目次
サンドボックスで99％の精度が確認されたコンピュータビジョンのPoCが、11,000店舗規模の本番環境で失敗することがあります。Starbucksが2026年5月末に「Automated Counting」ツールを撤退したことがその実証です。2026年5月21日の週に、StarbucksはNomadGoが開発した「Automated Counting」ツールを、9か月間の北米での11,000店舗以上での展開後に撤退し、完全な手動カウントに戻りました。このソリューションは、NomadGo（ワシントン州レドモンド）によって設計され、David Greschlerが指揮していました。2025年9月3日に発表されたBusinessWireの声明によると、開発者は手動カウントよりも最大8倍速いペースと99％の精度を主張していましたが、独立した検証はこれまでに知られていません。この撤退は、2026年5月23日に公開されたBigeyeの分析「AI Autopsy」で文書化されています。
9か月での撤退 - 11,000店舗での99％精度の主張。
NomadGoの公式声明（2025年9月）からの数字：大規模展開前に独立した検証が行われていない制御された条件で測定された精度。
Niccolの立て直し計画の中核ツール、Amazonの前例に続く
「Automated Counting」は、2024年9月にStarbucksのCEOとなったBrian Niccolが主導するオペレーションの立て直しプログラムに組み込まれており、回転が速い商品の在庫切れを減らすことを目指していました。2025年9月3日の発表では、この技術が一般展開前に「数年間」サンドボックスでテストされていたと述べられていましたが、本番環境での失敗を防ぐことはできませんでした。このシナリオは、Amazon FreshでのJust Walk Outの軌跡を思い起こさせます。Ars Technicaは2024年4月に報じました。この技術は発表されたほど自律的ではなく、取引を確認するためのビデオ視聴を担当するインドの約1,000人の労働力に依存していたとされています（自由翻訳） - Amazonがこのシステムを停止した同じ年に発表されたことです。ActuIAは2023年にすでに報告していましたが、小売業におけるAIの浸透は、精度の主張と現場でのパフォーマンスの差が大規模に観察される状況を提供しています。小売業でのコンピュータビジョンPoCを進めているすべての組織にとって、このケースは直接的な運用上の疑問を提起します：サンドボックスの検証条件は、11,000店舗での展開を失敗させた変数を再現しているのでしょうか？
モバイルアーキテクチャと1,000以上の参照を超えた失敗のクラス
NomadGoのソリューションは、コンピュータビジョン、LiDARセンサー、3D空間処理、拡張現実のオーバーレイを組み合わせ、店舗スタッフに渡されたスマートフォンやタブレットから操作される、いわゆるモバイルスキャンアーキテクチャで構成されていました。報告された故障は、乳製品の種類間の混同や高視覚密度参照のアイテム数え上げエラーに関するものでした。TechnoLynxによる2026年4月に公開された分析によれば、現象は複合失敗クラスとされ、500参照の精度テストに合格したコンピュータビジョンモデルが1,000以上で本番環境で失敗するのは、単一の原因ではなく、同時に発生する4つの失敗軸によるものです（自由翻訳）。この理論は、制御された環境で確認された精度（限られた参照範囲、安定した照明、標準化されたレイアウト）が、実際の環境が参照の増殖、照明の変動、非標準化された包装を課すときに、蓄積によって劣化することを示しています。2026年5月23日のBigeye分析は、99％の精度を誇示してから9か月で撤退したStarbucksのAI在庫ツールの軌跡をタイトルで要約しています（自由翻訳）。
1,000 SKUの閾値：失敗のクラス、単なるバグではない
TechnoLynx（2026年4月）によれば、500未満の参照で検証されたコンピュータビジョンモデルは、1,000以上の製品クラスで本番環境で失敗します - 単一の原因ではなく、同時に発生する4つの失敗軸によるものです：SKUの増殖、照明の変動、配置の異質性、非標準化された包装。この複合失敗メカニズムは、Starbucksのケースとは独立して文書化されています。
Focal SystemsとMorrisons：固定カメラアーキテクチャでの大規模なCV小売展開
同じ市場で、Focal Systemsは、英国の小売業者Morrisonsで、企業の声明で、食品小売業界で最大規模のコンピュータビジョン展開の1つとして提示されています。同じ声明によれば、展開は「全店舗で2％以上の商品供給の向上をもたらし、最もパフォーマンスの高い店舗では最大4％に達した」（自由翻訳）とされています。これは開発者自身によって発表された数字であり、第三者による再現は公開されていません。このプロジェクトは「2024年のデジタルトランスフォーメーションプロジェクトオブザイヤー賞」を受賞しました。Focal Systemsが使用するアーキテクチャは、NomadGoが店舗スタッフに渡されたモバイル端末を介して操作するのとは異なり、棚に固定されたカメラに依存しています。この構造上の違いが両システム間の観察可能な変数を構成します。小売業での大規模なコンピュータビジョンシステムの展開前に、3つの変数が実際の条件でテストされる価値があります：検証された参照カタログ（サンドボックス対本番、1,000 SKUの閾値を超えた特定の測定と共に）、キャプチャアーキテクチャ（スタッフに渡されたモバイルスキャンまたは固定カメラ）、および第三者によって文書化された精度の測定。NomadGoは、11,000店舗でのロールバック前にこれらの結果を公開していませんでした。