Cuando un comerciante anuncia la llegada de cámaras inteligentes, sus equipos rara vez hacen una pregunta técnica. Más bien preguntan: «¿Me va a mirar a mí?». La pregunta es legítima, y un folleto comercial no la responde. Para saber qué analiza realmente la IA de visión en la tienda, lo más sencillo es seguir el recorrido de una imagen, desde la cámara hasta la notificación, anotando de paso todo lo que el modelo ignora.

El análisis de vídeo, de hecho, sigue estando poco implantado en el comercio. En la encuesta de ECR Retail Loss sobre el análisis de vídeo en el comercio, realizada en 2024 a 70 distribuidores, en su mayoría europeos y norteamericanos, la tasa media de uso de los análisis registrados no superaba el 10 % y descendía al 4 % en la superficie de venta. Ante la falta de consenso en el sector, el mismo informe propone una definición de trabajo del análisis de vídeo: un sistema que interpreta automáticamente imágenes para producir resultados claramente definidos y aprovechables. Todo lo que sigue se resume en estas dos palabras.

Qué significa «ver» para una IA de visión

Una cámara transmite una sucesión de imágenes. El modelo, por su parte, no «entiende» una escena como lo haría un empleado de sección: compara posiciones de manos, objetos y movimientos con categorías aprendidas. Cuando lo que observa encaja lo suficiente con una de ellas, genera un evento: un tipo de gesto, una zona, una hora, un breve fragmento de vídeo. Nada más.

Todo depende entonces de la nitidez de la imagen. En un flujo de baja definición, la mano que desliza una cuchilla de afeitar en el bolsillo de una chaqueta se reduce a unos pocos píxeles borrosos, de ahí el interés de un análisis de vídeo sobre el flujo principal en alta resolución. En Oxania, este flujo principal se procesa en una GPU dedicada instalada en la tienda: la detección se realiza en local, el flujo de las cámaras no sale del establecimiento, y solo se conservan los fragmentos vinculados a una alerta, en servidores situados lo más cerca posible del país del cliente.

Un vocabulario cerrado de gestos, no una mirada sobre las personas

Aplicado a la prevención de pérdidas, un modelo de detección de gestos trabaja con una lista finita de categorías. En cuanto al robo, normalmente encontramos:

  • la ocultación de un artículo en un bolsillo, bajo una prenda o en un bolso personal;
  • el depósito de un producto en una mochila, un bolso de mano o una bolsa de naturaleza incierta;
  • la apertura de un envase antes de pasar por caja;
  • el consumo en el lugar, beber o comer un producto sin pagar;
  • elementos de contexto como un carro, un cochecito o una bolsa de la compra, que ayudan a interpretar la escena.

Algunos sistemas añaden una alerta de caída, útil para la seguridad de los clientes y de los equipos más que para la mercancía. Ninguna de estas categorías dice quién aparece en la imagen. La detección de gestos de riesgo se centra en una acción, en un momento dado, en una zona determinada.

Lo que la IA no hace

La lista de exclusiones cuenta tanto como la de detecciones, y a menudo es la que tranquiliza a los equipos. Una IA de análisis de gestos concebida en este marco:

  • no identifica a nadie: sin reconocimiento facial, sin nombre, sin fichero de personas;
  • no sigue a un individuo de un pasillo a otro, ni de una visita a la siguiente;
  • no elabora ningún perfil: ni edad, ni origen, ni vestimenta «de riesgo». Las estadísticas se leen por zona y por franja horaria, no por persona;
  • no califica ninguna intención: un gesto de riesgo no es un delito, solo una situación que merece una mirada humana;
  • no mide el trabajo de los empleados: ninguna categoría se refiere a la productividad, las pausas o el cumplimiento de los procedimientos.

Con un perímetro tan acotado, el uso de la herramienta resulta fácil de explicar. Se puede decir en una frase, tanto a una vendedora como a un cliente, qué es lo que activa una alerta, y eso es precisamente lo que la hace aceptable.

La alerta no es un veredicto: la decisión sigue siendo humana

Un modelo se equivoca a veces. Pensemos en un cliente que guarda sus gafas en el bolsillo justo después de coger un paquete de café: para la máquina, la escena se parece a una ocultación. Por ello, la alerta debe tratarse como una pregunta planteada al equipo, nunca como una conclusión.

El reglamento europeo sobre IA, en su artículo 14 sobre la supervisión humana, nombra la trampa sin rodeos: el sesgo de automatización, esa tendencia a fiarse de forma automática o excesiva de los resultados de la máquina. Exige que las personas encargadas de la supervisión puedan ignorar, sustituir o invertir el resultado del sistema. El texto se refiere a los sistemas de alto riesgo, pero nada impide aplicar la misma disciplina a cualquier herramienta de detección de gestos a riesgo.

En la práctica, la persona que recibe la alerta mira el fragmento de vídeo y luego decide: no hacer nada, pasar por el pasillo, ofrecer su ayuda al cliente o, cuando la situación se confirma, iniciar los trámites ante las autoridades. Los agentes y la IA trabajan juntos según una regla sencilla: la tecnología detecta, el humano decide.

Transparencia con los clientes y los empleados

Los principios de la OCDE sobre IA, adoptados en 2019 y actualizados en mayo de 2024, incluyen la transparencia, la explicabilidad y la responsabilidad entre los cinco principios de una IA digna de confianza. En una tienda, esto se traduce en algunos hábitos concretos:

  1. Explicar antes de instalar. Mostrar a los equipos qué se detecta, qué no se detecta y quién recibe las alertas. Asociar a los representantes del personal cuando esté previsto.
  2. Redactar una norma de uso. La herramienta sirve para limitar las pérdidas y proteger a las personas, no para evaluar al personal: conviene dejarlo por escrito.
  3. Informar a los clientes. La señalización a la entrada corresponde al explotador, como en su instalación de cámaras existente. Un cartel legible y un breve aviso accesible suelen bastar para disipar las inquietudes.
  4. Formar en la lectura de las alertas. Verificar el fragmento, mantener la cortesía y no abordar nunca a nadie basándose únicamente en una notificación.
  5. Hacer balance con regularidad. Revisar las alertas descartadas, ajustar las zonas cubiertas y compartir con el equipo lo que se aprende.

Bien desplegada, una IA de visión se parece menos a un ojo que juzga que a un compañero con un vocabulario muy limitado: señala gestos y deja el resto en manos de quienes conocen la tienda. Conviene presentar el marco desde la reunión de lanzamiento, incluso antes de instalar el equipo. Un equipo que sabe qué mira la herramienta, y qué no mira, la utiliza de verdad, y es entonces cuando empieza a reducir la merma desconocida.