こうした問題を改善するため、CEOのブライアン・ニコルは在庫管理の効率化を重要課題に位置付けました。その施策の一つがAIを使った在庫カウントの自動化でした。
この技術はシアトルのスタートアップNomadGoと共同開発されたもので、以下の技術を組み合わせていました。
店舗スタッフがスマートフォンやタブレットで棚や冷蔵庫、バックヤードの在庫をスキャンすると、AIが商品を識別して数を自動的にカウントする仕組みです。
理論上は次のようなメリットが期待されていました。
このシステムは北米の直営店1万1000店舗以上で導入される計画でした。
しかし、実際の店舗環境ではAIが基本的な識別やカウントでつまずくケースが報告されました。
報道によると、システムは次のような問題を頻繁に起こしていたといいます。
代表的な例が牛乳です。店舗では似たパッケージの牛乳が複数あり、AIがそれらを区別できず、在庫数を誤って記録するケースがあったと報じられています。
在庫管理では小さな誤差でも大きな問題になります。誤った数値がシステムに入力されると、発注量がずれてしまい、必要な材料が不足したり、逆に過剰在庫が発生したりする可能性があるためです。
こうしたエラーが続いた結果、店舗スタッフの間でシステムへの信頼が低下しました。
本来は欠品を減らすための仕組みでしたが、不正確な在庫データに基づいて発注を行うと、むしろ欠品を悪化させるリスクがあると考えられました。
そのためスターバックスは、北米での大規模導入から約9カ月後にこの「Automated Counting」ツールの運用を終了しました。
社内向けの通知では、在庫管理の方法をより一貫した形に標準化する方針とともに、サプライチェーンや補充システムの改善を引き続き進めると説明されたとされています。
今回のケースは、小売業におけるAI導入の難しさを示しています。
実験やデモ環境では高い精度を示す技術でも、実店舗では次のような要因が影響します。
こうした現実の環境では、わずかな認識ミスが業務全体に影響することがあります。
スターバックスの試みは、単純に見える「在庫を数える」という作業が、AIにとっても簡単ではないことを示した例と言えるでしょう。正確さが不可欠な業務では、わずかなエラー率でも実用性を大きく左右するのです。
こうした問題を改善するため、CEOのブライアン・ニコルは在庫管理の効率化を重要課題に位置付けました。その施策の一つがAIを使った在庫カウントの自動化でした。
この技術はシアトルのスタートアップNomadGoと共同開発されたもので、以下の技術を組み合わせていました。
店舗スタッフがスマートフォンやタブレットで棚や冷蔵庫、バックヤードの在庫をスキャンすると、AIが商品を識別して数を自動的にカウントする仕組みです。
理論上は次のようなメリットが期待されていました。
このシステムは北米の直営店1万1000店舗以上で導入される計画でした。
しかし、実際の店舗環境ではAIが基本的な識別やカウントでつまずくケースが報告されました。
報道によると、システムは次のような問題を頻繁に起こしていたといいます。
代表的な例が牛乳です。店舗では似たパッケージの牛乳が複数あり、AIがそれらを区別できず、在庫数を誤って記録するケースがあったと報じられています。
在庫管理では小さな誤差でも大きな問題になります。誤った数値がシステムに入力されると、発注量がずれてしまい、必要な材料が不足したり、逆に過剰在庫が発生したりする可能性があるためです。
こうしたエラーが続いた結果、店舗スタッフの間でシステムへの信頼が低下しました。
本来は欠品を減らすための仕組みでしたが、不正確な在庫データに基づいて発注を行うと、むしろ欠品を悪化させるリスクがあると考えられました。
そのためスターバックスは、北米での大規模導入から約9カ月後にこの「Automated Counting」ツールの運用を終了しました。
社内向けの通知では、在庫管理の方法をより一貫した形に標準化する方針とともに、サプライチェーンや補充システムの改善を引き続き進めると説明されたとされています。
今回のケースは、小売業におけるAI導入の難しさを示しています。
実験やデモ環境では高い精度を示す技術でも、実店舗では次のような要因が影響します。
こうした現実の環境では、わずかな認識ミスが業務全体に影響することがあります。
スターバックスの試みは、単純に見える「在庫を数える」という作業が、AIにとっても簡単ではないことを示した例と言えるでしょう。正確さが不可欠な業務では、わずかなエラー率でも実用性を大きく左右するのです。