La investigación de Fast Company publicada el 28 de julio de 2026 reconstruye con detalle cómo Starbucks desplegó una herramienta de inventario con IA llamada Automated Counting en todos sus 11.300 cafés de Norteamérica — y cómo la canceló después, dejando a NomadGo, la startup de 30 personas que la construyó, con su equipo técnico desintegrado en días.
NomadGo era una startup de Redmond, Washington, con 30 empleados. Starbucks les comunicó el 3 de abril de 2026 que cancelaba el proyecto. La startup recortó «una gran parte» de su plantilla en los días siguientes, incluyendo el equipo técnico que gestionaba la cuenta de Starbucks. Los baristas no supieron hasta el 18 de mayo, seis semanas después, cuando les pidieron que quitaran los códigos QR de seguimiento de los estantes y volvieran a contar a mano.
«No hay nada que puedas hacer cuando el liderazgo y la estrategia cambian», dijo David Greschler, CEO de NomadGo. Llamó a la decisión una sorpresa completa.
Qué falló y por qué el modelo de IA no fue el problema
La precisión del modelo de visión computacional de NomadGo era del 99% en pruebas controladas. El problema no fue el modelo. Fueron las condiciones del mundo real.
Un supervisor de turno cerca de Seattle apuntó el iPad a una nevera de acero. La cámara capturó el reflejo y registró diez cartones de leche de avena cuando solo había cinco. En otras ubicaciones, la app marcó leches del tipo equivocado, confundió siropes y en una fotografía contó un contenedor de basura como si fuera comida. En un local de Graham, Texas, el WiFi deficiente borró el conteo a mitad del proceso. Los jefes ya habían prohibido el conteo manual como alternativa. Resultado: ningún número usable para el sistema de pedidos.
Greschler señala la causa más estructural: la visión computacional lucha cuando el inventario cambia constantemente. Los vasos de temporada y los envases de edición limitada de Starbucks podían necesitar hasta seis semanas de reentrenamiento del modelo. Los desarrolladores de NomadGo a veces se enteraban de los nuevos productos solo cuando llegaban a los estantes.
La segunda restricción estructural: el backend de Starbucks corre sobre un sistema IBM AS/400 de la década de 1990, lo que dificulta mover datos de tienda en tiempo real. Ningún modelo de IA moderno puede compensar una infraestructura de datos que no permite la sincronización necesaria.
El coste estimado del programa a lo largo de varios años: más de $10 millones.
El patrón que hace este fracaso diferente al típico «piloto que no escaló»
Los fracasos de IA enterprise se describen habitualmente como pilotos que nunca salieron del laboratorio. Este es el caso opuesto. Automated Counting llegó a los 11.300 cafés en Norteamérica al final de septiembre de 2025. Desapareció antes del 18 de mayo de 2026. No fue un piloto fallido: fue un despliegue completo que falló a plena escala, lo que lo hace significativamente más caro — tanto para Starbucks como para NomadGo.
El MIT NANDA encontró que el 95% de los pilotos de IA generativa enterprise no producen impacto medible en beneficios. La mayoría de las organizaciones siguen teniendo su inversión en IA confinada al laboratorio. Starbucks hizo lo contrario — desplegó directamente a escala nacional — y eso convirtió el error en mucho más costoso de lo que habría sido si hubieran iterado en grupos de tiendas progresivamente.
Las herramientas de creación de contenido y gestión con IA han avanzado rápidamente en 2026, pero el caso de Starbucks ilustra la brecha entre lo que los modelos pueden hacer en condiciones controladas y lo que pueden hacer en entornos físicos caóticos con inventario cambiante, infraestructura heredada y decenas de miles de ubicaciones con condiciones diferentes.
La historia del sponsor ejecutivo que nadie nombra
Greschler culpó a un «cambio de liderazgo y estrategia» sin dar nombres. La secuencia temporal está en el registro público. Deb Hall Lefevre, directora de tecnología de Starbucks, apareció en el comunicado de lanzamiento de NomadGo elogiando la herramienta el 3 de septiembre de 2025. Renunció el 29 de septiembre de 2025, el mismo mes en que el despliegue llegaba a su totalidad. Starbucks contrató a un reemplazante permanente procedente de Amazon en diciembre.
La herramienta sobrevivió a su sponsor ejecutivo por aproximadamente seis meses.
La expansión de Alexa Plus de Amazon a hardware de terceros como los altavoces Bose muestra el tipo de despliegue controlado que Starbucks no hizo: Amazon escala sus herramientas IA gradualmente a través de un ecosistema de partners, no en un salto de todo-o-nada a miles de ubicaciones simultáneamente.
Mi valoración
Lo que más me convence de la investigación de Fast Company es el detalle sobre la visión computacional y el inventario en constante cambio. El fallo de Starbucks no fue de adopción apresurada ni de falta de inversión — fue de desajuste entre lo que la tecnología puede hacer bien (reconocer objetos en catálogos estáticos con alta precisión) y lo que necesitaba hacer (reconocer objetos en catálogos que cambian semanalmente con packaging que el modelo no ha visto antes). Es un problema técnico real que ningún nivel de precisión en pruebas controladas puede predecir completamente.
Lo que más me preocupa es la asimetría de riesgo para las startups. NomadGo construyó exactamente lo que Starbucks necesitaba, alcanzó el 99% de precisión en pruebas, desplegó en 11.300 locales y perdió el contrato cuando cambió el CTO. La factura de ese fracaso la pagó principalmente la startup de 30 personas que no tenía ninguna forma de protegerse de un cambio de estrategia del cliente.
El escáner de ultrasonidos médico de Midjourney demuestra que las startups pueden construir herramientas IA en sectores físicos complejos, pero el caso Starbucks-NomadGo es el recordatorio de que en contextos de despliegue a escala masiva, el riesgo operacional de que el cliente cambie de opinión es tan o más importante que el riesgo técnico.
Preguntas frecuentes
¿Por qué Starbucks desplegó a escala nacional en lugar de expandir gradualmente?
No hay una respuesta oficial de Starbucks a esta pregunta específica. Lo que está en el registro público es que la herramienta tardó varios años en desarrollo antes del despliegue masivo de septiembre de 2025, lo que sugiere que había un nivel de confianza interna suficiente como para ir directamente a escala nacional. El cambio de CTO (Deb Hall Lefevre renunció el mismo mes del despliegue completo) puede haber acelerado la decisión de completar el despliegue antes de que llegara el nuevo liderazgo.
¿Starbucks sigue usando IA en sus operaciones?
Sí. El comunicado de la empresa menciona que mantiene en funcionamiento otras iniciativas de IA, incluyendo Green Dot Assist (herramienta para baristas) y una integración de ChatGPT para clientes. La cancelación de Automated Counting fue específica de esa herramienta, no una retirada general de la IA en operaciones.
¿Qué pasó con NomadGo después de la cancelación de Starbucks?
Según GeekWire, NomadGo recortó una parte significativa de su plantilla en los días posteriores al 3 de abril, incluyendo el equipo técnico que gestionaba la cuenta de Starbucks. No hay información pública sobre si la startup encontró nuevos clientes o si el negocio siguió operando. Greschler, el CEO, no indicó en sus declaraciones públicas si NomadGo continuaría operando con una base de clientes diferente.
☞ El artículo completo original de Natalia Polo lo puedes ver aquí
