El experimento de Starbucks con IA para contar inventario terminó en nueve meses

El empleado solo tenía que mover la tableta frente a un refrigerador o un estante. El sistema identificaba automáticamente artículos —como garrafas de leche, botellas de jarabe o bolsas de café— y calculaba el número de unidades casi al instante.

Según la empresa, el proceso podía ser hasta ocho veces más rápido que el conteo manual, además de mejorar la precisión del inventario.

Para una cadena con miles de locales y un alto volumen de ingredientes, incluso pequeñas mejoras en visibilidad del stock pueden ayudar a reducir faltantes y mejorar la planificación de la cadena de suministro.

Qué ocurrió realmente en las tiendas

Cuando el sistema empezó a utilizarse en condiciones reales, aparecieron problemas de precisión.

Los trabajadores informaron varios fallos recurrentes:

• Conteos incorrectos cuando la cámara omitía productos o calculaba mal las unidades
• Productos mal identificados, especialmente cuando tenían envases similares
• Artículos que el sistema simplemente no detectaba

Uno de los casos más frecuentes involucraba distintas variedades de leche, como entera, descremada o alternativas vegetales. Los empleados señalaron que el sistema a veces confundía estos envases visualmente parecidos, generando conteos equivocados.

Como estos ingredientes son esenciales para preparar bebidas, un inventario incorrecto podía llevar a pedidos de reposición equivocados o a faltantes en tienda.

Por qué Starbucks decidió retirarlo

Starbucks terminó oficialmente el programa en mayo de 2026, alrededor de nueve meses después de su despliegue inicial, según comunicaciones internas revisadas por periodistas y confirmadas por empleados.

La empresa informó que Automated Counting sería retirado y que los componentes de bebidas y la leche volverían a contarse manualmente, igual que otras categorías de inventario en las tiendas.

La decisión también formaba parte de un esfuerzo más amplio para:

• estandarizar los procesos de inventario
• mejorar la consistencia operativa entre tiendas
• reforzar la reposición diaria y la ejecución de la cadena de suministro

En la práctica, el sistema automatizado no estaba generando datos lo suficientemente fiables para tomar decisiones operativas.

Una lección sobre la IA en el comercio minorista

El proyecto fue notable por su escala: decenas de miles de empleados utilizaban la tecnología en miles de locales.

Sin embargo, el experimento también muestra un desafío común en los proyectos de IA empresarial. Las tecnologías que funcionan bien en demostraciones controladas pueden fallar en entornos reales, donde cambian las condiciones de luz, los estantes están desordenados, los envases se parecen entre sí o los productos se colocan en posiciones inesperadas.

En el caso de Starbucks, esas pequeñas ambigüedades visuales bastaron para que el sistema resultara menos confiable que el conteo manual.

La compañía no ha descartado automatizar el inventario en el futuro. Pero la corta vida de Automated Counting ilustra lo difícil que puede ser implementar sistemas de visión artificial a gran escala en redes minoristas complejas.