🇨🇳cnBeta (Full RSS)•較早收集於 33m
星巴克因AI頻繁產生「幻覺」叫停庫存管理系統
💡一個關於視覺AI為何在現實高精度營運任務中仍面臨挑戰的警示案例。
⚡ 30-Second TL;DR
有什麼變化
AI工具未能準確追蹤門店庫存水平
為什麼重要
這凸顯了在缺乏強大的人工介入驗證機制下，將生成式或視覺AI部署於高精度營運環境的風險。
下一步行動
在部署基於視覺的AI進行實體庫存追蹤時，務必實施嚴格的置信度閾值與人工覆核協議。
誰應關注：Enterprise & Security Teams
關鍵要點
- •AI工具未能準確追蹤門店庫存水平
- •系統在視覺或數據處理中持續出現「幻覺」
- •試點項目在九個月的失敗部署後被終止
- •自動化未能為員工提供預期的營運效率
🧠 深度解析
Web-grounded analysis with 23 cited sources.
🔑 增強重點摘要
- •該AI庫存管理工具由星巴克與新創公司NomadGo合作開發，並於2025年9月在北美超過11,000家直營門市全面部署。
- •該系統結合了電腦視覺、3D空間智慧和擴增實境（AR）技術，透過平板電腦的相機和光達（LiDAR）數據掃描貨架，旨在自動化盤點牛奶、糖漿等物料。
- •系統的「幻覺」錯誤包括混淆外觀相似的產品（例如燕麥奶和純牛奶）、漏算貨品，甚至在星巴克自己的宣傳影片中也曾出現遺漏薄荷糖漿的情況。
- •星巴克執行長Brian Niccol將此AI工具視為解決長期缺貨問題和提升供應鏈效率的核心策略，旨在將盤點工時從數小時壓縮至數分鐘。
- •儘管此次AI盤點工具失敗，星巴克並未完全放棄AI在供應鏈中的應用，仍將繼續推進預測演算法、自動補貨系統等其他現代化項目，並擴大部署AI虛擬助理「Green Dot Assist」。
🛠️ 技術深入
- 該系統結合了電腦視覺（Computer Vision）、3D空間智慧（3D Spatial Intelligence）和擴增實境（Augmented Reality, AR）技術。
- 員工使用手持平板電腦，透過其內建的相機鏡頭和光達（LiDAR）感測器掃描貨架，以即時辨識和計算庫存物品。
- 系統旨在透過數據疊加（real-time data overlay）方式在螢幕上顯示庫存資訊。
- 失敗原因主要歸因於複雜的物理環境挑戰，例如門店燈光變化、貨架角度、產品遮擋、產品多樣性（SKU繁多、季節性新品）以及對庫存精度極高的容錯率要求。
🔮 前景展望AI analysis grounded in cited sources
零售商將對在複雜實體環境中部署AI採取更為謹慎和迭代的方法。
星巴克此次高調的失敗凸顯了實驗室成功與實際部署之間的巨大鴻溝，特別是對於在動態零售環境中應用電腦視覺的挑戰，這將促使企業進行更嚴格的測試和分階段推廣。
零售庫存管理中的AI應用將更側重於人機協同，而非完全自動化。
該系統的「幻覺」錯誤需要員工進行雙重核對和手動修正，表明在某些任務中，完全自動化為時過早，人類監督對於確保準確性和建立信任至關重要。
企業對AI在後端營運效率方面的投資將持續，但會更強調數據品質的穩健性和對現實世界變化的適應性。
星巴克明確表示不會完全放棄供應鏈中的AI應用，並將繼續推動其他AI計畫，這表明公司將調整策略，而非全面撤退，轉而尋求更可靠的AI解決方案。
⏳ 時間線
2019
星巴克推出內部AI平台「Deep Brew」，用於個性化推薦和營運優化。
2024-09
星巴克執行長Brian Niccol上任，將供應鏈AI化改造列為核心策略之一。
2025-09
星巴克宣布與NomadGo合作開發的AI庫存盤點系統在北美逾11,000家直營門市全面導入。
2026-02
媒體報導指出，該AI系統頻繁出錯，例如混淆相似的牛奶品項或完全漏計貨品。
2026-05
星巴克正式叫停在北美地區試點的AI庫存管理工具，門市恢復人工盤點。
📎 來源 (23)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： cnBeta (Full RSS) ↗