星巴克那个AI盘点工具死了,但杀死它的不是技术

你有没有见过这种场景？

公司花大钱买了套AI系统，上线前的PPT写得像科幻片——自动盘点、自动补货、预测需求，声称能把数小时的工作缩短到几分钟。结果用了九个月，错误频出，员工怨声载道。最后系统被叫停，所有人都松了一口气。

这不是星巴克独有的剧本。

这是“系统设计者坐在办公室里，用流程手册理解世界，而真正干活的人每天都在给这个理解擦屁股”的故事。

很多人以为，AI盘点工具失败，是因为技术不够成熟，算法不够准，训练数据不够多。但这个工具从设计那天起，就犯了一个根本性的错误——它把“盘库存”当成一个“拍照计数”的物理问题。但盘库存从来不是物理问题，它是一个“信任问题”。

做库存的人都知道，真正麻烦的不是“数数”。而是：

这些“例外”，才是盘点工作中真正耗时的部分。而AI能处理的，恰恰是那些“毫无意外”的情况。

它只能处理“预计之内的事”。但库存管理里最要命的，全是“意料之外的事”。

很多公司在推AI时，都犯了一个同样的病：

“只要我把流程标准化，AI就能完美运行。”

但他们忘了，真实世界从来不是标准化的。

货架不会每次摆得一样。牛奶包装会因为批次不同而微微变色。灯光、角度、遮挡——这些在管理者眼里“不关键”的因素，在AI眼里全是干扰信号。

麦肯锡在分析生成式AI落地困境时提到一个词：现状偏见。 管理者总是过度放大“用新工具的风险”，却从不计算“系统本身有多脆弱”的成本。

星巴克这个案例里，真正的风险不是员工不配合，而是系统根本没法应对真实世界的混乱。

哈佛商业评论有一个更有趣的发现：人们对自己无法理解的AI，可能会更信任。 但前提是，那个AI至少得在宏观层面表现出可靠性。如果它连哪盒是牛奶、哪盒是豆浆都能搞错——那它就不是“黑盒子”，它是“坏盒子”。

而信任这种东西，一旦破裂，不是靠升级算法就能修好的。因为它变成了组织里一句悄悄话：“这系统不靠谱。”

为什么员工会说“想法很棒，但执行困难”？

因为他们太客气了。

真正的意思是：“你们这些做系统的，根本不知道我们每天在应付什么。”

系统设计者看着流程手册，觉得盘点就是拍照计数。但真正干这行的人知道，背后藏着大量系统设计者看不见的东西：

这些经验，是系统设计者看不到的。他们以为自己是在优化流程，但实际上，他们是在用技术替代经验。而经验这种东西，恰好是技术短期内最难替代的东西。

当技术工具开始干预员工赖以建立专业判断的流程，却又不提供同样可靠的信息时，员工会开始“制度性遵从”——你安排的事我做，但我不会再替你兜底。

星巴克这个AI工具，最终被叫停，不是因为它“不准”。而是因为它既不准，又没法让人信任。

而没有信任的AI工具，本质上就是一台需要员工替它背锅的电子设备。

很多公司花大钱买AI，不是真的想解决一线的问题。他们只是想解决管理者自己的焦虑——那种“别人都在AI，我们还没有”的焦虑。

而真正该问的问题，从来不是“这个AI能不能替代人工”。

而是：

“这个AI，有没有尊重那些在真实世界里摸爬滚打的人，所积累的判断力？”

如果答案是否定的，那它注定会成为系统里一个昂贵的教训。

技术从来不是问题。问题永远是：你有没有把真实世界的复杂性，算进你的系统里。

而这一点，不是算法能解决的，是组织愿不愿意承认“自己其实并不了解一线”能解决的。