スタバが AI 在庫管理を 9 カ月で廃止 — ラベル誤読が止まらない「画像認識の落とし穴」

スターバックスが北米の店舗で 2025 年夏に導入を始めた AI 在庫管理ツールを、わずか 9 カ月で廃止した。ラベルの読み間違いや在庫数の数え違いといった「初歩的な」ミスが現場で多発し、現場スタッフの負担を逆に増やす結果になったという。AI 導入の景気のいい話の裏で、こうしたサイレントな撤退は静かに積み上がりつつある。

「画像でラベルを読む」の落とし穴 #

報じられている範囲では、このツールはカメラやハンドヘルドデバイスで商品の現物・棚・ラベルを撮影し、画像認識で在庫品目と数量を識別する設計だったと見られる。これがバーコード／QR を直接スキャンする方式なら誤読は限定的だが、自然な棚画像から「これは何の在庫か」を読む タイプは、照明条件・包装デザインの微変更・季節限定パッケージ・他商品の重なりに著しく弱い。研究室の精度では出るが、フランチャイズ規模の運用では崩れる、というのは画像認識を業務に乗せた人なら一度は踏むワナだ。

ハッカー視点: 業務 AI は「最悪ケース」で評価しろ #

セキュリティの世界でも同じだが、AI システムは平均精度ではなく失敗時のコストで評価する べきだ。在庫が 95% 正しくても、誤判定された 5% が発注ミス・棚切れ・廃棄ロスに直結すれば、人間で回した方が早い。さらに敵対的な目線で見れば、画像認識依存のシステムはパッケージ偽装・ラベル張り替え・棚位置入れ替えといった現場側からのインジェクション に構造的に弱い。今回の事例は悪意ある攻撃ではなく単純な現実ノイズで崩れたが、業務 AI を本気で店舗に置くなら、この攻撃面も含めて再設計する必要がある。

「実装で躓いた AI」のニュースが増える理由 #

スタバの撤退は孤立した話ではない。今後は「導入したが運用に乗らなかった」事例が静かに増えていくはずだ。派手な発表より、こういう撤退の細部にこそ AI を業務に組み込むときの本当のコストが現れる。