W maju 2026 roku Starbucks rozesłał do swoich pracowników w Ameryce Północnej wewnętrzny biuletyn. Krótkie zdanie. „Od dziś Automated Counting zostaje wycofany. Składniki napojów i mleko będą liczone tak samo, jak inne kategorie zapasów w waszej kawiarni”.
To koniec dziewięciomiesięcznego eksperymentu, który we wrześniu 2025 roku był ogłaszany jako jeden z filarów planu „Back to Starbucks”. Plan opracowany przez nowego prezesa miał przywrócić markę do operacyjnych podstaw. Zlikwidować chroniczne braki produktów. Skrócić kolejki. Uwolnić baristów od pracy administracyjnej, żeby mogli spędzać więcej czasu z klientami.
Automated Counting był sztandarowym narzędziem tej strategii. Współpraca z NomadGo, firmą z Seattle specjalizującą się w widzeniu maszynowym. Tablet z czujnikami LiDAR. Pracownik skanuje półkę. System rozpoznaje produkty, liczy je, wysyła dane do centralnego systemu zapasów. Wszystko w czasie rzeczywistym.
Dyrektor technologiczna Starbucks we wpisie na firmowym blogu z września 2025 roku, dziś usuniętym, opisywała to entuzjastycznie. „Wystarczy szybki skan tabletem i pracownicy widzą natychmiast, co jest na stanie. Mamy pewność, że pianka mleczna, mleko owsiane czy syrop karmelowy są zawsze dostępne”.
W rzeczywistości technologia nie potrafiła odróżnić butelki mleka owsianego od butelki mleka krowiego. Gubiła syrop miętowy stojący na półce między dwiema innymi butelkami, które poprawnie rozpoznawała.
Reuters cytuje promocyjny film Starbucks z września 2025 roku. Ten sam film, który miał reklamować nową technologię, w trakcie sceny demonstracyjnej pokazuje, jak system skanuje półkę i przeocza butelkę syropu miętowego. Producent filmu tego błędu nie wyłapał. Albo wyłapał, ale wypuścił film mimo wszystko.
Nie chodzi o entuzjazm. Chodzi o to, że dziewięć miesięcy wdrażania na skalę 35 tysięcy kawiarni nie wystarczyło, żeby AI nauczyła się odróżniać produkty, których jedyna istotna różnica polega na małym napisie na etykiecie.
I. Co dokładnie poszło nie tak
Według Reutersa problem nie był technologiczny w tradycyjnym znaczeniu. NomadGo wykorzystał najbardziej zaawansowane dostępne dziś metody widzenia maszynowego. LiDAR, czyli skanowanie laserowe. Rozszerzoną rzeczywistość. Trójwymiarową analizę przestrzenną. Algorytmy rozpoznawania obrazu. Wszystko, co teoretycznie powinno wystarczyć, żeby rozpoznać produkty na półkach w kawiarni sieciowej.
Problem leżał gdzie indziej. Produkty Starbucksa są wizualnie celowo podobne. Butelki mleka krowiego, odtłuszczonego, owsianego, migdałowego, sojowego, kokosowego, śmietanki słodzonej i niesłodzonej. Każda z tych butelek ma identyczny rozmiar. Niemal identyczne kolory. Różnica sprowadza się głównie do małego napisu na etykiecie.
To, co dla człowieka jest oczywiste z odległości metra, dla algorytmu widzenia maszynowego stanowi problem wymagający miliardów próbek treningowych. Starbucks miał taki zbiór treningowy. Mimo to model nadal mylił produkty.
Engadget cytuje jednego z pracowników sieci. „Dziękuję, że wycofaliście Automatic Counting. Sam pomysł był świetny. Ale wykonanie okazywało się trudne”.
Starbucks ma jednak inną wersję wydarzeń. W komunikacie dla Reutersa firma określiła swoją decyzję jako „decyzję o ujednoliceniu sposobu liczenia zapasów w kawiarniach, podyktowaną dalszym dążeniem do spójności i wdrażania na skalę”.
W języku operacyjnym brzmi to inaczej. AI nie działała wystarczająco dobrze, żeby utrzymywać dwa równoległe systemy liczenia. Ręczny i zautomatyzowany. Ręczny był wolniejszy, ale rzetelny. Zautomatyzowany był szybszy, ale niedokładny. Wybór między nimi był ekonomicznie prosty.
II. Dlaczego pomysł brzmiał świetnie
Żeby zrozumieć, dlaczego Starbucks zdecydował się na ten eksperyment, trzeba spojrzeć na kontekst biznesowy.
