Prevenção de perdas com IA de visão: o que muda quando a operação é lida em tempo real

Uma rede com dezenas ou centenas de unidades, sejam lojas, supermercados, restaurantes, farmácias ou centros de distribuição, tem imagem gravando o dia inteiro e quase ninguém para assistir. Na prática, a maior parte do vídeo só é vista depois que a perda aconteceu, quando alguém abre a gravação para entender o que deu errado.

Com leitura automática, a imagem é interpretada enquanto a cena acontece, em vez de ficar guardada para consulta posterior. O vídeo deixa de servir só como prova depois do fato e passa a gerar aviso durante o fato.

O que o circuito tradicional faz bem

O circuito convencional é bom em registrar. Ele guarda o que aconteceu para que alguém possa revisar depois, o que ajuda em investigação, em contestação de estorno e em processo trabalhista. Só que ele depende de alguém suspeitar, procurar e encontrar.

A leitura automática usa a mesma imagem com outra pergunta: o que está acontecendo aqui, agora, que foge do padrão desta unidade? O registro continua existindo. Por cima dele entra uma camada que interpreta o vídeo que a operação já produz, no momento em que a cena acontece.

O que "ler a cena" significa na prática

Ler a cena quer dizer reconhecer padrões de operação e situações que costumam vir antes de uma perda. A leitura não diz quem é quem nem aponta culpados. Alguns exemplos do que ela consegue sinalizar:

• Aglomeração fora do padrão em uma área de produto de alto valor.
• Porta de estoque ou de saída de emergência aberta fora do padrão.
• Fila crescendo no caixa sem operador suficiente, o que abre brecha para saída sem pagamento.
• Movimento atípico na prateleira de itens pequenos e caros.
• Ninguém na frente de loja ou no balcão em horário que deveria ter cobertura.

Boa parte dessa lista é contexto operacional, e pouco dela é furto. Em rede grande, muita perda vem de brecha de processo, como caixa descoberto, conferência mal feita ou área sem gente. A leitura automática ajuda a fechar essas brechas antes que apareçam no inventário.

Perda vai além do furto

Quando a diretoria fala em prevenção de perdas, a cabeça costuma ir para o furto de cliente. O rombo, porém, se espalha por várias frentes, e uma delas é a fraude no caixa: estorno, cancelamento e desconto indevidos, devolução fictícia, venda camarada para conhecido, gaveta aberta sem venda, irregularidade no self-checkout. Somam-se a ela a fraude e o erro no recebimento, a quebra operacional e a falha de conferência. Uma camada que lê a operação acompanha o comportamento geral da unidade e sinaliza o que foge do padrão, qualquer que seja a causa, sem precisar escolher uma frente só.

Por que isso pesa mais em rede grande

Em uma unidade, um bom prevencionista dá conta de olhar as telas. Em dezenas, ninguém dá. A rede tem imagem de sobra e pouca atenção para distribuir entre tantos pontos.

Cada unidade nova acrescenta área exposta, turnos para cobrir e rotinas de conferência para acompanhar. A dificuldade cresce com o tamanho do parque, por mais empenho que o time de prevenção tenha.

É esse problema de escala que a leitura automática resolve. Uma camada de software acompanha dezenas ou centenas de pontos ao mesmo tempo, sem cansaço e sem pausa. O time de prevenção para de tentar assistir tudo e passa a receber avisos sobre o que de fato pede um olhar humano. O prevencionista continua decidindo e agindo; a tecnologia indica onde vale olhar primeiro.

Desenhado a partir da operação que existe

Na comparação entre fornecedores, essa diferença costuma passar despercebida. Um agente de catálogo chega pronto, com uma definição de padrão e desvio feita para a média do mercado, e vai sinalizar o que a média sinaliza. A sua rede tem o próprio normal.

O que conta como desvio muda de uma operação para outra. Uma farmácia de rua de madrugada e um centro de distribuição na troca de turno têm rotinas bem diferentes. Uma rede com estoque no mezanino e outra com estoque nos fundos têm áreas críticas diferentes. Quando o agente é desenhado a partir da operação real (layout, turnos, filas, rotina de conferência), o time de prevenção recebe menos ruído.

Alerta que não se sustenta faz mais mal do que bem, porque em duas semanas o time aprende a ignorar. O que importa é quantos avisos justificaram o deslocamento de alguém, e não quantos o sistema gerou.

LGPD entra no projeto desde o desenho

Software que lê imagem de gente acende, com razão, o alerta de privacidade. Em rede grande, o assunto passa pelo jurídico, pelo compliance e, cada vez mais, pela diretoria.

O que define o projeto é o propósito. Uma abordagem responsável de IA de visão para prevenção de perdas olha comportamento e padrões de cena. A leitura serve para avisar que algo atípico está acontecendo em determinado ponto, e não para montar cadastro de pessoas ou dizer quem é quem. Tratar privacidade como requisito desde o desenho, em vez de remendar depois, mantém o projeto dentro da LGPD e defensável perante o cliente final.

Para quem decide, além de perguntar se a solução reduz perda, vale perguntar se ela reduz perda de um jeito que se sustenta diante da LGPD.

O que muda na rotina do time

No dia a dia, a mudança aparece assim:

• O time para de vasculhar gravação depois do fato e passa a responder a sinais no momento em que surgem.
• A cobertura acompanha o tamanho da rede, em vez de depender de quantas telas cabem na sala.
• A conversa com a operação deixa de girar em torno de perda já lançada no inventário, porque dá para agir na brecha antes que ela vire prejuízo.
• A prevenção passa a ter dado consistente entre unidades, o que ajuda a comparar e a priorizar onde o risco é maior.

A decisão continua com quem entende da operação. Muda a qualidade da informação que chega até essa pessoa e a rapidez com que chega.

Se você quer saber se esse modelo faz sentido para a sua operação, uma conversa sem compromisso mostra se o perfil da sua rede se encaixa no que atendemos.