ابزار مدیریت موجودی مبتنی بر هوش مصنوعی استارباکس در ۱۱٬۳۰۰ شعبه فعال شکست خورد، نه در یک پایلوت

شرح خبر

بررسی جدید Fast Company فاش کرد که ابزار مدیریت موجودی مبتنی بر هوش مصنوعی استارباکس به نام Automated Counting، که توسط استارت‌آپ NomadGo توسعه یافته بود، نه در مرحله آزمایشی، بلکه پس از استقرار کامل در تمام ۱۱٬۳۰۰ شعبه آمریکای شمالی با شکست مواجه شد. این پروژه که در سپتامبر ۲۰۲۵ آغاز شد، در آوریل ۲۰۲۶ لغو شد و باعث اخراج بخش بزرگی از تیم ۳۰ نفره NomadGo، از جمله تیم فنی، شد. مشکل اصلی نه مدل هوش مصنوعی با دقت ۹۹ درصد در آزمایشگاه، بلکه چالش‌های دنیای واقعی بود: انعکاس نور در یخچال‌ها، اشتباه در شناسایی محصولات، زیرساخت قدیمی IBM AS/400 استارباکس و تغییر مداوم موجودی مانند لیوان‌های فصلی. هزینه این پروژه بیش از ۱۰ میلیون دلار برآورد شده است. استارباکس ابزار مدیریت موجودی مبتنی بر هوش مصنوعی خود به نام Automated Counting را در تمام ۱۱٬۳۰۰ شعبه آمریکای شمالی استقرار داد، اما پس از چند ماه آن را لغو کرد. این ابزار توسط استارت‌آپ NomadGo توسعه یافته بود و در آزمایش‌های کنترل‌شده دقت ۹۹ درصد داشت. با این حال، در دنیای واقعی با چالش‌هایی مانند انعکاس نور، شناسایی نادرست محصولات، زیرساخت قدیمی IBM AS/400 و تغییر مداوم موجودی مواجه شد. هزینه این پروژه بیش از ۱۰ میلیون دلار بود و باعث اخراج بخش بزرگی از تیم NomadGo شد. این شکست نشان داد که هوش مصنوعی در شرایط کنترل‌شده موثر است، اما در محیط‌های پیچیده و پویا ممکن است با مشکل مواجه شود. این خبر اهمیت زیادی دارد زیرا نشان می‌دهد که حتی شرکت‌های بزرگ مانند استارباکس نیز در پیاده‌سازی هوش مصنوعی در مقیاس گسترده با چالش‌های جدی مواجه می‌شوند. شکست این پروژه نه به دلیل نقص فناوری، بلکه به دلیل عدم تطابق بین قابلیت‌های هوش مصنوعی و شرایط عملیاتی دنیای واقعی بود. این مورد می‌تواند به عنوان یک درس برای سایر شرکت‌ها باشد که قبل از استقرار گسترده، باید زیرساخت‌ها و شرایط عملیاتی را به دقت ارزیابی کنند. این شکست برای استارباکس به معنای هدر رفتن سرمایه‌گذاری بیش از ۱۰ میلیون دلاری و بازگشت به روش‌های دستی مدیریت موجودی بود. برای NomadGo، این پروژه باعث از هم پاشیدگی تیم فنی و اخراج بخش بزرگی از کارکنان شد. علاوه بر این، اعتماد به هوش مصنوعی در مدیریت زنجیره تامین ممکن است تحت تاثیر قرار گیرد. تاثیر مستقیم این خبر بر ایران محدود است، اما می‌تواند به عنوان یک مطالعه موردی برای شرکت‌های ایرانی که در حال بررسی استفاده از هوش مصنوعی در زنجیره تامین هستند، مورد استفاده قرار گیرد. این خبر نشان می‌دهد که پیاده‌سازی هوش مصنوعی نیازمند زیرساخت‌های مناسب و برنامه‌ریزی دقیق است. این خبر نشان می‌دهد که چالش‌های حقوقی و فنی در پیاده‌سازی هوش مصنوعی در مقیاس بزرگ می‌تواند منجر به شکست پروژه‌ها شود. زیرساخت‌های قدیمی مانند IBM AS/400 می‌توانند مانع از همگام‌سازی داده‌ها در زمان واقعی شوند، که برای عملکرد موثر هوش مصنوعی ضروری است. این خبر تاثیر مستقیم جغرافیایی-سیاسی ندارد، اما می‌تواند بر رویکرد شرکت‌های جهانی نسبت به پیاده‌سازی هوش مصنوعی در مقیاس بزرگ تاثیر بگذارد. تحقیقی-تخصصی ابزار هوش مصنوعی استارباکس در ۱۱٬۳۰۰ شعبه شکست خورد. مشکل مدل نبود، بلکه دنیای واقعی بود.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.