스타벅스가 AI 재고 시스템을 도입한 이유

스타벅스는 오랫동안 매장에서 기본 재료가 갑자기 부족해지는 문제를 겪어 왔다. 우유, 페이스트리, 샌드위치 재료, 심지어 컵 뚜껑 같은 기본적인 물품이 떨어지는 일이 잦았고 이는 매출에도 영향을 미쳤다.

2024년 CEO로 취임한 브라이언 니콜은 이러한 공급 문제를 해결하는 것을 주요 과제로 삼았다. 그 해법 중 하나가 바로 AI 기반 재고 관리 시스템이었다.

이 기술은 시애틀의 스타트업 NomadGo와 협력해 개발됐다. 시스템은 다음과 같은 기술을 결합했다.

• 컴퓨터 비전
• 3D 공간 인식 기술
• 증강현실(AR)

직원들은 스마트폰이나 태블릿으로 매장 선반, 냉장고, 보관 공간을 스캔하면 시스템이 자동으로 제품을 인식하고 수량을 계산하도록 설계됐다.

이론적으로는 다음과 같은 효과가 기대됐다.

• 수작업 재고 조사 대체
• 재고 확인 시간 대폭 단축
• 부족한 제품 자동 감지
• 재고 보충 효율 개선

스타벅스는 이 시스템을 북미의 1만1천여 개 직영 매장에 확대 적용할 계획이었다.

실제 매장에서 발생한 오류

하지만 실제 매장 환경은 데모 환경과 달랐다.

현장 직원들에 따르면 시스템은 재고 관리에서 가장 기본적인 작업에서 어려움을 겪었다.

보도에 따르면 AI는 다음과 같은 문제를 자주 일으켰다.

• 선반 위 제품 수량을 잘못 계산
• 제품 라벨을 잘못 읽거나 잘못 분류
• 외형이 비슷한 상품을 서로 혼동

대표적인 사례가 우유 팩 혼동 문제였다. 일부 매장에서 AI가 비슷하게 생긴 우유 용기를 구분하지 못해 재고 수량이 틀리게 기록되는 일이 있었다고 한다.

재고 관리에서는 이런 작은 오류도 큰 문제로 이어질 수 있다. 수량이 틀리면 주문 시스템이 잘못된 보충 주문을 생성해 필요한 재료를 덜 주문하거나 과잉 주문하는 상황이 발생할 수 있기 때문이다.

결국 시스템을 포기한 이유

반복된 오류는 매장 직원들의 신뢰를 떨어뜨렸다. 재고 수치를 믿을 수 없다면 자동화 시스템의 의미가 사라지기 때문이다.

오히려 잘못된 데이터가 주문에 반영될 경우 재고 부족 문제가 더 악화될 위험도 있었다.

결국 스타벅스는 북미 전역에 배포된 지 약 9개월 만에 이 프로그램을 종료하기로 결정했다.

회사 내부 공지에서는 "Automated Counting" 도구를 종료하고 재고 관리 방식을 보다 일관된 방식으로 정비하겠다고 설명했다. 동시에 공급망과 재고 보충 시스템 개선 작업은 계속 진행할 것이라고 밝혔다.

리테일 현장에서 드러난 AI의 현실

이번 사례는 리테일 업계에서 AI가 마주하는 현실적인 문제를 보여준다.

매장 환경은 항상 일정하지 않다. 조명이 바뀌고, 선반이 어수선하며, 제품 포장이 비슷하거나 위치가 계속 바뀐다. 이런 조건은 컴퓨터 비전 기반 AI가 정확하게 작동하기 어렵게 만드는 요소다.

스타벅스의 목표는 단순했다. 반복적인 재고 조사 업무를 줄이고, 재료 부족 문제를 해결하는 것. 하지만 정확성이 확보되지 않으면 자동화는 오히려 운영을 더 복잡하게 만들 수 있다.

결국 이번 사례는 리테일 업계에 하나의 교훈을 남겼다.

재고처럼 정확한 수량과 분류가 핵심인 업무에서는 작은 AI 오류도 실제 운영에서는 치명적일 수 있다.

