Starbucks megszüntette a NomadGo leltár‑mérő eszközének alkalmazását az Észak‑Amerikában működő körülbelül 11 000 üzletében, kilenc hónappal az első bevezetés után. A döntést a rendszer pontosságát és üzemi használhatóságát érintő problémák, illetve a piaci technológiai változások fényében hozták.
Mi volt a rendszer és ki a szállító?
NomadGo egy mintegy 50 fős, Bellevue‑i startup, amely 2024‑ben pivotolt: korábbi, embereket számláló megoldásáról átállt bolti készletfelmérésre. A vállalat megoldása mobiltelefonok kameráit, LiDAR‑ját és eszközön futó (on‑device) számítógépes látást (computer vision, CV) használta a polcok beolvasására. A cég azt kommunikálta, hogy az alkalmazás 99%-os pontossággal működik és nyolcszor gyorsabb, mint egy emberi felmérés.
A bevezetést követően azonban a rendszer gyakran keverte a tejfajtákat és bizonyos SKU‑k felismerésével akadtak problémák, ami valós üzletmeneti zavarokhoz vezetett. E problémák miatt Starbucks végül visszavonta a NomadGo‑tól függő megoldást az észak‑amerikai hálózatában.
Technológiai kontextus és piaci hatás
A NomadGo megközelítése a klasszikus, szűk körben betanított objektumfelismerésre épített: egy telefonra telepített, SKU‑szinten célzott CV‑modell. Az iparági szereplők most azonban egyre inkább a címkéket vagy termékeket közvetlenül értelmezni képes, nagy látás‑képességgel rendelkező alapmodellek (vision‑capable foundation models) irányába mozdulnak el, amelyekhez nem szükséges minden egyes SKU külön betanítása.
Elemzői megjegyzések szerint a NomadGo megoldása lényegében azt valósította meg, amit a klasszikus számítógépes látás már 2017 körül tudott: mobilon futó, szűk feladatra optimalizált objektumfelismerést. A piac azóta viszont átalakult: a GPT‑4V‑szerű, látást is értő alapmodellek megjelenésével a kereskedők olyan rendszereket keresnek, amelyek kevesebb SKU‑szintű finomhangolást igényelnek.
Mit jelent ez a kiskereskedelemben?
A Starbucks döntése figyelmeztetés lehet más nagy kiskereskedők számára, amelyek 2022‑es vagy korábbi generációs, hagyományos CV‑szállítókkal kötött szerződésekre támaszkodnak. Nem a humán munkaerő az első áldozat a technológiai váltáskor, hanem azok a technológiai beszállítók, amelyek nem követték a foundation‑modellek fejlesztéseit. A történet rámutat arra is, hogy a „mesterséges intelligencia” megnevezés önmagában nem garancia a jövőállóságra: szükséges a technológiai hátteret és fejlesztési irányt is megvizsgálni a beruházások előtt.
Összegzés
Starbucks kilenc hónappal a bevezetés után kivonta a NomadGo rendszerét 11 000 észak‑amerikai üzletből, részben az alkalmazás SKU‑felismerési problémái (például a tejfajták összekeverése) miatt. A lépés tükrözi a kiskereskedelmi szektor technológiai eltolódását a klasszikus, szűk feladatra betanított CV‑megoldásokról a látás‑képességgel rendelkező alapmodellek felé, és figyelmeztetésként szolgál a nagyvállalati beszállítói döntéshozóknak.
