Quando um comerciante anuncia a chegada de câmaras inteligentes, as suas equipas raramente fazem uma pergunta técnica. Perguntam antes: «Isto vai estar a olhar para mim?». A pergunta é legítima, e uma brochura comercial não lhe responde. Para saber o que a IA de visão analisa realmente na loja, o mais simples é seguir o percurso de uma imagem, da câmara até à notificação, anotando pelo caminho tudo o que o modelo ignora.

A análise de vídeo continua, aliás, pouco implementada no comércio. No inquérito da ECR Retail Loss sobre a análise de vídeo no comércio, realizado em 2024 junto de 70 retalhistas, na maioria europeus e norte-americanos, a taxa média de utilização das análises identificadas não ultrapassava 10 %, e caía para 4 % na superfície de venda. Na ausência de consenso no setor, o mesmo relatório propõe uma definição de trabalho da análise de vídeo: um sistema que interpreta automaticamente imagens para produzir resultados claramente definidos e acionáveis. Tudo o que se segue assenta nestas duas palavras.

O que significa «ver» para uma IA de visão

Uma câmara transmite uma sequência de imagens. O modelo, por sua vez, não «compreende» uma cena como o faria um funcionário de secção: compara posições das mãos, objetos e movimentos com categorias aprendidas. Quando o que observa corresponde suficientemente a uma delas, produz um evento: um tipo de gesto, uma zona, uma hora, um breve excerto de vídeo. Nada mais.

Tudo depende então da nitidez da imagem. Num fluxo de baixa definição, a mão que desliza uma lâmina de barbear para o bolso de um casaco reduz-se a alguns píxeis desfocados, daí o interesse de uma análise de vídeo sobre o fluxo principal em alta resolução. Na Oxania, este fluxo principal é tratado numa GPU dedicada instalada na loja: a deteção é feita localmente, o fluxo das câmaras não sai do local, e apenas os excertos associados a um alerta são conservados, em servidores situados o mais perto possível do país do cliente.

Um vocabulário fechado de gestos, não um olhar sobre as pessoas

Aplicado à prevenção de perdas, um modelo de deteção de gestos trabalha com uma lista finita de categorias. No que diz respeito ao furto, encontramos em geral:

  • a dissimulação de um artigo num bolso, debaixo de uma peça de roupa ou numa mala pessoal;
  • a colocação de um produto numa mochila, numa mala de mão ou num saco de natureza incerta;
  • a abertura de uma embalagem antes da passagem pela caixa;
  • o consumo no local, beber ou comer um produto não pago;
  • elementos de contexto como um carrinho, um carrinho de bebé ou um saco de compras, que ajudam a interpretar a cena.

Alguns sistemas acrescentam um alerta de queda, útil para a segurança dos clientes e das equipas mais do que para a mercadoria. Nenhuma destas categorias diz quem está na imagem. A deteção de gestos de risco incide sobre uma ação, num determinado momento, numa determinada zona.

O que a IA não faz

A lista das exclusões conta tanto como a das deteções, e é muitas vezes ela que tranquiliza as equipas. Uma IA de análise de gestos concebida neste enquadramento:

  • não identifica ninguém: sem reconhecimento facial, sem nome, sem ficheiro de pessoas;
  • não segue um indivíduo de um corredor para outro, nem de uma visita para a seguinte;
  • não cria nenhum perfil: nem idade, nem origem, nem vestuário «de risco». As estatísticas leem-se por zona e por período, não por pessoa;
  • não qualifica intenções: um gesto de risco não é um delito, apenas uma situação que merece um olhar humano;
  • não mede o trabalho dos colaboradores: nenhuma categoria incide sobre a produtividade, as pausas ou o cumprimento dos procedimentos.

Com um perímetro tão restrito, a utilização da ferramenta continua fácil de explicar. É possível dizer numa frase, a uma vendedora como a um cliente, o que desencadeia um alerta, e é precisamente isso que a torna aceitável.

O alerta não é um veredicto: a decisão continua a ser humana

Um modelo engana-se por vezes. Pense num cliente que guarda os óculos no bolso logo depois de pegar num pacote de café: para a máquina, a cena assemelha-se a uma dissimulação. O alerta deve, portanto, ser tratado como uma pergunta feita à equipa, nunca como uma conclusão.

O regulamento europeu sobre IA, no seu artigo 14.º sobre a supervisão humana, nomeia a armadilha sem rodeios: o viés de automatização, essa tendência para confiar automática ou excessivamente nos resultados da máquina. Exige que as pessoas responsáveis pela supervisão tenham a possibilidade de ignorar, substituir ou inverter o resultado do sistema. O texto visa os sistemas de risco elevado, mas nada impede de aplicar a mesma disciplina a qualquer ferramenta de deteção de gestos de risco.

No terreno, a pessoa que recebe o alerta vê o excerto e depois escolhe: não fazer nada, passar pelo corredor, oferecer ajuda ao cliente ou, quando a situação é confirmada, avançar com diligências junto das autoridades. Os agentes e a IA trabalham em conjunto segundo uma regra simples: a tecnologia deteta, o humano decide.

Transparência perante os clientes e os colaboradores

Os princípios da OCDE sobre IA, adotados em 2019 e atualizados em maio de 2024, incluem a transparência, a explicabilidade e a responsabilização entre os cinco princípios de uma IA digna de confiança. Numa loja, isso traduz-se em alguns hábitos concretos:

  1. Explicar antes de instalar. Mostrar às equipas o que é detetado, o que não é e quem recebe os alertas. Associar os representantes dos trabalhadores quando previsto.
  2. Redigir uma regra de utilização. A ferramenta serve para limitar as perdas e proteger as pessoas, não para avaliar o pessoal: convém pô-lo preto no branco.
  3. Informar os clientes. A sinalização à entrada é da responsabilidade do operador, tal como na sua instalação de câmaras existente. Um painel legível e um breve aviso acessível bastam muitas vezes para dissipar as preocupações.
  4. Formar para a leitura dos alertas. Verificar o excerto, manter a cortesia, nunca abordar alguém com base apenas numa notificação.
  5. Fazer balanços regulares. Rever os alertas descartados, ajustar as zonas cobertas, partilhar com a equipa o que se aprende.

Bem implementada, uma IA de visão assemelha-se menos a um olho que julga do que a um colega com um vocabulário muito limitado: assinala gestos e deixa o resto a quem conhece a loja. Convém apresentar o enquadramento logo na reunião de arranque, antes mesmo da instalação do equipamento. Uma equipa que sabe o que a ferramenta observa, e o que não observa, utiliza-a de verdade, e é nesse momento que ela começa a reduzir a quebra desconhecida.