Starbucks — la cadena global de cafeterías con sede en Seattle — ha retirado su sistema de inteligencia artificial para el conteo automático de inventarios tras meses de fallos en su funcionamiento en tiendas de Norteamérica. La decisión llega después de múltiples incidencias que afectaron la disponibilidad de productos básicos como leche, jarabes y otros insumos clave para el servicio diario.
El sistema, desarrollado como parte de la estrategia de modernización operativa de la compañía, buscaba reducir la carga de trabajo manual en los establecimientos mediante visión por computadora y sensores.
Sin embargo, en la práctica, el software generó errores de reconocimiento, confusión entre productos similares y conteos incompletos.
Un sistema pensado para agilizar, pero que terminó complicando el trabajo
El programa de inventario automatizado, desplegado hace aproximadamente nueve meses, utilizaba cámaras y tecnología de escaneo para identificar productos en estanterías. La idea era sencilla: reducir errores humanos y mejorar la eficiencia logística en tiempo real.
Pero según reportes internos y testimonios recogidos por medios como Reuters, el sistema confundía frecuentemente tipos de leche, omitía artículos o registraba cantidades incorrectas. Esto provocó desajustes en la reposición de productos y, en algunos casos, faltantes en tiendas.
Ante la acumulación de problemas, la compañía decidió volver a los conteos manuales, realizados por empleados en tienda, como método principal de control de inventario.
Impacto en la estrategia de modernización de la compañía
La retirada del sistema supone un revés dentro del plan de transformación interna impulsado por el CEO Brian Niccol, quien ha apostado por automatización, inteligencia artificial y optimización logística como pilares para recuperar eficiencia operativa.
La estrategia “Back to Starbucks” buscaba precisamente mejorar consistencia en tiendas, reducir tiempos de espera y evitar faltantes de productos. Sin embargo, este episodio evidencia las dificultades de aplicar inteligencia artificial en entornos físicos complejos, donde las condiciones reales de trabajo son menos predecibles que en entornos digitales.