İçindekiler
Kapsamlı bir test ortamında %99 doğrulukla onaylanan bir bilgisayarlı görme kavram kanıtı, 11.000 mağaza ölçeğinde üretimde başarısız olabilir: Starbucks'ın Mayıs 2026 sonunda NomadGo tarafından geliştirilen «Automated Counting» aracını geri çekmesi, belgelenmiş bir örnektir. Zincir, NomadGo tarafından geliştirilen ve süt ve şurupları envanterlemek için kullanılan «Automated Counting» aracını, Kuzey Amerika'daki 11.000'den fazla mağazada dokuz aylık kullanımın ardından 21 Mayıs 2026 haftasında geri çekti ve tamamen manuel sayım sistemine geri döndü. Redmond, Washington merkezli NomadGo tarafından geliştirilen çözüme, David Greschler liderlik etti. 3 Eylül 2025 tarihinde yayınlanan bir BusinessWire açıklamasına göre, yayıncı, manuel sayım hızının sekiz katına kadar çıktığını ve %99 doğruluğa ulaştığını iddia etti, bu rakamlar şu ana kadar bağımsız bir doğrulama ile desteklenmemiştir. Geri çekme, 23 Mayıs 2026'da yayınlanan Bigeye tarafından yapılan «AI Autopsy» analizi ile belgelenmiştir.
99% iddia edilen doğruluktan 11.000 mağazada dokuz ayda geri çekilme.
NomadGo'nun resmi açıklamasından elde edilen rakam (Eylül 2025): geniş ölçekli dağıtımdan önce bağımsız olarak doğrulanmamış, kontrollü koşullarda ölçülen doğruluk.
Niccol'un iyileştirme planının kilit bir aracı, Amazon'un önceki bir örneğiyle paralel
«Automated Counting», Eylül 2024'te Starbucks'ın genel müdürü olan Brian Niccol tarafından yönetilen operasyonel iyileştirme programının bir parçasıydı ve hızlı dönen ürünlerde stok tükenmelerini azaltmayı hedefliyordu. 3 Eylül 2025'teki lansman açıklaması, teknolojinin genel dağıtımdan önce «birkaç yıl» test edildiğini hatırlatıyordu, ancak bu pilot süresi üretimdeki başarısızlığı önleyemedi. Senaryo, Amazon Fresh'teki Just Walk Out'un izlediği yolu hatırlatıyor; Ars Technica Nisan 2024'te rapor etti ki teknoloji, duyurulduğu kadar otonom değildi ve işlemleri doğrulamak için Hindistan'da yaklaşık bin kişilik bir işgücüne dayanıyordu (serbest çeviri) — Amazon'un cihazı durdurduğu aynı yıl yayınlanan bir açıklama. ActuIA, 2023'te perakende sektöründe yapay zekanın yayılımını belgeliyordu, burada hassasiyet iddiaları ile saha performansı arasındaki farkın büyük ölçeklerde gözlemlenebilir hale geldiği bir alan. Perakendede bilgisayarlı görme kavram kanıtı aşamasında olan herhangi bir organizasyon için, durum doğrudan bir operasyonel soruyu gündeme getiriyor: Sand box'taki doğrulama koşulları, 11.000 mağazada dağıtımın başarısız olmasına neden olan değişkenleri yeniden üretiyor mu?
1.000 referansın ötesinde bilinen bir başarısızlık sınıfı ve mobil mimari
NomadGo çözümü, bilgisayarlı görme, LiDAR sensörleri, üç boyutlu uzamsal işlem ve artırılmış gerçeklik üst üste bindirme kombinasyonundan oluşuyordu; hepsi mağaza personeline teslim edilen bir akıllı telefon veya tablet üzerinden işletiliyordu, bu mimari mobil tarama olarak adlandırılır. Bildirilen arızalar, süt türlerinin karışması ve görsel yoğunluğu yüksek referanslardaki öğe sayım hatalarını içeriyordu. Nisan 2026'da yayınlanan TechnoLynx analizi, bu fenomeni birleşik bir başarısızlık sınıfı olarak nitelendiriyor; 500 referans üzerinde doğruluk testlerini geçen bilgisayarlı görme modelleri, tek bir nedenden dolayı değil, dört eşzamanlı başarısızlık ekseni altında 1.000'i aşan üretimde başarısız oluyor (serbest çeviri). Tez, kontrollü bir ortamda doğrulanan doğruluğun (sınırlı referans aralığı, sabit aydınlatma, standart düzenleme) gerçek ortamda referansların çoğalması, aydınlatma değişiklikleri ve standart dışı ambalajlar dayatıldığında bozulduğunu ileri sürüyor. 23 Mayıs 2026 tarihli Bigeye analizi, başlığında belgelenmiş farkı özetleyerek, Starbucks'ın AI envanter aracının %99 doğruluktan dokuz ayda geri çekilmeye nasıl geçtiğini anlatıyor (serbest çeviri).
1.000 SKU eşiği: bir başarısızlık sınıfı, izole bir hata değil
Nisan 2026 TechnoLynx'e göre, 500'den az referans üzerinde doğrulanan bilgisayarlı görme modelleri, dört eşzamanlı başarısızlık ekseni altında 1.000 ürün sınıfını aşan üretimde başarısız oluyor: SKU'ların çoğalması, aydınlatma değişkenliği, düzenlerin heterojenliği, standart dışı ambalajlar. Bu birleşik başarısızlık mekanizması, Starbucks vakasından bağımsız olarak belgelenmiştir.
Focal Systems, Morrisons'ta: sabit kamera mimarisi üzerinde büyük ölçekli bir perakende CV dağıtımı
Aynı alanda, Focal Systems yayıncısı, İngiliz perakendeci Morrisons'ta, kurumsal açıklamasında, büyük ölçekli gıda dağıtımında bilgisayarlı görme konusunda en geniş olanlardan biri olarak sundukları bir dağıtımı iddia ediyor. Aynı açıklamaya göre, dağıtım «mağaza genelinde %2'den fazla ürün bulunabilirliği iyileştirmesi ve en iyi performans gösteren mağazalarda %4'e kadar» sağladı (serbest çeviri) - yayıncı tarafından kendi kendine beyan edilen rakam, üçüncü taraf bir replikasyon yayınlanmamış. Proje, «Yılın Dijital Dönüşüm Projesi 2024» ödülünü aldı. Focal Systems tarafından kullanılan mimari, personel tarafından kullanılan mobil terminaller yerine sabit hat kameralara dayanıyor: mimari değişken, iki sistem arasında gözlemlenebilir yapısal bir fark oluşturur. Perakendede büyük ölçekli bir bilgisayarlı görme sisteminin herhangi bir dağıtımından önce, üç değişken gerçek koşullarda test edilmeye değer: doğrulanan referanslar kataloğu (sandbox ve üretim arasında, 1.000 SKU eşiği aşıldığında özel ölçümle), yakalama mimarisi (personel tarafından kullanılan mobil tarama veya sabit hat kamerası) ve bir üçüncü taraf bağımsız tarafından belgelenen doğruluk ölçümü. NomadGo, 11.000 mağazada geri çekilmeden önce bu üç sonucun hiçbirini yayınlamamıştır.