Starbucks puso fin a la implementación de su sistema de inventario automatizado en Norteamérica después de menos de un año en funcionamiento debido a problemas recurrentes con la identificación errónea de productos. El sistema, diseñado para mejorar la precisión y agilidad del recuento en tienda, generaba errores que afectaban el control de ingredientes esenciales como diferentes tipos de leche.
El proyecto formaba parte de un plan más amplio impulsado por el CEO Brian Niccol para solucionar uno de los problemas más persistentes en la cadena: la falta frecuente de algunos productos en los establecimientos, que afecta tanto la experiencia del cliente como los ingresos. Para ello, se implementaron tablets con cámaras y sensores LIDAR que escaneaban estanterías y registraban automáticamente el stock, sustituyendo así los métodos manuales lentos y propensos a fallos.
Sin embargo, la realidad operativa encerró diversos retos que la tecnología no pudo superar satisfactoriamente. Cambios en la iluminación, similitudes entre productos, movimientos constantes y estantes incompletos dificultaron la tarea de la inteligencia artificial, provocando identificaciones erróneas y omisiones frecuentes. Esto derivó en dolores de cabeza para las operaciones diarias y llevó a que algunos empleados celebraran la retirada del sistema.
Este caso refuerza la idea de que, aunque la automatización y la IA prometían reemplazar con éxito tareas repetitivas y estructuradas, el entorno real presenta variables que complican la eficacia de estas tecnologías. La experiencia de Starbucks pone en evidencia que la implementación de IA en el sector minorista no es un proceso sencillo y que las expectativas sobre la automatización deberían ajustarse a la complejidad cotidiana de cada operación.