Mitä Automated Counting -järjestelmän piti tehdä?

Järjestelmä perustui tablettikameroihin, konenäköön ja 3D-tilatiedon havainnointiin. Sen avulla työntekijät pystyivät skannaamaan jääkaappeja, hyllyjä ja varastotiloja, ja ohjelmisto tunnisti tuotteet ja laski niiden määrät reaaliajassa.

Teknologialta odotettiin useita operatiivisia hyötyjä:

• Nopeampi inventointi verrattuna manuaaliseen laskentaan.
• Parempi näkyvyys vähissä oleviin raaka-aineisiin.
• Vähemmän saatavuusongelmia, jotka vaikuttavat ruokalistan tarjontaan.

NomadGon järjestelmä käsitteli kuvat suoraan mobiililaitteilla ja näytti tuotetunnistustiedot päällekkäin, jotta työntekijät pystyivät nopeasti varmistamaan laskennan oikeellisuuden.

Teoriassa automaation piti vapauttaa työntekijöitä rutiininomaisista laskentatehtävistä ja antaa Starbucksille parempaa tietoa varastotasoista tuhansissa toimipisteissä.

Miksi järjestelmä epäonnistui oikeissa myymälöissä?

Laajamittaisessa käytössä tekoälyjärjestelmä kamppaili perusluotettavuuden kanssa.

Yrityksen sisäisiin tiedonantoihin viittaavien raporttien mukaan työkalu laski tuotteita väärin, merkitsi ne vääriin kategorioihin tai jätti kokonaan huomioimatta osan varastosta.

Yksi toistuva ongelma liittyi samannäköisiin tuotteisiin, erityisesti erilaisiin maitoihin, kuten kaura- ja lehmänmaitoon. Järjestelmä sekoitti ne keskenään tai ei tunnistanut niitä oikein.

Starbucksin myymälöissä – joissa maidon saatavuus ratkaisee suoraan sen, voidaanko juomia valmistaa – tällaiset virheet aiheuttivat operatiivisia kitkoja. Sen sijaan, että työkalu olisi säästänyt aikaa, epätarkat laskennat pakottivat työntekijät tarkistamaan inventaariot manuaalisesti uudelleen.

Kun varastonhallintajärjestelmä on epäluotettava, se voi aiheuttaa seurauksia:

• Virheelliset tilauspäätökset.
• Raaka-ainepulat.
• Ruokalistan tuotteiden väliaikainen poistuminen tarjonnasta.

Tässä vaiheessa automaatio ei enää tuottanut sille asetettuja hyötyjä.

Miksi Starbucks palasi manuaaliseen inventointiin?

Toukokuussa 2026 Starbucks ilmoitti myymälöille, että Automated Counting -ohjelma lopetetaan ja että juomien komponentit ja maito palaavat samaan manuaaliseen laskentaprosessiin, jota käytetään muille varastokategorioille.

Muutos liittyi yrityksen laajempaan toiminnan uudelleenjärjestelyyn.

Toimitusjohtaja Brian Niccolin johdolla Starbucks käynnisti strategian, jota kutsutaan sisäisesti nimellä “Back to Starbucks” (Takaisin Starbucksiin). Sen tavoitteena oli korjata jatkuvat tuotepulat ja parantaa myymälöiden suorituskykyä.

Osana tätä työtä yritys korosti:

• standardoituja varastonhallintakäytäntöjä.
• yhdenmukaisempia myymäläprosesseja.
• päivittäistä täydennystä keskeisille raaka-aineille.

Manuaalisiin laskentoihin paluuta pidettiin luotettavampana vaihtoehtona sen varmistamiseksi, että myymälöissä on tarvittavat raaka-aineet ruokalistan tuotteiden saatavuuden takaamiseksi.

Varoittava esimerkki yritysten tekoälykäyttöönotoista

Starbucksin varastointitekoälyn epäonnistuminen korostaa laajempaa haastetta yritysten automaatiossa: teknologia, joka toimii hallituissa demoissa, voi kompastua sotkuisissa todellisen maailman ympäristöissä.

Vähittäiskaupan myymälät asettavat konenäköjärjestelmille vaikeita olosuhteita:

• täynnä olevat hyllyt ja jääkaapit.
• muuttuvat pakkaussuunnitelmat.
• samannäköiset tuotteet.
• epätasainen valaistus tai erilaiset hyllyjärjestelyt.

Jopa pienet tunnistusvirheet voivat muuttua operatiivisiksi ongelmiksi, kun ne toistuvat tuhansissa toimipisteissä.

Tässä tapauksessa Starbucks päätteli, että järjestelmän tarkkuusongelmat olivat suuremmat kuin sen tehokkuushyödyt, mikä johti työkalun hylkäämiseen vain yhdeksän kuukauden käytön jälkeen.

Kokeilu osoittaa kuitenkin, kuinka aggressiivisesti isot vähittäiskauppiaat testaavat tekoälyä fyysisissä toiminnoissaan – mutta myös sen, kuinka nopeasti nämä pilotit voidaan peruuttaa, kun luotettavuus ei vastaa todellisen myymälätyön vaatimuksia.

