Starbucks decidió retirar en toda Norteamérica una herramienta de inteligencia artificial que utilizaba para automatizar el conteo de inventario en sus cafeterías, luego de detectar fallas recurrentes en el reconocimiento y registro de productos básicos como cartones de leche, jarabes y otros insumos para bebidas.

El sistema, denominado “Automated Counting”, había sido implementado en septiembre de 2025 como parte del plan de modernización impulsado por el CEO Brian Niccol para optimizar la cadena de suministro y reducir faltantes en los locales. La tecnología fue desarrollada por la empresa NomadGo y funcionaba mediante cámaras y sensores LiDAR instalados en tablets utilizadas por los empleados.

Sin embargo, la experiencia no resultó como esperaba la compañía. Según reportes internos y testimonios de trabajadores, la inteligencia artificial confundía distintos tipos de leche, registraba mal las cantidades e incluso omitía productos completos durante los conteos.

La agencia Reuters reveló que Starbucks comunicó la decisión a través de un boletín interno en el que anunció el fin del sistema automatizado y el regreso al método tradicional de inventario manual. “Los componentes de bebidas y la leche se contarán ahora de la misma manera que otras categorías de inventario”, indicó la empresa.

El proyecto había sido presentado inicialmente como una herramienta capaz de agilizar el trabajo operativo y mejorar la disponibilidad de productos en las tiendas. Incluso, en los videos promocionales difundidos por Starbucks, la IA mostraba cómo podía escanear estanterías y contabilizar productos en tiempo real. Sin embargo, algunos de esos videos ya evidenciaban errores de reconocimiento durante las demostraciones.

Pese al fracaso de esta iniciativa, Starbucks aclaró que continuará desarrollando otras herramientas basadas en inteligencia artificial para asistir a baristas y optimizar operaciones dentro de su estrategia “Back to Starbucks”.

El caso volvió a abrir el debate sobre los límites actuales de la automatización y las dificultades que todavía presentan algunos sistemas de IA cuando deben operar en entornos reales y dinámicos, más allá de las pruebas de laboratorio o las demostraciones comerciales.