스타벅스가 AI 재고 시스템을 도입한 이유

스타벅스는 오랫동안 매장에서 기본 재료가 갑자기 부족해지는 문제를 겪어 왔다. 우유, 페이스트리, 샌드위치 재료, 심지어 컵 뚜껑 같은 기본적인 물품이 떨어지는 일이 잦았고 이는 매출에도 영향을 미쳤다.

2024년 CEO로 취임한 브라이언 니콜은 이러한 공급 문제를 해결하는 것을 주요 과제로 삼았다. 그 해법 중 하나가 바로 AI 기반 재고 관리 시스템이었다.

이 기술은 시애틀의 스타트업 NomadGo와 협력해 개발됐다. 시스템은 다음과 같은 기술을 결합했다.

• 컴퓨터 비전
• 3D 공간 인식 기술
• 증강현실(AR)

직원들은 스마트폰이나 태블릿으로 매장 선반, 냉장고, 보관 공간을 스캔하면 시스템이 자동으로 제품을 인식하고 수량을 계산하도록 설계됐다.

이론적으로는 다음과 같은 효과가 기대됐다.

• 수작업 재고 조사 대체
• 재고 확인 시간 대폭 단축
• 부족한 제품 자동 감지
• 재고 보충 효율 개선

스타벅스는 이 시스템을 북미의 1만1천여 개 직영 매장에 확대 적용할 계획이었다.

실제 매장에서 발생한 오류

하지만 실제 매장 환경은 데모 환경과 달랐다.

현장 직원들에 따르면 시스템은 재고 관리에서 가장 기본적인 작업에서 어려움을 겪었다.

보도에 따르면 AI는 다음과 같은 문제를 자주 일으켰다.

• 선반 위 제품 수량을 잘못 계산
• 제품 라벨을 잘못 읽거나 잘못 분류
• 외형이 비슷한 상품을 서로 혼동

대표적인 사례가 우유 팩 혼동 문제였다. 일부 매장에서 AI가 비슷하게 생긴 우유 용기를 구분하지 못해 재고 수량이 틀리게 기록되는 일이 있었다고 한다.

재고 관리에서는 이런 작은 오류도 큰 문제로 이어질 수 있다. 수량이 틀리면 주문 시스템이 잘못된 보충 주문을 생성해 필요한 재료를 덜 주문하거나 과잉 주문하는 상황이 발생할 수 있기 때문이다.

결국 시스템을 포기한 이유

반복된 오류는 매장 직원들의 신뢰를 떨어뜨렸다. 재고 수치를 믿을 수 없다면 자동화 시스템의 의미가 사라지기 때문이다.

오히려 잘못된 데이터가 주문에 반영될 경우 재고 부족 문제가 더 악화될 위험도 있었다.

결국 스타벅스는 북미 전역에 배포된 지 약 9개월 만에 이 프로그램을 종료하기로 결정했다.

회사 내부 공지에서는 "Automated Counting" 도구를 종료하고 재고 관리 방식을 보다 일관된 방식으로 정비하겠다고 설명했다. 동시에 공급망과 재고 보충 시스템 개선 작업은 계속 진행할 것이라고 밝혔다.

리테일 현장에서 드러난 AI의 현실

이번 사례는 리테일 업계에서 AI가 마주하는 현실적인 문제를 보여준다.

매장 환경은 항상 일정하지 않다. 조명이 바뀌고, 선반이 어수선하며, 제품 포장이 비슷하거나 위치가 계속 바뀐다. 이런 조건은 컴퓨터 비전 기반 AI가 정확하게 작동하기 어렵게 만드는 요소다.

스타벅스의 목표는 단순했다. 반복적인 재고 조사 업무를 줄이고, 재료 부족 문제를 해결하는 것. 하지만 정확성이 확보되지 않으면 자동화는 오히려 운영을 더 복잡하게 만들 수 있다.

결국 이번 사례는 리테일 업계에 하나의 교훈을 남겼다.

재고처럼 정확한 수량과 분류가 핵심인 업무에서는 작은 AI 오류도 실제 운영에서는 치명적일 수 있다.