Samenvatting
Een PoC van computer vision gevalideerd tot 99% in sandbox kan falen in productie op de schaal van 11.000 winkels: de terugtrekking door Starbucks van het 'Automated Counting'-tool eind mei 2026 is daar de gedocumenteerde demonstratie van. De keten heeft in de week van 21 mei 2026 het 'Automated Counting'-tool ontwikkeld door NomadGo teruggetrokken, na negen maanden implementatie in meer dan 11.000 Noord-Amerikaanse winkels voor het inventariseren van melk en siropen. Ze keren terug naar volledig handmatige telling. De oplossing is ontwikkeld door NomadGo (Redmond, Washington), onder leiding van David Greschler. Volgens een BusinessWire-persbericht van 3 september 2025 claimde de uitgever een snelheid tot acht keer hoger dan handmatige telling en een nauwkeurigheid van 99%, cijfers die zelf zijn gerapporteerd zonder bekende onafhankelijke validatie tot op heden. De terugtrekking is gedocumenteerd door de analyse 'AI Autopsy' van Bigeye gepubliceerd op 23 mei 2026.
Van geclaimde 99% nauwkeurigheid tot terugtrekking in negen maanden - over 11.000 winkels.
Cijfer afkomstig van het officiële NomadGo-persbericht (sept. 2025): een nauwkeurigheid gemeten in gecontroleerde omstandigheden, niet onafhankelijk gevalideerd vóór de grootschalige implementatie.
Een cruciaal hulpmiddel in het Niccol-herstelplan, in lijn met een eerder Amazon-project
De 'Automated Counting' maakte deel uit van het operationele herstelprogramma onder leiding van Brian Niccol, die in september 2024 CEO van Starbucks werd, met als doel het verminderen van voorraadtekorten op snel roterende producten. Het persbericht van 3 september 2025 herinnerde eraan dat de technologie 'meerdere jaren' in sandbox was getest vóór de algemene implementatie, een pilotduur die het falen in productie niet heeft voorkomen. Het scenario doet denken aan de koers van Just Walk Out bij Amazon Fresh, waar Ars Technica in april 2024 over rapporteerde dat de technologie niet zo autonoom was als aangekondigd en dat er ongeveer duizend mensen in India nodig waren om videobeelden te bekijken om transacties te valideren (vrije vertaling) - een onthulling die in hetzelfde jaar werd gepubliceerd als de stopzetting van het apparaat door Amazon. ActuIA documenteerde al in 2023 de penetratie van AI in de detailhandel, een terrein waar de verschillen tussen geclaimde nauwkeurigheid en prestaties in de praktijk op grote schaal zichtbaar worden. Voor elke organisatie die bezig is met een PoC computer vision in retail, roept het geval een directe operationele vraag op: reproduceren de sandbox-validatievoorwaarden de variabelen die het falen bij de uitrol naar 11.000 winkels hebben veroorzaakt?
Een mobiele architectuur en een bekende klasse van falen boven 1.000 referenties
De NomadGo-oplossing combineerde computer vision, LiDAR-sensoren, ruimtelijke verwerking in drie dimensies en augmented reality-overlay, allemaal bediend vanaf een smartphone of tablet toevertrouwd aan winkelpersoneel, een zogenaamde mobiele scanarchitectuur. De gerapporteerde storingen betroffen verwarring tussen melksoorten en telfouten van artikelen met een hoge visuele dichtheid. Volgens de TechnoLynx-analyse, gepubliceerd in april 2026, die het fenomeen kwalificeert als een samengestelde faalklasse, falen computer vision-modellen die slagen voor nauwkeurigheidstests op 500 referenties in productie boven de 1.000, niet door een enkele oorzaak, maar volgens vier gelijktijdige faalassen (vrije vertaling). De stelling is dat de in gecontroleerde omgeving gevalideerde nauwkeurigheid (beperkte referentiebereik, stabiele verlichting, gestandaardiseerde lay-out) verslechtert door opeenhoping wanneer de daadwerkelijke omgeving proliferatie van referenties, variaties in verlichting en niet-gestandaardiseerde verpakking oplegt. De Bigeye-analyse van 23 mei 2026 vat de gedocumenteerde discrepantie samen in zijn titel, die schetst hoe het AI-inventarisatietool van Starbucks van een geclaimde nauwkeurigheid van 99% naar terugtrekking in negen maanden ging (vrije vertaling).
De 1.000 SKU-drempel: een faalklasse, geen geïsoleerde bug
Volgens TechnoLynx (april 2026) falen computer vision-modellen die zijn gevalideerd op minder dan 500 referenties in productie boven de 1.000 productklassen - niet door een enkele oorzaak, maar door vier gelijktijdige faalassen: proliferatie van SKU's, variabiliteit van verlichting, heterogeniteit van lay-outs, niet-gestandaardiseerde verpakkingen. Dit mechanisme van samengestelde storingen is gedocumenteerd onafhankelijk van het Starbucks-geval.
Focal Systems bij Morrisons: een grootschalige retail-CV-implementatie op vaste camera-architectuur
In hetzelfde segment claimt de uitgever Focal Systems bij de Britse keten Morrisons een implementatie gepresenteerd, in zijn corporate persbericht, als een van de grootste in computer vision in grootschalige voedselretail. Volgens datzelfde persbericht zou de implementatie 'meer dan 2% verbetering in productbeschikbaarheid in de winkel over het hele netwerk hebben opgeleverd, en tot 4% in de best presterende winkels' (vrije vertaling) - een cijfer dat door de uitgever zelf is gerapporteerd, zonder gepubliceerde derde replicatie. Het project ontving de prijs 'Digital Transformation Project of the Year 2024'. De door Focal Systems gebruikte architectuur is gebaseerd op vaste camera's in de lineaire opstelling, waar NomadGo werkte via mobiele terminals toevertrouwd aan het personeel: de architecturale variabele vormt een waarneembaar structureel verschil tussen de twee apparaten. Voor elke massale implementatie van een computer vision-systeem in retail, verdienen drie variabelen het om getest te worden in echte omstandigheden: de gevalideerde referentiecatalogus (sandbox versus productie, met specifieke meting boven de drempel van 1.000 SKU's), de opnamearchitectuur (mobiele scan toevertrouwd aan personeel of vaste camera's in lineaire opstelling), en een nauwkeurigheidsmeting gedocumenteerd door een onafhankelijke derde partij. NomadGo heeft geen van de drie resultaten gepubliceerd vóór zijn rollback naar 11.000 winkels.