Ketika Brian Niccol menjabat sebagai CEO, memperbaiki masalah pasokan menjadi salah satu prioritas utamanya. Salah satu solusi yang dicoba adalah sistem inventaris berbasis AI yang diharapkan memberi gambaran cepat dan akurat tentang stok yang tersedia di tiap toko.

Teknologi ini dikembangkan bersama startup berbasis Seattle, NomadGo. Sistemnya memanfaatkan kombinasi computer vision, kecerdasan spasial 3D, dan augmented reality untuk mengenali serta menghitung produk ketika karyawan memindai rak, lemari pendingin, atau ruang penyimpanan menggunakan smartphone atau tablet.

Secara teori, sistem ini bisa:

• Menggantikan proses penghitungan stok secara manual
• Mempercepat pengecekan inventaris
• Menandai produk yang hampir habis secara otomatis
• Membantu proses pemesanan ulang agar toko tidak kehabisan stok

Starbucks bahkan berencana menerapkannya secara luas di lebih dari 11.000 toko yang dioperasikan perusahaan di Amerika Utara.

Kesalahan yang Sering Terjadi di Lapangan

Masalah muncul ketika teknologi tersebut digunakan di kondisi toko nyata.

Menurut laporan yang dikutip Reuters, karyawan menemukan sistem AI ini sering melakukan kesalahan dasar yang penting untuk manajemen inventaris. Beberapa di antaranya termasuk:

• Salah menghitung jumlah produk di rak
• Salah membaca atau memberi label pada barang
• Bingung membedakan produk yang tampak mirip

Salah satu contoh yang sering disebut adalah karton susu. Di beberapa toko, sistem kesulitan membedakan jenis susu yang kemasannya terlihat serupa, sehingga jumlah stok yang tercatat menjadi tidak akurat.

Dalam sistem inventaris, kesalahan kecil saja bisa berdampak besar. Jika jumlah stok tercatat salah, sistem pemesanan bisa mengirim permintaan yang keliru—misalnya memesan terlalu sedikit atau terlalu banyak bahan penting.

Mengapa Program Ini Akhirnya Dihentikan

Seiring waktu, kesalahan tersebut membuat karyawan toko kehilangan kepercayaan pada sistem. Alih‑alih membantu mengurangi kekurangan stok, data yang tidak akurat justru berisiko memperparah masalah jika toko memesan barang berdasarkan angka yang salah.

Akibatnya, Starbucks memutuskan untuk menghentikan program tersebut sekitar sembilan bulan setelah diterapkan secara luas di Amerika Utara.

Dalam komunikasi internal kepada staf, perusahaan menyebut alat “Automated Counting” akan dipensiunkan. Starbucks juga mengatakan ingin beralih ke pendekatan yang lebih konsisten dalam pengelolaan inventaris sambil terus memperbaiki sistem rantai pasokan dan proses pengisian ulang stok.

Pelajaran tentang AI di Operasi Ritel

Kasus ini menunjukkan tantangan umum penggunaan AI di lingkungan ritel dunia nyata. Sistem yang terlihat bekerja baik dalam demo atau lingkungan terkontrol bisa kesulitan menghadapi kondisi toko sebenarnya—pencahayaan berubah‑ubah, rak yang berantakan, kemasan produk yang mirip, atau penempatan barang yang tidak konsisten.

Bagi Starbucks, teknologi ini awalnya diharapkan mengurangi pekerjaan rutin dan membantu mengatasi masalah pasokan yang mahal. Namun ketika tingkat akurasinya tidak cukup tinggi, perusahaan memilih menghentikan sistem tersebut daripada mengandalkan data yang tidak dapat dipercaya.

Pengalaman ini menjadi pengingat penting bagi industri ritel: ketika sebuah sistem harus menghitung dan mengenali produk secara sangat presisi, bahkan tingkat kesalahan kecil dari AI bisa membuatnya tidak praktis untuk operasi sehari‑hari.

