Cosa doveva fare il sistema 'Automated Counting'

Il sistema utilizzava le fotocamere dei tablet abbinate a visione artificiale e sensori spaziali per scansionare frigoriferi, scaffali e aree di stoccaggio. I dipendenti passavano il dispositivo sugli articoli e il software riconosceva automaticamente i prodotti e ne registrava la quantità in tempo reale.

La tecnologia prometteva diversi vantaggi operativi:

• Conteggi di inventario più veloci rispetto al lavoro manuale
• Migliore visibilità sugli ingredienti con scorte basse
• Minori carenze di prodotti che influenzano la disponibilità del menu

Il sistema di NomadGo elaborava le immagini direttamente sui dispositivi mobili e sovrapponeva i dati di identificazione dei prodotti per aiutare i dipendenti a validare rapidamente i conteggi.

In teoria, questa automazione avrebbe dovuto liberare i lavoratori dai compiti di conteggio di routine, fornendo al contempo a Starbucks dati migliori sui livelli di inventario in migliaia di locali.

Perché il sistema ha fallito nei negozi reali

Una volta implementato su larga scala, il sistema AI ha mostrato problemi di affidabilità di base.

Secondo le fonti che citano comunicazioni interne all'azienda, lo strumento conteggiava erroneamente gli articoli, etichettava i prodotti in modo errato o non rilevava affatto l'inventario.

Un problema ricorrente riguardava prodotti dall'aspetto simile, in particolare i vari tipi di latte come quello vaccino, di avena o altre alternative. Il sistema a volte confondeva questi articoli o non li rilevava correttamente.

Per i negozi Starbucks – dove la disponibilità di latte determina direttamente se le bevande possono essere preparate – questi errori creavano attriti operativi. Invece di far risparmiare tempo, i conteggi inaccurati costringevano i lavoratori a ricontrollare manualmente l'inventario.

Quando i sistemi di inventario sono inaffidabili, i problemi possono aggravarsi:

• Decisioni di riassortimento errate
• Carenza di ingredienti
• Articoli del menu temporaneamente non disponibili

A quel punto, l'automazione non offriva più il beneficio desiderato.

Perché Starbucks è tornata ai conteggi manuali

Nel maggio 2026, Starbucks ha comunicato ai negozi che il programma 'Automated Counting' sarebbe stato ritirato e che gli ingredienti per bevande e il latte sarebbero tornati allo stesso processo di conteggio manuale utilizzato per le altre categorie di inventario.

La modifica era legata a un più ampio riassetto operativo all'interno dell'azienda.

Sotto la guida dell'amministratore delegato Brian Niccol, Starbucks ha lanciato una strategia spesso descritta internamente come 'Back to Starbucks', volta a risolvere le persistenti carenze di prodotti e migliorare l'esecuzione nei negozi.

Come parte di questo sforzo, l'azienda ha enfatizzato:

• pratiche di inventario standardizzate
• processi di negozio più coerenti
• rifornimento giornaliero degli ingredienti chiave

Il ritorno ai conteggi manuali è stato visto come l'opzione più affidabile per garantire che i negozi avessero gli ingredienti necessari per mantenere disponibili gli articoli del menu.

Un monito per le implementazioni aziendali di AI

L'abbandono dell'AI per l'inventario da parte di Starbucks evidenzia una sfida più ampia nell'automazione aziendale: la tecnologia che funziona in demo controllate può avere difficoltà in ambienti reali e caotici.

I negozi al dettaglio presentano condizioni difficili per i sistemi di visione artificiale, tra cui:

• scaffali e frigoriferi disordinati
• design di packaging in continua evoluzione
• prodotti dall'aspetto simile
• illuminazione o disposizioni di stoccaggio non uniformi

Anche piccoli errori di riconoscimento possono diventare problemi operativi quando moltiplicati in migliaia di locali.

In questo caso, Starbucks ha concluso che i problemi di accuratezza del sistema superavano i suoi guadagni di efficienza, portando l'azienda a eliminare lo strumento dopo soli nove mesi dalla piena implementazione.

L'esperimento dimostra comunque quanto aggressivamente i grandi rivenditori stiano testando l'AI nelle operazioni fisiche – ma anche quanto velocemente questi progetti pilota possano essere invertiti quando l'affidabilità non è all'altezza delle realtà del lavoro quotidiano nei negozi.

