De reativo a proativo: como a IA está transformando a prevenção de perdas no varejo
Por Loss Prevention Media, 28 de março de 2025
Dados de pesquisas revelam que furtos custaram aos varejistas mais de US$ 121 bilhões em receita bruta no ano passado, e especialistas preveem que esse número crescerá para mais de US$ 150 bilhões até 2026. Além disso, os varejistas relataram um aumento de 93% no número de furto em lojas e um aumento de 90% nas perdas em relação ao período anterior de cinco anos. Essas descobertas ressaltam a magnitude das perdas que o setor varejista já absorveu e o imperativo estratégico de abordar esse problema de forma decisiva.
No modelo tradicional de varejo, as perdas vinham de formas previsíveis, como furtos em lojas, roubos por funcionários, falhas de processo, erros administrativos e deterioração de estoque. Hoje, criminosos usam IA para identificar vulnerabilidades de sistemas, contornar medidas de segurança e lançar ataques que podem resultar em consequências devastadoras.
Por exemplo, bots habilitados para IA estão coletando dados de clientes, testando credenciais roubadas e derrubando sites. Cibercriminosos estão usando a IA para criar personas online falsas para cometer fraudes em larga escala.
Criminosos estão interferindo na cadeia de suprimentos, infiltrando-se em sistemas de faturamento e comunicações para gerar faturas falsas e redirecionar remessas. Hackers estão injetando códigos maliciosos em formulários de pagamento de sites para roubar dados de cartão de crédito e informações pessoais.
Não é possível prevenir esses tipos de ataques usando tecnologias antigas, pois os criminosos podem facilmente explorar a rigidez, a adaptabilidade limitada e os longos tempos de resposta inerentes a essa abordagem.
Para abordar essa questão, a IHL apresenta uma estrutura de quatro partes para análises de varejo com tecnologia de IA começando com descritivo (o que aconteceu), diagnóstico (porque aconteceu), preditivo (o que poderia acontecer) e prescritivo (o que deve acontecer em seguida). A pesquisa mostra que os varejistas que utilizam análises preditivas e prescritivas estão superando significativamente os concorrentes que utilizam métodos legados para prevenção de perdas.
Implementando análises de varejo com tecnologia de IA
Quando se trata de prevenção de perdas, as análises de varejo com tecnologia de IA ajudam você a ir além de estratégias reativas e implementar abordagens proativas e preditivas que proporcionam melhores resultados.
A IA integra perfeitamente dados de uma ampla gama de fontes, como sistemas de ponto de venda (PDV), vigilância por vídeo, gestão de estoque, registros de acesso de funcionários, feeds de dados externos e muito mais. Ao visualizar a interação desses fatores, você obtém uma visão holística de suas operações e permite a tomada de decisões baseada em dados.
Soluções com tecnologia de IA podem monitorar transações e atividades continuamente, sinalizando comportamentos suspeitos em tempo real. Como suas ferramentas de análise de varejo podem detectar e remediar roubos assim que eles ocorrem, você pode prevenir perdas antes que elas se agravem.
Usando o reconhecimento de padrões com tecnologia de IA, você pode analisar dados transacionais para identificar fraudes. Com um algoritmo capaz de lidar com grandes quantidades de dados, sua solução pode detectar esquemas complexos envolvendo múltiplas contas e transações. Para clientes individuais, você pode estabelecer padrões básicos e automatizar alertas quando surgirem desvios, como gastos incomuns ou outras anomalias.
A análise preditiva analisa dados históricos para identificar padrões e prever riscos potenciais, permitindo que você antecipe e previna perdas antes que elas aconteçam. Por exemplo, digamos que sua solução detecte um padrão que mostra um aumento de 30% na perda de estoque em lojas com alto volume de funcionários temporários durante a temporada de festas de fim de ano.
Como a tecnologia consegue identificar lojas e períodos específicos que se enquadram nesse padrão, você pode implementar medidas de segurança direcionadas para reduzir perdas proativamente.
Aproveitando a IA generativa
IA Generativa refere-se a um tipo de inteligência artificial que gera novos conteúdos com base em entradas de dados e usa aprendizado de máquina para analisar padrões e gerar saídas realistas. Esses modelos são treinados em vários tipos de dados, como áudio, imagens e texto, e aprendem a interpretar padrões nos dados. Quando solicitados, os modelos de IA generativa podem usar seu conhecimento para fornecer novos conteúdos.
