Automated Counting -järjestelmän idea oli yksinkertainen: työntekijöiden ei tarvitsisi enää laskea varastoja käsin jääkaapeista, hyllyiltä ja varastotiloista, vaan he voisivat skannata alueen käsitabletilla tai mobiililaitteella.

NomadGon ohjelmisto analysoi kamerakuvan useilla teknologioilla:

• Konenäkö tuotteiden tunnistukseen
• 3D-tilahavainnointi ja lisätty todellisuus
• Syvyystunnistus ja LiDAR-tyylinen skannaus hyllyjen ja säiliöiden kartoittamiseen

Työntekijät pystyivät liikuttamaan tablettia jääkaapin tai hyllyn yli, ja järjestelmä tunnisti automaattisesti tuotteet – kuten maitopurkit, siirapit tai kahvipussit – ja laski ne lähes välittömästi.

Yritykset markkinoivat työkalua huomattavasti nopeammaksi kuin manuaalinen laskenta, väittäen sen olevan jopa kahdeksan kertaa nopeampi ja samalla tarkempi.

Mitä myymälöissä todella tapahtui

Kun järjestelmä otettiin käyttöön oikeissa myymälöissä, se kamppaili tarkkuuden kanssa.

Työntekijät raportoivat useita toistuvia ongelmia:

• Väärät laskelmat, kun kameraskannaus jätti tuotteita huomaamatta tai laski väärin
• Tuotteiden virheellinen tunnistus, erityisesti samankaltaisten tuotteiden kohdalla
• Tunnistamattomat tuotteet, joita järjestelmä ei havainnut lainkaan

Erityisen yleinen ongelma oli eri maitotyyppien sekoittaminen. Työntekijöiden mukaan järjestelmä ei pystynyt erottamaan toisistaan esimerkiksi täysmaitoa, rasvatonta maitoa ja kasvipohjaisia maitotuotteita, jotka näyttävät visuaalisesti samankaltaisilta. Tämä tuotti virheellisiä varastolukemia.

Miksi Starbucks lopulta luopui järjestelmästä

Starbucks lopetti ohjelman toukokuussa 2026, noin yhdeksän kuukautta käyttöönoton jälkeen, kertoo Reutersin tarkastama sisäinen tiedote ja kaksi asiaa tuntevaa työntekijää.

Yhtiö ilmoitti poistavansa Automated Counting -järjestelmän käytöstä ja palauttavansa kyseiset luokat manuaalisiin laskentaprosesseihin. Tulevaisuudessa maitotuotteet ja muut juomien komponentit lasketaan samalla tavalla kuin muutkin myymälän varastoluokat.

Päätös liittyi laajempaan pyrkimykseen:

• yhdenmukaistaa varastonlaskentakäytäntöjä
• parantaa myymälätason yhtenäisyyttä
• tukea päivittäistä täydennystä ja toimitusketjun hallintaa

Lyhyesti sanottuna automaattinen järjestelmä ei tuottanut varastotietoa, joka olisi ollut riittävän luotettava operatiivisiin päätöksiin.

Oppitunti suuren mittakaavan tekoälykokeilusta

Käyttöönotto oli merkittävä, koska se tapahtui valtavassa mittakaavassa: kymmenet tuhannet työntekijät käyttivät teknologiaa tuhansissa myymälöissä.

Kokeilu kuitenkin korosti yritysten tekoälyjärjestelmien yhteistä haastetta. Teknologiat, jotka toimivat hyvin kontrolloiduissa esittelytilanteissa, voivat pettää sotkuisissa todellisissa ympäristöissä, joissa valaistus vaihtelee, hyllyt ovat epäjärjestyksessä, pakkaukset muuttuvat ja tuotteet näyttävät lähes identtisiltä.

Starbucksille pienet visuaaliset epäselvyydet riittivät tekemään automaattisista laskelmista vähemmän luotettavia kuin perinteiset manuaaliset tarkistukset – ainakin toistaiseksi.

Yhtiö ei ole sulkenut pois mahdollisuutta automatisoida varastonhallintaa tulevaisuudessa, mutta Automated Countingin lyhyt elinkaari osoittaa, kuinka vaikeaa konenäköjärjestelmien luotettava käyttöönotto suurissa vähittäiskauppaketjuissa voi olla.