Cosa doveva fare il sistema 'Automated Counting'

Il sistema utilizzava le fotocamere dei tablet abbinate a visione artificiale e sensori spaziali per scansionare frigoriferi, scaffali e aree di stoccaggio. I dipendenti passavano il dispositivo sugli articoli e il software riconosceva automaticamente i prodotti e ne registrava la quantità in tempo reale.

La tecnologia prometteva diversi vantaggi operativi:

• Conteggi di inventario più veloci rispetto al lavoro manuale
• Migliore visibilità sugli ingredienti con scorte basse
• Minori carenze di prodotti che influenzano la disponibilità del menu

Il sistema di NomadGo elaborava le immagini direttamente sui dispositivi mobili e sovrapponeva i dati di identificazione dei prodotti per aiutare i dipendenti a validare rapidamente i conteggi.

In teoria, questa automazione avrebbe dovuto liberare i lavoratori dai compiti di conteggio di routine, fornendo al contempo a Starbucks dati migliori sui livelli di inventario in migliaia di locali.

Perché il sistema ha fallito nei negozi reali

Una volta implementato su larga scala, il sistema AI ha mostrato problemi di affidabilità di base.

Secondo le fonti che citano comunicazioni interne all'azienda, lo strumento conteggiava erroneamente gli articoli, etichettava i prodotti in modo errato o non rilevava affatto l'inventario.

Un problema ricorrente riguardava prodotti dall'aspetto simile, in particolare i vari tipi di latte come quello vaccino, di avena o altre alternative. Il sistema a volte confondeva questi articoli o non li rilevava correttamente.

Per i negozi Starbucks – dove la disponibilità di latte determina direttamente se le bevande possono essere preparate – questi errori creavano attriti operativi. Invece di far risparmiare tempo, i conteggi inaccurati costringevano i lavoratori a ricontrollare manualmente l'inventario.

Quando i sistemi di inventario sono inaffidabili, i problemi possono aggravarsi:

• Decisioni di riassortimento errate
• Carenza di ingredienti
• Articoli del menu temporaneamente non disponibili

A quel punto, l'automazione non offriva più il beneficio desiderato.

Perché Starbucks è tornata ai conteggi manuali

Nel maggio 2026, Starbucks ha comunicato ai negozi che il programma 'Automated Counting' sarebbe stato ritirato e che gli ingredienti per bevande e il latte sarebbero tornati allo stesso processo di conteggio manuale utilizzato per le altre categorie di inventario.

La modifica era legata a un più ampio riassetto operativo all'interno dell'azienda.

Sotto la guida dell'amministratore delegato Brian Niccol, Starbucks ha lanciato una strategia spesso descritta internamente come 'Back to Starbucks', volta a risolvere le persistenti carenze di prodotti e migliorare l'esecuzione nei negozi.

Come parte di questo sforzo, l'azienda ha enfatizzato:

• pratiche di inventario standardizzate
• processi di negozio più coerenti
• rifornimento giornaliero degli ingredienti chiave

Il ritorno ai conteggi manuali è stato visto come l'opzione più affidabile per garantire che i negozi avessero gli ingredienti necessari per mantenere disponibili gli articoli del menu.

Un monito per le implementazioni aziendali di AI

L'abbandono dell'AI per l'inventario da parte di Starbucks evidenzia una sfida più ampia nell'automazione aziendale: la tecnologia che funziona in demo controllate può avere difficoltà in ambienti reali e caotici.

I negozi al dettaglio presentano condizioni difficili per i sistemi di visione artificiale, tra cui:

• scaffali e frigoriferi disordinati
• design di packaging in continua evoluzione
• prodotti dall'aspetto simile
• illuminazione o disposizioni di stoccaggio non uniformi

Anche piccoli errori di riconoscimento possono diventare problemi operativi quando moltiplicati in migliaia di locali.

In questo caso, Starbucks ha concluso che i problemi di accuratezza del sistema superavano i suoi guadagni di efficienza, portando l'azienda a eliminare lo strumento dopo soli nove mesi dalla piena implementazione.

L'esperimento dimostra comunque quanto aggressivamente i grandi rivenditori stiano testando l'AI nelle operazioni fisiche – ma anche quanto velocemente questi progetti pilota possano essere invertiti quando l'affidabilità non è all'altezza delle realtà del lavoro quotidiano nei negozi.