Starbucks AI盤點系統9個月就被叫停

其中一個方案，就是導入 AI 驅動的庫存盤點系統。

這套技術由西雅圖初創公司 NomadGo 開發，結合：

• 電腦視覺（computer vision）
• 3D 空間辨識
• 擴增實境（AR）

員工只需要用手機或平板掃描貨架、雪櫃或儲物區，系統就可以自動識別產品並計算數量。

理論上，它可以：

• 取代人手逐件盤點
• 將盤點時間大幅縮短
• 自動提示哪些商品快缺貨
• 改善補貨與庫存管理

Starbucks 原本計劃把這套系統部署到 北美超過 11,000 間自營門店。

AI 在門店實際遇到的問題

理想和現實之間，很快就出現落差。

多間門店員工反映，系統在一些最基本的辨識任務上經常出錯。根據報導，AI 主要出現以下問題：

• 盤點數量經常算錯
• 產品標籤被錯誤識別
• 外觀相似的商品容易混淆

其中一個最常被提及的例子就是 牛奶盒。在部分門店，不同種類牛奶包裝外觀非常相似，AI 有時分不清楚，導致庫存數據錯誤。

對零售系統而言，即使只是小小誤差，都可能造成連鎖問題。當庫存數據錯誤時，補貨系統就可能：

• 訂太少 → 出現缺貨
• 訂太多 → 造成浪費

為何最終決定停用？

隨著錯誤持續出現，門店員工對系統的信任度逐漸下降。因為每日營運需要依賴這些數據，一旦不準確，反而會令管理更混亂。

最終，Starbucks 在系統廣泛部署約 9 個月後，決定在北美全面停止使用這個 AI 工具。

公司在內部通知中表示，將會停用名為 「Automated Counting」 的系統，並改為採用更一致的庫存管理方式，同時繼續改善供應鏈和補貨流程。

這次事件對零售 AI 有什麼啟示

Starbucks 的案例反映了一個常見問題：AI 在示範環境表現很好，但真實門店環境非常複雜。

零售門店通常會出現：

• 光線變化
• 貨架擁擠
• 商品包裝相似
• 商品擺放位置不固定

這些因素都會影響電腦視覺的準確度。

對 Starbucks 來說，AI 原本是為了減少繁瑣工作並解決缺貨問題。但當系統無法提供可靠數據時，公司最終選擇停用它，而不是依賴可能錯誤的庫存資料。

這次短暫的 AI 嘗試也提醒不少零售商：只要任務需要高度精準的計數與辨識，即使很低的錯誤率，也足以令整個系統在日常營運中失去價值。