Algorytm zatrzymał pizze Pizza Hut – pozew na 100 mln dolarów

Franczyzobiorca Pizza Hut z północno-wschodnich stanów USA pozwał sieć na ponad 100 milionów dolarów. Powód: system AI o nazwie Dragontail, którego użycie Pizza Hut wymagała od franczyzobiorców do 2024 i który zamiast przyspieszać dostawy, miał je drastycznie spowolnić. Pozew złożono na początku maja 2026 w Business Court of Texas First Division. Sprawa jest na razie otwarta, ale liczby z pozwu zwracają uwagę także w Polsce – to scenariusz, którego polskie firmy powinny unikać przy centralnie narzucanych wdrożeniach AI w sieciach franczyzowych.

Co się dokładnie stało

Pozew złożyła firma Chaac Pizza Northeast, która prowadzi 111 lokali Pizza Hut w Maryland, Pensylwanii, Nowym Jorku, New Jersey i Dystrykcie Kolumbii. Przedmiotem sporu jest platforma Dragontail, czyli oprogramowanie do zarządzania dostawami kupione przez Yum Brands w 2021. System pokazuje kierowcom w czasie rzeczywistym, co dzieje się w kuchni i decyduje, kiedy ruszyć z dostawą. Zarzut brzmi prosto. Według pozwu wdrożenie Dragontail wywołało “kaskadowe załamania operacyjne”, w tym wydłużone czasy oczekiwania, zimną pizzę u klientów i spadek lojalności.

Konkretne liczby z pozwu robią wrażenie. Przed Dragontail ponad 90 procent dostaw docierało do klienta w ciągu 30 minut. Po wdrożeniu spadło to do około 50 procent, a średni czas dostawy wzrósł z 30 minut do ponad 45. “Rack Time”, czyli czas między ukończeniem zamówienia w kuchni a wyjazdem kierowcy, skoczył z poniżej 5 minut nawet do 20. Jak czytamy w dokumentach złożonych w sądzie, system zachęcał kierowców do “stackingu”, czyli czekania na kolejne zamówienia, żeby je dowieźć razem. Pizza w tym czasie stała w restauracji i stygła. Pizza Hut na razie nie komentuje. W krótkim oświadczeniu firma napisała tylko, że “analizuje pozew i odpowie odpowiednimi kanałami prawnymi”.

Co dokładnie zarzuca franczyzobiorca

Najważniejszy zarzut nie dotyczy samej technologii, tylko sposobu jej narzucenia. Chaac twierdzi, że wdrożenie Dragontail zostało narzucone jako obowiązkowe i franczyzobiorca nie miał realnej możliwości odmowy ani powrotu do wcześniejszego sposobu pracy. Z perspektywy operacyjnej kierowcy zaczęli kierować się wskazaniami algorytmu pokazywanymi na ekranie. Pozew określa to jako jednostronny dyktat technologiczny, który przerzucił całe ryzyko operacyjne na franczyzobiorcę.

Drugi zarzut dotyczy mechanizmu działania systemu. Dragontail miał pokazywać kierowcom, kiedy z pieca wyjeżdża kolejne zamówienie. Cel był sensowny, czyli ograniczenie pustych przebiegów. W praktyce wynik okazał się odwrotny. Według pozwu kierowcy zaczęli stać i czekać na drugą lub trzecią pizzę, żeby pojechać z trzema na raz. Algorytm to “nagradzał”, ponieważ trasy stawały się efektywniejsze na papierze. W tym samym czasie pierwsza pizza stygła na półce. Klient dostawał chłodne jedzenie i wystawiał gorszą ocenę, jednak system tego już nie mierzył.

Trzeci zarzut to brak elastyczności. Chaac twierdzi, że nie miał możliwości lokalnego dostrojenia parametrów Dragontail do specyfiki swoich lokali. To kluczowe, ponieważ restauracje w Manhattanie pracują inaczej niż w Maryland, a ruch w piątek wieczorem to inna rzeczywistość niż wtorek po południu. Standardowo w branży gastronomicznej menedżer ma narzędzia do ręcznego sterowania – tu nie miał. Dlatego pozew nie nazywa Dragontail “złym AI”, a raczej źle wdrożonym AI bez kontroli na poziomie lokalu.

System zachęcał kierowców do grupowania zamówień, jednak nie mierzył temperatury pizzy w chwili dostawy. Efektywność trasy rosła w raportach, ale jedzenie stygło na półce, a klient odchodził.

Jak działa Dragontail i dlaczego stacking zawiódł

Dragontail to przykład tego, co w branży nazywa się “AI-driven dispatching”, czyli przekazywaniem decyzji o kolejności dostaw algorytmowi. System miał zarządzać dostawami i momentem wyjazdu kierowców na podstawie informacji operacyjnych z restauracji. Brzmi jak klasyczne zadanie optymalizacyjne. Z tym że algorytm zawsze optymalizuje wąsko zdefiniowaną funkcję, a klient ocenia coś szerszego, czyli sumę wrażeń z zamówienia.

Tu jest jądro problemu. Jeśli funkcja celu Dragontail to “maksymalizuj liczbę pizz przewiezionych jednym kursem”, to stacking jest racjonalnym wyborem algorytmu. Każda dodatkowa pizza w torbie kierowcy obniża koszt jednostkowy dostawy. Tyle że klient nie kupuje “kosztu jednostkowego”. Kupuje gorącą pizzę w 30 minut. Te dwie rzeczy zaczynają być w konflikcie po pewnym progu i Dragontail najwyraźniej tego progu nie miał – albo miał, ale ustawiony w centrali, a nie w Maryland.

