Byte by Yum: KFC 주방 화면과 Taco Bell 음성 주문 AI로 드라이브스루 속도와 매출을 올린 Yum Brands

Yum Brands는 자체 AI 플랫폼 Byte by Yum으로 KFC 주방과 Taco Bell 드라이브스루를 바꾸고, 그 성과를 비용이 아니라 속도, 환불, 만족도, 매출로 보고했습니다. 따라 하려면 매장마다 주문 처리 시간과 환불률의 기준선을 먼저 재고, 가맹점이 체감하는 지표로 확대 여부를 정해야 합니다.

요약

CIO Dive의 Paige Gross 기자는 화요일 열린 Yum Brands 3분기 실적 콜을 바탕으로 회사의 AI 전략을 정리했습니다(2026년 11월 3일 게재). Yum Brands는 KFC와 Taco Bell의 모회사입니다. 기사는 Pizza Hut을 매각·분리한 뒤 회사가 스스로를 규정하는 방식에서 AI의 비중이 커졌다고 봅니다. 3분기 전 브랜드 매출은 3% 늘었습니다. 콜에서 AI 성과를 설명한 사람은 Ranjith Roy CFO입니다. 중심에는 Byte by Yum이 있습니다. 고객 접점, 매장 프로세스, 사내 팀을 위한 AI 도구를 묶은 자체 SaaS(서비스형 소프트웨어) 플랫폼입니다. Jim Dausch가 Byte by Yum 사장과 최고 디지털·기술 책임자를 함께 맡고 있습니다. Roy는 이 플랫폼이 소비자 경험을 낫게 하고 운영을 단순하게 만들며 가맹점에 더 큰 가치를 준다고 설명했습니다.

성과는 두 브랜드에서 나왔습니다. KFC 매장에 깐 Bite Kitchen Display System(주방 주문 화면)은 드라이브스루 속도를 8% 높이고 환불을 12% 줄였습니다. 배달 기사가 기다리는 시간도 줄었지만 수치는 밝히지 않았습니다. Taco Bell은 900곳 넘는 매장의 드라이브스루에서 음성 AI가 주문을 받습니다. 2026년 말까지 1,500곳 이상으로 늘릴 계획이고, 드라이브스루 전반 만족도는 6% 좋아졌으며 매출은 약 1.5% 올랐습니다. Yum은 2025년에 AWS, Microsoft, Nvidia와 손잡고 음성 AI 에이전트를 배치했습니다. Roy는 AI를 “transformative to the business”라고 부르며 전사 AI 사용이 40% 늘었다고 추정했습니다. AI가 하루 업무를 돕는 단계에서 조직의 역량 안으로 들어갔다는 설명입니다. 다음 과제는 AI를 시험에서 도입으로, 다시 매장 운영과 가맹점 경제성의 측정 가능한 개선으로 옮기는 일입니다. 아래에서는 다섯 가지 구조를 풀고, 같은 방식을 매장 운영에 옮길 때 필요한 데이터와 일정을 덧붙였습니다.

핵심 메커니즘

Byte by Yum: 본사가 만들고 브랜드와 가맹점이 함께 쓰는 AI 플랫폼

Byte by Yum은 Yum이 직접 만든 SaaS 플랫폼입니다. 고객 접점, 매장 프로세스, 사내 팀에 쓰는 AI 도구를 한곳에 모았습니다. 브랜드마다 따로 도구를 사는 대신 본사가 한 번 만들고 KFC와 Taco Bell이 같은 도구를 나눠 씁니다. 기사는 이 플랫폼의 가치를 가맹점 쪽에서 설명합니다. 매장 운영이 단순해지고 고객 경험이 좋아지면 가맹점이 얻는 몫이 커진다는 논리입니다. 매장 수가 많고 가맹점 비중이 큰 회사에 맞는 구조입니다. 브랜드가 하나뿐이거나 매장이 수십 곳이면 자체 플랫폼보다 상용 도구를 고르는 편이 빠릅니다.

Bite Kitchen Display System: 주방 주문 흐름을 정리해 속도와 환불을 바꾸는 화면

Bite는 KFC 매장에 배포한 주방 관리 기능입니다. 기사가 밝힌 결과는 세 가지입니다. 드라이브스루 속도 8% 향상, 환불 12% 감소, 배달 기사 대기 시간 단축입니다. 주방 화면(KDS)은 보통 매장, 드라이브스루, 배달 앱에서 들어온 주문을 한 화면에 모아 조리 순서와 완료 시점을 관리합니다. 순서가 정리되면 차가 창구에서 기다리는 시간이 줄고, 빠뜨리거나 잘못 만든 주문이 줄어 환불도 줄어듭니다. 이 연결은 KDS의 일반적인 작동 방식으로 설명한 것이며 Bite의 내부 로직은 기사에 없습니다. 주문 채널이 여러 개이고 피크 시간에 주방이 밀리는 매장일수록 효과를 재기 쉽습니다.

