En kund halkar på det fortfarande blöta golvet vid entrén. En kollega tappar balansen när hon kliver ned från en trappstege på lagret klockan sex på morgonen, helt ensam. Ingen av de här händelserna syns i en svinnrapport. De väger ändå tungt i en butiks vardag. I början av november blir entréerna genomblöta av regn i stora delar av norra halvklotet, och lagren fylls på inför högtiderna: risken ökar just när teamen har minst tid.

I de flesta butikskedjor hör fall och stöld till två skilda världar, med separata budgetar och verktyg och sällan samma ansvarige. Tänk om kameranätet, appen och responsprotokollet kunde användas för båda, både för att förebygga förluster och för att skydda människor?

Fallolyckor i butik och på lager: en underskattad daglig risk

Folkhälsodata ger en fingervisning om storleksordningen. Enligt Världshälsoorganisationens faktablad om fallolyckor orsakade fall omkring 842 000 dödsfall i världen under 2023 och är fortsatt den näst vanligaste orsaken till dödsfall genom oavsiktliga skador, efter trafikolyckor. WHO påpekar att de flesta fall inte är dödliga: siffrorna utelämnar alltså frakturer, sjukskrivningar och kunder som aldrig kommer tillbaka.

Handeln får bära sin del. I Storbritannien uppger arbetsmiljömyndigheten att halk- och snubbelolyckor fortfarande är den vanligaste orsaken till allvarliga skador inom detaljhandeln. Det typiska scenariot är vardagligt: ett nytvättat golv som lämnats vått, en spilld vätska som inte torkas upp tillräckligt snabbt. På europeisk nivå beskriver EU:s arbetsmiljöbyrå halk-, snubbel- och fallolyckor som den vanligaste orsaken till olyckor, i alla sektorer, och som en av de främsta orsakerna till frånvaro på mer än tre dagar.

Ute i verksamheten känner alla till de svåra platserna: entrén när det regnar, kondens vid foten av kylmöblerna på kylavdelningen, området runt kassorna, gångar som blockeras av rullburar under varuplaceringen. Lagret har sina egna fällor, med kartonger på golvet, pallvagnar, trappstegar och belysning som ofta är sämre än på butiksytan. Dessutom arbetar man där ofta ensam, både vid öppning och stängning.

Vad ett fallarlarm förändrar, och vad det inte förändrar

Principen är enkel. Videoanalysen upptäcker att en person tappar sin upprätta ställning (någon som plötsligt går från stående till liggande på golvet) och skickar ett klipp till teamet. Larmet ersätter inte städning, avspärrning eller utbildning, och det ser inte vattenpölen innan någon halkar i den. Det kommer i efterhand, för att förkorta tiden en person ligger på golvet utan att någon vet om det.

Den tiden är avgörande. WHO påminner om att fallprevention också handlar om en snabb och effektiv respons efter fallet: första hjälpen, vård av skadorna, vidare hänvisning till sjukvård. I en fullpackad gång en lördagseftermiddag omringas en kund som faller inom några sekunder. På lagret i gryningen, eller i en tom gång en timme före stängning, kan det gå flera minuter innan någon kommer. I sådana situationer gör larmet verkligen nytta, och arbetsgivarens ansvar för säkerheten gentemot sina medarbetare blir mycket konkret.

Om du vill se hur tekniken används utanför handeln kan du läsa vår artikel om AI-baserad fallupptäckt i butiker, på sjukhus och i lager.

Ett enda system för flera typer av upptäckt

Den verkliga utmaningen ligger mindre i tekniken än i organisationen. Om fallarlarmet kommer i samma app som larmen om okänt svinn behöver butiken bara hålla ett enda flöde igång. Samma befintliga kameranät kan då täcka:

  • riskfyllda gester kopplade till stöld, till exempel en vara som stoppas i en ficka eller i en privat väska;
  • öppning av förpackningar och uppackning i gången;
  • konsumtion på plats före kassan: en dryck som dricks i gången, ett kexpaket som påbörjas;
  • fall, både på butiksytan och på lagret, så länge en kamera täcker området.

