星巴克在部署一款基于计算机视觉的AI库存管理工具九个月后，悄然将其停用。这款名为“自动计数”（Automated Counting）的工具由初创公司Nomad Go开发，原计划让店员用手持设备扫描货架，由AI自动识别糖浆、牛奶盒等商品，从而将员工从繁琐的盘点工作中解放出来，以便有更多时间服务顾客。然而，实际使用中，该系统不仅未能提升效率，反而因频繁出错，迫使员工不得不回归手动盘点和纸质记录。
从演示到现实的落差
该系统的缺陷在其最初亮相时便已暴露。星巴克去年9月发布的一则演示视频中，自动计数系统在扫描一瓶薄荷糖浆时，未能将其成功录入系统。这一幕原本应展示库存管理的无缝流畅，却恰恰预见了后续大规模应用中会出现的核心问题。
在实际门店运营中，计算机视觉算法在识别外观相似的乳制品时屡屡出错。燕麦奶与全脂牛奶、不同风味的糖浆等商品，在货架上对AI形成了巨大挑战。员工发现他们需要反复核对AI的盘点结果，而非直接信任其准确性。错误记录触发自动补货系统，导致库存失衡：不需要的商品被重复订购，而真正急需的商品却补充缓慢。这种供应链的连锁反应，正是由看似微小的视觉识别偏差所引发。
据路透社报道，员工对该工具的停用普遍表示欢迎。有员工在内部反馈渠道中写道：“感谢停用自动计数！想法很好，但执行困难。”在员工看来，这项技术的介入并未如预期般简化工作，反而增加了额外的核查负担，成为日常工作的一种阻碍。
零售业AI的共同困境
星巴克的遭遇在零售业并非独例。沃尔玛早在2020年就放弃了在其门店部署货架扫描机器人，最终确认人工盘点效果更佳。亚马逊也在逐步缩小其无人收银“Just Walk Out”技术的部署规模，转而采用仍需人工监督的智能购物车。这些案例表明，实验室环境中的理想测试无法完全模拟零售现场的复杂性——商品外观相似、货架陈列多变、包装反光等因素，都可能使AI的计算机视觉系统出现识别错误。
星巴克此次放弃自动计数工具，并不意味着AI在零售库存管理领域全无价值，但无疑提醒行业：技术落地必须充分考虑到真实场景中的边缘情况。从演示视频中的尴尬失误，到员工实际使用中的不满，星巴克用九个月时间验证了一个朴素的结论——在零售业的货架前，目前的计算机视觉技术尚难以稳定替代人工判断。
本文参考来源：Gadget Review
