Eksperimen AI Starbucks untuk Menghitung Stok Gagal Setelah 9 Bulan

Dengan menggerakkan tablet di depan rak atau kulkas, sistem akan secara otomatis mengenali item seperti galon susu, sirup, atau kantong kopi, lalu menghitung jumlahnya hampir secara instan.

Saat diperkenalkan, teknologi ini diklaim mampu memberikan hasil hingga delapan kali lebih cepat dibandingkan penghitungan manual.

Bagi jaringan ritel sebesar Starbucks—dengan ribuan lokasi dan bahan minuman yang harus selalu tersedia—visibilitas inventaris yang lebih cepat diharapkan dapat membantu mengurangi kekurangan stok dan memperlancar perencanaan rantai pasokan.

Masalah yang Terjadi di Toko

Ketika mulai digunakan dalam kondisi toko yang sebenarnya, sistem ini ternyata kesulitan menjaga akurasi.

Karyawan melaporkan beberapa masalah yang berulang, seperti:

• Produk salah dihitung karena kamera melewatkan barang atau menghitungnya keliru
• Produk salah diberi label, terutama jika kemasannya mirip
• Barang tidak terdeteksi sama sekali oleh sistem

Salah satu contoh yang paling sering disebut adalah berbagai jenis susu—misalnya susu full cream, susu tanpa lemak, atau susu alternatif. Wadah‑wadah yang terlihat sangat mirip membuat sistem terkadang tertukar saat mengenali produk.

Kesalahan seperti ini cukup serius. Bahan seperti susu dan sirup adalah komponen utama minuman Starbucks, sehingga perhitungan stok yang keliru bisa menyebabkan keputusan pemesanan yang salah dan berujung pada kehabisan bahan.

Mengapa Starbucks Menghentikan Sistem Ini

Pada Mei 2026, Starbucks secara resmi menghentikan program tersebut—sekitar sembilan bulan setelah implementasi awal—berdasarkan komunikasi internal perusahaan yang kemudian dikonfirmasi oleh karyawan dan laporan media.

Perusahaan menyatakan bahwa Automated Counting akan dipensiunkan, dan bahan minuman seperti susu akan kembali dihitung menggunakan metode inventaris manual seperti kategori produk lainnya.

Langkah ini juga terkait dengan upaya yang lebih luas untuk:

• menstandarkan proses inventaris di seluruh toko
• meningkatkan konsistensi operasional di tingkat toko
• memperbaiki sistem pengisian ulang stok harian dan eksekusi rantai pasokan

Intinya, data inventaris dari sistem otomatis tersebut dianggap tidak cukup andal untuk pengambilan keputusan operasional.

Pelajaran dari Uji Coba AI Skala Besar

Eksperimen ini menarik perhatian karena skalanya sangat besar—puluhan ribu karyawan menggunakan teknologi tersebut di ribuan toko.

Namun kasus ini juga menyoroti tantangan umum dalam penerapan AI di dunia nyata. Teknologi yang bekerja baik dalam demo terkontrol sering menghadapi kesulitan di lingkungan ritel yang kompleks: pencahayaan berbeda, rak berantakan, kemasan produk berubah, dan banyak barang yang terlihat hampir identik.

Bagi Starbucks, perbedaan visual kecil tersebut sudah cukup membuat sistem otomatis kurang dapat dipercaya dibandingkan pemeriksaan manual—setidaknya untuk saat ini.

Perusahaan tidak menutup kemungkinan otomatisasi inventaris di masa depan, tetapi pengalaman singkat Automated Counting menunjukkan bahwa menerapkan sistem computer vision secara konsisten di jaringan ritel raksasa bukanlah tugas yang mudah.