Sau khi trở thành CEO, Brian Niccol đặt mục tiêu giải quyết vấn đề chuỗi cung ứng này. Một trong những sáng kiến là hệ thống kiểm kê dựa trên AI nhằm giúp cửa hàng biết chính xác họ còn bao nhiêu hàng trong kho.

Công nghệ được phát triển cùng startup có trụ sở tại Seattle là NomadGo. Hệ thống kết hợp:

• Thị giác máy tính (computer vision)
• Công nghệ nhận diện không gian 3D
• Thực tế tăng cường (AR)

Nhân viên chỉ cần dùng điện thoại hoặc máy tính bảng để quét kệ hàng, tủ lạnh hoặc kho chứa. Phần mềm sẽ tự động nhận diện và đếm các sản phẩm.

Về lý thuyết, hệ thống có thể:

• Thay thế việc kiểm kê thủ công
• Tăng tốc quá trình kiểm tra tồn kho
• Tự động cảnh báo khi sản phẩm sắp hết
• Giúp đặt hàng bổ sung nhanh hơn

Starbucks dự định triển khai công nghệ này tại hơn 11.000 cửa hàng do công ty vận hành ở Bắc Mỹ.

Những lỗi mà hệ thống gặp phải

Trên thực tế, nhiều nhân viên cho biết công cụ gặp khó khăn với những nhiệm vụ rất cơ bản của việc kiểm kê.

Theo các báo cáo được Reuters trích dẫn, hệ thống AI thường xuyên:

• Đếm sai số lượng sản phẩm trên kệ
• Nhận diện hoặc gắn nhãn sai mặt hàng
• Nhầm lẫn giữa các sản phẩm có bao bì giống nhau

Một ví dụ được nhắc đến nhiều là các loại hộp sữa. Trong một số cửa hàng, hệ thống không phân biệt được các hộp sữa trông tương tự nhau, dẫn đến số liệu tồn kho sai lệch.

Trong quản lý tồn kho, những sai lệch nhỏ cũng có thể gây hậu quả lớn. Khi hệ thống ghi nhận sai số lượng, phần mềm đặt hàng có thể tạo ra yêu cầu nhập hàng không chính xác — khiến cửa hàng đặt thiếu hoặc đặt dư nguyên liệu.

Vì sao Starbucks quyết định dừng công cụ

Các lỗi liên tục khiến nhân viên dần mất niềm tin vào dữ liệu của hệ thống. Thay vì giúp giảm thiếu hàng, số liệu sai còn có nguy cơ khiến tình trạng tệ hơn nếu cửa hàng đặt hàng dựa trên thông tin không chính xác.

Vì vậy, Starbucks đã quyết định ngừng chương trình chỉ khoảng 9 tháng sau khi triển khai rộng rãi tại Bắc Mỹ.

Trong thông báo nội bộ gửi nhân viên, công ty cho biết sẽ “ngừng công cụ Automated Counting” và chuyển sang phương pháp quản lý tồn kho nhất quán hơn, đồng thời tiếp tục cải thiện hệ thống chuỗi cung ứng và quy trình bổ sung hàng hóa.

Bài học về AI trong vận hành bán lẻ

Trường hợp của Starbucks cho thấy một thách thức phổ biến khi đưa AI vào môi trường bán lẻ thực tế.

Những hệ thống hoạt động tốt trong phòng thí nghiệm hoặc bản demo có thể gặp khó khi bước vào cửa hàng thật — nơi có ánh sáng thay đổi, kệ hàng lộn xộn, bao bì giống nhau và sản phẩm đặt không đồng nhất.

Mục tiêu ban đầu của Starbucks là loại bỏ một công việc tốn thời gian và giảm thiểu tình trạng thiếu hàng. Nhưng khi độ chính xác không đạt yêu cầu, công ty đã chọn ngừng sử dụng công cụ thay vì dựa vào dữ liệu sai.

Với nhiều nhà bán lẻ đang thử nghiệm tự động hóa, câu chuyện này nhấn mạnh một thực tế: khi công việc đòi hỏi đếm và nhận diện chính xác, chỉ cần tỷ lệ lỗi nhỏ cũng đủ khiến hệ thống AI trở nên khó dùng trong vận hành hàng ngày.