Drugi wymiar to przepływ informacji. Wcześniej kierowca patrzył na półkę i widział pizzę. Decyzja “jadę teraz” była mechaniczna i niewymagająca refleksji. Po wdrożeniu Dragontail kierowca patrzył na ekran i widział prognozę. Stał przy aucie z ostygającą pizzą, ponieważ system mówił, że za 4 minuty wyjdzie druga z pieca. Dlatego problem nie był techniczny w sensie błędu kodu. Był procesowy: ludzie zaczęli słuchać algorytmu, który optymalizował coś innego niż chcieli klienci.

Trzeci wymiar to brak informacji zwrotnej do systemu. W dobrze zaprojektowanym AI ocena klienta wraca do modelu i koryguje wagi funkcji celu. Według pozwu Dragontail tej pętli nie miał, albo miał ją zamkniętą na poziomie Yum Brands. To znaczy, że Chaac jako franczyzobiorca widział spadające oceny i rosnące czasy dostaw, jednak nie mógł zmienić zachowania systemu. Tymczasem wynagrodzenie i reputacja restauracji zależały od tych samych wskaźników.

Co to znaczy dla polskich firm wdrażających AI

Wniosek dla polskich sieci franczyzowych jest ogólny i niezależny od tego konkretnego systemu. Wzorzec ryzyka, który zarysował się w pozwie Chaac, dotyczy każdej firmy, w której centrala narzuca w dół technologię. Może to być sieć restauracji, lokali fast food, salonów beauty, retail z magazynem centralnym, sieć aptek czy stacji benzynowych. Wszędzie tam pojawia się dziś presja na “wdrożenie AI”, często bez okresu pilotażu i bez wskaźników, które pozwolą uznać projekt za nieudany.

Pierwsza lekcja dla polskich CIO i dyrektorów operacyjnych jest prosta. AI to narzędzie, a narzędzia testuje się na próbce, a nie na całej organizacji. Dlatego rollout typu “od poniedziałku wszystkie 200 lokali w PL przechodzi na nowy system” to pomyłka strukturalna. Pilotaż na 10 lokalach przez 8 tygodni pokazałby Pizza Hut, że stacking psuje doświadczenie klienta. Trzy miesiące i 100 milionów dolarów później ta sama wiedza wraca – tylko już z kosztem pozwu sądowego.

Druga lekcja dotyczy katastrof AI w produkcji, które obserwujemy regularnie od kilku miesięcy. Wzorzec jest podobny: technologia działa zgodnie z własną funkcją celu, jednak ta funkcja nie pokrywa się z celem biznesowym. Agent w Cursorze “uporządkował” produkcyjną bazę, kasując ją. Dragontail “zoptymalizował” trasy dostaw, mrożąc pizze. W obu przypadkach winny nie jest model. Winna jest decyzja, żeby dać modelowi władzę nad operacją bez bezpiecznika. Człowiek miał ostatecznie zapłacić rachunek za każdym razem, kiedy AI źle zrozumiało zadanie.

Trzecia lekcja to elastyczność lokalna. Polskie sieci często działają w modelu franczyzowym, w którym właściciel lokalu zna swoje miasto, swoich kierowców i swoich klientów lepiej niż centrala. Jeśli system narzucony z góry odbiera mu narzędzia ręcznego sterowania, to centrala bierze na siebie odpowiedzialność za każdy lokalny zgrzyt. Chaac właśnie próbuje to udowodnić w sądzie w Teksasie. Wynik tej sprawy może w najbliższych miesiącach ustawić precedens, do którego polskie sieci dostaną się przez własnych prawników.

Kurs n8n 2.0 · Kodożercy

n8n + AI = automatyzacje, które naprawdę myślą

n8n pozwala podłączyć modele AI do swoich workflow – wysyłać dane do ChatGPT, analizować wyniki, reagować automatycznie. Kurs n8n 2.0 na Kodożercach pokaże Ci jak to połączyć.

Sprawdź jak to działa →

Podsumowanie

Pozew Chaac Pizza Northeast przeciwko Pizza Hut to pierwszy duży amerykański precedens “AI deployment gone wrong” w sieci gastronomicznej. Zarzut nie dotyczy samego Dragontail, a sposobu jego wdrożenia: obowiązkowy rollout, brak realnej możliwości powrotu do wcześniejszego procesu, brak lokalnej kontroli i niedopasowana funkcja celu. Algorytm robił to, co miał robić, jednak robił to wąsko, podczas gdy klient ocenia całość doświadczenia. Sprawa wciąż się toczy, jednak liczby z pozwu mówią same za siebie – z ponad 90 procent dostaw w 30 minut spadek do około 50 procent po wdrożeniu AI.

Dla polskich CIO, dyrektorów operacyjnych i właścicieli franczyz to konkretna lekcja. AI nie jest magią, która zoptymalizuje biznes, jeśli wdroży się ją bez okresu testowego, wskaźników wycofania zmian oraz elastyczności lokalnej. To są standardowe zasady inżynierii oprogramowania przeniesione do AI. Pizza Hut mierzy się dziś z pozwem, w którym franczyzobiorca domaga się ponad 100 milionów dolarów, a to nawet nie jest wyrok, tylko sam fakt postawienia sprawy.

Mateusz Wojdalski

Specjalista SEO i content marketingu w Devstock. Zajmuję się strategią treści, automatyzacją procesów marketingowych i wdrożeniami AI w codziennej pracy. Badam nowe narzędzia, adaptuję je do realnych zadań i piszę o tym, co faktycznie działa.