Drive-Thru Voice AI: 창구 주문을 음성 AI가 받는 Taco Bell 방식

Taco Bell은 드라이브스루 창구에서 음성 AI가 주문을 받습니다. 지금 900곳 넘는 매장에서 쓰고 있고 2026년 말까지 1,500곳 이상으로 넓힙니다. 회사가 밝힌 효과는 드라이브스루 전반 만족도 6% 개선과 약 1.5% 매출 상승입니다. 음성 에이전트는 2025년에 AWS, Microsoft, Nvidia와 협력해 배치했습니다. 플랫폼은 자체로 만들되 음성 인식과 모델 인프라는 대형 기술 회사와 손잡는 방식입니다. 메뉴가 표준화돼 있고 매장 수가 많은 체인에 맞습니다. 메뉴 변형이 많고 손님과 길게 상담하는 업종이라면 전 매장 적용보다 피크 시간 보조부터 시작하는 편이 안전합니다.

Byte Coach: 점장이 매장 문제를 찾고 고치게 돕는 도구

Byte Coach는 점장(general manager)과 지역 리더를 위한 도구입니다. 매장 단위에서 생기는 문제를 더 잘 찾아 고치게 돕는 것이 목적입니다. 기사는 목적만 밝혔고 어떤 데이터를 보는지는 설명하지 않았습니다. 실제로 돌릴 때는 Bite와 음성 AI가 남기는 주문·조리·환불 기록이 Byte Coach의 재료가 됩니다. 주방 화면이 시간을 재고, 점장 도구가 그 시간이 나빠진 매장을 짚는 식으로 도구끼리 데이터를 주고받아야 플랫폼 효과가 납니다. 점장이 매일 여러 리포트를 손으로 뒤지는 조직에서 효과가 큽니다.

Test → Adoption → Scale: 시험에서 규모 있는 성과로 옮기는 파이프라인

Roy는 다음 단계를 AI 파이프라인의 이동으로 설명했습니다. 시험에서 도입으로, 도입에서 규모 있는 성과로 넘어가는 것입니다. 목표는 매장 운영, 소비자 경험, 가맹점 경제성에서 측정 가능한 개선입니다. 전사 AI 사용이 40% 늘었다는 추정도 같은 맥락에서 나왔습니다. AI가 하루 업무를 돕는 도구에서 조직 역량에 박힌 기능으로 바뀌고 있다는 것입니다. 기사는 40%의 기간과 측정 기준은 밝히지 않았습니다. 이 구조를 옮길 때는 단계마다 넘어가는 조건을 숫자로 정해 두어야 시험이 끝없이 이어지지 않습니다.

통념과 다른 주장

저자가 든 사례

KFC: Bite 주방 화면

상황	한 일	결과	연결
드라이브스루·배달 주문이 주방에 몰림	KFC 매장에 Bite Kitchen Display System 배포	드라이브스루 속도 8%↑, 환불 12%↓, 배달 기사 대기 단축(수치 미공개)	Bite Kitchen Display System

Taco Bell: 드라이브스루 음성 AI

상황	한 일	결과	연결
드라이브스루 주문 경험 개선	900곳 넘는 매장에 음성 AI, 2026년 말 1,500곳 이상 계획	드라이브스루 만족도 6%↑, 매출 약 1.5%↑	Drive-Thru Voice AI

Byte Coach와 전사 AI 사용

상황	한 일	결과	연결
점장이 매장 문제를 찾고 고쳐야 함	점장·리더용 Byte Coach 제공, 마케팅 개인화에도 AI 활용	전사 AI 사용 40% 증가(Roy 추정, 기간 미공개)	Byte Coach, Test → Adoption → Scale

기술 디테일: 매장 AI를 직접 만든다면

아래 데이터, 필드, 설정값은 실행 제안이며 Yum Brands가 밝힌 구현이 아닙니다.

Bite 같은 주방 화면의 효과를 재려면 주문 하나를 이벤트 네 개로 남깁니다. 주문 접수, 조리 시작, 조리 완료, 고객 전달입니다. 이 시각만 있으면 드라이브스루 속도(접수부터 전달까지)를 매장·시간대별로 계산할 수 있습니다. 환불 기록에는 원래 주문 ID와 사유 코드(누락, 오조리, 지연)를 붙여 주방 이벤트와 연결합니다. 그래야 환불이 줄어든 이유가 누락 감소인지 지연 감소인지 갈라 볼 수 있습니다. 비교는 도입 전 4주와 도입 후 4주를 같은 요일·시간대로 맞추고, 같은 기간 도입하지 않은 매장을 대조군으로 둡니다.