Mitä Automated Counting -järjestelmän piti tehdä?

Järjestelmä perustui tablettikameroihin, konenäköön ja 3D-tilatiedon havainnointiin. Sen avulla työntekijät pystyivät skannaamaan jääkaappeja, hyllyjä ja varastotiloja, ja ohjelmisto tunnisti tuotteet ja laski niiden määrät reaaliajassa.

Teknologialta odotettiin useita operatiivisia hyötyjä:

• Nopeampi inventointi verrattuna manuaaliseen laskentaan.
• Parempi näkyvyys vähissä oleviin raaka-aineisiin.
• Vähemmän saatavuusongelmia, jotka vaikuttavat ruokalistan tarjontaan.

NomadGon järjestelmä käsitteli kuvat suoraan mobiililaitteilla ja näytti tuotetunnistustiedot päällekkäin, jotta työntekijät pystyivät nopeasti varmistamaan laskennan oikeellisuuden.

Teoriassa automaation piti vapauttaa työntekijöitä rutiininomaisista laskentatehtävistä ja antaa Starbucksille parempaa tietoa varastotasoista tuhansissa toimipisteissä.

Miksi järjestelmä epäonnistui oikeissa myymälöissä?

Laajamittaisessa käytössä tekoälyjärjestelmä kamppaili perusluotettavuuden kanssa.

Yrityksen sisäisiin tiedonantoihin viittaavien raporttien mukaan työkalu laski tuotteita väärin, merkitsi ne vääriin kategorioihin tai jätti kokonaan huomioimatta osan varastosta.

Yksi toistuva ongelma liittyi samannäköisiin tuotteisiin, erityisesti erilaisiin maitoihin, kuten kaura- ja lehmänmaitoon. Järjestelmä sekoitti ne keskenään tai ei tunnistanut niitä oikein.

Starbucksin myymälöissä – joissa maidon saatavuus ratkaisee suoraan sen, voidaanko juomia valmistaa – tällaiset virheet aiheuttivat operatiivisia kitkoja. Sen sijaan, että työkalu olisi säästänyt aikaa, epätarkat laskennat pakottivat työntekijät tarkistamaan inventaariot manuaalisesti uudelleen.

Kun varastonhallintajärjestelmä on epäluotettava, se voi aiheuttaa seurauksia:

• Virheelliset tilauspäätökset.
• Raaka-ainepulat.
• Ruokalistan tuotteiden väliaikainen poistuminen tarjonnasta.

Tässä vaiheessa automaatio ei enää tuottanut sille asetettuja hyötyjä.

Miksi Starbucks palasi manuaaliseen inventointiin?

Toukokuussa 2026 Starbucks ilmoitti myymälöille, että Automated Counting -ohjelma lopetetaan ja että juomien komponentit ja maito palaavat samaan manuaaliseen laskentaprosessiin, jota käytetään muille varastokategorioille.

Muutos liittyi yrityksen laajempaan toiminnan uudelleenjärjestelyyn.

Toimitusjohtaja Brian Niccolin johdolla Starbucks käynnisti strategian, jota kutsutaan sisäisesti nimellä “Back to Starbucks” (Takaisin Starbucksiin). Sen tavoitteena oli korjata jatkuvat tuotepulat ja parantaa myymälöiden suorituskykyä.

Osana tätä työtä yritys korosti:

• standardoituja varastonhallintakäytäntöjä.
• yhdenmukaisempia myymäläprosesseja.
• päivittäistä täydennystä keskeisille raaka-aineille.

Manuaalisiin laskentoihin paluuta pidettiin luotettavampana vaihtoehtona sen varmistamiseksi, että myymälöissä on tarvittavat raaka-aineet ruokalistan tuotteiden saatavuuden takaamiseksi.

Varoittava esimerkki yritysten tekoälykäyttöönotoista

Starbucksin varastointitekoälyn epäonnistuminen korostaa laajempaa haastetta yritysten automaatiossa: teknologia, joka toimii hallituissa demoissa, voi kompastua sotkuisissa todellisen maailman ympäristöissä.

Vähittäiskaupan myymälät asettavat konenäköjärjestelmille vaikeita olosuhteita:

• täynnä olevat hyllyt ja jääkaapit.
• muuttuvat pakkaussuunnitelmat.
• samannäköiset tuotteet.
• epätasainen valaistus tai erilaiset hyllyjärjestelyt.

Jopa pienet tunnistusvirheet voivat muuttua operatiivisiksi ongelmiksi, kun ne toistuvat tuhansissa toimipisteissä.

Tässä tapauksessa Starbucks päätteli, että järjestelmän tarkkuusongelmat olivat suuremmat kuin sen tehokkuushyödyt, mikä johti työkalun hylkäämiseen vain yhdeksän kuukauden käytön jälkeen.

Kokeilu osoittaa kuitenkin, kuinka aggressiivisesti isot vähittäiskauppiaat testaavat tekoälyä fyysisissä toiminnoissaan – mutta myös sen, kuinka nopeasti nämä pilotit voidaan peruuttaa, kun luotettavuus ei vastaa todellisen myymälätyön vaatimuksia.