他們的立場：如果 AI 要參與雇用人類，就應該主動說明自己的身分。這件事的重要性，不只是公關問題，而是信任問題。因為一個人要不要接受面試、要不要被錄用，本來就應該知道自己面對的是人類主管，還是 AI 系統。
第二個問題，是雇用判斷不夠穩定。
官方提到，Luna 一開始在看履歷時非常挑剔，拒絕了一些對 AI 實驗很有興趣、但缺少傳統零售經驗的人。可是到了電話面試階段，它又會在很短時間內快速決定錄用。
Business Insider 的報導也提到，Luna 在面試時並不一定會立刻說明自己是 AI。這些狀況放在一起看，問題就不是 Luna 完全不能做決定，而是它的判斷還不夠穩。有時太嚴格，有時又太快下決定，前後標準不一致。
第三個問題，是排班與人力安排。
ABC7 報導指出，Luna 曾經因為失誤，連續三天沒有把員工班表排好。Business Insider 則寫到，店開幕後隔天，它就把人力安排搞亂，還得臨時發訊息請員工到店裡支援。
兩家媒體的細節不完全一樣，但都指向同一個重點：AI 最容易出問題的地方，不一定是「不會算答案」，而是無法穩定承擔一連串責任。對有門市、客服、派工、輪班或現場管理需求的企業來說，這比 AI 選錯商品更值得注意。
第四個問題，是品牌一致性。
Andon Labs 自己也提到，Luna 設計出的月亮笑臉 Logo，每次重新生成時都會有一點差異。Business Insider 也把這件事視為 Luna 在品牌複製上不夠穩定的例子。
這看起來像小問題，但其實很接近企業現實。因為當 AI 開始幫公司對外溝通、對內分派任務，甚至產生品牌素材時，企業要面對的就不只是「功能能不能用」，而是更深一層的問題：它說話的風格是否一致？做事的標準是否穩定？它代表公司的樣子，會不會每次都不一樣？
04｜為什麼這件事可以被理解成 AI 管理者進入現實工作
Andon Labs 在官方文章裡講得很直接：在通用型機器人還沒有成熟之前，真正可能先被 AI 影響的，不一定是第一線藍領工作者，而是管理這些工作者的人。
這句話不是口號，而是他們對 Luna 這個實驗的核心觀察。因為現在 AI 最先能接手的，還不是搬貨、站櫃、掃地這類需要身體的工作，而是排班、監看、協調、分派任務，以及和外部廠商聯繫。
Anthropic 去年的 Project Vend，其實也用不同方式說到類似的問題。他們一方面承認，如果今天真的要經營一家店，他們不會直接聘用 Claudius；但另一方面，他們也明白提到，AI 擔任中階主管並不是完全遙遠的事。
這兩句放在一起看，才是企業現在最需要理解的現實：AI 主管還不是成熟產品，但也已經不是很遙遠的想像。它正卡在一個尷尬卻重要的位置：還不能完全放心交給它，但它已經開始碰到主管工作的某些部分。
所以，這篇文章如果只寫成「AI 開了一家店」，那就只是有趣新聞；但如果把它看成「主管這個角色，正在被拆成不同功能，部分交給系統來執行」，意義就完全不同。
Andon Market 對企業真正的啟發，不在零售業本身，而在組織設計。它提醒我們，未來 AI 影響的不只是員工怎麼工作，也可能改變主管怎麼被定義、怎麼被授權，以及哪些管理工作會先被系統接手。
05｜這仍是小規模、被保護、帶展示性的實驗
如果把 Andon Market 直接寫成「未來商店已經來了」，這個結論會下得太快。
Axios 的現場報導提到，Anthropic 和 Andon Labs 會負擔三年的租金與營運成本，讓 Luna 有時間學習，不必馬上承受一般零售店的獲利壓力。不過，這段資訊是店員 Felix Johnson 對 Axios 的說法，並不是完整公開的財務資料。
所以，較穩妥的理解應該是：Andon Market 目前是一個受到保護的實驗環境，而不是已經被驗證成功的商業模式。
另外，Axios 也提到，顧客對這家店的反應很不一樣。有些人是因為知道這是一場 AI 實驗，才特地跑去看看；有些人則是走進店裡之後，才發現背後是 AI 在管理。
這代表 Andon Market 現在不只是一家店，也是一個受到媒體關注的話題事件。這個差別很重要。因為人們因為好奇而來，不代表他們會長期回來消費；一個實驗有話題，也不代表它已經可以變成可複製的商業模式。
更現實的是，目前外界能看到的成功與失誤，多半還是來自 Andon Labs 自己的說法，以及少數媒體的現場採訪。這些資料已經足夠讓我們分析它的意義，但還不足以說明一般企業現在就可以大規模複製「AI 店長」模式。
比較準確的說法應該是：Andon Market 證明了 AI 已經開始碰到主管工作的某些功能，例如排班、招募、協調與分派任務；但它還沒有證明，AI 已經能在真實商業壓力下，長期穩定地扮演門市管理者。
06｜台灣企業導入 AI Agent 前，為什麼要先做 AI 管理者檢核
對台灣企業來說，Andon Market 最有用的啟發，其實不在零售業本身。
因為大多數企業短期內不太可能把一整家門市交給 AI 管理，但很可能會先把某一段管理流程交給 AI。例如：連鎖門市的排班、客服中心的任務分派、維修人員的派工、外包人力協調，或者供應商溝通。
