Bir mağaza sahibi akıllı kameraların geldiğini duyurduğunda, ekipleri nadiren teknik bir soru sorar. Daha çok şunu sorarlar: « Bu sistem beni mi izleyecek? ». Soru yerindedir ve bir tanıtım broşürü buna cevap vermez. Görüntü analizi yapan yapay zekanın mağazada gerçekte neyi analiz ettiğini anlamanın en basit yolu, bir görüntünün kameradan bildirime kadar izlediği yolu takip etmek ve bu sırada modelin neleri yok saydığını not etmektir.

Video analizi, perakendede hâlâ yaygın biçimde kullanılmıyor. ECR Retail Loss'un perakendede video analizi üzerine anketinde, çoğu Avrupalı ve Kuzey Amerikalı 70 perakendeciyle 2024'te yapılan çalışmada, tespit edilen analizlerin ortalama kullanım oranı %10'u geçmiyordu ve satış alanında %4'e düşüyordu. Sektörde bir uzlaşı bulunmadığı için aynı rapor, video analizi için bir çalışma tanımı öneriyor: görüntüleri otomatik olarak yorumlayarak açıkça tanımlanmış ve kullanılabilir sonuçlar üreten bir sistem. Bundan sonrasının tamamı bu iki sözcükte düğümleniyor.

Bir görüntü analizi yapay zekası için « görmek » ne demek?

Bir kamera art arda gelen görüntüler iletir. Model ise bir sahneyi bir reyon çalışanının yapacağı gibi « anlamaz »: el konumlarını, nesneleri ve hareketleri öğrenilmiş kategorilerle karşılaştırır. Gözlemlediği şey bu kategorilerden birine yeterince uyduğunda bir olay üretir: bir jest türü, bir bölge, bir saat, kısa bir video kesiti. Daha fazlası yok.

Bu noktada her şey görüntünün netliğine bağlıdır. Düşük çözünürlüklü bir akışta, bir ceket cebine jilet kaydıran el birkaç bulanık piksele dönüşür. Bu yüzden yüksek çözünürlüklü ana akış üzerinden video analizi önemlidir. Oxania'da bu ana akış, mağazaya kurulan özel bir GPU üzerinde işlenir: tespit yerel olarak yapılır, kamera akışı mağazadan dışarı çıkmaz ve yalnızca bir alarma bağlı kesitler, müşterinin ülkesine en yakın sunucularda saklanır.

İnsanlara bakan bir göz değil, kapalı bir jest sözlüğü

Kayıp önleme alanında uygulandığında, bir hareket tespit modeli sınırlı sayıda kategoriyle çalışır. Hırsızlık tarafında genellikle şunlarla karşılaşılır:

  • bir ürünün cebe, giysinin altına veya kişisel bir çantaya gizlenmesi;
  • bir ürünün sırt çantasına, el çantasına veya türü belirsiz bir çantaya bırakılması;
  • kasaya geçmeden önce bir ambalajın açılması;
  • yerinde tüketim, yani ödenmemiş bir ürünü içmek veya yemek;
  • sahneyi okumaya yardımcı olan alışveriş arabası, bebek arabası veya alışveriş çantası gibi bağlam öğeleri.

Bazı sistemler, mallardan çok müşterilerin ve ekiplerin güvenliği için yararlı olan bir düşme uyarısı da ekler. Bu kategorilerin hiçbiri görüntüdekinin kim olduğunu söylemez. Riskli jest tespiti, belirli bir anda, belirli bir bölgede gerçekleşen bir eylemle ilgilidir.

Yapay zekanın yapmadıkları

Hariç tutulanların listesi, tespit edilenlerin listesi kadar önemlidir ve ekipleri çoğunlukla rahatlatan da odur. Bu çerçevede tasarlanmış bir jest analizi yapay zekası:

  • kimseyi tanımlamaz: yüz tanıma yok, isim yok, kişi kaydı yok;
  • bir bireyi bir reyondan diğerine ya da bir ziyaretten sonrakine takip etmez;
  • profil çıkarmaz: ne yaş, ne köken, ne de « riskli » kıyafet. İstatistikler kişiye göre değil, bölgeye ve zaman dilimine göre okunur;
  • niyet yargısında bulunmaz: riskli bir jest suç değildir, yalnızca bir insanın bakmasını hak eden bir durumdur;
  • çalışanların işini ölçmez: hiçbir kategori verimlilik, molalar veya prosedürlere uyumla ilgili değildir.

