Het idee achter Automatisch Tellen was eenvoudig: in plaats van dat medewerkers handmatig de voorraad in koelkasten, schappen en opslagruimtes telden, konden ze het gebied scannen met een handheld tablet of mobiel apparaat.

De software van NomadGo analyseerde de camerabeelden met behulp van verschillende technologieën:

• Computer vision om producten te herkennen
• 3D-ruimtelijke intelligentie en augmented reality-overlays
• Dieptesensing en LiDAR-achtige scanning om schappen en containers in kaart te brengen

Medewerkers konden de tablet langs een koelkast of schap bewegen en het systeem herkende automatisch items, zoals melkpakken, siropen of koffiezakken, en telde ze bijna onmiddellijk.

De bedrijven prezen de tool aan als aanzienlijk sneller dan handmatig tellen, met claims van resultaten tot acht keer sneller en een verbeterde nauwkeurigheid.

Voor een bedrijf met duizenden vestigingen en grote volumes aan dranken, konden zelfs kleine verbeteringen in voorraadzichtbaarheid helpen tekorten te verminderen en de planning in de toeleveringsketen te stroomlijnen.

Wat er in de winkels gebeurde

Eenmaal in echte winkelomgevingen kreeg het systeem te maken met nauwkeurigheidsproblemen.

Medewerkers rapporteerden verschillende terugkerende problemen:

• Foutief getelde artikelen wanneer de camerascan producten miste of verkeerd telde
• Verkeerd gelabelde producten, vooral wanneer items er vergelijkbaar uitzagen
• Niet-herkende artikelen die het systeem helemaal niet detecteerde

Een veelvoorkomend probleem betrof verschillende melksoorten, zoals volle melk, magere melk en plantaardige melk. Medewerkers zeiden dat het systeem deze visueel vergelijkbare containers soms door elkaar haalde, wat leidde tot onjuiste voorraadtellingen.

Omdat deze ingrediënten cruciaal zijn voor de drankbereiding, konden onnauwkeurige tellingen leiden tot verkeerde bijbestellingen en producttekorten.

Waarom Starbucks het systeem uitschakelde

Starbucks beëindigde het programma in mei 2026, ongeveer negen maanden na de uitrol, volgens interne communicatie die door journalisten werd ingezien en door medewerkers werd bevestigd.

Het bedrijf zei dat het Automatisch Tellen zou stoppen en die categorieën zou terugbrengen naar handmatige voorraadprocessen. Melk en andere drankcomponenten zouden voortaan op dezelfde manier worden geteld als de rest van de winkelvoorraad.

De beslissing was onderdeel van een bredere inspanning om:

• voorraadprocessen te standaardiseren
• de consistentie op winkelvloerniveau te verbeteren
• dagelijkse aanvulling en uitvoering van de toeleveringsketen te ondersteunen

Kortom, het geautomatiseerde systeem leverde geen voorraadgegevens op die betrouwbaar genoeg waren voor operationele beslissingen.

Een les uit een spraakmakende AI-pilot in de retail

De uitrol was opmerkelijk vanwege de enorme schaal: tienduizenden medewerkers gebruikten de technologie in duizenden winkels.

Maar het experiment benadrukte een veelvoorkomende uitdaging voor AI-systemen in grote bedrijven. Technologieën die goed werken in gecontroleerde demonstraties, kunnen worstelen in rommelige, echte omgevingen waar de belichting varieert, schappen vol staan, verpakkingen veranderen en producten er bijna identiek uitzien.

Voor Starbucks waren die kleine visuele onduidelijkheden voldoende om geautomatiseerde tellingen minder betrouwbaar te maken dan traditionele handmatige controles, althans voor nu.

Het bedrijf sluit toekomstige automatisering in voorraadbeheer niet uit, maar de korte levensduur van Automatisch Tellen laat zien hoe moeilijk het kan zijn om computer vision-systemen betrouwbaar in te zetten in grote retailnetwerken.

