Hệ thống “Automated Counting” hoạt động như thế nào

Ý tưởng ban đầu khá đơn giản: thay vì nhân viên phải tự đếm từng sản phẩm trong tủ lạnh, trên kệ hoặc trong kho, họ chỉ cần dùng máy tính bảng hoặc điện thoại để quét khu vực chứa hàng.

Phần mềm của NomadGo sẽ phân tích hình ảnh từ camera bằng nhiều công nghệ kết hợp:

• Computer vision để nhận diện sản phẩm
• Phân tích không gian 3D và lớp phủ thực tế tăng cường (AR)
• Cảm biến chiều sâu và quét kiểu LiDAR để lập bản đồ kệ và hộp chứa

Nhân viên chỉ cần đưa thiết bị quét ngang qua tủ lạnh hoặc kệ hàng, hệ thống sẽ tự động nhận diện và đếm số lượng sản phẩm như bình sữa, siro hay túi cà phê gần như ngay lập tức.

Theo quảng bá ban đầu, công nghệ này có thể giúp kiểm kê nhanh gấp tới 8 lần so với phương pháp thủ công và đồng thời cải thiện độ chính xác.

Với một chuỗi cà phê khổng lồ như Starbucks, nơi hàng nghìn cửa hàng mỗi ngày sử dụng lượng lớn nguyên liệu pha chế, việc nắm rõ tồn kho theo thời gian thực có thể giúp giảm thiếu hàng và tối ưu hóa chuỗi cung ứng.

Điều gì xảy ra khi áp dụng trong cửa hàng thực tế

Khi hệ thống được đưa vào hoạt động trong môi trường cửa hàng thật, các vấn đề bắt đầu xuất hiện.

Nhân viên báo cáo nhiều lỗi lặp lại như:

• Đếm sai số lượng sản phẩm khi camera bỏ sót hoặc nhận diện nhầm
• Gán nhãn sai sản phẩm có hình dạng giống nhau
• Không nhận diện được một số mặt hàng trong quá trình quét

Một vấn đề đặc biệt phổ biến liên quan đến các loại sữa khác nhau—ví dụ sữa nguyên kem, sữa tách béo hoặc các loại sữa thay thế. Các hộp và bình sữa thường trông khá giống nhau, khiến hệ thống đôi khi nhầm lẫn loại sữa hoặc bỏ sót hoàn toàn khi đếm.

Vì sữa và các nguyên liệu này là thành phần cốt lõi cho đồ uống của Starbucks, việc đếm sai có thể dẫn đến quyết định nhập hàng sai và nguy cơ thiếu nguyên liệu trong cửa hàng.

Vì sao Starbucks quyết định dừng dự án

Theo các thông tin nội bộ được báo chí tiếp cận, Starbucks đã chính thức kết thúc chương trình vào tháng 5/2026, khoảng 9 tháng sau khi triển khai rộng rãi.

Công ty thông báo sẽ ngừng sử dụng Automated Counting và quay lại quy trình kiểm kê thủ công cho các danh mục như sữa và nguyên liệu pha chế.

Quyết định này nằm trong nỗ lực rộng hơn của Starbucks nhằm:

• chuẩn hóa quy trình kiểm kê
• tăng tính nhất quán giữa các cửa hàng
• hỗ trợ việc bổ sung hàng hóa hàng ngày và vận hành chuỗi cung ứng

Nói cách khác, dữ liệu từ hệ thống tự động không đủ đáng tin cậy để phục vụ các quyết định vận hành.

Bài học từ một thử nghiệm AI quy mô lớn

Điều đáng chú ý là dự án này được triển khai ở quy mô rất lớn: hàng chục nghìn nhân viên sử dụng công nghệ tại hàng nghìn cửa hàng.

Tuy nhiên, thử nghiệm của Starbucks cũng cho thấy một thách thức phổ biến của AI doanh nghiệp. Những hệ thống hoạt động tốt trong môi trường thử nghiệm có thể gặp khó khăn khi bước vào môi trường thực tế phức tạp—nơi ánh sáng thay đổi, kệ hàng lộn xộn, bao bì sản phẩm thay đổi và nhiều mặt hàng trông gần như giống hệt nhau.

Trong trường hợp của Starbucks, chỉ cần những khác biệt thị giác nhỏ như giữa các loại sữa cũng đủ khiến hệ thống kém đáng tin cậy hơn việc nhân viên tự đếm thủ công.

Công ty chưa loại trừ khả năng tự động hóa kiểm kê trong tương lai, nhưng vòng đời ngắn ngủi của Automated Counting cho thấy việc triển khai AI thị giác máy tính ở quy mô bán lẻ lớn vẫn còn nhiều thách thức.

