Τα τελευταία δύο χρόνια, οι εταιρείες υψηλής τεχνολογίας πιέζουν επιθετικά την αγορά, προωθώντας την ιδέα ότι η τεχνητή νοημοσύνη είναι πλέον απόλυτα έτοιμη να αντικαταστήσει τεράστια κομμάτια της επαναλαμβανόμενης ανθρώπινης εργασίας.
Μέσα σε αυτό το κλίμα, η Starbucks ανακάλυψε με τον πιο ξεκάθαρο τρόπο ότι η ακριβής αναγνώριση των κουτιών γάλακτος στο εσωτερικό ενός πολυσύχναστου καφέ παραμένει μια διαδικασία πολύ πιο δύσκολη από όσα υπόσχεται η Silicon Valley.
Η παγκόσμια αλυσίδα καφέ προχωρά στην επίσημη κατάργηση του AI συστήματος απογραφής της σε ολόκληρη τη Βόρεια Αμερική, μόλις εννέα μήνες μετά την αρχική του τοποθέτηση, σύμφωνα με σχετικό ρεπορτάζ του ειδησεογραφικού πρακτορείου Reuters. Το συγκεκριμένο ψηφιακό εργαλείο, το οποίο σχεδιάστηκε με σκοπό να αυτοματοποιήσει την καταμέτρηση των αποθεμάτων και να μειώσει τις ελλείψεις προϊόντων στα καταστήματα, αντιμετώπισε σοβαρά προβλήματα, προκαλώντας συχνές λανθασμένες καταμετρήσεις και σοβαρά σφάλματα στην κατηγοριοποίηση των υλικών.
Η αρχιτεκτονική του συστήματος και η στρατηγική Back to Starbucks

Το αυτοματοποιημένο σύστημα καταμέτρησης της εταιρείας χρησιμοποιούσε έναν συνδυασμό από κάμερες υψηλής ανάλυσης και φορητές συσκευές (tablets) εξοπλισμένες με αισθητήρες LiDAR προκειμένου να σαρώνει τα αποθέματα των ροφημάτων και των πρώτων υλών στους αποθηκευτικούς χώρους. Η ενσωμάτωση αυτή αποτελούσε βασικό πυλώνα της ευρύτερης στρατηγικής ανάκαμψης του διευθύνοντος συμβούλου Brian Niccol, η οποία φέρει τον τίτλο Back to Starbucks και έχει ως κεντρικό στόχο τη βελτίωση της διαθεσιμότητας των προϊόντων και την ενίσχυση της λειτουργικής αποτελεσματικότητας των καταστημάτων.
Παρά το γεγονός ότι η διοίκηση της Starbucks ισχυριζόταν στο πρόσφατο παρελθόν ότι το σύστημα είχε βελτιώσει σημαντικά την ορατότητα των αποθεμάτων, οι εργαζόμενοι στην πρώτη γραμμή συνέχισαν να έρχονται αντιμέτωποι με ανακριβή δεδομένα και παντελή έλλειψη αξιοπιστίας κατά την αναγνώριση των προϊόντων.
Το λογισμικό δυσκολευόταν να ξεχωρίσει παρόμοιες συσκευασίες διαφορετικών τύπων γάλακτος ή παρέλειπε εντελώς ολόκληρες παρτίδες υλικών. Εσωτερικά μηνύματα των υπαλλήλων που περιήλθαν στη γνώση του Reuters αποκάλυψαν ότι οι εργαζόμενοι γιόρτασαν ανοιχτά την απόφαση για την οριστική απομάκρυνση του εργαλείου. Η εταιρεία επιβεβαίωσε ότι επιστρέφει άμεσα στη χειροκίνητη, παραδοσιακή απογραφή (manual inventory counting), εστιάζοντας πλέον σε πιο τυποποιημένα συστήματα αναπλήρωσης και στην καθημερινή βελτίωση του ανεφοδιασμού.
Η αποτυχία των αλγορίθμων στις απλές εργασίες
Το πλέον αξιοσημείωτο στοιχείο σε αυτή την εξέλιξη είναι ότι η καταγραφή και η απογραφή των αποθεμάτων αποτελεί ακριβώς το είδος της δομημένης και επαναλαμβανόμενης εργασίας που οι εταιρείες ανάπτυξης τεχνητής νοημοσύνης παρουσιάζουν ως μια εύκολη περίπτωση αυτοματοποίησης.
Ωστόσο, μόλις αυτά τα συστήματα εγκαταλείψουν τα ιδανικά, ελεγχόμενα περιβάλλοντα των εργαστηριακών παρουσιάσεων και εισέλθουν στις πολύπλοκες συνθήκες του πραγματικού κόσμου – όπου υπάρχουν συνεχείς αλλαγές στον φωτισμό, πανομοιότυπες συσκευασίες προϊόντων και βιαστικοί εργαζόμενοι – η απόδοσή τους αρχίζει να καταρρέει με ταχύτατους ρυθμούς.
Η συγκεκριμένη εξέλιξη δημιουργεί μια ιδιαίτερα αμήχανη κατάσταση για την αγορά, δεδομένης της επιθετικότητας με την οποία οι σύγχρονες πολυεθνικές επιδιώκουν την άμεση υιοθέτηση των AI εργαλείων. Επιχειρήσεις σε όλο τον κόσμο προχωρούν σε περικοπές θέσεων εργασίας, αναδιαρθρώσεις ομάδων και επενδύσεις δισεκατομμυρίων σε στρατηγικές αυτοματοποίησης, τη στιγμή που πολλά συστήματα τεχνητής νοημοσύνης εξακολουθούν να υστερούν σε επίπεδο βασικής αξιοπιστίας κατά την εφαρμογή τους στις καθημερινές ροές εργασίας.
Η Starbucks μετατρέπεται στο πιο πρόσφατο και ηχηρό παράδειγμα που αποδεικνύει ότι ο ανθρώπινος παράγοντας παραμένει απολύτως απαραίτητος για την εύρυθμη λειτουργία των επιχειρήσεων. Το κεντρικό συμπέρασμα αυτής της προσπάθειας δείχνει ότι η πραγματική αντικατάσταση των εξειδικευμένων εργαζομένων στην πράξη αποδεικνύεται μια διαδικασία ασύγκριτα πιο δύσκολη από την απλή αντικατάσταση των εταιρικών παρουσιάσεων με ψηφιακά buzzwords.





