星巴克停用 AI 盤點工具，零售業AI 轉型考驗才正要開始

2026 年 5 月，星巴克證實終止一項在北美門市僅部署 9 個月的 AI 自動盤點計畫。該系統由新創 NomadGo 開發，結合 LiDAR 與平板相機，旨在自動計算糖漿、乳製品等庫存。

這項計畫原為執行長 Brian Niccol 上任後推動「Back to Starbucks」轉型藍圖的核心，期望藉自動化解決缺貨痛點。然而實際導入後，系統卻頻繁出現誤數與漏判，例如混淆不同種類的牛奶，或無法偵測架上瓶罐。

更讓門市人員困擾的是，為了配合機器的辨識死角，員工被迫反覆調整後場儲物配置。原本立意省時的工具，反倒使盤點流程更加繁瑣、加重基層負擔。最終，星巴克宣告結束此項作法，將相關原物料盤點全面回歸人工作業。

技術落地，從來不只有技術問題

如果連星巴克這樣具備充沛資源的全球連鎖的零售企業都走得磕磕絆絆，台灣零售業的情況只會更棘手。根據《2026 台灣產業 AI 化大調查》，零售貿易服務業雖然在今年出現顯著的 AI 化成長，「Unknowing AI」企業佔比從去年的 74.2% 降至 32.3%，但這波動能主要源自個人層級的生成式 AI 工具使用，例如內容創作、社群行銷等基層場景，但距離庫存管理、供應鏈優化等核心流程整合，仍有相當遠的距離。

即使是產業內的領先者，處境同樣不輕鬆。這些企業雖已具備一定的數位化基礎，也完成了外部 AI 工具的初步導入，卻普遍反映效益難以具體衡量。問題不只是缺乏明確的 AI 策略，更在於資料仍分散於各個系統之間，無法有效串接，跨系統整合能力尚未建立，治理框架也付之闕如。

相較於星巴克面對的「工具與流程脫節」，台灣零售業還需要跨越的門檻更為前端的基礎工程，也就是資料的整備與整合，否則後續所有的 AI 投入都可能重蹈星巴克的覆轍。

有工具但沒有培育能使用的人

除此之外，還有嚴峻的人才不足問題。調查顯示，零售貿易服務業的 AI 人才發展策略得分僅 16.94 分，高達 58.1% 的零售業者至今尚未制定任何 AI 人才培育做法。數字凸顯企業有轉型意圖、也陸續導入工具，卻始終找不到能夠承接、執行與深化AI應用人才的現實。

缺工已是台灣服務業心照不宣的集體困境。少子化浪潮持續壓縮人才供給，零售、餐飲、物流等第一線業者正同時承受「找不到人」與「難以長期留用」的雙重壓力。

而 AI 浪潮的興起讓情況更加棘手，當生成式工具快速滲透職場，零售服務業卻是台灣各產業中 AI 人才策略最為薄弱的一環，不只缺人，更缺乏能夠帶領組織駕馭 AI 的領導人才。

調查也發現，這個困境的根源之一，是企業根本不清楚自己需要什麼樣的 AI 人才。許多企業直覺找幾個 AI 工程師，就能將公司的 AI 化全部交給他們了。但工程師熟悉演算法與數據，數據的意義、企業核心要解決的問題，都必須由深入理解業務場域的人才能定義。一旦將這件事全數外包給技術人員，往往會出現表面配合、實則消極抵制的隱性阻力，讓轉型工作陷入停滯。

除了上課之外，還有其他人才培育的方法嗎？

AI 導入從來不是坐著上課或買套工具就能完成的事，而台灣零售業的轉型受限於資本或產業能量，光靠單家企業單打獨鬥、買工具、試工具，已不夠用。慶幸的是，台灣產業界已出現具體行動的回應。例如三商家購聯合三商投控、三商餐飲、三友藥妝等集團企業，攜手零售、餐飲、科技、物流等跨域夥伴，共同成立「社團法人台灣新世代團隊領袖發展協會（ANGEL LAB）」，聚焦人才培育、產業交流與人才媒合三大主軸，並導入 AI 應用與數據整合，試圖在企業與人才之間建立可持續運作的正向循環。

星巴克的案例提醒我們，即使是全球最具規模的零售企業，也可以在九個月內宣告一套 AI 工具「退場」。AI本身是一項試錯的工程，能否在每一次的錯誤中學習，找到適合組織的人才承接、流程配合、組織治理方法才是關鍵。