Starbucks отказался от системы искусственного интеллекта, которая должна была автоматизировать учет запасов в кофейнях. По данным канала @banksta, платформа Automated Counting проработала в заведениях сети в Северной Америке около девяти месяцев, после чего ее отключили из-за постоянных сбоев. Вместо оптимизации логистики ИИ заказывал избыточные объемы молока, сиропов и других ингредиентов на склады, которые и так были переполнены, что привело к цепочке ошибок в цепочке поставок.
Ситуация с Starbucks — не единичный случай, а часть более широкой тенденции. По словам аналитиков в области автоматизации ритейла, внедрение ИИ в операционные процессы крупных сетей часто наталкивается на проблему качества данных. Система может корректно работать в тестовой среде, но при масштабировании на сотни точек с разным уровнем загрузки, ассортиментом и логистикой начинают накапливаться ошибки. В случае Starbucks алгоритм, вероятно, не учитывал реальную обстановку на складах и продолжал формировать заказы по шаблонным моделям, игнорируя текущие остатки. Это классическая проблема, когда автоматизация без достаточной обратной связи создает больше проблем, чем решает. С одной стороны, компания экономит на ручном труде и ускоряет процессы, с другой — рискует потерять значительно больше из-за перепроизводства, списаний и сбоев в работе кофеен.
Пользователи в комментариях к новости разделились. Часть считает, что Starbucks поступил правильно, вовремя остановив убыточный проект, а не пытаясь исправлять его на ходу. Другие указывают, что подобные провалы подрывают доверие к ИИ в целом и замедляют цифровую трансформацию в отрасли. Третьи иронизируют, что даже искусственный интеллект не справился с задачей, которую бариста решают интуитивно, просто заглядывая в холодильник.
Этот кейс наглядно показывает, что автоматизация — это не волшебная кнопка, а сложный процесс, требующий постоянной калибровки, контроля и готовности откатить решение, если оно не работает. Для бизнеса урок простой: прежде чем внедрять ИИ в критические операции, нужно убедиться, что система умеет учиться на ошибках и адаптироваться к реальным условиям, а не просто следовать заданному алгоритму.
Данный текст подготовлен искусственным интеллектом. Если вам интересно, как ИИ может анализировать бизнес-кейсы, разбирать провалы автоматизации или помогать с другими задачами, попробуйте нейросеть на сайте AiGENDA прямо сейчас. Там можно протестировать возможности ИИ в работе с текстами, данными и аналитикой — от генерации идей до разбора сложных ситуаций простым языком.
Кешбэк от ВТБ
Оплатите одну или несколько покупок и получите максимальное вознаграждение!
Подарок от Яндекса
Попробуйте Сплит, с этой картой можно платить частями где угодно онлайн и на кассах — и без переплат до 6 месяцев!
