Эксперимент Starbucks с AI‑учетом запасов закончился через 9 месяцев

Starbucks попыталась внедрить одну из самых масштабных AI‑систем учета запасов в индустрии общественного питания — и закрыла ее менее чем через год.

В сентябре 2025 года компания запустила систему Automated Counting, разработанную совместно со стартапом NomadGo. Ее внедрили более чем в 11 000 кофейнях Starbucks в Северной Америке. Основная идея была простой: заменить ручную проверку запасов системой компьютерного зрения, которая автоматически распознает и считает ингредиенты — например молоко, сиропы и другие компоненты напитков.

Однако уже к маю 2026 года Starbucks полностью отказалась от этой технологии после многочисленных жалоб магазинов на ошибки и неточности в работе системы.

Как должна была работать система Automated Counting

Система использовала камеры планшетов, компьютерное зрение и пространственное сканирование. Сотрудники проводили устройством вдоль полок, холодильников или складских стеллажей, после чего программное обеспечение автоматически определяло тип продукта и подсчитывало его количество.

Технология обещала несколько преимуществ:

• более быстрые проверки запасов по сравнению с ручным подсчетом
• лучшую видимость ингредиентов, которые заканчиваются
• меньше случаев, когда напитки нельзя приготовить из‑за отсутствия компонентов

Приложение обрабатывало изображения прямо на устройстве и отображало результаты поверх изображения в режиме дополненной реальности, чтобы сотрудники могли быстро подтвердить правильность подсчета.

В теории это должно было освободить персонал от рутинной работы и дать компании более точные данные о запасах по всей сети.

Что пошло не так в реальных магазинах

После масштабного внедрения система столкнулась с базовой проблемой — ненадежностью распознавания.

По данным публикаций со ссылкой на внутренние коммуникации компании, инструмент регулярно ошибался при подсчете, путал товары или вовсе не замечал часть запасов.

Особенно часто возникали проблемы с похожими продуктами. Например, система могла перепутать разные виды молока — обычное, овсяное или другие альтернативы — либо не распознать их вовсе.

Для кофеен Starbucks это критично: наличие молока напрямую влияет на возможность приготовить многие напитки. Ошибки в учете приводили к тому, что сотрудники все равно вынуждены были перепроверять запасы вручную.

Когда система инвентаризации дает неверные данные, это быстро приводит к цепочке операционных проблем:

• неправильные решения о пополнении запасов
• дефицит ингредиентов
• временное исчезновение напитков из меню

В таких условиях автоматизация перестает приносить пользу.

Почему компания вернулась к ручному учету

В мае 2026 года Starbucks уведомила магазины, что программа Automated Counting будет закрыта. Молоко и другие компоненты напитков снова начали считать вручную, как и другие категории запасов.

Решение связано с более широкой перестройкой операционных процессов компании.

Под руководством генерального директора Брайана Никкола Starbucks реализует стратегию, внутри компании известную как «Back to Starbucks». Ее цель — решить проблемы с нехваткой продуктов и улучшить операционную стабильность в кофейнях.

В рамках этой стратегии компания делает акцент на:

• стандартизированных процедурах учета запасов
• более последовательных операционных процессах
• ежедневном пополнении ключевых ингредиентов

Возврат к ручному подсчету сочли более надежным способом обеспечить наличие ингредиентов и стабильность меню.

Урок для корпоративных AI‑проектов

История с системой Starbucks показывает типичную проблему корпоративных внедрений AI: то, что работает в демонстрациях и пилотных проектах, часто сталкивается с трудностями в реальной среде.

Для систем компьютерного зрения розничные магазины — сложная среда:

• переполненные холодильники и полки
• постоянно меняющаяся упаковка
• похожие товары
• разные условия освещения

Даже небольшие ошибки распознавания могут превратиться в серьезную операционную проблему, если технология используется в тысячах точек.

В итоге Starbucks решила, что точность системы не оправдывает ожидаемых преимуществ. Поэтому один из самых масштабных экспериментов с AI‑учетом запасов в розничной торговле завершился всего через девять месяцев после полного внедрения.

Тем не менее этот проект показывает, насколько активно крупные ритейлеры тестируют AI в физических операциях — и насколько быстро могут отказаться от таких решений, если они не выдерживают реальности ежедневной работы магазинов.