這些場景的共同點，不是需要 AI 很會聊天，而是需要它能穩定做判斷，而且這些判斷必須能被記錄、被回看、被人覆核。更重要的是，一旦 AI 出錯，必須有人可以立刻接手。
Andon Market 的價值，就在於它把這些問題一次攤開來看。它提醒企業：真正要評估的，不是 AI 能不能完成單一任務，而是它能不能在連續的管理流程中，穩定、透明、可被追蹤地做事。
如果要把這則新聞變成管理層可以直接使用的判斷框架，我會建議先問三個問題。
第一，這個 AI Agent 會不會主動說明自己的身分與權限？
Luna 的案例已經顯示，如果 AI 在面試或對外溝通時沒有主動說明自己是 AI，就很容易引發信任問題。
第二，它的判斷過程能不能被記錄、回看與覆核？
Project Vend 和 Luna 的案例都提醒我們，當 AI 開始做管理判斷時，如果沒有留下紀錄，後續就很難追責，也很難知道是哪個環節出問題。
第三，一旦 AI 出錯，誰能接手？又能多快接手？
排班、客服承諾、採購溝通、供應商談判，都不是做完就結束的工作。真正麻煩的是，當 AI 做錯決定時，誰能發現、誰能修正、誰要負責收尾。
如果企業接下來真的要採購這類 AI Agent，建議再補三個檢查重點：
不要只看功能，而要看責任分工怎麼設計。
不要只看展示效果，而要看異常狀況怎麼處理。
不要只問可以省下多少人力，而要問什麼時候需要人介入，以及人工覆核的成本有多高。
不要只看功能，而要看責任分工怎麼設計。
不要只看展示效果，而要看異常狀況怎麼處理。
不要只問可以省下多少人力，而要問什麼時候需要人介入，以及人工覆核的成本有多高。
因為 AI 管理者真正會改變的，不只是一個工作流程，而是組織裡的權責關係：誰可以授權 AI 做事，誰會被通知，誰能中途介入，最後又由誰負責。
這也是 Andon Market 對台灣 CIO、營運主管、人資主管與客服主管最實際的意義。它不是要大家現在就把管理工作交給 AI，而是提醒企業：在 AI Agent 進入真實工作流程之前，責任邊界必須先被設計清楚。
總結｜Andon Market 真正提前測試的，不是零售能力，而是管理責任
Andon Market 告訴企業的，不是 AI 已經能穩定經營一家店，而是 AI 已經開始碰到主管工作裡最難處理的部分：分派任務、協調人員、說明身分，以及承擔責任。
所以，這篇文章真正談的不是零售，而是管理。當 AI 不再只是回答問題，而是開始排班、雇人、聯絡供應商、回應顧客、協調現場與後台時，企業要面對的核心問題就不再只是「這個功能好不好用」，而是「出了問題誰負責」。
Luna 這個案例之所以有價值，不是因為它表現完美，而是因為它的錯誤很具體。它讓我們看見的，不是一次技術展示失敗，而是一次管理測試中的失誤：身分揭露不夠主動、雇用判斷不穩定、排班出錯、品牌輸出不一致。
也因此，這篇文章如果只寫成「AI 很酷」，就浪費了這個案例。真正值得帶走的，是 AI 管理者已經不是很遙遠的想像，而是一個企業需要開始設計規則、責任與接手流程的現實問題。
接下來最值得觀察的，也不是哪家媒體又寫了「AI 店長」，而是三個更實際的指標。
第一，這類 AI 實驗能不能從話題事件，變成真的有人穩定回訪、員工也願意長期留下的營運模式。
第二，當 AI 出錯時，人類需要多常接手？每次接手又要花多少時間與成本？
第三，企業會不會開始把 AI 代理人的身分揭露、判斷紀錄與人工接手規則，寫進採購條件與部門流程裡。
第一，這類 AI 實驗能不能從話題事件，變成真的有人穩定回訪、員工也願意長期留下的營運模式。
第二，當 AI 出錯時，人類需要多常接手？每次接手又要花多少時間與成本？
第三，企業會不會開始把 AI 代理人的身分揭露、判斷紀錄與人工接手規則，寫進採購條件與部門流程裡。
最後，企業真正應該帶回去問自己的，可能只有一句話：我們打算把 AI 放進哪一段管理責任裡？如果它出錯，我們準備好承擔後果了嗎？
文/ 睿客
FAQ:
Q1｜Andon Market 是不是完全由 AI 經營？
一句答案：不是。它比較像是由 AI 掌握主要營運決策，真人負責實體執行與現場維持。
官方明寫，Luna 決定商品、價格、開店時間與部分招募，但也因為自己沒有身體，所以會雇用人類做實體工作。Axios 的採訪同樣指出，Luna 負責 hiring、inventory、pricing 與 vendor relationships，真人店員則負責迎賓、補貨與維持空間的人味。這代表現階段比較合理的理解，不是「人消失」，而是「決策與現場重新分工」。
Q2｜為什麼排班失誤比選品失誤更值得注意？
一句答案：因為排班失誤碰到的是連續責任，而不是單點判斷。
選品選錯，可能只是少賣一些貨；但排班出錯，會連動開店、交班、顧客體驗與員工信任。ABC7 與 Business Insider 都指出，Luna 在開店初期曾出現 staffing 或排班問題。不同報導對細節描述略有差異，但共同指向同一件事：AI 最容易跌倒的，不一定是計算本身，而是讓日常營運穩定銜接。
Q3｜AI 管理者和 AI 客服有什麼不同？
一句答案：AI 客服主要回答問題，AI 管理者則開始承擔分派、協調、判斷與例外處理。
