Co system „Automated Counting” miał robić

System wykorzystywał kamery tabletów w połączeniu z wizją komputerową i czujnikami przestrzennymi do skanowania lodówek, półek i pomieszczeń magazynowych. Pracownicy sklepów przesuwali urządzenie nad produktami, a oprogramowanie automatycznie rozpoznawało je i zliczało w czasie rzeczywistym .

Technologia miała przynieść kilka korzyści operacyjnych:

• Szybsze inwentaryzacje niż ręczne liczenie
• Lepszy wgląd w produkty, których zaczynało brakować
• Mniej braków, które uniemożliwiały przygotowanie niektórych pozycji z menu

System NomadGo przetwarzał obrazy bezpośrednio na urządzeniach mobilnych i nakładał na nie dane identyfikacyjne, aby pomóc pracownikom szybko zweryfikować stany magazynowe .

W teorii automatyzacja miała uwolnić pracowników od rutynowego liczenia, dostarczając jednocześnie Starbucksowi lepszych danych o stanach magazynowych w tysiącach lokalizacji.

Dlaczego system zawiódł w rzeczywistych sklepach

Po wdrożeniu na skalę masową, system AI miał problemy z podstawową niezawodnością.

Według doniesień powołujących się na wewnętrzne komunikaty firmy, narzędzie często błędnie zliczało produkty, źle je etykietowało lub całkowicie pomijało je w inwentarzu .

Jednym z powracających problemów były produkty o podobnym wyglądzie, zwłaszcza różne rodzaje mleka – krowie, owsiane czy inne roślinne alternatywy. System czasem mylił je ze sobą lub nie wykrywał ich poprawnie .

Dla sklepów Starbucks – gdzie dostępność mleka bezpośrednio decyduje o tym, czy dany napój można przygotować – te błędy tworzyły tarcia operacyjne. Zamiast oszczędzać czas, niedokładne zliczenia zmuszały pracowników do ręcznego sprawdzania inwentarza.

Gdy systemy inwentaryzacji są zawodne, może to prowadzić do kaskadowych problemów:

• Błędnych decyzji o zamówieniach
• Braków składników
• Tymczasowego niedostępności pozycji w menu

W tym momencie automatyzacja przestała spełniać swoją funkcję.

Dlaczego Starbucks wrócił do ręcznego liczenia

W maju 2026 roku Starbucks poinformował sklepy, że program „Automated Counting” zostanie zakończony, a składniki napojów i mleko będą liczone ręcznie, tak samo jak inne kategorie produktów .

Zmiana ta była częścią szerszego resetu operacyjnego w firmie.

Pod wodzą CEO Briana Niccola, Starbucks uruchomił strategię określaną wewnętrznie jako „Back to Starbucks” (Powrót do Starbucksa), mającą na celu rozwiązanie problemu chronicznych braków produktów i poprawę wydajności sklepów .

W ramach tych działań firma położyła nacisk na:

• standaryzację praktyk inwentaryzacyjnych
• bardziej spójne procesy w sklepach
• codzienne uzupełnianie kluczowych składników

Powrót do ręcznego liczenia uznano za bardziej niezawodną opcję, która zapewni sklepom składniki niezbędne do utrzymania dostępności pozycji w menu .

Przestroga dla firm wdrażających AI

Zakończenie projektu Starbucks uwypukla szersze wyzwanie w automatyzacji na poziomie przedsiębiorstw: technologia, która działa w kontrolowanych demonstracjach, może mieć problemy w chaotycznym, rzeczywistym środowisku.

Sklepy detaliczne stwarzają trudne warunki dla systemów wizji komputerowej, które muszą mierzyć się z:

• zapchanymi półkami i lodówkami
• zmieniającymi się wzorami opakowań
• podobnie wyglądającymi produktami
• nierównomiernym oświetleniem i różnym układem sklepu

Nawet małe błędy w rozpoznawaniu mogą stać się poważnymi problemami operacyjnymi, gdy pomnoży się je przez tysiące lokalizacji.

W tym przypadku Starbucks uznał, że problemy z dokładnością systemu przeważyły nad potencjalnymi zyskami wydajnościowymi, co doprowadziło do porzucenia narzędzia po zaledwie dziewięciu miesiącach od wdrożenia .

Eksperyment ten pokazuje, jak agresywnie duże sieci handlowe testują AI w operacjach fizycznych – ale i jak szybko takie pilotażowe programy mogą zostać anulowane, gdy niezawodność nie nadąża za realiami codziennej pracy w sklepie.

