DoorDash 出了命令列訂餐工具，你的系統準備好被 AI 呼叫了嗎
DoorDash 推出給 AI agent 用的命令列訂餐工具，揭露一個殘酷現實：當客戶從人變成機器，企業過去砸錢做的介面可能瞬間變成沉沒成本。這篇談企業該怎麼準備。
- 當客戶從人變成AI agent，App介面的價值可能歸零，API能力才是真正的護城河", "企業評估AI整合，不該只看聊天機器人好不好用，要問自己的系統能不能被機器讀懂", "資料結構、API設計、許可權管理這些後臺工程，才是agentic commerce時代真正的門面
前幾天看到一則新聞，某外送平臺開了一個限量beta，讓開發者可以用命令列，對，就是工程師打指令那個黑底白字的視窗，來訂午餐。示範影片裡，AI agent為了訂三份沙拉，讀了聊天記錄、翻了記憶、解析JSON、跑了一段Python指令碼，還從錯誤中自己爬起來重試。訂三份沙拉，動用的工程量比你想像中大得多。
這件事表面上很好笑，命令列是1970年代的老古董，醜、沒有按鈕、對一般人完全不友善，結果現在反而是AI agent最愛用的介面。過去二十年整個產業砸錢最佳化的東西，動線、按鈕位置、轉換率，全部是為了服務人的眼睛跟手指。AI agent不看畫面，它只讀API。
當客戶變成機器，你的門面可能一文不值
我常遇到的狀況是，企業主問我，我們要不要也做一個AI聊天機器人。這個問題問錯了方向。聊天機器人只是介面的一種，跟App、跟網站本質上是同一層東西，都是給人看的。真正的問題應該是，如果有一天客戶不是人，是一個幫他訂餐、比價、下單的AI agent，你的系統有沒有辦法被它讀懂、被它呼叫。
我合作過的一間中型零售業者，官網做得漂亮，轉換率也不差，但後臺資料是三套系統各自為政，商品資訊、庫存、價格分散在不同地方，靠人工每天手動同步。這種架構在人來人往的網站時代還能撐，因為人會自己判斷、自己容錯。AI agent不會，它要的是一致、結構化、可被解析的資料。架構沒理順，agent直接卡死。
三件事，企業現在就能做
- 盤點你的核心業務流程有沒有對外開放的API，沒有的話，介面設計再美都是給人看的表演
- 檢查資料結構是否一致，同一個商品、同一筆訂單，在不同系統裡的欄位定義要對得起來，不然AI讀了也是白讀
- 許可權與交易安全機制要提前設計，AI agent會直接碰觸下單、付款這些敏感操作，不能等出事才補
這不是要每間公司都馬上做agent串接，而是提醒一件事，未來的客戶入口可能不再是你設計的那個畫面，是別人的AI agent透過API直接跟你的系統對話。你連被呼叫的能力都沒有，就沒有資格談生意。
這才是真正的數位轉型
很多公司做數位轉型，第一件事就是換個好看的網站，或裝個聊天機器人展示一下科技感。這種做法我見多了，本質上是花錢買一張門面，跟後臺體質沒有關係。真正該花力氣的地方，是資料整合、系統串接、API設計，這些工程看不到光鮮亮麗的畫面，卻決定了你的公司未來能不能被機器找到、被機器信任、被機器交易。