為什麼星巴克要導入 AI 盤點

多年來，星巴克一直面臨一個看似簡單卻很棘手的問題：門市經常缺貨。

在部分美國門市，像是牛奶、糕點、三明治配料甚至杯蓋等基本用品，有時都無法穩定供應。公司多位高層曾指出，這些缺貨情況直接影響銷售與營運效率。

為了解決這個問題，CEO Brian Niccol 上任後把改善供應與補貨系統列為轉型重點之一。

其中一項策略，就是導入 AI 驅動的庫存盤點技術，讓門市能更快、也更準確地掌握實際庫存。

這套系統由西雅圖新創公司 NomadGo 開發，結合了電腦視覺、3D 空間辨識與擴增實境技術。員工只需用手機或平板掃描貨架、冰箱或儲藏區，系統就會自動辨識並計算商品數量。

理論上，這項技術可以：

• 取代人工逐項盤點
• 大幅縮短庫存檢查時間
• 自動標示低庫存商品
• 改善補貨流程並減少缺貨

星巴克原計畫把這套系統部署到北美超過 11,000 家直營門市。

系統在實際門市遇到的問題

然而在真實門市環境中，這套 AI 系統很快就暴露出不少問題。

門市員工回報，系統在一些最基本的任務上都會出錯，例如：

• 錯誤計算貨架上的商品數量
• 把商品標示成錯誤類型
• 無法分辨外觀相似的產品

其中一個經常被提到的例子是牛奶。部分門市表示，系統很難區分外觀相似的牛奶紙盒，導致庫存統計出現偏差。

在庫存管理中，即使是小小的誤差也可能造成連鎖反應。若系統計數錯誤，補貨軟體就可能產生不準確的訂單，結果反而導致門市訂太少或太多原料。

為什麼星巴克最終決定停用

當員工發現盤點結果經常不準確時，對系統的信任度自然下降。

原本設計來減少缺貨的工具，如果建立在錯誤數據之上，反而可能讓補貨問題更加嚴重。

因此，星巴克最終在系統於北美廣泛部署約 9 個月後決定終止這個計畫。

公司在內部訊息中表示，將停止使用「Automated Counting」工具，並改採更一致的庫存管理方式，同時持續改善供應鏈與補貨系統。

這次 AI 實驗透露的零售現實

星巴克的案例反映了零售業導入 AI 時常見的一個挑戰：

在展示或測試環境中運作良好的技術，到了實際門市可能會遇到各種複雜情況，例如光線變化、貨架凌亂、商品包裝相似或擺放不一致。

對星巴克來說，這項技術原本希望能減少繁瑣工作並改善缺貨問題。但當準確度達不到日常營運需求時，公司最終選擇停止使用，而不是依賴不可靠的數據。

這也為許多正在嘗試自動化的零售企業提供了一個現實提醒：當任務需要精準計數與辨識時，即使很小的錯誤率，也可能讓 AI 系統在實際營運中變得不可用。

為什麼星巴克要導入 AI 盤點

多年來，星巴克一直面臨一個看似簡單卻很棘手的問題：門市經常缺貨。

在部分美國門市，像是牛奶、糕點、三明治配料甚至杯蓋等基本用品，有時都無法穩定供應。公司多位高層曾指出，這些缺貨情況直接影響銷售與營運效率。

為了解決這個問題，CEO Brian Niccol 上任後把改善供應與補貨系統列為轉型重點之一。

其中一項策略，就是導入 AI 驅動的庫存盤點技術，讓門市能更快、也更準確地掌握實際庫存。

這套系統由西雅圖新創公司 NomadGo 開發，結合了電腦視覺、3D 空間辨識與擴增實境技術。員工只需用手機或平板掃描貨架、冰箱或儲藏區，系統就會自動辨識並計算商品數量。

理論上，這項技術可以：

• 取代人工逐項盤點
• 大幅縮短庫存檢查時間
• 自動標示低庫存商品
• 改善補貨流程並減少缺貨

星巴克原計畫把這套系統部署到北美超過 11,000 家直營門市。

系統在實際門市遇到的問題

然而在真實門市環境中，這套 AI 系統很快就暴露出不少問題。

門市員工回報，系統在一些最基本的任務上都會出錯，例如：

• 錯誤計算貨架上的商品數量
• 把商品標示成錯誤類型
• 無法分辨外觀相似的產品

其中一個經常被提到的例子是牛奶。部分門市表示，系統很難區分外觀相似的牛奶紙盒，導致庫存統計出現偏差。

在庫存管理中，即使是小小的誤差也可能造成連鎖反應。若系統計數錯誤，補貨軟體就可能產生不準確的訂單，結果反而導致門市訂太少或太多原料。

為什麼星巴克最終決定停用

當員工發現盤點結果經常不準確時，對系統的信任度自然下降。

原本設計來減少缺貨的工具，如果建立在錯誤數據之上，反而可能讓補貨問題更加嚴重。

因此，星巴克最終在系統於北美廣泛部署約 9 個月後決定終止這個計畫。

公司在內部訊息中表示，將停止使用「Automated Counting」工具，並改採更一致的庫存管理方式，同時持續改善供應鏈與補貨系統。

這次 AI 實驗透露的零售現實

星巴克的案例反映了零售業導入 AI 時常見的一個挑戰：

在展示或測試環境中運作良好的技術，到了實際門市可能會遇到各種複雜情況，例如光線變化、貨架凌亂、商品包裝相似或擺放不一致。

對星巴克來說，這項技術原本希望能減少繁瑣工作並改善缺貨問題。但當準確度達不到日常營運需求時，公司最終選擇停止使用，而不是依賴不可靠的數據。

這也為許多正在嘗試自動化的零售企業提供了一個現實提醒：當任務需要精準計數與辨識時，即使很小的錯誤率，也可能讓 AI 系統在實際營運中變得不可用。