Het idee achter Automatisch Tellen was eenvoudig: in plaats van dat medewerkers handmatig de voorraad in koelkasten, schappen en opslagruimtes telden, konden ze het gebied scannen met een handheld tablet of mobiel apparaat.

De software van NomadGo analyseerde de camerabeelden met behulp van verschillende technologieën:

• Computer vision om producten te herkennen
• 3D-ruimtelijke intelligentie en augmented reality-overlays
• Dieptesensing en LiDAR-achtige scanning om schappen en containers in kaart te brengen

Medewerkers konden de tablet langs een koelkast of schap bewegen en het systeem herkende automatisch items, zoals melkpakken, siropen of koffiezakken, en telde ze bijna onmiddellijk.

De bedrijven prezen de tool aan als aanzienlijk sneller dan handmatig tellen, met claims van resultaten tot acht keer sneller en een verbeterde nauwkeurigheid.

Voor een bedrijf met duizenden vestigingen en grote volumes aan dranken, konden zelfs kleine verbeteringen in voorraadzichtbaarheid helpen tekorten te verminderen en de planning in de toeleveringsketen te stroomlijnen.

Wat er in de winkels gebeurde

Eenmaal in echte winkelomgevingen kreeg het systeem te maken met nauwkeurigheidsproblemen.

Medewerkers rapporteerden verschillende terugkerende problemen:

• Foutief getelde artikelen wanneer de camerascan producten miste of verkeerd telde
• Verkeerd gelabelde producten, vooral wanneer items er vergelijkbaar uitzagen
• Niet-herkende artikelen die het systeem helemaal niet detecteerde

Een veelvoorkomend probleem betrof verschillende melksoorten, zoals volle melk, magere melk en plantaardige melk. Medewerkers zeiden dat het systeem deze visueel vergelijkbare containers soms door elkaar haalde, wat leidde tot onjuiste voorraadtellingen.

Omdat deze ingrediënten cruciaal zijn voor de drankbereiding, konden onnauwkeurige tellingen leiden tot verkeerde bijbestellingen en producttekorten.

Waarom Starbucks het systeem uitschakelde

Starbucks beëindigde het programma in mei 2026, ongeveer negen maanden na de uitrol, volgens interne communicatie die door journalisten werd ingezien en door medewerkers werd bevestigd.

Het bedrijf zei dat het Automatisch Tellen zou stoppen en die categorieën zou terugbrengen naar handmatige voorraadprocessen. Melk en andere drankcomponenten zouden voortaan op dezelfde manier worden geteld als de rest van de winkelvoorraad.

De beslissing was onderdeel van een bredere inspanning om:

• voorraadprocessen te standaardiseren
• de consistentie op winkelvloerniveau te verbeteren
• dagelijkse aanvulling en uitvoering van de toeleveringsketen te ondersteunen

Kortom, het geautomatiseerde systeem leverde geen voorraadgegevens op die betrouwbaar genoeg waren voor operationele beslissingen.

Een les uit een spraakmakende AI-pilot in de retail

De uitrol was opmerkelijk vanwege de enorme schaal: tienduizenden medewerkers gebruikten de technologie in duizenden winkels.

Maar het experiment benadrukte een veelvoorkomende uitdaging voor AI-systemen in grote bedrijven. Technologieën die goed werken in gecontroleerde demonstraties, kunnen worstelen in rommelige, echte omgevingen waar de belichting varieert, schappen vol staan, verpakkingen veranderen en producten er bijna identiek uitzien.

Voor Starbucks waren die kleine visuele onduidelijkheden voldoende om geautomatiseerde tellingen minder betrouwbaar te maken dan traditionele handmatige controles, althans voor nu.

Het bedrijf sluit toekomstige automatisering in voorraadbeheer niet uit, maar de korte levensduur van Automatisch Tellen laat zien hoe moeilijk het kan zijn om computer vision-systemen betrouwbaar in te zetten in grote retailnetwerken.