För teamet syns skillnaden snabbt. Man underhåller och riktar ett enda kameraparkbestånd, installerar en enda app på enheterna, och en enda utbildning räcker. Reflexen förblir alltid densamma: enheten vibrerar, man tittar på klippet, man bestämmer sig. Hos Oxania kommer till exempel videolarmet i realtid på under 10 sekunder till mobil, surfplatta eller dator, med en gradvis inzoomning på det intressanta området. Upptäckten sker lokalt, på en GPU som är installerad i butiken. Funktionerna för larm, zoom och dashboards är desamma oavsett typ av händelse. Tekniken upptäcker, teamet bestämmer vad som händer sedan.

Ett gemensamt responsprotokoll med tydliga prioriteringar

Ett enda system är bara så bra som svaret är tydligt. Faran är att ett fall drunknar bland svinnlarmen. Därför en grundregel, som gärna får påminnas om vid varje genomgång: människan går före varan. Modellen nedan kan anpassas till varje butik:

  1. Mottagning: larmet kommer till de enheter som tillhör de personer som är utsedda för passet, med ett kort videoklipp.
  2. Bedömning: fall, riskfylld gest, öppnad förpackning eller falsklarm. Klippet gör det nästan alltid möjligt att avgöra på några sekunder.
  3. Prioritering: ett fall går före alla andra pågående larm. Den medarbetare som är närmast går dit, och en kollega tar över hens plats vid behov.
  4. Anpassad insats: vid ett fall hjälper man personen och tillkallar räddningstjänst efter allvarlighetsgrad och lokala instruktioner. Vid en riskfylld gest räcker det ofta att gå till avdelningen och erbjuda kunden hjälp.
  5. Avslut: larmet markeras som bekräftat eller irrelevant, med en kort anteckning om vad som gjordes.
  6. Uppföljning: varje vecka några minuter för att gå igenom larmen och justera instruktionerna.

Protokollet går smidigt att kombinera med vakternas arbete, i de butiker som har sådana. Vi går igenom den punkten i vår artikel om hur AI och väktare kompletterar varandra.

Därför får teamen lättare förtroende för systemet

Om ett videoverktyg presenteras som enbart ett stöldskydd oroar det snabbt medarbetarna: rädsla för att bli bedömda, en känsla av att ständigt vara iakttagen. Fallarmet flyttar diskussionen. Verktyget skyddar också den som ensam ordnar lagret vid öppning, och det går att förklara på två minuter vid morgonens genomgång.

Några principer, giltiga överallt, hjälper till att skapa förtroende. Förklara vad verktyget analyserar (gester, aldrig personers identitet) och vad det inte gör. Informera tydligt de personer som filmas, både kunder och anställda, enligt lokala bestämmelser, och rådgör med personalens representanter där lagen kräver det, före driftsättningen. Begränsa åtkomsten till klippen till dem som verkligen behöver den. Ibland räcker det sedan med ett första fall som hanteras snabbt för att uppfattningen ska ändras: verktyget slutar vara ”ledningens kamera” och blir ett gemensamt skyddsnät.

Mäta fördelar som delas mellan förluster och säkerhet

Ett enda system har en sista fördel: dess data kan läsas tillsammans. Samma dashboards visar statistik per område och per pass, för riskfyllda gester såväl som för fall. En butikschef eller nätverksansvarig kan nöja sig med några få nyckeltal:

  • antalet fallarm per område och per pass, för att upptäcka en hal entré när det regnar eller en lagergång som är för belamrad;
  • tiden mellan larmet och att en medarbetare är på plats, för fall såväl som för riskfyllda gester;
  • andelen bekräftade larm, som styr hur kamerorna placeras;
  • fördelningen per avdelning av riskfyllda gester, öppnade förpackningar och konsumtion på plats.

När nyckeltalen jämförs med svinnsiffrorna ger de en mer komplett bild, i linje med vår artikel om nyckeltalen för okänt svinn. Mycket ofta tjänar ett enda beslut båda målen: att röja upp i en lagergång, till exempel, eller att flytta en kamera några meter.

Före årets mest hektiska veckor är det mest användbara förvånansvärt enkelt: bestäm redan nu vem som tar emot larmen under varje pass, särskilt vid öppning och stängning, och skriv ned svart på vitt regeln som avgör prioriteringskonflikter: människan går alltid före produkten. Att skydda marginalerna och människorna med samma kameror följer sedan av den organisationen.