星巴克（Starbucks）近日终止了其基于计算机视觉的AI库存管理工具“自动计数”（Automated Counting），该工具部署仅九个月后便宣告失败。系统由初创公司Nomad Go开发，旨在让员工通过手持设备扫描货架，自动识别糖浆、牛奶等库存物品，从而节省盘点时间。然而在实际运营中，系统频繁出现识别错误，尤其是无法准确区分燕麦奶和全脂奶等外观相似的乳制品，导致自动补货系统误下单，造成真正需要的商品短缺。据路透社报道，员工对工具的停用表示欢迎，在内部反馈渠道留言：“感谢停止‘自动计数’工具。这个想法很好，但执行困难。”
宣传视频中的失败先兆
工具的问题早在正式推广前就已暴露。去年9月星巴克发布的一则宣传视频中，员工扫描货架时，系统未能成功识别一瓶薄荷糖浆。这段原本用于展示库存管理流畅性的画面，反而预告了大规模部署后必然出现的识别故障。计算机视觉在标准化的演示环境中表现尚可，但一旦面对门店中真实的陈列多样性、光线变化和产品包装相似性，其稳定性大幅下降。员工发现，每次使用自动计数工具后都需要人工复核，工具非但没有提速，反而成了额外负担。
数字错乱引发的供应链反应
错误的库存数据带来的后果远不止技术层面。当系统将燕麦奶误判为全脂奶时，自动补货系统会错误下单不需要的产品，同时漏订真正需求的商品，直接冲击门店运营效率。这种数字层面的错乱在供应链中形成连锁反应，导致库存积压和短缺并存。员工不得不花更多时间核对AI的盘点结果，而该工具本应让员工专注于服务顾客。一位员工在内部渠道坦言：“想法很好，但执行困难。”实际上，员工对AI的信任度很低，每次盘点结果都需要人工二次核对，甚至比直接手工记录更加耗时。
星巴克的经历并非孤例。沃尔玛在2020年放弃了货架扫描机器人，认为人工处理更为高效；亚马逊也在逐步缩减其“即拿即走”（Just Walk Out）无人收银技术，转而采用仍需人工监督的智能购物车。这些案例表明，实验室中表现优异的AI系统在被移植到真实的零售环境时，往往难以达到预期效果。
停止自动计数工具后，星巴克北美门店将恢复传统的人工盘点流程。尽管星巴克官方未对路透社的报道做出正面回应，但内部反馈显示员工普遍对这一决定持积极态度。这一事件为零售行业的AI应用提供了一个现实注脚：技术理想与现场运营之间，有时依然存在难以逾越的鸿沟。
本文参考来源：Gadget Review
