O experimento de IA da Starbucks que durou só nove meses

• visão computacional para reconhecer produtos
• inteligência espacial 3D
• sobreposições de realidade aumentada
• sensores de profundidade semelhantes ao LiDAR

Ao mover o tablet pela área, o sistema deveria identificar automaticamente itens como galões de leite, xaropes ou sacos de café, contando tudo quase instantaneamente.

Segundo a própria NomadGo, a tecnologia poderia entregar resultados até oito vezes mais rápidos do que o processo manual tradicional.

Para uma rede do tamanho da Starbucks — com milhares de lojas e grande consumo de ingredientes para bebidas — melhorar a visibilidade do estoque poderia ajudar a evitar faltas de produtos e otimizar o planejamento da cadeia de suprimentos.

O que aconteceu nas lojas

Quando o sistema começou a ser usado no dia a dia das lojas, os resultados ficaram abaixo do esperado.

Funcionários relataram vários problemas recorrentes:

• contagens incorretas de produtos durante o escaneamento
• itens rotulados de forma errada pelo sistema
• produtos que simplesmente não eram detectados pela câmera

Um dos problemas mais citados envolvia diferentes tipos de leite — integral, desnatado ou alternativas vegetais. Como as embalagens podem ser visualmente parecidas, o sistema frequentemente confundia um tipo com outro ou deixava de identificar alguns deles.

Como esses ingredientes são essenciais para a preparação das bebidas, qualquer erro de contagem podia levar a decisões erradas de reposição e até falta de produtos nas lojas.

Por que a Starbucks decidiu encerrar o projeto

A Starbucks encerrou oficialmente o programa em maio de 2026, aproximadamente nove meses após sua implementação inicial, segundo comunicações internas da empresa confirmadas por funcionários e analisadas por jornalistas.

A rede informou que iria aposentar o sistema Automated Counting e retornar à contagem manual desses itens. Leite e componentes de bebidas passariam a ser contabilizados da mesma forma que outras categorias de estoque nas lojas.

A decisão também faz parte de uma iniciativa mais ampla da empresa para:

• padronizar os processos de inventário
• melhorar a consistência entre lojas
• fortalecer o reabastecimento diário e a execução da cadeia de suprimentos

Em outras palavras, os dados gerados pela automação não eram confiáveis o suficiente para orientar decisões operacionais.

O que esse caso mostra sobre IA no varejo

O projeto chamou atenção pelo tamanho da implementação: dezenas de milhares de funcionários utilizavam a tecnologia em milhares de unidades.

Mas o experimento também ilustra um desafio comum em sistemas de IA corporativos. Tecnologias que funcionam bem em demonstrações controladas podem enfrentar dificuldades quando são colocadas em ambientes reais e caóticos — com iluminação variável, prateleiras desorganizadas, embalagens semelhantes e mudanças frequentes de produtos.

No caso da Starbucks, essas pequenas ambiguidades visuais foram suficientes para tornar o sistema menos confiável do que a velha contagem manual — pelo menos por enquanto.

A empresa não descartou novas iniciativas de automação no futuro, mas a curta vida do Automated Counting mostra como implementar visão computacional em larga escala no varejo ainda é um desafio complexo.