---
title: "系統說有貨，架上卻是空的：店裡真正的庫存，記在紙條和群組裡"
slug: system-says-in-stock-shelf-is-empty
url: https://pgylab.ai/posts/system-says-in-stock-shelf-is-empty
published_at: 2026-11-11
author: "蒲公英"
category: "AI新聞"
access: public_access
---

# 系統說有貨，架上卻是空的：店裡真正的庫存，記在紙條和群組裡

By **蒲公英** | 2026-11-11

系統顯示還有三箱，店員跑去倉庫翻了十分鐘，一箱都沒有。做過門市的人，對這個畫面都不陌生。久了大家也學會自保：便利貼貼在收銀機旁，群組裡喊一聲「這款沒了」，手機拍一張貨架照片存著。店照常開，可是這些真實狀況，總部的報表看不到，想導入的 AI 也讀不到。賣條碼掃描與視覺辨識工具的 Scandit，11 月 10 日發布一份門市店員調查，替這個現象取了名字：「shadow store」，影子店。調查對象是美國、德國、英國、法國、義大利、加拿大、波蘭大型零售業的 2,200 名店員，不是台灣數據，也不是小店數據；Scandit 自己就賣盤點相關工具，結論有它的立場。但它點出的問題，任何一家想用 AI 叫貨、預測的店都躲不掉：AI 再聰明，讀到的也只是系統裡那一份紀錄。系統和貨架，不到一半的時候對得上依 Scandit 公布的結果，店員說庫存紀錄和貨架上實際看到的相符，只有 46% 的時候；完全信任店內庫存資料的只有 8%，認為資料七成以上時間準確的，只有四分之一。這份調查由 Sapio Research 在 2026 年 9 月線上進行，受訪者都在員工超過 1,000 人的零售商門市工作，涵蓋超市、量販、百貨、居家修繕、便利商店、藥妝等業態。店員平均每週要被叫去親自確認「到底有沒有貨」5.85 次，五分之一以上的人一週超過十次。每跑一趟貨架，都是系統欠下的一筆時間。真正的庫存，活在影子店裡系統錯了，店員不會讓店停下來。調查裡，49% 自己動手改紀錄，44% 提出庫存調整；在有採取行動的店員中，42% 直接繞過正式系統。另有 68% 至少用一種非正式方法：紙條、團隊聊天群組、個人手機照片、App，或乾脆記在腦子裡。Scandit 執行長暨共同創辦人 Samuel Mueller 說：「Retailers do not have an AI adoption problem as much as a store truth problem…」。零售業缺的未必是 AI，而是一份大家都信得過的店內實況。最準的資訊在店員手上，卻在報表之外。準確度過七成之前，信任幾乎不動報告裡另一個發現很實際：信任不是慢慢累積的。認為資料準確度在五成以下的店員裡，大約四分之一高度信任；這個比例一直到準確度超過七成，才明顯往上跳。ThinkUncommon 共同創辦人 Andrew Smith（職稱據 Scandit 新聞稿）在新聞稿中說，準確度從 46% 拉到 60%，在董事會報告上看起來是進步，現場可能什麼都沒變；在那之前，店員還是會自己去貨架看。換句話說，從四成多拉到六成，店員的做法可能完全一樣；要先跨過七成那道門檻，系統才開始被當真。數字只好一點點，現場的人不會改變習慣。時間被吃掉，客人也在等店員估計，如果有信得過的資料，每人每週可以拿回 4.4 小時，一年將近六個工作週；他們每週平均還有 4.1 小時，花在回答店內科技本該回答的客人問題。新聞稿另用自報時薪 18 美元推算大型零售商的人力成本，那是推估，不是實際帳目，這裡不拿來嚇人。有店員在調查裡留言：「Get the stock counts actually right so I'm not chasing ghost inventory.」先把庫存數字弄對，別讓人一直追著不存在的貨跑。另一位說：「A lot of times the back stock isn't in the system so I go and have to physically check more often than I'd like.」後場的庫存常常不在系統裡，只好一趟又一趟親自去看。資料不準的代價，最後落在店員的腳步和客人的等待上。小店導入 AI 前，先把影子店收回來下面是我們整理的建議做法，不是 Scandit 報告的內容。舉個情境（假設）：台灣一家有兩間門市的生活雜貨店，想用 AI 幫忙預測補貨。第一，先盤一次影子店：把店員常用的紙條、群組訊息、手機照片列出來，看看哪些資訊系統裡沒有。第二，挑一兩個最常被問「還有沒有」的品項，訂好誰、什麼時候、用什麼方式更新，一週對一次帳。第三，讓第一線先試：調查裡參加過試行的店員，回報多數店內工具的使用率是 74%；上線前被徵詢過、以及從沒被問過的店員，是 61%；參加試行的人有一半高度信任庫存資料，從沒被問過意見的只有 25%。讓 AI 讀到真實的店，比讓它更聰明更該先做。先有真實，再談聰明很多老闆對 AI 的期待，是它能告訴你下週該進多少貨。但它能回答的，永遠只是你餵給它的那一份紀錄。這份調查來自國外大型零售，台灣小店規模不同，可是「系統說一套、架上是另一套」的畫面，應該一點都不陌生。你的店裡，有沒有一本只有店員看得懂的小筆記？那可能就是最該先數位化的資料。留言跟我們分享。歡迎加入【蒲公英 AI 知識社群】。我們不追逐表面的資訊熱度，而是拆解每一次科技與商業決策背後的真實邏輯。在變動加速的時代，我們一起看的不是熱鬧，而是規則。👉 點此加入蒲公英 AI 知識社群（連到 LINE 社群：https://line.me/ti/g2/U22Ve69yCykRi4WhI1Q8PEb0bVBN1AwlwepJwQ）🔑 入群通關密碼：94115