Sau khi trở thành CEO, Brian Niccol đặt mục tiêu giải quyết vấn đề chuỗi cung ứng này. Một trong những sáng kiến là hệ thống kiểm kê dựa trên AI nhằm giúp cửa hàng biết chính xác họ còn bao nhiêu hàng trong kho.

Công nghệ được phát triển cùng startup có trụ sở tại Seattle là NomadGo. Hệ thống kết hợp:

• Thị giác máy tính (computer vision)
• Công nghệ nhận diện không gian 3D
• Thực tế tăng cường (AR)

Nhân viên chỉ cần dùng điện thoại hoặc máy tính bảng để quét kệ hàng, tủ lạnh hoặc kho chứa. Phần mềm sẽ tự động nhận diện và đếm các sản phẩm.

Về lý thuyết, hệ thống có thể:

• Thay thế việc kiểm kê thủ công
• Tăng tốc quá trình kiểm tra tồn kho
• Tự động cảnh báo khi sản phẩm sắp hết
• Giúp đặt hàng bổ sung nhanh hơn

Starbucks dự định triển khai công nghệ này tại hơn 11.000 cửa hàng do công ty vận hành ở Bắc Mỹ.

Những lỗi mà hệ thống gặp phải

Trên thực tế, nhiều nhân viên cho biết công cụ gặp khó khăn với những nhiệm vụ rất cơ bản của việc kiểm kê.

Theo các báo cáo được Reuters trích dẫn, hệ thống AI thường xuyên:

• Đếm sai số lượng sản phẩm trên kệ
• Nhận diện hoặc gắn nhãn sai mặt hàng
• Nhầm lẫn giữa các sản phẩm có bao bì giống nhau

Một ví dụ được nhắc đến nhiều là các loại hộp sữa. Trong một số cửa hàng, hệ thống không phân biệt được các hộp sữa trông tương tự nhau, dẫn đến số liệu tồn kho sai lệch.

Trong quản lý tồn kho, những sai lệch nhỏ cũng có thể gây hậu quả lớn. Khi hệ thống ghi nhận sai số lượng, phần mềm đặt hàng có thể tạo ra yêu cầu nhập hàng không chính xác — khiến cửa hàng đặt thiếu hoặc đặt dư nguyên liệu.

Vì sao Starbucks quyết định dừng công cụ

Các lỗi liên tục khiến nhân viên dần mất niềm tin vào dữ liệu của hệ thống. Thay vì giúp giảm thiếu hàng, số liệu sai còn có nguy cơ khiến tình trạng tệ hơn nếu cửa hàng đặt hàng dựa trên thông tin không chính xác.

Vì vậy, Starbucks đã quyết định ngừng chương trình chỉ khoảng 9 tháng sau khi triển khai rộng rãi tại Bắc Mỹ.

Trong thông báo nội bộ gửi nhân viên, công ty cho biết sẽ “ngừng công cụ Automated Counting” và chuyển sang phương pháp quản lý tồn kho nhất quán hơn, đồng thời tiếp tục cải thiện hệ thống chuỗi cung ứng và quy trình bổ sung hàng hóa.

Bài học về AI trong vận hành bán lẻ

Trường hợp của Starbucks cho thấy một thách thức phổ biến khi đưa AI vào môi trường bán lẻ thực tế.

Những hệ thống hoạt động tốt trong phòng thí nghiệm hoặc bản demo có thể gặp khó khi bước vào cửa hàng thật — nơi có ánh sáng thay đổi, kệ hàng lộn xộn, bao bì giống nhau và sản phẩm đặt không đồng nhất.

Mục tiêu ban đầu của Starbucks là loại bỏ một công việc tốn thời gian và giảm thiểu tình trạng thiếu hàng. Nhưng khi độ chính xác không đạt yêu cầu, công ty đã chọn ngừng sử dụng công cụ thay vì dựa vào dữ liệu sai.

Với nhiều nhà bán lẻ đang thử nghiệm tự động hóa, câu chuyện này nhấn mạnh một thực tế: khi công việc đòi hỏi đếm và nhận diện chính xác, chỉ cần tỷ lệ lỗi nhỏ cũng đủ khiến hệ thống AI trở nên khó dùng trong vận hành hàng ngày.