התוכנה של NomadGo ניתחה את צילום המצלמה באמצעות כמה טכנולוגיות:

• ראייה ממוחשבת לזיהוי מוצרים
• תבונה מרחבית תלת־ממדית ומציאות רבודה
• חישת עומק וסריקת LiDAR למיפוי מדפים ומכלים

עובדים יכלו להעביר טאבלט לאורך מקרר או מדף, והמערכת הייתה מזהה אוטומטית פריטים — כמו בקבוקי חלב, סירופים או שקיות קפה — וסופרת אותם כמעט מיידית.

החברות קידמו את הכלי ככזה שמהיר משמעותית מספירה ידנית, וטענו שהוא מסוגל לספק תוצאות מהירות פי שמונה תוך שיפור הדיוק.

עבור חברה עם אלפי סניפים ומרכיבי משקאות בנפח גבוה, אפילו שיפור קטן בנראות המלאי יכול לסייע בהפחתת מחסורים ולייעל את תכנון שרשרת האספקה.

מה קרה בפועל בסניפים

לאחר הפריסה בסביבות סניפים אמיתיות, המערכת התקשתה בדיוק.

עובדים דיווחו על כמה בעיות חוזרות:

• ספירות שגויות — המצלמה החמיצה מוצרים או ספרה לא נכון
• מוצרים שזוהו בטעות — במיוחד כשהמוצרים נראו דומים
• מוצרים לא מזוהים — המערכת לא הצליחה לזהות אותם כלל

בעיה נפוצה במיוחד הייתה עם סוגי חלב שונים, כמו חלב רגיל, חלב דל שומן וחלופות צמחיות. עובדים סיפרו שהמערכת התבלבלה בין המיכלים הדומים מבחינה ויזואלית והפיקה ממצאים שגויים.

מכיוון שמרכיבים אלה קריטיים להכנת משקאות, ספירות לא מדויקות עלולות להוביל להחלטות הזמנה שגויות ולמחסור במוצרים.

למה סטארבקס סגרה את הפרויקט

סטארבקס סיימה את התוכנית במאי 2026, כתשעה חודשים אחרי ההשקה, לפי תקשורת פנימית שנבדקה על ידי כתבים ואושרה על ידי עובדים.

החברה הודיעה שהיא תפרוש את 'הספירה האוטומטית' ותחזיר את הקטגוריות האלה לתהליכים ידניים. חלב ורכיבי משקאות ייספרו באותה דרך כמו מלאי אחר בסניפים.

ההחלטה הייתה חלק ממאמץ רחב יותר:

• לסטנדרטיזציה של תהליכי המלאי
• לשפר את העקביות ברמת הסניף
• לתמוך בהצטיידות יומית ובביצוע שרשרת האספקה

במילים פשוטות: המערכת האוטומטית לא סיפקה נתוני מלאי אמינים מספיק להחלטות תפעוליות.

לקח מעולם הקמעונאות: פרויקט AI גדול שנכשל

ההשקה הייתה יוצאת דופן בקנה המידה העצום שלה: עשרות אלפי עובדים השתמשו בטכנולוגיה באלפי סניפים.

אבל הניסוי הדגיש אתגר נפוץ במערכות AI ארגוניות. טכנולוגיות שעובדות היטב בהדגמות מבוקרות עלולות להיכשל בסביבות אמיתיות ומבולגנות, שבהן התאורה משתנה, המדפים עמוסים, האריזות משתנות ומוצרים נראים כמעט זהים.

עבור סטארבקס, העמימות הוויזואלית הקטנה הזו הספיקה כדי להפוך את הספירות האוטומטיות לפחות אמינות מהבדיקה הידנית המסורתית — לפחות לעת עתה.

החברה לא שללה אוטומציה עתידית בניהול מלאי, אבל חייה הקצרים של 'הספירה האוטומטית' מראים כמה קשה לפרוס מערכות ראייה ממוחשבת באופן אמין ברשתות קמעונאיות גדולות.

