‘Automated Counting’은 어떻게 작동하도록 설계됐나

기존 매장 운영에서는 직원이 냉장고나 선반을 직접 확인하며 우유, 시럽, 커피 원두 같은 재고를 하나씩 세야 했다. Automated Counting의 목표는 이 과정을 카메라 스캔 한 번으로 끝내는 것이었다.

직원은 태블릿이나 모바일 기기를 들고 냉장고나 선반을 스캔하면 된다. 그러면 소프트웨어가 영상 데이터를 분석해 자동으로 제품을 인식하고 수량을 계산한다.

이 시스템에는 여러 기술이 결합돼 있었다.

• 컴퓨터 비전: 제품 형태와 라벨을 인식
• 3D 공간 인식 기술: 선반과 물체의 위치 파악
• 증강현실(AR) 오버레이: 화면에 재고 정보 표시
• 깊이 센싱 및 LiDAR 기반 스캔

예를 들어 직원이 냉장고를 태블릿으로 훑으면 시스템이 우유 통, 시럽, 커피 원두 봉지 등을 자동으로 인식해 거의 즉시 재고 수량을 계산하는 방식이었다.

노마드고는 이 기술이 수작업보다 최대 8배 빠른 재고 확인이 가능하다고 홍보했다.

실제 매장에서 발생한 문제

하지만 실제 매장 환경에서 시스템은 기대만큼 정확하게 작동하지 않았다.

직원들이 보고한 주요 문제는 다음과 같았다.

• 제품 수량을 잘못 계산하는 오류
• 서로 다른 상품을 잘못 라벨링하는 문제
• 카메라가 일부 제품을 아예 인식하지 못하는 경우

특히 우유 종류에서 문제가 자주 발생했다.

스타벅스 매장에서는 전지우유, 무지방 우유, 식물성 대체 우유 등 다양한 종류의 우유가 사용되는데, 외형이 비슷한 용기를 쓰는 경우가 많다. 직원들은 시스템이 이러한 제품을 서로 다른 종류로 구분하지 못하고 혼동하는 경우가 잦았다고 말했다.

이런 오류는 단순한 기술적 불편을 넘어 매장 운영 문제로 이어질 수 있었다. 재고 데이터가 틀리면 발주량 계산이 잘못되고, 결국 특정 재료가 부족해질 가능성이 생기기 때문이다.

결국 프로젝트 종료

스타벅스는 2026년 5월 내부 공지를 통해 Automated Counting을 공식적으로 종료한다고 알렸다.

공지에 따르면 앞으로는 우유와 음료 재료 재고도 다른 매장 재고처럼 직접 수작업으로 계산하게 된다.

회사는 이번 결정을 다음과 같은 운영 전략과 연결했다.

• 매장 재고 관리 방식의 표준화
• 매장 간 운영 일관성 개선
• 일일 재고 보충(daily replenishment) 체계 강화

결국 핵심 이유는 간단했다. AI가 제공한 재고 데이터가 운영 의사결정에 사용할 만큼 신뢰할 수 없었다는 것이다.

대규모 리테일 AI 실험이 남긴 교훈

Automated Counting은 규모 면에서도 주목받은 프로젝트였다. 수만 명의 직원이 수천 개 매장에서 동시에 사용하는 AI 시스템이었기 때문이다.

그러나 이 사례는 기업용 AI 프로젝트에서 흔히 나타나는 문제를 보여준다. 기술 데모나 통제된 환경에서는 잘 작동하더라도, 실제 매장처럼 조명 조건이 제각각이고 제품이 뒤섞여 있으며 포장 디자인이 계속 바뀌는 환경에서는 정확도를 유지하기가 어렵다.

스타벅스의 경우 작은 시각적 차이를 구분하지 못하는 문제가 반복되면서, 결과적으로 전통적인 수작업 확인 방식보다 신뢰도가 낮은 시스템이 되어버렸다.

스타벅스가 향후 재고 관리 자동화를 다시 시도할 가능성은 남아 있지만, 이번 사례는 대규모 리테일 환경에서 컴퓨터 비전 기반 AI를 안정적으로 운영하는 것이 얼마나 어려운지를 보여주는 대표적인 사례로 남게 됐다.

