บทเรียนจาก AI ในร้านกาแฟ: ทำไม Starbucks ต้องถอดระบบตรวจนับสต็อกอัตโนมัติ

เทคโนโลยีนี้ถูกออกแบบมาเพื่อช่วยให้ร้านทำงานได้เร็วขึ้น เช่น

• ลดเวลาที่ต้องใช้ในการนับสต็อกด้วยมือ
• มองเห็นวัตถุดิบที่กำลังจะหมดได้เร็วขึ้น
• ลดโอกาสที่เมนูบางรายการจะขายไม่ได้เพราะของหมด

ระบบของ NomadGo สามารถประมวลผลภาพบนอุปกรณ์มือถือโดยตรง และแสดงข้อมูลซ้อนบนภาพเพื่อให้พนักงานตรวจสอบจำนวนสินค้าได้ทันที

ในทางทฤษฎี นี่ควรช่วยลดงานซ้ำ ๆ ของพนักงาน และทำให้สำนักงานใหญ่เห็นภาพสต็อกของร้านนับพันแห่งได้ชัดเจนขึ้น

ปัญหาที่เกิดขึ้นเมื่อใช้งานจริง

เมื่อระบบถูกนำไปใช้ในร้านจริงจำนวนมาก ปัญหาด้านความแม่นยำเริ่มปรากฏชัด

รายงานข่าวที่อ้างถึงการสื่อสารภายในบริษัทระบุว่า ระบบ นับสินค้าผิด ระบุสินค้าผิด หรือบางครั้งไม่ตรวจพบสินค้าเลย

หนึ่งในปัญหาที่พบบ่อยคือ สินค้าที่หน้าตาคล้ายกัน โดยเฉพาะนมหลายประเภท เช่น นมวัว นมโอ๊ต หรือทางเลือกจากพืชอื่น ๆ ระบบมักแยกแยะผิดหรือมองไม่เห็นบางรายการ

สำหรับร้าน Starbucks เรื่องนี้สำคัญมาก เพราะ

• นมเป็นวัตถุดิบหลักของเครื่องดื่มจำนวนมาก
• หากระบบนับผิด ร้านอาจสั่งของผิด
• เมนูบางรายการอาจขายไม่ได้เพราะวัตถุดิบหมด

สุดท้ายแล้ว พนักงานต้องกลับมาตรวจสอบสต็อกด้วยตัวเองซ้ำอีกครั้ง ทำให้ระบบที่ควรประหยัดเวลากลับเพิ่มภาระงานแทน

ทำไม Starbucks จึงกลับไปนับสต็อกแบบเดิม

ในเดือนพฤษภาคม 2026 Starbucks แจ้งร้านสาขาว่าโครงการ Automated Counting จะถูกยุติ และ วัตถุดิบเครื่องดื่มรวมถึงนมจะกลับไปใช้การนับแบบเดียวกับหมวดสต็อกอื่น ๆ ซึ่งก็คือการนับด้วยมือ

การตัดสินใจนี้เชื่อมโยงกับแผนปรับโครงสร้างการดำเนินงานของบริษัท

ภายใต้การนำของซีอีโอ Brian Niccol Starbucks กำลังผลักดันกลยุทธ์ที่เรียกว่า “Back to Starbucks” ซึ่งเน้นแก้ปัญหาสินค้าขาดสต็อกและปรับปรุงประสิทธิภาพการทำงานในร้าน

แนวทางหลักของแผนนี้ ได้แก่

• มาตรฐานการนับสต็อกที่เหมือนกันทุกสาขา
• กระบวนการทำงานในร้านที่สม่ำเสมอ
• การเติมวัตถุดิบหลัก ทุกวัน (daily replenishment)

บริษัทมองว่าการนับแบบแมนนวลในตอนนี้ ให้ความเชื่อถือได้มากกว่า สำหรับการควบคุมสต็อกที่มีผลต่อการขายเมนูจริงในร้าน

บทเรียนสำหรับ AI ในธุรกิจค้าปลีก

กรณีของ Starbucks สะท้อนปัญหาที่พบได้บ่อยในการนำ AI ไปใช้ในองค์กรขนาดใหญ่

เทคโนโลยีที่ทำงานได้ดีในสภาพแวดล้อมทดลอง อาจเจอความท้าทายในโลกจริง เช่น

• ชั้นวางสินค้าที่รกหรือไม่เป็นระเบียบ
• แพ็กเกจสินค้าที่เปลี่ยนบ่อย
• สินค้าหน้าตาคล้ายกัน
• แสงหรือมุมกล้องที่ไม่สม่ำเสมอ

เมื่อระบบต้องทำงานใน ร้านหลายพันแห่ง แม้ความผิดพลาดเล็กน้อยก็สามารถกลายเป็นปัญหาด้านปฏิบัติการได้ทันที

สุดท้าย Starbucks จึงตัดสินใจยุติระบบหลังใช้งานเพียง 9 เดือน แม้โครงการนี้จะเป็นหนึ่งในการทดลอง AI ขนาดใหญ่ในอุตสาหกรรมร้านอาหารก็ตาม

เหตุการณ์นี้แสดงให้เห็นว่าบริษัทค้าปลีกกำลังทดลองใช้ AI อย่างจริงจัง แต่ก็พร้อมจะถอยกลับอย่างรวดเร็ว หากเทคโนโลยีไม่สามารถรับมือกับความซับซ้อนของการทำงานในร้านจริงได้