A tecnologia se integra às medidas de segurança existentes no varejo de diversas maneiras para aprimorar suas capacidades e eficácia. Por exemplo, a IA generativa aprimora os sistemas de circuito fechado de televisão existentes, ampliando os recursos de análise de vídeo, permitindo detectar movimentos incomuns, identificar possíveis ladrões e capturar infratores conhecidos em tempo real. Ela também se integra a medidas de segurança biométrica, como reconhecimento facial, para garantir que apenas pessoas autorizadas tenham acesso a áreas restritas, minimizando o risco de furto interno.
Para a gestão de estoque, a IA generativa analisa dados de sistemas de PDV para revelar padrões de transações suspeitas que indicam fraude no caixa. A tecnologia também se integra a sistemas de rastreamento para estabelecer visibilidade em tempo real dos níveis de estoque, evitando perdas relacionadas a estoque insuficiente ou excessivo.
A IA generativa pode ser integrada a hardware existente, como sensores de porta, janela e movimento, para aprimorar os sistemas de detecção de intrusão, e os aprimoramentos na interface do usuário tornam essas ferramentas mais responsivas e intuitivas. Aproveitando esses recursos, você pode criar uma estratégia de prevenção de perdas mais eficiente e eficaz, que protege os ativos e melhora a segurança geral.
Executando IA para prevenção de perdas no varejo
Quando estiver pronto para propor soluções de prevenção de perdas com IA, comece definindo os objetivos e os detalhes dos casos de uso aplicáveis ??ao seu negócio.
Em seguida, avalie sua infraestrutura atual, o que envolve avaliar seus sistemas de segurança existentes. Você também precisará identificar potenciais pontos de integração para tecnologias de IA, como gerenciamento de controle de acesso, da cadeia de suprimentos ou análise do comportamento do cliente.
Após concluir sua avaliação, colete e prepare seus dados — isso envolve a coleta de informações históricas (por exemplo, imagens de segurança, transações e inventário). A qualidade e a integralidade de seus conjuntos de dados impactarão diretamente o desempenho e a conformidade com os requisitos regulatórios, por isso é importante priorizar esta etapa.
Ao selecionar uma solução que melhor se adapte aos seus casos de uso, considere modelos de IA tradicionais e generativos (por exemplo, análise preditiva para detecção de fraudes ou IA generativa para reconhecimento de padrões). A partir daí, adapte e treine os modelos escolhidos usando dados históricos para melhorar a precisão.
Para integrar seus modelos com sistemas existentes, desenvolva APIs ou plug-ins para incorporar IA em aplicativos atuais e garantir a integração perfeita com sistemas-chave, como CFTV, PDV e sistemas de inventário. Em seguida, implemente o monitoramento em tempo real, que envolve a análise contínua dos fluxos de dados e a configuração de alertas para atividades suspeitas.
Estabeleça medidas de segurança, o que exige a implementação de protocolos robustos de proteção de dados e a configuração de controles de acesso e autenticação de usuários para ferramentas de IA. Em seguida, teste e valide conduzindo testes completos em um ambiente controlado e avaliando o desempenho da IA ??em relação aos benchmarks estabelecidos.
Quando estiver confiante e pronto, é hora de treinar a equipe. Isso envolve educar os funcionários sobre as novas medidas de prevenção de perdas aprimoradas por IA e implementar o sistema em fases, começando com os lançamentos piloto. Você precisará avaliar continuamente o desempenho do seu sistema de IA e refinar os modelos com base em padrões de ameaças emergentes e novos dados.
Para garantir a conformidade e o uso ético, revise regularmente o uso da IA ??em relação aos padrões legais e éticos e atualize as políticas para atender às crescentes capacidades e regulamentações de IA. Seguindo essa metodologia, você poderá ter sucesso na implementação de IA e IA generativa para prevenção de perdas, reduzindo perdas e melhorando a eficiência operacional.
Ram Venkataraman é o CEO da Kibo, onde utiliza mais de 25 anos de experiência na indústria de software para impulsionar o crescimento e o sucesso da empresa. Sua filosofia de liderança se concentra em nutrir o bem-estar individual e da equipe, ao mesmo tempo em que atende com paixão funcionários, clientes e parceiros. A carreira de Ram abrange um amplo espectro de funções, desde a liderança de startups em fase inicial até funções de liderança em empresas de capital aberto. Antes de sua gestão na Kibo, ele foi CTO das plataformas de pagamento da NCR, demonstrando sua profunda expertise em tecnologia e desenvolvimento de produtos.