{
  "store_id": "KFC-1187",
  "order_id": "DT-20270312-0412",
  "channel": "drive_thru",
  "received_at": "2027-03-12T12:04:10",
  "prep_started_at": "2027-03-12T12:04:31",
  "prep_done_at": "2027-03-12T12:07:02",
  "handed_at": "2027-03-12T12:07:40",
  "station_delay_flag": false,
  "refund": {"issued": false, "reason_code": null},
  "kds_version": "kds-2.3"
}

음성 주문 AI를 돌리려면 메뉴 카탈로그를 먼저 기계가 읽는 형태로 만듭니다. 품목 ID, 사이즈, 옵션과 조합 제약, 매장별 품절 상태가 필요합니다. 창구 음성은 STT(음성 인식)로 글자로 바꾸고, LLM은 그 글자를 카탈로그에 묶인 JSON으로만 돌려줍니다. temperature는 0으로 두고 줄마다 신뢰도를 붙입니다. 신뢰도가 0.8 미만이거나 손님이 두 번 고쳐 말하면 직원에게 넘깁니다. 만족도와 매출을 같이 보려면 주문마다 AI 단독 처리, 직원 넘김, 손님 포기를 기록하고 객단가를 함께 남깁니다. 모델과 STT는 소음이 섞인 실제 창구 녹음 500건으로 비교해 고르고, 같은 녹음을 3번씩 돌려 결과가 갈리는 주문을 평가 세트에 따로 모읍니다. 넘김 비율이 매장별로 크게 다르면 소음, 지역 말투, 메뉴 별칭 문제일 가능성이 높습니다.

Byte Coach 같은 점장 도구를 만들려면 위 두 데이터를 매장·일 단위로 묶습니다. 매장별 드라이브스루 속도, 환불률, 음성 AI 넘김 비율을 지난 4주 평균과 비교해 2표준편차 넘게 나빠진 지표만 고릅니다. LLM은 그 지표와 근거 기록을 받아 점장에게 보낼 조치 카드를 씁니다. 카드에는 무엇이 나빠졌는지, 근거 숫자, 확인할 것 한두 개만 넣고, 근거 없이 원인을 단정하지 않도록 프롬프트에서 막습니다. 다음 주에 같은 지표가 돌아왔는지 자동으로 확인해 카드의 쓸모를 잽니다.

전사 AI 사용 증가를 재려면 도구별 주간 활성 사용자, 업무 흐름 안에서 호출된 횟수, 사람이 결과를 고친 비율을 함께 셉니다. 로그인 수만 세면 업무 보조에 머문 사용과 조직 역량에 들어간 사용을 구분하지 못합니다.

막히는 경우	증상	대응
주방 이벤트 누락	속도 계산에 빈칸	전달 버튼을 누르지 않은 주문은 집계에서 따로 표시
창구 소음·여러 사람 동시 발화	옵션 누락, 넘김 급증	신뢰도 낮은 줄만 직원 확인, 화면 복창 유지
메뉴 별칭·지역 말투	품목 오매칭	직원 정정 기록으로 동의어 사전 월 1회 갱신
품절 반영 지연	없는 메뉴 주문	POS 품절 상태를 1분 단위로 카탈로그에 반영
점장 알림 과다	카드를 읽지 않음	매장당 하루 3장 이하, 2표준편차 넘는 지표만

현업 실행 디테일: 누가, 언제, 무엇을

역할	맡는 일
운영 총괄(COO)	시범 매장 선정, 판정 기준 승인, 확대 결정
CFO·재무	기준선과 대조군 설계 승인, 매출·환불 효과 확인
지역 리더	시범 매장 관리, 주간 현장 점검
점장·매장 직원	주방 화면·음성 주문 사용, 정정 기록, 주간 설문
가맹점 대표	시범 참여, 비용 분담과 효과 검토
데이터·AI 엔지니어	이벤트 수집, 카탈로그, 대시보드와 점장 카드
기술 파트너 관리	음성·클라우드 협력사 계약, 장애 대응

준비물. 시범 매장의 최근 8주 주문 기록(채널, 시각, 품목, 환불과 사유), 주방 단계별 시간, 메뉴와 옵션 전체 목록, 품절 기록, 가맹점별 매출과 인력 배치표가 필요합니다. 시작 전 2주를 실측해 기준선으로 씁니다.

기간	할 일	산출물
1~2주	시범 매장 6곳과 대조 매장 6곳 기준선 측정, 카탈로그 정리	매장별 속도·환불률·만족도 기준선
3~5주	섀도 운영: 주방 화면은 켜되 기존 방식 병행, 음성 AI는 해석만 하고 직원이 받음	이벤트 누락률, 음성 해석 일치율
6~9주	점심·저녁 피크에 실제 적용, 점장 카드 주 1회	피크 시간 속도·환불·넘김 비율
10~12주	전 시간대 적용, 대조 매장과 비교해 판정	판정 보고서, 다음 확대 매장 목록

현업에 물을 것.

