全聯AI結帳三個月就退場？問題不在技術，在台灣人不敢把錢交給機器

「機器在那邊，但沒人在用。」一句店員的日常觀察，比任何市場調查都真實。

全聯導入AI自助結帳系統後短短數月傳出低調下架，網路討論焦點一度集中在「AI辨識不準」。但實際走進門市會發現，問題的根源不在技術端。這類系統靠電腦視覺辨識商品外觀，原理就像一位記得所有商品長相的結帳員，看一眼購物籃就能算出總金額。以目前影像辨識的成熟度，包裝完整的量販商品辨識成功率其實相當高，尤其全聯貨架品項相對標準化，本來就是這類技術的理想場域。

那為什麼退場？

關鍵1:台灣消費者對「機器算錢」的信任門檻極高。台灣零售結帳長期由店員一手包辦，消費者習慣「算錯有人負責」的安全感。當一台機器告訴你總金額，多數人的第一反應是自己重算一遍，這個「不信任的摩擦成本」，讓AI結帳省下的排隊時間被抵銷殆盡。業內普遍觀察，自助結帳在台灣的接受度明顯低於歐美，歐美消費者把自助結帳當日常，台灣消費者則傾向等店員。

關鍵2:長者與高頻客群的使用斷層。全聯的核心客群包含大量熟齡消費者，對他們來說，與其學習操作陌生介面，不如多花兩分鐘排隊。當一項「節省人力」的技術反而需要更多人力在旁邊教學，成本結構就站不住腳。

關鍵3:生鮮與裸裝商品是硬傷。蔬果、散裝食品這類沒有標準包裝的品項，仍是視覺辨識的弱點，而這恰恰是台灣超市的重要品類。若九成商品能辨識、一成需要人工介入，消費者體驗就會在最後那一成上崩壞。

對照國際，Amazon的Just Walk Out技術在美國門市發展多年後，也逐步調整策略、轉向授權與特定場景。連科技巨頭都發現:讓消費者「敢用」比讓系統「能跑」更難。

但這不是台灣零售科技的終點。半導體與電腦視覺晶片正是台灣供應鏈的強項，全聯這次的案例反而提供了寶貴的在地數據:技術落地缺的最後一哩，是消費者教育與流程設計，不是演算能力。下次當AI結帳捲土重來，它會以什麼面貌說服你把手放進口袋？