Da Starbucks i fjor rullet ut et AI-basert lagersystem ved sine over 18.000 kaffebarer i Nord-Amerika, var ambisjonene skyhøye. Med kunstig intelligens og kamerateknologi skulle kjeden få full kontroll på varebeholdningen, færre utsolgte varer og en enklere hverdag for de ansatte.
Ni måneder senere er hele satsingen skrinlagt.
Ifølge Reuters slet systemet med å holde orden på varene. Produkter ble forvekslet og feilregistrert, og varebeholdningen medarbeiderne fikk opp på skjermen stemte ikke alltid overens med det de ansatte faktisk så i hyllene. Til slutt valgte kaffegiganten å trekke i bremsen og vende tilbake til mer tradisjonelle metoder for lagerkontroll.
Det er lett å trekke på smilebåndet når man ser videosnutter der AI-systemet ikke klarer å telle melkekartonger med milliardteknologi. Den som kjenner seg igjen på et "ekte lager" vet at det er langt tyngre og krevende telleoppgaver enn ulike kartonger som står oppstilt i et kjøleskap.
Men den som avskriver dette som nok et bevis på at kunstig intelligens ikke innfrir, trekker konklusjonen for raskt.
AI har allerede inntatt logistikken
Kunstig intelligens spiller nemlig en stadig viktigere rolle i logistikk- og forsyningskjeder, enten det handler om etterspørselsprognoser, ruteoptimalisering, kapasitetsplanlegging, lageroptimalisering eller analyse av store datamengder. Det finnes mange eksempler på selskaper som har høstet reelle gevinster.
Også her hjemme tester og tar virksomheter i bruk AI på stadig flere områder, og potensialet er utvilsomt stort: Mer presise prognoser, bedre beslutningsstøtte og smartere ressursbruk kan gi betydelige gevinster i komplekse logistikkoperasjoner.
Samtidig befinner teknologien seg fortsatt i en fase der forventningene tidvis løper løpsk. AI selges gjerne inn som svaret på det meste – fra lagerdrift og transport til kundeservice og administrasjon. Virkeligheten "nede på gølvet" er som regel noe mer komplisert.
Teknologien må skape verdi
For norske lager- og logistikkaktører er lærdommen fra Starbucks derfor høyst relevant, selv om det her er snakk om baristaer og ikke lagermedarbeidere i tradisjonell forstand.
Systemet feilet ikke fordi det var basert på kunstig intelligens. Det feilet fordi det ikke løste oppgaven det var satt til å løse. Forskjellen er viktig.
Ny teknologi må vurderes etter de samme kriteriene som alle andre investeringer: Gir den bedre kvalitet, økt produktivitet, lavere kostnader eller mer robust drift? Hvis svaret er nei, hjelper det fint lite hvor avansert teknologien er – eller hvor mange ganger bokstavene «AI» dukker opp i salgspresentasjonen.
På ett punkt fortjener Starbucks faktisk mer ros enn hånlig latter. Mange virksomheter fortsetter å pøse penger inn i prosjekter som ikke leverer, rett og slett fordi prestisjen blir for stor til å snu. Starbucks erkjente i stedet at løsningen ikke holdt mål, og avsluttet satsingen før den rakk å gjøre større skade. Og de delte villig sitt feilgrep. Feilinvesteringen er omtalt i en rekke medier - alt fra finans- og techmedia til tradisjonelle logistikkmedier.
Dyrekjøpte erfaringer – som andre får gratis
Når globale giganter tester ny teknologi i full skala, høster de erfaringer resten av markedet kan lære av – uten at det koster oss andre en krone. Noen viser hva som fungerer, andre viser hvor skoen trykker, og begge deler er like verdifullt.
I en tid der «AI» strøs som krydder over produkter, tjenester og forretningsmodeller, kan det derfor være verdt å minne om at også denne teknologien må bestå den viktigste testen av dem alle: Den må fungere i praksis.
