GUIDA alle industrie

L’intelligenza artificiale nella prevenzione delle perdite nel commercio al dettaglio

L’intelligenza artificiale nella prevenzione delle perdite nel commercio al dettaglio utilizza la visione artificiale e l’analisi delle transazioni per individuare probabili furti, errori di scansione e frodi, il più delle volte alle casse automatiche, e per allertare il personale.

Ascolta questa guidaNarrato dall'IA · ~3 min

In questa pagina4 minuti di lettura
  1. Panoramica
  2. Immersione profonda
  3. Implementazione nel mondo reale
  4. Il futuro dell’intelligenza artificiale nella prevenzione delle perdite nel commercio al dettaglio
  5. Metterlo in pratica
  6. Continua a esplorare
  7. Domande frequenti

Panoramica

È importante perché le differenze inventariali riducono i margini di vendita al dettaglio. Gli stessi sistemi possono anche segnalare erroneamente clienti innocenti e sollevare seri problemi di privacy e pregiudizi.

Immersione profonda

I rivenditori utilizzano la parola restringimento per l'inventario che scompare tra la consegna al negozio e la vendita. Comprende il taccheggio e il furto organizzato. Include anche furti da parte di dipendenti, frodi da parte di fornitori e semplici errori amministrativi, quindi non tutte le differenze inventariali sono furti da parte dei clienti. Gli strumenti di intelligenza artificiale prendono di mira molti di questi. Alla cassa automatica, le telecamere in alto eseguono modelli che riconoscono i prodotti e i movimenti delle mani. Il sistema confronta ciò che vede con ciò che ha registrato il sistema del punto vendita. I modelli comuni includono scansioni saltate, spostamento di un articolo nello scanner e inserimento del codice prodotto per un articolo più economico. La maggior parte delle distribuzioni non richiede sicurezza. Mostrano un replay sullo schermo o avvisano un addetto, che rileva anche gli errori onesti. I fornitori in questo spazio includono Everseen e diversi fornitori di punti vendita integrano funzionalità simili nelle loro corsie di pagamento. Dietro le quinte, il reporting basato sulle eccezioni scansiona i registri delle transazioni per rimborsi, annullamenti e sconti insoliti e per dolcezze, in cui un cassiere lascia che un amico salti il ​​pagamento degli articoli. Questi sono modelli statistici anomali. Una bandiera significa guardare più da vicino, non una prova. Lo strumento più controverso è il riconoscimento facciale contro le watchlist. Nel dicembre 2023 la Federal Trade Commission degli Stati Uniti ha vietato a Rite Aid di utilizzare il riconoscimento facciale per la sorveglianza per cinque anni. Si è riscontrato che il sistema aveva prodotto molte false corrispondenze e che la società non aveva adottato misure ragionevoli per proteggere i consumatori. La FTC ha inoltre osservato che le donne e le persone di colore corrono un rischio particolare di identificazione errata. Nel Regno Unito, l'uso di Facewatch da parte dei rivenditori ha suscitato lamentele da parte di gruppi sulla privacy. Un malinteso fondamentale è che un avviso AI sia una prova di furto. Le fotocamere perdono il contesto e i modelli commettono errori. Anche il furto è raro rispetto alle transazioni oneste, quindi anche un modello accurato può produrre molti falsi allarmi. Le implementazioni responsabili tengono gli esseri umani aggiornati, non confrontano nessuno solo sulla base di un avviso e limitano il tempo di conservazione dei dati.

Implementazione nel mondo reale

Una telecamera sopra una corsia di cassa automatica vede un articolo passare dal carrello all'area di imbustamento senza la scansione del codice a barre. Lo schermo mostra all'acquirente un breve replay e gli chiede di scansionarlo nuovamente.

Il software di reporting basato sulle eccezioni segnala un cassiere i cui rimborsi per mancata ricevuta sono molto al di sopra della media del negozio e un manager li esamina.

Un sistema rileva il cambio di biglietto, dove un articolo costoso viene segnalato con un codice di prodotto economico, confrontando ciò che vede la telecamera con il peso e il codice immessi.