Ketika Brian Niccol menjabat sebagai CEO, memperbaiki masalah pasokan menjadi salah satu prioritas utamanya. Salah satu solusi yang dicoba adalah sistem inventaris berbasis AI yang diharapkan memberi gambaran cepat dan akurat tentang stok yang tersedia di tiap toko.

Teknologi ini dikembangkan bersama startup berbasis Seattle, NomadGo. Sistemnya memanfaatkan kombinasi computer vision, kecerdasan spasial 3D, dan augmented reality untuk mengenali serta menghitung produk ketika karyawan memindai rak, lemari pendingin, atau ruang penyimpanan menggunakan smartphone atau tablet.

Secara teori, sistem ini bisa:

• Menggantikan proses penghitungan stok secara manual
• Mempercepat pengecekan inventaris
• Menandai produk yang hampir habis secara otomatis
• Membantu proses pemesanan ulang agar toko tidak kehabisan stok

Starbucks bahkan berencana menerapkannya secara luas di lebih dari 11.000 toko yang dioperasikan perusahaan di Amerika Utara.

Kesalahan yang Sering Terjadi di Lapangan

Masalah muncul ketika teknologi tersebut digunakan di kondisi toko nyata.

Menurut laporan yang dikutip Reuters, karyawan menemukan sistem AI ini sering melakukan kesalahan dasar yang penting untuk manajemen inventaris. Beberapa di antaranya termasuk:

• Salah menghitung jumlah produk di rak
• Salah membaca atau memberi label pada barang
• Bingung membedakan produk yang tampak mirip

Salah satu contoh yang sering disebut adalah karton susu. Di beberapa toko, sistem kesulitan membedakan jenis susu yang kemasannya terlihat serupa, sehingga jumlah stok yang tercatat menjadi tidak akurat.

Dalam sistem inventaris, kesalahan kecil saja bisa berdampak besar. Jika jumlah stok tercatat salah, sistem pemesanan bisa mengirim permintaan yang keliru—misalnya memesan terlalu sedikit atau terlalu banyak bahan penting.

Mengapa Program Ini Akhirnya Dihentikan

Seiring waktu, kesalahan tersebut membuat karyawan toko kehilangan kepercayaan pada sistem. Alih‑alih membantu mengurangi kekurangan stok, data yang tidak akurat justru berisiko memperparah masalah jika toko memesan barang berdasarkan angka yang salah.

Akibatnya, Starbucks memutuskan untuk menghentikan program tersebut sekitar sembilan bulan setelah diterapkan secara luas di Amerika Utara.

Dalam komunikasi internal kepada staf, perusahaan menyebut alat “Automated Counting” akan dipensiunkan. Starbucks juga mengatakan ingin beralih ke pendekatan yang lebih konsisten dalam pengelolaan inventaris sambil terus memperbaiki sistem rantai pasokan dan proses pengisian ulang stok.

Pelajaran tentang AI di Operasi Ritel

Kasus ini menunjukkan tantangan umum penggunaan AI di lingkungan ritel dunia nyata. Sistem yang terlihat bekerja baik dalam demo atau lingkungan terkontrol bisa kesulitan menghadapi kondisi toko sebenarnya—pencahayaan berubah‑ubah, rak yang berantakan, kemasan produk yang mirip, atau penempatan barang yang tidak konsisten.

Bagi Starbucks, teknologi ini awalnya diharapkan mengurangi pekerjaan rutin dan membantu mengatasi masalah pasokan yang mahal. Namun ketika tingkat akurasinya tidak cukup tinggi, perusahaan memilih menghentikan sistem tersebut daripada mengandalkan data yang tidak dapat dipercaya.

Pengalaman ini menjadi pengingat penting bagi industri ritel: ketika sebuah sistem harus menghitung dan mengenali produk secara sangat presisi, bahkan tingkat kesalahan kecil dari AI bisa membuatnya tidak praktis untuk operasi sehari‑hari.