星巴克AI库存管理复盘：1.1万家门店回归人工盘点的启示与优化方案

星巴克北美市场近期暂停了一项关键部署：一套已大规模铺开的人工智能库存管理系统被临时下线。原因直接来自一线：门店咖啡师和经理普遍反映，这套被寄予厚望的“智能系统”在实际操作中制造了更多混乱，而非效率。这再次凸显了零售业AI从概念验证到规模化落地过程中，普遍存在的适配性挑战。

该系统是CEO布莱恩·尼科尔推动供应链智能化战略的核心举措之一，已部署于超过1.1万家直营门店。其核心功能是利用搭载计算机视觉的平板设备，自动扫描并盘点牛奶、糖浆、浇头等高周转物料的库存水平。设计初衷明确：以自动化取代耗时且易错的人工盘点，提升运营速度，保障产品供应的稳定性。

然而，实际运行结果与预期存在显著差距。根据一线员工反馈，该AI工具在复杂门店环境中频繁出现识别故障：包括误判货架状态、混淆外观相似的物料，甚至对某些物品完全无法识别。

由此引发的运营问题分为两类：一是系统显示库存充足，但实际货架已空，导致意外缺货与销售损失；二是系统误报库存短缺，触发错误的补货订单，造成不必要的物流成本与仓储浪费。一位西雅图门店经理的评论颇具代表性：“本应节省时间的工具，现在却要求我们投入双倍精力——先核查AI的盘点结果，再进行手动纠错。”

面对持续存在的运营干扰，星巴克采取了果断的纠正措施。公司已启动临时流程，暂停使用该AI盘点工具，并同步推进更广泛的技术基础设施升级。官方声明立场清晰：门店伙伴的运营效率与顾客体验始终是最高优先级。既然该试点工具在准确性与可靠性上未达到运营标准，就必须暂停并依据实地反馈进行深度优化。

战略方向不变，但执行路径需优化

需要明确的是，此次暂停仅针对特定工具，而非对AI战略的整体否定。公司管理层重申，构建人工智能驱动的运营能力平台，仍是解决长期库存可见性问题的核心战略。其他供应链现代化项目，如需求预测算法与自动化补货系统，仍在持续部署并已显现积极效果。

本次调整范围严格限定于“计算机视觉自动盘点”这一具体应用场景。星巴克将继续探索库存管理自动化，但会转向寻求更成熟、更稳健的技术解决方案。

实体零售的AI落地困境：为何“最后一米”感知如此棘手？

星巴克的此次挫折，是实体零售业尝试引入AI时共性挑战的一个缩影：

首先是环境复杂性。实验室环境可控，但真实门店中存在光线变化、货架角度差异、物品遮挡等诸多变量，对视觉识别系统构成严峻考验。

其次是商品动态性。对于星巴克这类SKU数量庞大、且频繁推出季节性与区域性新品的品牌，AI模型的数据训练与迭代速度，往往难以跟上产品线变化的节奏。

最核心的是容错阈值。餐饮零售的库存精度直接关联营收与客诉，一种核心原料的误判可能导致数十笔订单无法完成，这种业务连续性压力是数字化系统难以完全模拟的。

相比之下，纯数字化的线上库存管理系统成功率显著更高，因其处理对象本就是结构化的数据流。而实体零售的“最后一米”物理感知——即精准识别与判断真实世界中的非标物品——仍是当前AI技术应用的关键瓶颈。从技术“可行”到商业“可用”，其间仍需大量的场景打磨与工程化沉淀。