Luna 的案例之所以重要，就在於它已不只是回覆顧客，而是碰到 hiring、pricing、vendor relationships、staffing 這類主管功能。Andon Labs 與 Anthropic 兩邊都把重點放在 middle-manager 或藍領管理者可能更早被自動化，這和一般的客服機器人或 FAQ 機器人是不同層級的事情。對企業來說，兩者最大的差異不在技術形式，而在責任重量。
Q4｜企業導入 AI Agent，第一個要設的不是功能，而是什麼？
一句答案：不是先設功能，而是先設揭露、留痕與人工接手機制。
Luna 的案例已經顯示，不主動揭露會碰到信任問題，判斷不留痕會變成責任黑洞，排班失誤則會逼人類臨時收尾。這也是為什麼企業若只看 demo，而不先設好誰能看到決策過程、誰能覆核、誰在例外情況下接手，導入風險會很高。這個結論不是官方原句，而是根據已公開失誤型態整理出的管理建議。
Q5｜Andon Market 已經賺錢了嗎？
一句答案：目前只能說創辦人對媒體表示 Luna 已開始獲利，還不能把它當成已被獨立驗證的硬事實。
ABC7 引述 Andon Labs 共同創辦人 Axel Backlund 表示，Luna 現在已經開始獲利；但目前公開資料中沒有完整財務報表或第三方驗證數據。也因此，較穩妥的寫法是把這句視為受訪者說法，而不是把它直接升級成已被證明的商業模式。
Q6｜這個案例對台灣企業最直接的啟發是什麼？
一句答案：先不要想複製一間 AI 店，而要先建立 AI 管理者的治理規則。
因為 Luna 暴露出來的問題，幾乎都不是零售專屬，而是任何把 AI 放進排班、客服、派工、人資初篩或供應商溝通時都會遇到的問題。對台灣企業最實際的第一步，不是問「要不要導入」，而是問「這個 Agent 的身分會不會說清楚、決策過程能不能回看、出錯時誰能接手」。這一題，會比功能表更接近管理層真正要解的問題。
參考資料：
We gave an AI a 3 year retail lease in SF and asked it to make a profit
- Project Vend: Can Claude run a small shop? (And why does that matter?)
- San Francisco store created and managed by AI
- We visited San Francisco’s AI-run store so you don’t have to
- This San Francisco store is run by artificial intelligence: Meet Luna, the boss
- New store managed by AI Agents opens in San Francisco
- An AI bot is running a retail store. Is this the future?
- An AI built a boutique with $100,000, then panicked when no one showed up to work
- An AI Agent opened a store in San Francisco. Then it forgot the staff
閱讀推薦：
精選解讀｜零售 AI 正從雲端功能走向門市終端設備
精選解讀｜代理型 AI 進入零售：亞太市場為何可能成為全球第一個「AI 代購」戰場
精選解讀｜零售業把 AI 從儀表板推到對話界面後，真正改寫的是決策節點
精選解讀｜Tesco 與 Mistral AI 簽三年生成式 AI 合作：共建 AI 實驗室，直攻零售顧客體驗與營運效率
新聞速讀｜Zara 導入 AI 重整影像製作流程，讓零售日常運作悄然變形
精選解讀｜日本大和證券攜手 Sakana AI 打造零售客戶專屬工具，金融＋生成式 AI 實驗啟動
精選解讀｜AI Agents 重塑消費產業：零售、旅遊、餐飲的數位競爭新賽局
精選解讀｜Robomart 的三美元革命：外送機器人如何重構品牌直通用戶的新零售戰爭
AI 新聞速報｜AI 造型師 Ella 上線，Vivrelle、Revolve、FWRD 正重塑零售導購新典範
Agentic AI 重塑零售顧客體驗：從動線模擬到智慧購物車
洞察觀點｜AI 引爆零售業的下一步轉型：零售經營者該如何制定務實的 AI 策略
版權聲明與授權須知
本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。
如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。
AI 協作聲明：
本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。
JUDGEMENT
We help you make better judgement about AI.
不是更快知道 AI 新聞，而是更早做出你能承擔後果的判斷。
InfoAI 存在的目的
是把 AI 的變化，轉換成可被理解、可被評估、可被行動的判斷框架。