‘Automated Counting’은 어떻게 작동하도록 설계됐나

기존 매장 운영에서는 직원이 냉장고나 선반을 직접 확인하며 우유, 시럽, 커피 원두 같은 재고를 하나씩 세야 했다. Automated Counting의 목표는 이 과정을 카메라 스캔 한 번으로 끝내는 것이었다.

직원은 태블릿이나 모바일 기기를 들고 냉장고나 선반을 스캔하면 된다. 그러면 소프트웨어가 영상 데이터를 분석해 자동으로 제품을 인식하고 수량을 계산한다.

이 시스템에는 여러 기술이 결합돼 있었다.

• 컴퓨터 비전: 제품 형태와 라벨을 인식
• 3D 공간 인식 기술: 선반과 물체의 위치 파악
• 증강현실(AR) 오버레이: 화면에 재고 정보 표시
• 깊이 센싱 및 LiDAR 기반 스캔

예를 들어 직원이 냉장고를 태블릿으로 훑으면 시스템이 우유 통, 시럽, 커피 원두 봉지 등을 자동으로 인식해 거의 즉시 재고 수량을 계산하는 방식이었다.

노마드고는 이 기술이 수작업보다 최대 8배 빠른 재고 확인이 가능하다고 홍보했다.

실제 매장에서 발생한 문제

하지만 실제 매장 환경에서 시스템은 기대만큼 정확하게 작동하지 않았다.

직원들이 보고한 주요 문제는 다음과 같았다.

• 제품 수량을 잘못 계산하는 오류
• 서로 다른 상품을 잘못 라벨링하는 문제
• 카메라가 일부 제품을 아예 인식하지 못하는 경우

특히 우유 종류에서 문제가 자주 발생했다.

스타벅스 매장에서는 전지우유, 무지방 우유, 식물성 대체 우유 등 다양한 종류의 우유가 사용되는데, 외형이 비슷한 용기를 쓰는 경우가 많다. 직원들은 시스템이 이러한 제품을 서로 다른 종류로 구분하지 못하고 혼동하는 경우가 잦았다고 말했다.

이런 오류는 단순한 기술적 불편을 넘어 매장 운영 문제로 이어질 수 있었다. 재고 데이터가 틀리면 발주량 계산이 잘못되고, 결국 특정 재료가 부족해질 가능성이 생기기 때문이다.

결국 프로젝트 종료

스타벅스는 2026년 5월 내부 공지를 통해 Automated Counting을 공식적으로 종료한다고 알렸다.

공지에 따르면 앞으로는 우유와 음료 재료 재고도 다른 매장 재고처럼 직접 수작업으로 계산하게 된다.

회사는 이번 결정을 다음과 같은 운영 전략과 연결했다.

• 매장 재고 관리 방식의 표준화
• 매장 간 운영 일관성 개선
• 일일 재고 보충(daily replenishment) 체계 강화

결국 핵심 이유는 간단했다. AI가 제공한 재고 데이터가 운영 의사결정에 사용할 만큼 신뢰할 수 없었다는 것이다.

대규모 리테일 AI 실험이 남긴 교훈

Automated Counting은 규모 면에서도 주목받은 프로젝트였다. 수만 명의 직원이 수천 개 매장에서 동시에 사용하는 AI 시스템이었기 때문이다.

그러나 이 사례는 기업용 AI 프로젝트에서 흔히 나타나는 문제를 보여준다. 기술 데모나 통제된 환경에서는 잘 작동하더라도, 실제 매장처럼 조명 조건이 제각각이고 제품이 뒤섞여 있으며 포장 디자인이 계속 바뀌는 환경에서는 정확도를 유지하기가 어렵다.

스타벅스의 경우 작은 시각적 차이를 구분하지 못하는 문제가 반복되면서, 결과적으로 전통적인 수작업 확인 방식보다 신뢰도가 낮은 시스템이 되어버렸다.

스타벅스가 향후 재고 관리 자동화를 다시 시도할 가능성은 남아 있지만, 이번 사례는 대규모 리테일 환경에서 컴퓨터 비전 기반 AI를 안정적으로 운영하는 것이 얼마나 어려운지를 보여주는 대표적인 사례로 남게 됐다.