Automated Counting -järjestelmän idea oli yksinkertainen: työntekijöiden ei tarvitsisi enää laskea varastoja käsin jääkaapeista, hyllyiltä ja varastotiloista, vaan he voisivat skannata alueen käsitabletilla tai mobiililaitteella.

NomadGon ohjelmisto analysoi kamerakuvan useilla teknologioilla:

• Konenäkö tuotteiden tunnistukseen
• 3D-tilahavainnointi ja lisätty todellisuus
• Syvyystunnistus ja LiDAR-tyylinen skannaus hyllyjen ja säiliöiden kartoittamiseen

Työntekijät pystyivät liikuttamaan tablettia jääkaapin tai hyllyn yli, ja järjestelmä tunnisti automaattisesti tuotteet – kuten maitopurkit, siirapit tai kahvipussit – ja laski ne lähes välittömästi.

Yritykset markkinoivat työkalua huomattavasti nopeammaksi kuin manuaalinen laskenta, väittäen sen olevan jopa kahdeksan kertaa nopeampi ja samalla tarkempi.

Mitä myymälöissä todella tapahtui

Kun järjestelmä otettiin käyttöön oikeissa myymälöissä, se kamppaili tarkkuuden kanssa.

Työntekijät raportoivat useita toistuvia ongelmia:

• Väärät laskelmat, kun kameraskannaus jätti tuotteita huomaamatta tai laski väärin
• Tuotteiden virheellinen tunnistus, erityisesti samankaltaisten tuotteiden kohdalla
• Tunnistamattomat tuotteet, joita järjestelmä ei havainnut lainkaan

Erityisen yleinen ongelma oli eri maitotyyppien sekoittaminen. Työntekijöiden mukaan järjestelmä ei pystynyt erottamaan toisistaan esimerkiksi täysmaitoa, rasvatonta maitoa ja kasvipohjaisia maitotuotteita, jotka näyttävät visuaalisesti samankaltaisilta. Tämä tuotti virheellisiä varastolukemia.

Miksi Starbucks lopulta luopui järjestelmästä

Starbucks lopetti ohjelman toukokuussa 2026, noin yhdeksän kuukautta käyttöönoton jälkeen, kertoo Reutersin tarkastama sisäinen tiedote ja kaksi asiaa tuntevaa työntekijää.

Yhtiö ilmoitti poistavansa Automated Counting -järjestelmän käytöstä ja palauttavansa kyseiset luokat manuaalisiin laskentaprosesseihin. Tulevaisuudessa maitotuotteet ja muut juomien komponentit lasketaan samalla tavalla kuin muutkin myymälän varastoluokat.

Päätös liittyi laajempaan pyrkimykseen:

• yhdenmukaistaa varastonlaskentakäytäntöjä
• parantaa myymälätason yhtenäisyyttä
• tukea päivittäistä täydennystä ja toimitusketjun hallintaa

Lyhyesti sanottuna automaattinen järjestelmä ei tuottanut varastotietoa, joka olisi ollut riittävän luotettava operatiivisiin päätöksiin.

Oppitunti suuren mittakaavan tekoälykokeilusta

Käyttöönotto oli merkittävä, koska se tapahtui valtavassa mittakaavassa: kymmenet tuhannet työntekijät käyttivät teknologiaa tuhansissa myymälöissä.

Kokeilu kuitenkin korosti yritysten tekoälyjärjestelmien yhteistä haastetta. Teknologiat, jotka toimivat hyvin kontrolloiduissa esittelytilanteissa, voivat pettää sotkuisissa todellisissa ympäristöissä, joissa valaistus vaihtelee, hyllyt ovat epäjärjestyksessä, pakkaukset muuttuvat ja tuotteet näyttävät lähes identtisiltä.

Starbucksille pienet visuaaliset epäselvyydet riittivät tekemään automaattisista laskelmista vähemmän luotettavia kuin perinteiset manuaaliset tarkistukset – ainakin toistaiseksi.

Yhtiö ei ole sulkenut pois mahdollisuutta automatisoida varastonhallintaa tulevaisuudessa, mutta Automated Countingin lyhyt elinkaari osoittaa, kuinka vaikeaa konenäköjärjestelmien luotettava käyttöönotto suurissa vähittäiskauppaketjuissa voi olla.