Pomysł był prosty: zamiast ręcznie liczyć towary w lodówkach, na półkach i w magazynkach, pracownicy mieli zeskanować obszar tabletem lub urządzeniem mobilnym.
Oprogramowanie NomadGo analizowało obraz z kamery za pomocą kilku technologii:
Pracownik przesuwał tabletem wzdłuż lodówki lub półki, a system automatycznie identyfikował przedmioty – takie jak kartony mleka, syropy czy torby z kawą – i liczył je niemal natychmiast .
Firmy promowały to narzędzie jako znacznie szybsze od ręcznego zliczania, twierdząc, że może osiągać wyniki nawet osiem razy szybciej, przy jednoczesnej poprawie dokładności .
Dla firmy z tysiącami lokalizacji i produktami o dużym wolumenie, nawet niewielka poprawa widoczności stanów magazynowych mogła pomóc w ograniczeniu braków i usprawnieniu planowania łańcucha dostaw.
Po wdrożeniu w rzeczywistych warunkach sklepowych system miał problemy z dokładnością.
Pracownicy zgłaszali kilka powtarzających się problemów:
Szczególnie częstym problemem były różne rodzaje mleka, takie jak mleko pełne, odtłuszczone i roślinne. Pracownicy mówili, że system czasami mylił te wizualnie podobne kartony, generując błędne stany magazynowe .
Ponieważ te składniki są kluczowe do przygotowywania napojów, niedokładne dane mogły prowadzić do błędnych decyzji o zamówieniach i braków w sklepach.
Starbucks zakończył program w maju 2026 roku, około dziewięć miesięcy po wdrożeniu, zgodnie z wewnętrznymi komunikatami przejrzanymi przez dziennikarzy i potwierdzonymi przez pracowników .
Firma ogłosiła, że wycofuje Automatyczne Liczenie i przywraca ręczne procedury dla tych kategorii. Mleko i inne składniki napojów odtąd będą liczone tak samo, jak pozostałe towary w sklepie .
Decyzja była związana z szerszymi działaniami mającymi na celu:
Krótko mówiąc, zautomatyzowany system nie dostarczał danych o stanie magazynowym na tyle wiarygodnych, by podejmować na ich podstawie decyzje operacyjne.
Wdrożenie było znaczące ze względu na ogromną skalę: dziesiątki tysięcy pracowników używało tej technologii w tysiącach sklepów.
Eksperyment uwypuklił jednak typowe wyzwanie dla systemów AI w przedsiębiorstwach. Technologie, które działają dobrze w kontrolowanych warunkach demonstracyjnych, mogą mieć problemy w rzeczywistym, nieprzewidywalnym środowisku, gdzie oświetlenie jest zmienne, półki zaśmiecone, opakowania się zmieniają, a produkty wyglądają prawie identycznie.
Dla Starbucks te drobne niejednoznaczności wizualne wystarczyły, by zautomatyzowane zliczanie było mniej wiarygodne od tradycyjnych ręcznych kontroli – przynajmniej na razie.
Firma nie wykluczyła przyszłej automatyzacji w zarządzaniu zapasami, ale krótki żywot Automatycznego Liczenia pokazuje, jak trudne może być wdrożenie systemów wizji komputerowej na dużą skalę w sieci handlowej.