Starbucks 9 個月後放棄 AI 庫存工具：「想法很棒但執行困難」

全球咖啡連鎖巨頭 Starbucks 宣布放棄使用僅 9 個月的 AI 庫存管理工具，公司公開承認該系統「想法很棒，但執行困難」（the thought behind it was great, but the execution was proving difficult）。AI 系統因為無法在真實營運環境準確識別商品而頻繁出錯，公司決定回歸傳統做法，將重點放在「一致性與規模化執行」上。這是大型零售與餐飲企業 AI 落地失敗的最新具體案例。

Starbucks 的 AI 庫存工具最初設計目標是運用電腦視覺與機器學習技術，自動識別門市庫存商品、預測需求變化、優化補貨時機。理論上，這套系統可大幅降低人力盤點時間、減少缺貨與過量庫存、提升整體營運效率。然而在實際門市環境部署後，系統面對複雜光線條件、多樣商品包裝、員工操作習慣差異等真實挑戰，識別準確率遠不及實驗室預期。多次錯誤識別導致店長必須額外驗證 AI 建議，反而增加而非減少工作負擔。

從技術角度看，Starbucks 案例凸顯了「實驗室準確率」與「現場執行可行性」之間的鴻溝。AI 模型在受控條件下可能達到 95% 以上準確率，但部署到全球數萬家門市的真實環境中，當光線、角度、商品擺放、相機品質、網路穩定性等變數同時介入，整體系統可靠性可能急速下滑。對於毛利率有限、強調營運效率的零售業而言，AI 工具若帶來的麻煩多於價值，被放棄是合理的商業選擇。

從產業面看，這個案例呼應整體 AI vibe shift 趨勢。過去兩年企業普遍處於「AI 探索期」，願意投入大量資源嘗試各類 AI 工具與 PoC（概念驗證）。但隨著實際落地經驗累積，許多企業開始重新評估 AI 的真實 ROI。Salesforce AI 故事不被市場買單、Microsoft Scout 被批設計「讓人上癮」、「Tokenmaxxing」軍備競賽時代終結等多方訊號，都反映企業 AI 採購正進入更謹慎的成熟階段。

對 AI 業者而言，Starbucks 的退場是重要警示。能否在客戶實際環境中持續優化、提供具體可量化的價值、避免「實驗室漂亮、現場崩潰」的落差，將決定 AI 服務商能否從早期紅利期成功過渡到長期商業化階段。