Sieć liczy dziś około 35 tysięcy lokali na świecie. Każdy z nich prowadzi własne zapasy. Każdy zatrudnia kilkanaście osób. Ręczne liczenie zapasów zajmuje średnio kilka godzin tygodniowo w lokalu. Pomnożone przez 35 tysięcy lokali, daje to setki tysięcy roboczogodzin przeznaczanych na czynność administracyjną zamiast na obsługę klienta.
Z perspektywy operacyjnej automatyzacja tej czynności brzmiała jak idealna inwestycja. Każda zaoszczędzona godzina to dodatkowa minuta przy ekspresie. Każda dodatkowa minuta przy ekspresie to potencjalnie więcej zadowolonych klientów. Każdy zadowolony klient to potencjalnie klient, który wróci.
Prezes Starbucksa, który objął stanowisko we wrześniu 2024 roku, oparł plan transformacji „Back to Starbucks” na czymś prostszym. Sieć cierpiała na chroniczne braki produktów. Klient zamawiał z aplikacji mobilnej, przychodził do kawiarni, dowiadywał się, że jego napój nie może zostać zrobiony, bo brakuje składnika. Klient odchodził. Klient nie wracał.
Według Fortune wynik finansowy ostatniego kwartału pokazuje, że plan transformacji działa. Wzrost porównywalnej sprzedaży w USA o 7,1% przekroczył oczekiwania analityków, którzy spodziewali się wzrostu o 4,5%. Lecz ten wzrost ma niewiele wspólnego z Automated Counting. Sieć osiągnęła go innymi metodami. Częstszymi codziennymi dostawami. Łańcuchem dostaw zoptymalizowanym pod kątem szybszej rotacji. Wygodniejszymi meblami w lokalach. Skróconym menu.
Wszystkie te zmiany udało się wdrożyć bez zaawansowanej sztucznej inteligencji.
III. Inne narzędzia AI, których Starbucks nie wycofał
Ważny szczegół. Starbucks nie wycofał się z AI w ogóle. Wycofał się tylko z jednego konkretnego wdrożenia.
Inne narzędzia AI nadal działają. Green Dot Assist to aplikacja na tabletach w lokalach. Dostarcza pracownikom karty receptur. Sugeruje zamienniki składników, gdy któregoś brakuje. Pomaga rozwiązywać problemy z maszynami. Smart Queue to system, który kolejkuje zamówienia, żeby zoptymalizować szybkość obsługi. Do tego dochodzą systemy prognozowania popytu i planowania zmian, które działają niewidocznie w tle.
Według Gadget Review różnica jest fundamentalna. „Podczas gdy Starbucks porzuca widoczne narzędzia AI, które pracownicy mogą obwiniać o niepowodzenia, ukryte narzędzia AI firmy, prognozujące popyt i planujące grafiki, nadal cicho robią to, co robią najlepiej. Pozostają niewidoczne, dopóki działają idealnie”.
To moment, w którym zaczyna się rysować strukturalna lekcja. AI, którą widzi pracownik, ma znacznie wyższe wymagania niż AI, której pracownik nie widzi. Widoczna AI musi być rzetelna. Niewidoczna AI musi być przede wszystkim użyteczna. Te dwa wymagania są fundamentalnie różne.
Niewidoczne narzędzia AI mogą czasem zawieść. Mogą wymagać ręcznej korekty. Pracownik nie wie, że konkretną rekomendację wygenerowała AI. Menedżer, który dokonuje korekty, traktuje to jako naturalną część swojej pracy.
Widoczne narzędzia AI, gdy raz zawiodą, tracą zaufanie raz na zawsze. Każdy kolejny błąd jest odbierany przez pracownika jako kolejny dowód na to, że „AI nie działa”. Nawet jeśli statystycznie system osiąga trafność na poziomie 95%, te 5% błędów definiuje doświadczenie użytkownika.
IV. Co mówi szerszy kontekst rynkowy
Starbucks nie jest jedyną firmą, która w pierwszej połowie 2026 roku publicznie wycofała się z głośno reklamowanej inwestycji w AI.
W maju 2026 roku, według Gizmodo, franczyzobiorca Pizza Hut pozwał Yum! Brands, spółkę matkę pizzerii. Twierdzi, że system AI miał zoptymalizować operacje, lecz kosztował go 100 milionów dolarów utraconych przychodów. Sprawa jest precedensowa, ponieważ otwiera pole odpowiedzialności prawnej dla spółki macierzystej za wdrożenie technologii AI w sieci franczyzowej.
Według TechRadar firmy w Wielkiej Brytanii wydają 11,7 miliarda funtów rocznie na korektę błędów wywołanych przez AI. Jedna godzina z każdych czterech godzin pracy jest poświęcana na naprawianie efektów źle skonfigurowanych systemów AI.
