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。