愈來愈多企業採用人工智能，解決業務問題，如提升營運效率。美心集團早在五年前引入 IBM 的 AI 解決方案，藉著機械學習幫助前線員工管理餐廳，預備時間縮減一半，亦改善預訂食材，減少浪費。最近，該公司將技術用於面向客戶，按個人喜好作推薦，冀藉此推動銷售。
美心集團數碼方案、基礎建設及共用服務系統集團資訊科技部門主管曾健文稱，五年前決定引入 IBM 的 AI 解決方案，主要用於內部營運，通過日常營運數據預測，幫助改善效率。經過不斷嘗試和修正，現時藉著機械學習模型改善預訂食材減少浪費，也縮減員工的預備工作。
例如廚房部訂購食材屬每日餐廳關門後的文書處理工作，現在運用 AI 協助預測食材消耗、食品庫存等資料，為廚師訂購時提供建議。尤其日本菜式講求食材新鮮，通過 AI 協助預測，有效減少浪費。這些建議能夠大幅縮減工作流程，雖然未有實際量度所提升的效率，不過員工反映比過往快一倍時間。
美心集團又用 AI 設計新菜式，通過食物種類做配對，其中日本菜的分析結果，採用蝦和甲殼的類食材有助推動銷售。
曾健文又稱，近期開始將機械學習用於分析消費者，以咖啡種類較簡單，根據星巴克會員的購買記錄和喜好，在香港的流動程式內新增「Recommended for you」作推薦，視為個人化服務策略之一。同時也會用機械學習接觸新客戶，包括以每區作分類，從整體消費記錄按居民的飲食習慣細分群組，成為推廣策略的依據。
他強調，過去五年實施人工智能和機械學習分析的過程面對不少挑戰，例如初期無論後勤或前線人員不太信任分析結果，亦未能實際掌握使用方向。最常被業務部門同事問到：「如何用 ML 推動銷售？」這問題並非機械學習所能解答，後來逐漸改變發問思維，也同時在機械學習模型加入業務需要，令技術與用戶之間互相配合。
IBM 香港科技總監李永輝指出，美心集團為飲食界之中走得較前，採用機械學習分析業務數據。基建採用 IBM 數據湖倉一體方案（data lakehouse），整合企業內的結構數據和非結構數據，通過 IBM Cloud Pak for Data 建立數據經緯（data fabric），以及 Watson Studio 建立和管理 ML 模型。
李永輝稱，整套方案包括管理數據和 AI 模型，不過實際融入企業的業務還需要加入行業知識。 IBM Cloud Pak for Data 提供標準的業務分析模型，也設顧問團隊與客戶一同開發，加快將行業的專業知識融入模型之內。客戶亦能通過低程式碼開發平台（Low-code）修改模型，能夠緊貼業務最新發展的需要。
曾健文補充，各業務團隊積極提出各菜館的業務知識，令模型漸漸變得豐富，才有相關的分析成果。由初期對成果存疑，至今對機械學習分析抱有更高期望，向數據科學團隊施壓力，要求開發更多模型分析業務數據。