Sommario
Un PoC di visione artificiale validato al 99% in sandbox può fallire in produzione su larga scala: il ritiro da parte di Starbucks dello strumento «Automated Counting» a fine maggio 2026 ne è la dimostrazione documentata. La catena ha ritirato, nella settimana del 21 maggio 2026, lo strumento «Automated Counting» sviluppato da NomadGo, dopo nove mesi di distribuzione in oltre 11.000 negozi nordamericani per inventariare latti e sciroppi. Si torna al conteggio manuale integrale. La soluzione è stata progettata da NomadGo (Redmond, Washington), diretta da David Greschler. Secondo un comunicato BusinessWire del 3 settembre 2025, l'editore dichiarava una velocità fino a otto volte superiore al conteggio manuale e una precisione del 99%, cifre auto-dichiarate senza validazione indipendente conosciuta ad oggi. Il ritiro è documentato dall'analisi «AI Autopsy» di Bigeye pubblicata il 23 maggio 2026.
Dal 99% di precisione dichiarata a un ritiro in nove mesi - su 11.000 negozi.
Cifra tratta dal comunicato ufficiale NomadGo (set. 2025): una precisione misurata in condizioni controllate, non validata in maniera indipendente prima del dispiegamento su larga scala.
Uno strumento cardine del piano di rilancio Niccol, nella scia di un precedente Amazon
L'«Automated Counting» rientrava nel programma di rilancio operativo guidato da Brian Niccol, divenuto direttore generale di Starbucks nel settembre 2024, che mirava a ridurre le rotture di stock sulle referenze ad alta rotazione. Il comunicato di lancio del 3 settembre 2025 ricordava che la tecnologia era stata testata «diversi anni» in sandbox prima del dispiegamento generale, una durata di pilota che non ha prevenuto il fallimento in produzione. Lo scenario ricorda la traiettoria di Just Walk Out presso Amazon Fresh, di cui Ars Technica riportava nell'aprile 2024 che la tecnologia non era così autonoma come annunciato e si basava su una forza lavoro di circa mille persone in India incaricate di visionare le registrazioni video per convalidare le transazioni (traduzione libera) - rivelazione pubblicata lo stesso anno dell'interruzione del dispositivo da parte di Amazon. ActuIA documentava già nel 2023 la penetrazione dell'IA nel commercio al dettaglio, campo in cui gli scarti tra dichiarazioni di precisione e performance sul campo diventano osservabili su larga scala. Per ogni organizzazione in fase di PoC visione artificiale nel retail, il caso solleva una questione operativa diretta: le condizioni di validazione sandbox riproducono le variabili che hanno fatto fallire il dispiegamento in 11.000 negozi?
Un'architettura mobile e una classe di fallimento conosciuta oltre 1.000 referenze
La soluzione NomadGo combinava visione artificiale, sensori LiDAR, elaborazione spaziale in tre dimensioni e sovrapposizione di realtà aumentata, il tutto operato da uno smartphone o un tablet affidato al personale in negozio, un'architettura detta di scan mobile. I malfunzionamenti riportati riguardavano la confusione tra tipi di latte e gli errori di conteggio di articoli sulle referenze ad alta densità visiva. Secondo l'analisi TechnoLynx pubblicata in aprile 2026, che qualifica il fenomeno di classe di fallimento composta, i modelli di visione artificiale che superano i test di precisione su 500 referenze falliscono in produzione oltre 1.000, non sotto l'effetto di una causa unica ma secondo quattro assi di malfunzionamento simultanei (traduzione libera). La tesi pone che la precisione validata in ambiente controllato (gamma di referenze limitata, illuminazione stabile, disposizione standardizzata) si degrada per accumulo quando l'ambiente reale impone proliferazione di referenze, variazioni di illuminazione e confezionamenti non standardizzati. L'analisi Bigeye del 23 maggio 2026 riassume lo scarto documentato nel suo titolo, che traccia come lo strumento di inventario IA di Starbucks sia passato da una precisione dichiarata del 99% al ritiro in nove mesi (traduzione libera).
La soglia 1.000 SKU: una classe di fallimento, non un bug isolato
Secondo TechnoLynx (aprile 2026), i modelli di visione artificiale validati su meno di 500 referenze falliscono in produzione oltre 1.000 classi di prodotti - non per una causa unica, ma sotto l'effetto di quattro assi di malfunzionamento simultanei: proliferazione degli SKU, variabilità dell'illuminazione, eterogeneità delle disposizioni, imballaggi non standardizzati. Questo meccanismo di fallimento composto è documentato indipendentemente dal caso Starbucks.
Focal Systems presso Morrisons: un dispiegamento CV retail su larga scala su architettura camere fisse
Sullo stesso segmento, l'editore Focal Systems rivendica presso l'insegna britannica Morrisons un dispiegamento presentato, nel suo comunicato corporate, come uno dei più ampi in visione artificiale nella distribuzione alimentare su larga scala. Secondo questo stesso comunicato, il dispiegamento avrebbe fornito «oltre il 2% di miglioramento della disponibilità prodotto in negozio sull'intera rete, e fino al 4% nei negozi più performanti» (traduzione libera) - cifra auto-dichiarata dall'editore, senza replica di terzi pubblicata. Il progetto ha ricevuto il premio «Digital Transformation Project of the Year 2024». L'architettura mobilitata da Focal Systems si basa su camere fisse in linea, dove NomadGo operava tramite terminali mobili affidati al personale: la variabile architettonica costituisce una differenza strutturale osservabile tra i due dispositivi. Prima di qualsiasi dispiegamento massivo di un sistema di visione artificiale nel retail, tre variabili meritano di essere testate in condizioni reali: il catalogo di referenze validate (sandbox versus produzione, con misurazione specifica oltre la soglia dei 1.000 SKU), l'architettura di cattura (scan mobile affidato al personale o camere fisse in linea), e una misurazione di precisione documentata da un terzo indipendente. NomadGo non ha pubblicato nessuno dei tre risultati prima del rollback in 11.000 negozi.