Tally 4.0 巡檢機器人：每週省下 50 小時，只是貨架 AI 的第一張成績單

貨架最大的問題，通常不是沒資料，而是資料太慢

POS 知道商品賣出多少，倉庫系統知道帳上還有多少，但它們未必知道最後兩瓶被放錯位置、價簽尚未更新，或商品其實躺在後場。門店每天都在發生『系統說有貨，顧客卻買不到』的落差。

Simbe 於 2026 年 1 月推出 Tally 4.0。它能自主沿通道移動，利用感測器與 AI 掃描貨架，辨識缺貨、錯價與商品錯放。新一代系統採用 Intel RealSense 深度相機與 NVIDIA CUDA、TensorRT、DOCA 等算力工具，重點不是規格表，而是長時間、重複、標準化地把貨架變成資料。

三個數字，分別對應收入、風險與人力

報告引用 Simbe 2025 年 11 月資訊：Tally 已落地 10 個國家、近 60 家全球零售企業；落地門店的貨架有貨率達 98%、價簽準確率提升 90%，每週並為門店團隊節省超過 50 小時。

98% 有貨率對應可銷售收入，價簽準確率對應顧客信任與合規風險，50 小時則對應人力重新配置。這三個 KPI 不該混成一句『提升效率』，因為它們的財務效果不同，也需要不同部門承接。

辨識不是終點，任務閉環才是

機器人看到缺貨，如果資訊只停在儀表板，價值仍然有限。理想流程是系統判斷後場是否有庫存、把補貨任務派給當班人員、設定優先順序，再確認商品已上架。若搭配電子價簽，價格錯配甚至可以同步修正。

因此門店導入時要測的不只是辨識準確率，還要測『從發現到修正』的中位時間。零售現場的真相很殘酷：下午三點發現晚上八點才補好，系統雖然答對了，生意還是錯過了。

• 優先巡查高周轉、高毛利與促銷商品，不必一開始追求全店覆蓋。
• 把每一項異常綁定責任人、完成時間與複查證據。
• 用缺貨銷售損失與工時節省共同估算回報，避免只算省人。

從每週省下五十小時，到底省下的是哪一種時間

『每週節省超過五十小時』很有吸引力，但管理者必須拆開來看：是減少逐排查看貨架的時間、抄寫價簽的時間、尋找商品的時間，還是跨部門確認的時間？只有原本的工作被量測，才知道機器人上線後員工是否真的把時間移到補貨與服務，或只是被安排更多沒有直接產出的任務。節省工時若沒有重新配置計畫，通常不會自動變成利潤。

同樣地，98% 貨架有貨率必須搭配商品權重。高周轉鮮食缺貨一小時，可能比低銷量日用品缺貨一天更重要。零售商可以依銷量、毛利、促銷承諾與替代難度，建立異常優先分數，讓機器人不只是回報全部空位，而是把最可能流失收入的問題先交給員工。這樣巡檢資料才會轉成可執行的排序。

價簽準確率則牽涉另一套流程。機器人看見錯價後，企業要判斷是貨架標籤錯、POS 價格錯、促銷設定延遲，還是商品被放錯位置。四種原因的責任部門不同。若系統只發出『價格不一致』警報，員工仍要花大量時間找原因；若能連接商品與促銷主檔，才可能把錯誤直接派到正確的人。

機器人是否值得擴店，要看它在最混亂的門店是否仍然可靠

示範門店通常走道寬、陳列整齊、店長積極，但真正決定規模化的是老店、尖峰與促銷換檔。測試應刻意涵蓋顧客推車阻擋、補貨紙箱暫放、兒童靠近、貨架改版與網路不穩等情況，並記錄中斷後能否自行恢復。平均一天完成幾次巡航不夠，還要知道最需要資料的時段是否完成。

部署成本也不只一台機器人的租金。門店可能要調整動線、建置充電位置、訓練員工、處理安全通報與安排維修備援；總部則要整合商品主檔、任務系統與權限。當機器人離線時，企業需要降級流程，確保巡檢仍可用手機或人工完成。具備備援不是承認科技不可靠，而是零售營運不能因單一設備停止。

台灣量販與大型超市若要試點，可以先選三十到五十個高價值品類，建立導入前十二週的缺貨、錯價與補貨工時基線，再比較同型門店。成功門檻應寫成可量化條件，例如問題關閉時間下降多少、有貨率提升多少、每週實際釋放多少可重新配置工時。達不到就修正或停止，避免把設備數量誤當轉型成果。