התוכנה של NomadGo ניתחה את צילום המצלמה באמצעות כמה טכנולוגיות:

• ראייה ממוחשבת לזיהוי מוצרים
• תבונה מרחבית תלת־ממדית ומציאות רבודה
• חישת עומק וסריקת LiDAR למיפוי מדפים ומכלים

עובדים יכלו להעביר טאבלט לאורך מקרר או מדף, והמערכת הייתה מזהה אוטומטית פריטים — כמו בקבוקי חלב, סירופים או שקיות קפה — וסופרת אותם כמעט מיידית.

החברות קידמו את הכלי ככזה שמהיר משמעותית מספירה ידנית, וטענו שהוא מסוגל לספק תוצאות מהירות פי שמונה תוך שיפור הדיוק.

עבור חברה עם אלפי סניפים ומרכיבי משקאות בנפח גבוה, אפילו שיפור קטן בנראות המלאי יכול לסייע בהפחתת מחסורים ולייעל את תכנון שרשרת האספקה.

מה קרה בפועל בסניפים

לאחר הפריסה בסביבות סניפים אמיתיות, המערכת התקשתה בדיוק.

עובדים דיווחו על כמה בעיות חוזרות:

• ספירות שגויות — המצלמה החמיצה מוצרים או ספרה לא נכון
• מוצרים שזוהו בטעות — במיוחד כשהמוצרים נראו דומים
• מוצרים לא מזוהים — המערכת לא הצליחה לזהות אותם כלל

בעיה נפוצה במיוחד הייתה עם סוגי חלב שונים, כמו חלב רגיל, חלב דל שומן וחלופות צמחיות. עובדים סיפרו שהמערכת התבלבלה בין המיכלים הדומים מבחינה ויזואלית והפיקה ממצאים שגויים.

מכיוון שמרכיבים אלה קריטיים להכנת משקאות, ספירות לא מדויקות עלולות להוביל להחלטות הזמנה שגויות ולמחסור במוצרים.

למה סטארבקס סגרה את הפרויקט

סטארבקס סיימה את התוכנית במאי 2026, כתשעה חודשים אחרי ההשקה, לפי תקשורת פנימית שנבדקה על ידי כתבים ואושרה על ידי עובדים.

החברה הודיעה שהיא תפרוש את 'הספירה האוטומטית' ותחזיר את הקטגוריות האלה לתהליכים ידניים. חלב ורכיבי משקאות ייספרו באותה דרך כמו מלאי אחר בסניפים.

ההחלטה הייתה חלק ממאמץ רחב יותר:

• לסטנדרטיזציה של תהליכי המלאי
• לשפר את העקביות ברמת הסניף
• לתמוך בהצטיידות יומית ובביצוע שרשרת האספקה

במילים פשוטות: המערכת האוטומטית לא סיפקה נתוני מלאי אמינים מספיק להחלטות תפעוליות.

לקח מעולם הקמעונאות: פרויקט AI גדול שנכשל

ההשקה הייתה יוצאת דופן בקנה המידה העצום שלה: עשרות אלפי עובדים השתמשו בטכנולוגיה באלפי סניפים.

אבל הניסוי הדגיש אתגר נפוץ במערכות AI ארגוניות. טכנולוגיות שעובדות היטב בהדגמות מבוקרות עלולות להיכשל בסביבות אמיתיות ומבולגנות, שבהן התאורה משתנה, המדפים עמוסים, האריזות משתנות ומוצרים נראים כמעט זהים.

עבור סטארבקס, העמימות הוויזואלית הקטנה הזו הספיקה כדי להפוך את הספירות האוטומטיות לפחות אמינות מהבדיקה הידנית המסורתית — לפחות לעת עתה.

החברה לא שללה אוטומציה עתידית בניהול מלאי, אבל חייה הקצרים של 'הספירה האוטומטית' מראים כמה קשה לפרוס מערכות ראייה ממוחשבת באופן אמין ברשתות קמעונאיות גדולות.