To liczby, które definiują rok 2026 dla branży AI w sektorze przedsiębiorstw. Etap entuzjazmu się skończył. Etap rozliczania zwrotu z inwestycji dopiero się zaczyna. Walmart, Uber i Microsoft ograniczyły budżety AI z powodu nieprzewidywalności kosztów. Starbucks wycofał konkretny produkt z powodu nieprzewidywalności efektów. Pizza Hut idzie do sądu w sprawie bezpośrednich szkód finansowych.
Każda z tych firm reaguje inaczej. Lecz wszystkie reagują na ten sam strukturalny problem. Obietnice marketingowe AI nie pokrywają się z rzeczywistymi wynikami produkcyjnymi.
V. Co to znaczy dla branży
Pięć obserwacji strategicznych na koniec.
Pierwsza. Każde wdrożenie AI widoczne dla użytkownika końcowego musi mieć znacznie wyższe standardy jakości niż wdrożenia ukryte w infrastrukturze. Jeśli błąd AI jest widoczny dla pracownika, klienta albo użytkownika, każdy następny błąd niszczy zaufanie do całego systemu. Firmy wprowadzające widoczne narzędzia AI muszą gwarantować rzetelność znacznie wyższą niż 95%.
Druga. Promocyjne filmy nowych technologii AI powinny powstawać po wdrożeniu, a nie przed nim. Starbucks wypuścił film, w którym system zawiódł w trakcie sceny demonstracyjnej. Producent filmu tego nie wyłapał. Albo wyłapał, ale uznał, że nie jest to istotne. Obie te interpretacje są dla firmy kompromitujące. Każda następna firma, która chce promować swoje wdrożenie AI, powinna nauczyć się z tego przykładu.
Trzecia. Partnerstwa z mniejszymi firmami AI niosą ze sobą ryzyko reputacyjne. NomadGo to firma z Seattle. Specjalizuje się w widzeniu maszynowym. Ma technologię. Ma kompetencje. Lecz nie ma skali, na której działa Starbucks. 35 tysięcy lokali i miliony godzin użycia zdecydowanie wykraczają poza możliwości skalowania mniejszego partnera technologicznego. Każda firma rozważająca dziś partnerstwo z mniejszym dostawcą AI powinna zwrócić uwagę na ten precedens.
Czwarta. AI w obrocie produktami fizycznymi pozostaje obszarem znacznie trudniejszym niż AI w przetwarzaniu tekstu. Widzenie maszynowe, mimo dekady rozwoju zaawansowanych modeli, nadal ma fundamentalne trudności z rozpoznawaniem produktów wizualnie podobnych. To bariera, której branża jeszcze nie pokonała. Nie tylko w Starbucksie. W każdej sieci detalicznej, w każdym supermarkecie, w każdej aptece.
Piąta. Najbardziej fundamentalna. Wdrożenie AI bez wcześniejszego pilotażu w mikroskali jest dziś strukturalnym błędem zarządzania. Starbucks rozszerzył Automated Counting od razu na całą Amerykę Północną. Bez wcześniejszego testowania na kilkudziesięciu lokalach. Bez próby wykrycia problemów z rozpoznawaniem produktów. Pilotaż w 50 lokalach przez 6 miesięcy ujawniłby ten problem znacznie taniej niż wdrożenie w 35 tysiącach lokali przez 9 miesięcy.
Każda firma rozważająca wdrożenie AI w swojej działalności powinna dziś przeanalizować przypadek Starbucksa. To podręcznikowy przykład tego, jak nie należy wdrażać sztucznej inteligencji w przedsiębiorstwie.
Prezes Starbucksa, który w styczniu 2026 roku ogłaszał plan transformacji w wywiadach dla Wall Street, w maju 2026 roku po cichu wycofał swój sztandarowy produkt AI. Nikt z zarządu nie wystąpił publicznie z oświadczeniem. Wewnętrzny biuletyn dla pracowników wyjaśnił sprawę w jednym zdaniu. Wycofanie nastąpiło bez fanfar, bez przeprosin, bez ogłoszenia nowej strategii.
To także lekcja branżowa. W epoce entuzjastycznych ogłoszeń o AI ciche wycofywanie się z nieudanych projektów staje się dziś nowym standardem komunikacji korporacyjnej. Branża nauczyła się, jak chwalić się sukcesem. Branża dopiero uczy się, jak przyznawać się do porażki.
Źródło – TechRadar, Reuters, Fortune, CNBC, Engadget, Gizmodo, Breitbart News, Gadget Review, Yahoo Finance, AI News, Starbucks, NomadGo, Yum! Brands, Pizza Hut | Res Futura | resfutura.pl