商販
由視覺人工智慧賦能
人工智慧模型、廣角成像和邊緣處理技術的進步，使得我們可以偵測特定行為，並將其轉化為整個環境中可衡量的運行指標。
行為，而不僅僅是動作
早期的系統追蹤運動。現在，人工智慧模型可偵測特定區域內的特定行為：
- 排隊形成與排隊分散
- 桌子有人坐 vs 空著
- 已完成任務與未完成任務（例如打包、清潔）
這並非開放式的解釋。
廣譜經濟學
魚眼和廣角光學鏡頭可實現全區域可視性：
- 整個排隊區域
- 休息區
- 廚房工作站
一台設備即可覆蓋整個作業區域（約 3,000-4,000 平方英尺），而無需使用多台窄攝影機。
現實世界的問題現在可以解決了
之前的系統在實際環境中失敗了：
- 人群中的遮擋
- 端著托盤/物品的人
- 兒童、團體、不規則運動
現代模型基於密集、真實的場景進行訓練，因此能夠：
- 穩定隊列測量
- 在雜亂場景中也能可靠地追蹤
- 角色區分（例如，透過統一的識別區分員工和顧客）
從觀察到評分
所有偵測到的狀態都轉換為結構化指標：
- 佇列長度 → 基於時間的分佈
- 餐桌佔用率 → 使用率
- 任務完成 → 合規性評分
這些並非原始訊號。它們會被轉換成標準化變量，這些變量可以：
- 各門市對比
- 依時段（小時/天/活動）比較
- 各隊之間的比較
原本看不見的東西現在可以測量了。
營運不再靠推斷，而是透過測量來衡量；執行不再靠抽樣，而是持續可見；績效不再是主觀的，而是可以跨地域、跨團隊、跨時間進行比較。