西雅图附近一家星巴克门店的轮值主管把iPad对准不锈钢冷柜，屏幕上的数字立刻翻倍——5盒燕麦奶变成了10盒。这不是偶尔发生的扫描错误，而是“自动化计数”项目在日常运营中的常态。这个由西雅图创业公司NomadGo打造的AI库存管理工具，在2025年9月底铺满北美11300家直营门店，又在8个月后悄无声息地消失，留下一地成本和突然失业的技术团队。
根据Fast Company的调查，星巴克在4月3日通知NomadGo，决定停用这套系统。几天之内，这家30人的公司就裁撤了大部分员工，其中首当其冲的就是专门服务星巴克客户的技术团队。而直到6个星期后，星巴克才在5月18日向一线店员下达内部通知，要求把贴在储物架上的二维码标牌撕掉，重新回到手工点数的老路子上。NomadGo首席执行官David Greschler用“完全出乎意料”来总结这件事，把转折归结为一句直白的话：“当领导层和战略变了，你毫无办法。”
基层出现的错误大多与AI模型本身的识别准确率无关，而是来自购物车般琐碎的物理世界干扰。冷柜的反光让数量翻倍，扫描界面把牛奶错标成其他品类，在更极端的一张照片里，一个垃圾桶被当成了食品。得克萨斯州格雷厄姆市的一家门店还遭遇另一种困境：不稳定的Wi-Fi把系统在中途清空，区域经理又不允许回归人工计数，最终这家店连一个可用的库存数据都拿不出来。
讽刺的是，在受控测试里，NomadGo的计算机视觉准确率达到99%，发布时宣称计数速度比纯人工快8倍。Greschler给出的解释不是准确率崩盘，而是“库存本身在不断变化”。季节性杯子和限时包装可能需要多达6周的重新训练，开发团队有时在产品已经上架后才知道又出现了新品类。另一个更古老的限制来自星巴克的后端——一台运行在1990年代的IBM AS/400系统上的遗产架构，让实时门店数据几乎无法流转。据内部人士估算，整个项目在过去几年里可能投入了超过1000万美元。
这起事件最不同寻常的地方在于，它并不是一个始终停留在小范围试点的AI实验。通常情况下，企业AI的失败会被描述为“从未从实验室走向规模化”，麻省理工学院NANDA项目的研究也发现，95%的企业生成式AI试点没有产生可衡量的利润影响，英国国家统计局的数据同样显示，AI的应用宽度在扩大，但深度并未同步跟进。而星巴克恰恰反其道而行之，它选择了在所有门店一次性深度铺开，然后又在极短时间内全面撤退。甚至在关停前不久，星巴克还公开为这套系统辩护过——路透社2月份报道了计数错误的问题，公司的回应依然坚称工具表现良好。
热门跟贴