其中最典型的例子,就是 不同種類牛奶。
例如:
對於需要精準原料管理的咖啡店來說,這種錯誤會帶來實際問題。
如果系統顯示庫存充足,但實際上已經快用完,就可能導致補貨判斷失準甚至缺貨。
之後:
公司表示,這個決定與更大規模的營運策略有關,包括:
簡單講就是:如果庫存數據不夠可靠,就無法用來做營運決策。
這個案例之所以特別受關注,是因為規模非常大。
一次部署到上萬間門店,代表有數以萬計員工同時使用同一套AI工具。
但事件亦反映一個常見情況:
很多AI系統在示範或測試環境表現很好,但在現實零售環境——例如光線不同、貨架混亂、包裝細微差異——就容易出現誤判。
對Starbucks而言,這些看似細微的視覺差異,已足以令AI盤點比人手更不可靠。
公司並沒有完全否定未來使用AI管理庫存的可能,但 Automated Counting 的短暫生命,也顯示要在大型零售網絡中部署電腦視覺系統,難度仍然相當高。
Comments
0 comments