Bu kadar dar bir kapsamla aracın kullanımını açıklamak kolay kalır. Neyin bir alarmı tetiklediğini, bir satış danışmanına da bir müşteriye de tek cümleyle anlatabilirsiniz ve aracı kabul edilebilir kılan da tam olarak budur.

Alarm bir hüküm değildir: karar insanda kalır

Bir model bazen yanılır. Bir paket kahveyi aldıktan hemen sonra gözlüğünü cebine koyan bir müşteriyi düşünün: makineye göre sahne bir gizlemeye benzer. Bu nedenle alarm, ekibe yöneltilmiş bir soru olarak ele alınmalı, asla bir sonuç olarak görülmemelidir.

Avrupa Yapay Zeka Tüzüğü, insan gözetimine ilişkin 14. maddesinde tuzağı açıkça adlandırır: otomasyon önyargısı, yani makinenin sonuçlarına otomatik olarak ya da aşırı derecede güvenme eğilimi. Gözetimden sorumlu kişilerin sistemin sonucunu yok sayma, değiştirme veya tersine çevirme olanağına sahip olmasını ister. Metin yüksek riskli sistemleri hedefler, ancak aynı disiplini riskli hareketleri tespit eden her araca uygulamaya hiçbir şey engel değildir.

Sahada, uyarıyı alan kişi görüntü kaydına bakar, ardından seçim yapar: hiçbir şey yapmamak, reyona uğramak, müşteriye yardım teklif etmek ya da durum doğrulandığında yetkililer nezdinde işlem başlatmak. Görevliler ve yapay zeka birlikte çalışır ve kural basittir: teknoloji tespit eder, karar insanındır.

Müşterilere ve çalışanlara karşı şeffaflık

OECD'nin yapay zeka ilkeleri, 2019'da kabul edilip Mayıs 2024'te güncellenmiş olup şeffaflığı, açıklanabilirliği ve sorumluluğu güvenilir bir yapay zekanın beş ilkesi arasında sayar. Bir mağazada bu, birkaç somut alışkanlıktan geçer:

  1. Kurulumdan önce anlatmak. Ekiplere nelerin tespit edildiğini, nelerin edilmediğini ve alarmları kimin aldığını göstermek. Öngörülüyorsa personel temsilcilerini sürece dahil etmek.
  2. Bir kullanım kuralı yazmak. Araç kayıpları sınırlamak ve insanları korumak için kullanılır, personeli değerlendirmek için değil: bunu siyah beyaz yazmakta fayda var.
  3. Müşterileri bilgilendirmek. Girişteki bilgilendirme, mevcut kamera sisteminde olduğu gibi işletmecinin sorumluluğundadır. Okunaklı bir tabela ve erişilebilir kısa bir bilgilendirme metni, çoğu zaman endişeleri gidermeye yeter.
  4. Alarmların okunması konusunda eğitim vermek. Kesiti kontrol etmek, kibar kalmak, yalnızca bir bildirime dayanarak kimseye asla müdahale etmemek.
  5. Düzenli olarak değerlendirme yapmak. Elenen alarmları gözden geçirmek, kapsanan bölgeleri ayarlamak, öğrenilenleri ekiple paylaşmak.

İyi uygulandığında, görüntü analizi yapan bir yapay zeka yargılayan bir göze değil, sözcük dağarcığı çok sınırlı bir meslektaşa benzer: jestleri bildirir ve gerisini mağazayı bilenlere bırakır. Çerçevenin, ekipman kurulmadan önce, daha lansman toplantısında sunulmasında fayda vardır. Aracın neye baktığını ve neye bakmadığını bilen bir ekip onu gerçekten kullanır ve bilinmeyen stok kaybını azaltmaya başladığı an da tam olarak budur.