Starbucks recua no uso de IA após falhas em operação

O programa, chamado “Automated Counting”, havia sido implementado em setembro de 2025 como uma tentativa de modernizar o gerenciamento interno das lojas e reduzir problemas de falta de produtos nas unidades da rede.

No entanto, a tecnologia passou a apresentar falhas frequentes, gerando inconsistências no estoque e impactando diretamente a operação das cafeterias.

Entre os problemas relatados estavam:

• contagens incorretas;
• produtos ignorados pelo sistema;
• confusão entre tipos de leite;
• excesso de entregas;
• falhas no abastecimento.

A decisão chamou atenção porque reforça um debate crescente sobre os limites da inteligência artificial em operações do mundo real.

Leia mais:

Dona do Burger King conclui compra do Starbucks Brasil

Como funcionava o sistema de IA da Starbucks

A tecnologia utilizava recursos de visão computacional e sensores para automatizar a contagem de itens armazenados nas lojas.

Funcionários escaneavam armários com tablets

Segundo informações divulgadas anteriormente pela Reuters, os funcionários utilizavam tablets equipados com:

• câmera;
• sensores LiDAR;
• software de reconhecimento visual.

Os dispositivos eram usados para escanear armários com:

• leite;
• xaropes;
• ingredientes de bebidas;
• produtos alimentícios.

Depois da leitura, a inteligência artificial identificava e contabilizava automaticamente os itens.

Objetivo era reduzir erros humanos

A Starbucks apostava que o sistema poderia:

• agilizar inventários;
• melhorar reposições;
• reduzir desperdícios;
• aumentar disponibilidade de produtos nas lojas.

A ideia fazia parte da estratégia de modernização operacional da empresa.

Quais erros a IA cometia

Apesar da promessa de eficiência, a tecnologia passou a apresentar falhas recorrentes.

Sistema confundia produtos

Entre os problemas relatados estavam dificuldades para diferenciar itens parecidos.

A IA teria confundido, por exemplo:

• tipos diferentes de leite;
• embalagens semelhantes;
• produtos parcialmente escondidos.

Em alguns casos, produtos deixavam de ser contabilizados completamente.

Erros afetavam abastecimento das lojas

As falhas geravam consequências práticas para as cafeterias.

Segundo relatos citados pela Reuters:

• algumas lojas recebiam produtos em excesso;
• outras enfrentavam falta de ingredientes;
• bebidas do cardápio ficavam indisponíveis.

Funcionários também teriam registrado vídeos e fotos mostrando inconsistências provocadas pela tecnologia.

Por que a Starbucks decidiu encerrar o sistema

A empresa informou que o objetivo agora é padronizar os processos de contagem nas cafeterias.

Companhia quer mais consistência operacional

Em nota enviada à Reuters, a Starbucks afirmou que busca maior consistência e melhor execução em larga escala.

Com isso, os produtos voltarão a ser contabilizados manualmente, da mesma forma já utilizada em outras categorias de estoque.

Fornecedora afirma que sistema seguia evoluindo

A empresa responsável pela solução tecnológica, a NomadGo, afirmou que continua aprendendo com feedbacks dos usuários.

Segundo a companhia, melhorias constantes estavam sendo realizadas no sistema.

Problemas de estoque desafiam a Starbucks

O sistema de IA foi criado justamente para enfrentar um dos principais problemas recentes da rede nos Estados Unidos.

Falta de produtos prejudica vendas

Nos últimos anos, diversas cafeterias da Starbucks enfrentaram dificuldades para manter itens disponíveis no cardápio.

Entre os fatores apontados estão:

• falhas logísticas;
• problemas de distribuição;
• erros de abastecimento;
• dificuldades operacionais.

Isso afetou diretamente a experiência dos consumidores.

Dados mostravam dificuldades logísticas

Segundo informações citadas pela Reuters, em 2024 menos de um terço das entregas feitas aos centros de distribuição da Starbucks chegava:

• no prazo correto;
• com quantidades adequadas;
• com todos os produtos necessários.

A empresa esperava que a automação ajudasse a reduzir esses gargalos.

IA enfrenta desafios no varejo físico

O caso da Starbucks mostra como a aplicação de inteligência artificial em ambientes físicos ainda enfrenta limitações importantes.

Reconhecimento visual nem sempre funciona perfeitamente

Embora sistemas de IA tenham avançado rapidamente, ambientes reais apresentam obstáculos complexos.

Entre os principais desafios estão:

• iluminação variável;
• embalagens semelhantes;
• produtos empilhados;
• mudanças constantes de layout;
• objetos parcialmente ocultos.

Esses fatores podem prejudicar a precisão dos algoritmos.

Empresas seguem apostando em automação

Mesmo após casos de falhas, grandes empresas continuam investindo pesado em inteligência artificial.

Setores como:

• varejo;
• supermercados;
• logística;
• atendimento;
• bancos;
• indústria;

vêm ampliando projetos de automação com IA.

Especialistas afirmam que a tendência é de evolução gradual das tecnologias, apesar dos erros iniciais.

Casos de falhas de IA vêm aumentando

Nos últimos meses, diferentes empresas globais enfrentaram problemas envolvendo sistemas automatizados.

Inteligência artificial ainda exige supervisão humana

Especialistas reforçam que a IA não funciona de forma totalmente independente.

Na prática, sistemas automatizados ainda precisam de:

• validação humana;
• ajustes constantes;
• monitoramento operacional.

O caso da Starbucks reforça justamente a importância dessa supervisão.

Empresas tentam equilibrar eficiência e confiabilidade

Embora a automação prometa redução de custos e aumento de produtividade, falhas operacionais podem gerar impactos financeiros e danos à reputação das marcas.

Por isso, muitas companhias vêm adotando modelos híbridos, combinando inteligência artificial com acompanhamento humano.

Starbucks segue investindo em tecnologia

Apesar do encerramento do Automated Counting, a Starbucks continua investindo em inovação tecnológica.

A empresa mantém projetos ligados a:

• personalização de pedidos;
• pagamentos digitais;
• aplicativos de fidelidade;
• automação operacional;
• inteligência de dados.

O episódio, porém, mostra que nem toda implementação tecnológica consegue atingir os resultados esperados logo nos primeiros anos de operação.