1. 드라이브스루 속도는 지금 어디서부터 어디까지 재나요?
2. 환불은 누가 어떤 사유 코드로 기록하나요?
3. 피크 시간에 주방이 가장 자주 밀리는 스테이션은 어디인가요?
4. 창구 주문에서 직원이 가장 자주 고치는 메뉴와 옵션은 무엇인가요?
5. 가맹점은 어떤 숫자가 바뀌면 비용을 내고 확대에 참여하겠다고 보나요?

진행 판정 기준(예시). 10~12주 실운영에서 대조 매장보다 드라이브스루 속도가 5% 이상 빠르고 환불률이 10% 이상 낮아야 합니다. 음성 AI 매장은 직원 넘김 비율이 20% 아래로 내려오고 만족도가 기준선보다 떨어지지 않아야 합니다. 가맹점 대표의 절반 이상이 확대에 동의하면 다음 매장으로 넓히고, 하나라도 못 채우면 막힌 원인을 고친 뒤 4주를 더 봅니다.

AX 적용 제언. 매장이나 지점이 많은 외식, 소매, 서비스 기업이라면 Yum처럼 공통 플랫폼과 매장 도구를 나눠 생각하는 편이 낫습니다. 본사는 이벤트 수집과 카탈로그, 지표 정의를 한 번 만들고 브랜드와 매장은 그 위의 도구를 고릅니다. 첫 과제는 효과를 숫자로 보여 주기 쉬운 주방 흐름이나 주문 정확도에서 고르고, 음성 주문처럼 고객이 직접 겪는 도구는 그다음에 붙입니다. 경영 보고에서는 인건비 대신 속도, 환불, 만족도, 매출, 가맹점 수익을 같은 표에 적어야 가맹점을 설득하고 확대 여부를 판단할 근거가 남습니다.

원문 사례

항목	내용
기사	CIO Dive, Paige Gross 기자, 2026.11.3 게재
근거 행사	Yum Brands 2026년 3분기 실적 콜(화요일), 발언자 Ranjith Roy CFO
회사 상황	KFC·Taco Bell 모회사, Pizza Hut 매각·분리 이후, 3분기 전 브랜드 매출 3% 증가
플랫폼	Byte by Yum: 고객·프로세스·사내 팀용 AI 도구를 묶은 자체 SaaS, Jim Dausch가 사장 겸 최고 디지털·기술 책임자
KFC	Bite Kitchen Display System: 드라이브스루 속도 8%↑, 환불 12%↓, 배달 기사 대기 단축
Taco Bell	음성 AI 드라이브스루 900곳 이상, 2026년 말 1,500곳 이상 계획, 만족도 6%↑, 매출 약 1.5%↑
협력	2025년 AWS·Microsoft·Nvidia와 음성 AI 에이전트 배치
기타 도구	Byte Coach(점장·리더의 매장 문제 해결), 마케팅 등 개인화
전사	AI 사용 40% 증가(Roy 추정), 다음 단계는 시험→도입→규모 있는 성과
업계 비교	Starbucks(앱 추천, 드라이브스루 유사 기능 시험), Wingstop(개인화 엔진으로 맞춤 혜택)

핵심 개념

SaaS

설치 없이 구독으로 쓰는 소프트웨어. Yum은 자체 도구를 이 형태로 묶어 브랜드와 가맹점에 제공합니다.

KDS

Kitchen Display System. 들어온 주문을 주방 화면에 띄우고 조리 순서와 완료를 관리하는 시스템입니다.

franchise partner

브랜드 매장을 직접 운영하는 가맹점 사업자. Yum은 AI의 가치를 이들의 경제성으로 설명합니다.

franchisee economics

가맹점이 매장 하나에서 얻는 매출과 수익 구조입니다.

hospitality business

사람이 손님을 맞는 경험이 사업의 중심이라는 뜻. Roy가 Yum을 설명한 말입니다.

general manager

매장 하나를 책임지는 점장. Byte Coach의 주 사용자입니다.

내 메모

TODO: 내 생각 추가

원문은 CIO Dive에 실린 Paige Gross 기자의 「Yum Brands flags AI as ‘transformative to the business’」(2026.11.3 게재)이며, Yum Brands 2026년 3분기 실적 콜을 바탕으로 합니다. 요약, 핵심 메커니즘의 기사 내용, 통념과 다른 주장, 사례, 원문 사례 표는 기사에 실린 회사 측 설명을 AX Review가 다시 정리했습니다. 주방 화면(KDS)의 일반적인 작동 방식 설명, 기술·현업 실행 디테일, JSON 예시, 막히는 경우 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 기사 전문은 원문 페이지에서 볼 수 있습니다.