星巴克9個月就終止AI庫存系統：大規模門市實驗為何失敗？

AI盤點系統原本的設計目標

Automated Counting 使用 平板相機、電腦視覺與空間感測技術 掃描冰箱、貨架和後場儲存區。員工只要將設備掃過商品，軟體就會自動辨識商品並即時計算庫存。

這項技術原本希望帶來幾個營運改善：

• 盤點速度比人工更快
• 更容易發現原料即將缺貨
• 減少因缺料造成的菜單商品停售

NomadGo 的系統會在行動裝置上直接處理影像，並將辨識結果疊加顯示在畫面上，讓員工能快速確認盤點數據。

理論上，這能讓門市員工不必花大量時間做例行盤點，同時也讓星巴克能更精準掌握數千家門市的庫存狀況。

為什麼系統在真實門市環境失敗

當系統真正大規模部署後，問題開始出現。

根據引用公司內部溝通內容的報導，該工具經常 數量計算錯誤、商品標示錯誤，甚至完全漏掉部分庫存。

其中一個常見問題是 外觀相似商品的辨識。例如不同種類的牛奶——像是一般牛奶、燕麥奶或其他植物奶——系統有時會混淆，或無法正確辨識。

對星巴克而言，這其實是非常關鍵的問題。

牛奶是多數飲品的核心原料，如果庫存數據不準確，就會直接影響門市是否能製作某些飲品。結果是：員工反而必須重新 人工確認庫存。

一旦庫存系統不可靠，就可能引發連鎖問題，例如：

• 補貨決策錯誤
• 原料短缺
• 部分菜單品項暫時停售

在這種情況下，原本要提升效率的自動化工具反而失去價值。

為何星巴克決定回到人工盤點

2026年5月，星巴克通知各門市，「Automated Counting」計畫將正式結束。之後 牛奶與飲料原料將與其他庫存類別一樣重新採用人工盤點。

這項決策也與公司整體營運改革有關。

在現任 CEO Brian Niccol 的帶領下，星巴克推動一項被稱為 「Back to Starbucks」 的策略，目標是改善門市執行力並解決長期存在的缺貨問題。

該策略的核心措施包括：

• 統一門市庫存流程
• 提高營運標準化
• 對關鍵原料採取 每日補貨

在這樣的背景下，星巴克認為 人工盤點反而更可靠，能確保門市隨時具備製作飲品所需的原料。

給企業AI的一個現實案例

星巴克這次的案例也凸顯一個企業AI常見問題：

在受控示範環境中運作良好的技術，未必能在真實世界的大規模營運中順利運作。

零售門市環境對電腦視覺來說其實相當困難，例如：

• 冰箱與貨架擺放雜亂
• 商品包裝會不斷更換
• 不同SKU外觀非常相似
• 照明與儲存方式不一致

當這些情況在 數千家門市 同時發生時，即使是小小的辨識誤差，也可能變成營運問題。

最終，星巴克認為系統的準確度不足以支撐日常門市運作，因此在全面部署 僅九個月後 就決定終止這項AI工具。

這次實驗仍顯示大型零售企業正在積極測試AI在實體營運中的應用——但也提醒市場：如果可靠度不夠，再大的AI計畫也可能很快被撤回。