Starbucks canceló en toda Norteamérica un sistema de inteligencia artificial diseñado para automatizar el conteo de inventarios, apenas nueve meses después de su implementación masiva en tiendas. La herramienta, creada para facilitar el registro de productos como bebidas y suministros, mostró errores constantes que provocaron confusión y omisiones en el listado de artículos, afectando el funcionamiento cotidiano de las cafeterías.
Este proyecto tecnológico formaba parte de una estrategia del director ejecutivo Brian Niccol para modernizar las operaciones y mejorar la eficiencia en las tiendas, especialmente para reducir los problemas de desabasto que han impactado las ventas en años recientes. Sin embargo, la IA no logró cumplir con las expectativas y terminó generando más problemas operativos que soluciones.
El principal inconveniente radicó en que la inteligencia artificial tenía dificultades para reconocer productos similares con pequeñas diferencias, como distintos tipos de leche en empaques parecidos. Esto provocó que la herramienta confundiera artículos o directamente omitiera algunos en el registro. Estas fallas técnicas no solo impactaron la disponibilidad de productos, sino que también obligaron a los empleados a realizar tareas extras para supervisar y corregir los errores, aumentando la carga laboral en lugar de reducirla.
Este caso contrasta con la idea inicial de que la automatización simplifica y acelera el trabajo en el retail, evidenciando los límites actuales de la IA para interpretar contextos cotidianos que son obvios para humanos pero complejos para algoritmos.
La experiencia de Starbucks refleja un desafío creciente en el sector de consumo masivo: aunque la inteligencia artificial puede procesar grandes cantidades de datos, su capacidad para gestionar variaciones sutiles en productos similares y entender el entorno operativo sigue siendo limitada. En consecuencia, el uso prematuro o inadecuado de estas tecnologías puede empeorar la eficiencia, obrando en contra de sus objetivos.