Un rivenditore che testa il riconoscimento facciale per confrontare le persone con una lista di trasgressori del passato deve gestire il rischio di identificare erroneamente dei sosia.

Il futuro dell’intelligenza artificiale nella prevenzione delle perdite nel commercio al dettaglio

La visione del self-checkout e l’analisi delle transazioni diventeranno probabilmente più comuni e maggiormente integrate nell’hardware di cassa, perché mirano a perdite misurabili con poco confronto. Il riconoscimento facciale probabilmente rimarrà contestato. Il suo utilizzo sarà modellato dalle autorità di regolamentazione, dalle leggi sulla privacy come le norme sul consenso biometrico in alcune giurisdizioni e dalla reazione del pubblico. Alcuni rivenditori hanno anche ridotto le casse automatiche o le hanno limitate a piccoli cestini, per ricordare che il design del negozio è di per sé uno strumento di prevenzione delle perdite. Le domande più importanti riguardano l’accuratezza di questi sistemi nei diversi gruppi di persone, il modo in cui il personale risponde agli avvisi e quali dati vengono conservati.

Metterlo in pratica

Perché è importante

  • Contesto e regole. Il contesto del settore determina se le idee dell’intelligenza artificiale sopravvivono al contatto con la realtà.
  • Controllo di qualità. I vincoli di dominio influenzano i tassi di errore accettabili e i modelli di supervisione.
  • Scelte di build. Le implementazioni di successo allineano le capacità tecniche con i flussi di lavoro in prima linea.

Attenzione

  • I requisiti normativi possono invalidare prototipi altrimenti robusti.
  • I dati storici possono codificare pregiudizi che danneggiano comunità specifiche.
  • I sistemi legacy possono creare colli di bottiglia nell’integrazione e costi nascosti.

Prossimi passi

  1. Coinvolgere esperti del settore dall'inquadramento del problema alla valutazione.
  2. Progettare audit trail e documentazione prima del lancio.
  3. Convalidare tempestivamente la conformità e gli obblighi di sicurezza.
  4. Implementazione in fasi con chiari criteri di stop e rollback.

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.

Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.

Mettiti alla prova

Take the AI in Retail Loss Prevention quiz

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

Che cos'è l'intelligenza artificiale nella prevenzione delle perdite nel commercio al dettaglio?

L’intelligenza artificiale nella prevenzione delle perdite nel commercio al dettaglio utilizza la visione artificiale e l’analisi delle transazioni per individuare probabili furti, errori di scansione e frodi, il più delle volte alle casse automatiche, e per allertare il personale. È importante perché le differenze inventariali riducono i margini di vendita al dettaglio. Gli stessi sistemi possono anche segnalare erroneamente clienti innocenti e sollevare seri problemi di privacy e pregiudizi.

Quale affermazione sulle differenze inventariali nel settore retail è corretta?

Le differenze inventariali coprono tutto l'inventario che scompare tra la consegna e la vendita, compresi errori e frodi, non solo i taccheggi. Questo è il motivo per cui non tutte le perdite portano a un cliente.

Che cos'è il cambio del biglietto alle casse automatiche?

Cambiare biglietto significa pagare un prezzo inferiore inserendo il codice dell'articolo più economico. I sistemi di visione lo rilevano confrontando ciò che vede la telecamera con il codice e il peso inseriti.

Quali azioni ha intrapreso la FTC statunitense riguardo a Rite Aid nel dicembre 2023?

La FTC ha scoperto che il sistema di Rite Aid produceva molte false corrispondenze senza ragionevoli garanzie e ha impedito alla società di utilizzare il riconoscimento facciale per la sorveglianza per cinque anni.

Perché un accurato modello di rilevamento dei furti può ancora produrre più falsi allarmi che veri?

Questo è l’effetto del tasso di base. Quando l'evento che stai cercando è raro, i pochi errori commessi sull'enorme numero di transazioni oneste possono superare i rilevamenti corretti.

Cosa analizza il reporting basato sulle eccezioni?

Il reporting basato sulle eccezioni cerca valori anomali statistici nei dati del punto vendita, come un cassiere con insolitamente molti rimborsi senza ricevuta, e li contrassegna per la revisione umana.