Starbucksが9ヶ月でAIを捨てた理由――物流AIの勝敗はモデルにあらず

Starbucksが9ヶ月でAI在庫管理を廃止した事実

Starbucksは2026年5月、導入からわずか9ヶ月でコンピュータビジョンによるAI在庫管理ツールを全米から撤去した。商品を誤認識し、棚卸しの精度に問題があったという。このニュースを「また失敗事例か」と流すのは簡単だが、教訓はもっと深いところにある。

Gartnerが4月に発表した調査によれば、サプライチェーン責任者の56%が「AIと既存システムの統合」を最大の障壁に挙げ、50%がAIを管理する人材不足を訴えている。つまりStarbucksの失敗は anomalous な事象ではなく、業界全体が直面している壁そのものなのだ。

「モデルの精度」ではなく「現場の知識」が勝敗を分ける

UPSの元戦略担当VPでテネシー大学のAlan Amling教授は、こう指摘する。

「新入社員を採用して、オリエンテーションを飛ばし、上司もつけず、目標も設定せず、9ヶ月後に成果が出ないからと解雇する企業はない。しかし、それがまさにほとんどの企業のAI導入の在り方だ」

この指摘が痛いほど正しい。AIツール導入の失敗の大部分は、モデルの精度ではなく運用の設計にある。現場の担当者が「これはこういう事情だから」と暗黙に処理している例外が、AIには見えていない。Bain & CompanyのパートナーDheera Anandが言うように、在庫管理や発注には「部族知識」が溢れている。それを形式化せずにツールを載せれば、9ヶ月で失敗するのは当然だ。

成功する側：project44が見せた「文脈」の設計

一方で、物流可視化プラットフォームのproject44は2026年度に48%の新規ARR成長を記録し、初の営業キャッシュフロー黒字化を達成した。同社が展開するAIエージェントは、単なる予測モデルではない。80億以上のデータソースと10万件以上のニュースを時間単位で監視し、発生中の事故やストライキ、地政学的リスクを輸送中の特定の荷物にマッピングする。影響荷物の特定速度が75%向上し、サプライチェーン破壊コストを推定40%削減したという。

project44とStarbucksの違いは何か。project44はAIに「データの文脈」を与えている。関税データとリアルタイム輸送データを結びつけ、調達担当者がシナリオをシミュレーションできるTariff Analyticsもその一環だ。AIに正しい問いを立てさせ、正しい文脈の下で判断させている。モデル自体の賢さ以前に、業務フローの中にAIをどう埋め込むかという設計問題だ。

日本の物流業界への示唆

日本の物流は人手不足と2024年問題の呪縛の中でAIの導入を急いでいる。だがStarbucksの教訓は明白だ。現場の課題を正確に把握せず、ベンダーのキラーデモに飛びつくだけでは9ヶ月で終わる。

必要なのは「どこにAIを使うか」ではなく、「どの意思決定が頻繁に発生し、時間的制約があり、かつ自社でデータが見えているか」を冷徹に評価することだ。倉庫の棚卸しは、現場の変動（陳列ルールの変更、特売時の例外対応）が多すぎてコンピュータビジョン単体では太刀打ちできない領域かもしれない。一方で、配送ルート構築や関税計算、例外検知は頻発する定型判断であり、AIの射程内にある。

物流AIの勝者は、最も賢いモデルを作った企業ではない。最も上手くAIを「社員」として育てた企業だ。その意味で、2026年は「モデル性能」の戦争から「運用設計」の戦争へと主戦場が明確に移った年になる。