Când un comerciant anunță sosirea camerelor inteligente, echipele sale pun rareori o întrebare tehnică. Mai degrabă întreabă: „Mă va urmări pe mine?”. Întrebarea este legitimă, iar o broșură comercială nu îi răspunde. Pentru a afla ce analizează cu adevărat IA de viziune în magazin, cel mai simplu este să urmărim drumul unei imagini, de la cameră până la notificare, notând pe parcurs tot ce modelul ignoră.

De altfel, analiza video rămâne puțin răspândită în comerț. În studiul ECR Retail Loss privind analiza video în comerț, realizat în 2024 pe un eșantion de 70 de retaileri, în majoritate europeni și nord-americani, rata medie de utilizare a analizelor inventariate nu depășea 10 % și scădea la 4 % în zona de vânzare. Din lipsa unui consens în sector, același raport propune o definiție de lucru a analizei video: un sistem care interpretează automat imagini pentru a produce rezultate clar definite și utilizabile. Tot ce urmează se reduce la aceste două cuvinte.

Ce înseamnă „a vedea” pentru o IA de viziune

O cameră transmite o succesiune de imagini. Modelul, în schimb, nu „înțelege” o scenă așa cum ar face-o un angajat de la raion: el compară pozițiile mâinilor, obiectele și mișcările cu categorii învățate. Când ceea ce observă se potrivește suficient de bine cu una dintre ele, produce un eveniment: un tip de gest, o zonă, o oră, un scurt fragment video. Nimic mai mult.

Totul depinde atunci de claritatea imaginii. Pe un flux de rezoluție joasă, mâna care strecoară un aparat de ras în buzunarul unei geci se reduce la câțiva pixeli neclari, de unde interesul unei analize video pe fluxul principal, în înaltă rezoluție. La Oxania, acest flux principal este procesat pe un GPU dedicat, instalat în magazin: detecția se face local, fluxul camerelor nu părăsește locația, iar doar fragmentele legate de o alertă sunt păstrate, pe servere situate cât mai aproape de țara clientului.

Un vocabular închis de gesturi, nu o privire asupra oamenilor

Aplicat prevenirii pierderilor, un model de detecție a gesturilor lucrează cu o listă finită de categorii. În ceea ce privește furtul, regăsim în general:

  • disimularea unui articol într-un buzunar, sub o haină sau într-o geantă personală;
  • introducerea unui produs într-un rucsac, într-o geantă de mână sau într-o pungă a cărei natură este incertă;
  • deschiderea unui ambalaj înainte de trecerea pe la casă;
  • consumul pe loc, adică băutul sau mâncatul unui produs neplătit;
  • elemente de context precum un cărucior, un cărucior de copil sau o sacoșă de cumpărături, care ajută la interpretarea scenei.

Unele sisteme adaugă o alertă de cădere, utilă pentru siguranța clienților și a echipelor, mai degrabă decât pentru marfă. Niciuna dintre aceste categorii nu spune cine apare în imagine. Detecția gesturilor la risc se referă la o acțiune, într-un moment dat, într-o zonă dată.

Ce nu face IA

Lista excluderilor contează la fel de mult ca cea a detecțiilor și adesea ea este cea care liniștește echipele. O IA de analiză a gesturilor concepută în acest cadru:

  • nu identifică pe nimeni: fără recunoaștere facială, fără nume, fără bază de date cu persoane;
  • nu urmărește o persoană de la un raion la altul, nici de la o vizită la următoarea;
  • nu creează niciun profil: nici vârstă, nici origine, nici ținută „la risc”. Statisticile se citesc pe zone și pe intervale orare, nu pe persoane;
  • nu califică intenții: un gest la risc nu este o infracțiune, ci doar o situație care merită o privire umană;
  • nu măsoară munca angajaților: nicio categorie nu vizează productivitatea, pauzele sau respectarea procedurilor.

Cu un perimetru atât de restrâns, utilizarea instrumentului rămâne ușor de explicat. Se poate spune într-o singură frază, atât unei vânzătoare, cât și unui client, ce declanșează o alertă, iar tocmai acest lucru îl face acceptabil.

Alerta nu este un verdict: decizia rămâne umană

Un model greșește uneori. Gândiți-vă la un client care își pune ochelarii în buzunar imediat după ce a luat un pachet de cafea: pentru mașină, scena seamănă cu o disimulare. Alerta trebuie deci tratată ca o întrebare pusă echipei, niciodată ca o concluzie.

În Regulamentul european privind IA, în articolul 14 despre supravegherea umană, capcana este numită fără ocolișuri: prejudecata de automatizare, adică tendința de a te baza automat sau excesiv pe rezultatele mașinii. Textul cere ca persoanele însărcinate cu supravegherea să aibă posibilitatea de a ignora, de a înlocui sau de a inversa rezultatul sistemului. Textul vizează sistemele cu risc ridicat, dar nimic nu împiedică aplicarea aceleiași discipline oricărui instrument de detecție a gesturilor la risc.

În practică, persoana care primește alerta se uită la secvență, apoi alege: nu face nimic, trece pe la raion, îi oferă ajutor clientului sau, atunci când situația este confirmată, demarează procedurile către autorități. Agenții și IA lucrează împreună după o regulă simplă: tehnologia detectează, omul decide.

Transparență față de clienți și angajați

  1. Explicați înainte de a instala. Arătați echipelor ce este detectat, ce nu este și cine primește alertele. Implicați reprezentanții personalului atunci când acest lucru este prevăzut.
  2. Scrieți o regulă de utilizare. Instrumentul servește la limitarea pierderilor și la protejarea persoanelor, nu la evaluarea personalului: mai bine să fie scris negru pe alb.
  3. Informați clienții. Afișajul de la intrare este responsabilitatea operatorului, la fel ca pentru instalația sa de camere existentă. Un panou lizibil și o scurtă notă accesibilă sunt adesea suficiente pentru a risipi îngrijorările.
  4. Instruiți pentru interpretarea alertelor. Verificați fragmentul, rămâneți politicoși, nu abordați niciodată pe cineva doar pe baza unei notificări.
  5. Faceți periodic un bilanț. Reluați alertele respinse, ajustați zonele acoperite, împărtășiți echipei ceea ce ați învățat.

Bine implementată, o IA de viziune seamănă mai puțin cu un ochi care judecă și mai mult cu un coleg cu un vocabular foarte limitat: semnalează gesturi și lasă restul în seama celor care cunosc magazinul. Este bine ca acest cadru să fie prezentat încă de la ședința de lansare, chiar înainte de montarea echipamentelor. O echipă care știe ce urmărește instrumentul și ce nu urmărește îl folosește cu adevărat, iar atunci începe el să reducă demarca necunoscută.