Co system „Automated Counting” miał robić

System wykorzystywał kamery tabletów w połączeniu z wizją komputerową i czujnikami przestrzennymi do skanowania lodówek, półek i pomieszczeń magazynowych. Pracownicy sklepów przesuwali urządzenie nad produktami, a oprogramowanie automatycznie rozpoznawało je i zliczało w czasie rzeczywistym .

Technologia miała przynieść kilka korzyści operacyjnych:

• Szybsze inwentaryzacje niż ręczne liczenie
• Lepszy wgląd w produkty, których zaczynało brakować
• Mniej braków, które uniemożliwiały przygotowanie niektórych pozycji z menu

System NomadGo przetwarzał obrazy bezpośrednio na urządzeniach mobilnych i nakładał na nie dane identyfikacyjne, aby pomóc pracownikom szybko zweryfikować stany magazynowe .

W teorii automatyzacja miała uwolnić pracowników od rutynowego liczenia, dostarczając jednocześnie Starbucksowi lepszych danych o stanach magazynowych w tysiącach lokalizacji.

Dlaczego system zawiódł w rzeczywistych sklepach

Po wdrożeniu na skalę masową, system AI miał problemy z podstawową niezawodnością.

Według doniesień powołujących się na wewnętrzne komunikaty firmy, narzędzie często błędnie zliczało produkty, źle je etykietowało lub całkowicie pomijało je w inwentarzu .

Jednym z powracających problemów były produkty o podobnym wyglądzie, zwłaszcza różne rodzaje mleka – krowie, owsiane czy inne roślinne alternatywy. System czasem mylił je ze sobą lub nie wykrywał ich poprawnie .

Dla sklepów Starbucks – gdzie dostępność mleka bezpośrednio decyduje o tym, czy dany napój można przygotować – te błędy tworzyły tarcia operacyjne. Zamiast oszczędzać czas, niedokładne zliczenia zmuszały pracowników do ręcznego sprawdzania inwentarza.

Gdy systemy inwentaryzacji są zawodne, może to prowadzić do kaskadowych problemów:

• Błędnych decyzji o zamówieniach
• Braków składników
• Tymczasowego niedostępności pozycji w menu

W tym momencie automatyzacja przestała spełniać swoją funkcję.

Dlaczego Starbucks wrócił do ręcznego liczenia

W maju 2026 roku Starbucks poinformował sklepy, że program „Automated Counting” zostanie zakończony, a składniki napojów i mleko będą liczone ręcznie, tak samo jak inne kategorie produktów .

Zmiana ta była częścią szerszego resetu operacyjnego w firmie.

Pod wodzą CEO Briana Niccola, Starbucks uruchomił strategię określaną wewnętrznie jako „Back to Starbucks” (Powrót do Starbucksa), mającą na celu rozwiązanie problemu chronicznych braków produktów i poprawę wydajności sklepów .

W ramach tych działań firma położyła nacisk na:

• standaryzację praktyk inwentaryzacyjnych
• bardziej spójne procesy w sklepach
• codzienne uzupełnianie kluczowych składników

Powrót do ręcznego liczenia uznano za bardziej niezawodną opcję, która zapewni sklepom składniki niezbędne do utrzymania dostępności pozycji w menu .

Przestroga dla firm wdrażających AI

Zakończenie projektu Starbucks uwypukla szersze wyzwanie w automatyzacji na poziomie przedsiębiorstw: technologia, która działa w kontrolowanych demonstracjach, może mieć problemy w chaotycznym, rzeczywistym środowisku.

Sklepy detaliczne stwarzają trudne warunki dla systemów wizji komputerowej, które muszą mierzyć się z:

• zapchanymi półkami i lodówkami
• zmieniającymi się wzorami opakowań
• podobnie wyglądającymi produktami
• nierównomiernym oświetleniem i różnym układem sklepu

Nawet małe błędy w rozpoznawaniu mogą stać się poważnymi problemami operacyjnymi, gdy pomnoży się je przez tysiące lokalizacji.

W tym przypadku Starbucks uznał, że problemy z dokładnością systemu przeważyły nad potencjalnymi zyskami wydajnościowymi, co doprowadziło do porzucenia narzędzia po zaledwie dziewięciu miesiącach od wdrożenia .

Eksperyment ten pokazuje, jak agresywnie duże sieci handlowe testują AI w operacjach fizycznych – ale i jak szybko takie pilotażowe programy mogą zostać anulowane, gdy niezawodność nie nadąża za realiami codziennej pracy w sklepie.