Hệ thống “Automated Counting” hoạt động như thế nào

Ý tưởng ban đầu khá đơn giản: thay vì nhân viên phải tự đếm từng sản phẩm trong tủ lạnh, trên kệ hoặc trong kho, họ chỉ cần dùng máy tính bảng hoặc điện thoại để quét khu vực chứa hàng.

Phần mềm của NomadGo sẽ phân tích hình ảnh từ camera bằng nhiều công nghệ kết hợp:

• Computer vision để nhận diện sản phẩm
• Phân tích không gian 3D và lớp phủ thực tế tăng cường (AR)
• Cảm biến chiều sâu và quét kiểu LiDAR để lập bản đồ kệ và hộp chứa

Nhân viên chỉ cần đưa thiết bị quét ngang qua tủ lạnh hoặc kệ hàng, hệ thống sẽ tự động nhận diện và đếm số lượng sản phẩm như bình sữa, siro hay túi cà phê gần như ngay lập tức.

Theo quảng bá ban đầu, công nghệ này có thể giúp kiểm kê nhanh gấp tới 8 lần so với phương pháp thủ công và đồng thời cải thiện độ chính xác.

Với một chuỗi cà phê khổng lồ như Starbucks, nơi hàng nghìn cửa hàng mỗi ngày sử dụng lượng lớn nguyên liệu pha chế, việc nắm rõ tồn kho theo thời gian thực có thể giúp giảm thiếu hàng và tối ưu hóa chuỗi cung ứng.

Điều gì xảy ra khi áp dụng trong cửa hàng thực tế

Khi hệ thống được đưa vào hoạt động trong môi trường cửa hàng thật, các vấn đề bắt đầu xuất hiện.

Nhân viên báo cáo nhiều lỗi lặp lại như:

• Đếm sai số lượng sản phẩm khi camera bỏ sót hoặc nhận diện nhầm
• Gán nhãn sai sản phẩm có hình dạng giống nhau
• Không nhận diện được một số mặt hàng trong quá trình quét

Một vấn đề đặc biệt phổ biến liên quan đến các loại sữa khác nhau—ví dụ sữa nguyên kem, sữa tách béo hoặc các loại sữa thay thế. Các hộp và bình sữa thường trông khá giống nhau, khiến hệ thống đôi khi nhầm lẫn loại sữa hoặc bỏ sót hoàn toàn khi đếm.

Vì sữa và các nguyên liệu này là thành phần cốt lõi cho đồ uống của Starbucks, việc đếm sai có thể dẫn đến quyết định nhập hàng sai và nguy cơ thiếu nguyên liệu trong cửa hàng.

Vì sao Starbucks quyết định dừng dự án

Theo các thông tin nội bộ được báo chí tiếp cận, Starbucks đã chính thức kết thúc chương trình vào tháng 5/2026, khoảng 9 tháng sau khi triển khai rộng rãi.

Công ty thông báo sẽ ngừng sử dụng Automated Counting và quay lại quy trình kiểm kê thủ công cho các danh mục như sữa và nguyên liệu pha chế.

Quyết định này nằm trong nỗ lực rộng hơn của Starbucks nhằm:

• chuẩn hóa quy trình kiểm kê
• tăng tính nhất quán giữa các cửa hàng
• hỗ trợ việc bổ sung hàng hóa hàng ngày và vận hành chuỗi cung ứng

Nói cách khác, dữ liệu từ hệ thống tự động không đủ đáng tin cậy để phục vụ các quyết định vận hành.

Bài học từ một thử nghiệm AI quy mô lớn

Điều đáng chú ý là dự án này được triển khai ở quy mô rất lớn: hàng chục nghìn nhân viên sử dụng công nghệ tại hàng nghìn cửa hàng.

Tuy nhiên, thử nghiệm của Starbucks cũng cho thấy một thách thức phổ biến của AI doanh nghiệp. Những hệ thống hoạt động tốt trong môi trường thử nghiệm có thể gặp khó khăn khi bước vào môi trường thực tế phức tạp—nơi ánh sáng thay đổi, kệ hàng lộn xộn, bao bì sản phẩm thay đổi và nhiều mặt hàng trông gần như giống hệt nhau.

Trong trường hợp của Starbucks, chỉ cần những khác biệt thị giác nhỏ như giữa các loại sữa cũng đủ khiến hệ thống kém đáng tin cậy hơn việc nhân viên tự đếm thủ công.

Công ty chưa loại trừ khả năng tự động hóa kiểm kê trong tương lai, nhưng vòng đời ngắn ngủi của Automated Counting cho thấy việc triển khai AI thị giác máy tính ở quy mô bán lẻ lớn vẫn còn nhiều thách thức.