Tehisintellekt aitab poevarguste nõiaringi katkestada

Teisipäeval kaob kaupluse riiulilt 20 euro eest kaupa. Neljapäeval juhtub sama ja laupäeval jälle. Kui üks vargus eraldi ei pruugi tunduda kuigi suur, siis aasta jooksul ulatuvad kahjud tuhandetesse eurodesse. Sageli on tegija seejuures üks ja sama inimene, kes teab täpselt, millal ja kuidas tegutseda. Kuidas sellistele korduvvargustele piir panna? Lahendus võib peituda kaupluse olemasolevates valvekaamerates, millele annab tehisintellekt võime kahtlast tegevust õigel hetkel märgata.

Nixor EE AS

Tehisintellekt aitab poevarguste nõiaringi katkestada

Poevargust peetakse sageli juhuslikuks sündmuseks: keegi kasutas sobivat hetke ära ja kadus koos kaubaga. Tegelikkuses on vargus sageli pigem korduv muster kui üksikjuhtum. Prantsuse tehisintellektiettevõtte Veesion andmetel, kelle lahendus on kasutusel enam kui 5000 kaupluses üle 50 riigis, on ligikaudu 60% tabatud vargustest seotud korduvvarastega. Üks korduvvaras sooritab keskmiselt 2,5–4 vargust nädalas.

Lihtne arvutus näitab, kui kulukaks selline tegevus kaupmehele kujuneb. Kui üks inimene viib kolm korda nädalas kaasa 20 euro eest kaupa, teeb see 60 eurot nädalas ja üle 3100 euro aastas. Ühe kaupluse ümbruses tegutseb Veesioni andmetel keskmiselt 5–10 korduvvarast. Nii võib aastane kahju ulatuda 15 600–31 200 euroni ühe kaupluse kohta. Kõik see koguneb üksikjuhtumitest, mis eraldi võttes võivad tunduda tühised.

Üks korduvvaras sooritab keskmiselt 2,5–4 vargust nädalas.

Pealegi kipuvad varastatud kauba kogused ja väärtus aja jooksul kasvama. Iga õnnestunud vargus annab tegijale enesekindlust juurde: kott muutub suuremaks ja poeskäigud sagedasemaks. Mida varem õnnestub see muster katkestada, seda väiksemaks jääb kaupmehe kogukahju.

Kaamera salvestab, kuid ei sekku

Enamikus kauplustes on videovalve juba olemas, kuid kaamera olemasolu üksi vargust ära ei hoia. Tavapärane videovalve salvestab toimuvat ning sageli vaadatakse salvestisi alles tagantjärele, kui inventuuris ilmneb puudujääk ja varas on ammu lahkunud.

Samal ajal ei suuda ükski töötaja tundide kaupa mitut ekraani jälgida ning selle kõrvalt kliente teenindada, kaupa riiulitele panna ja kassas abiks olla. Traditsiooniliste lahendustega avastatakse hinnanguliselt alla 5% vargustest.

Seega ei ole probleem tingimata kaamerate puudumises, vaid selles, et nende salvestatud infot ei jõuta õigel ajal kasutada. Kaupmehel võib olla toimuvast suurepärane ülevaade tagantjärele, kuid sellest on vähe abi, kui vargus oleks tulnud peatada juba müügisaalis.

Kaamera märkab, töötaja otsustab

Just selle probleemi lahendamiseks toob Nixor Eesti kauplustesse oma partneri Veesioni tehisintellektil põhineva videoanalüüsi. Lahendus jälgib olemasolevate kaamerate pilti pidevalt ning annab töötajale märku kohe, kui märkab tegevust, mis võib viidata vargusele.

Erinevalt tavapärasest videovalvest ei pea töötaja kahtlast olukorda ise ekraanilt otsima. Süsteem teeb esmase analüüsi tema eest, kuid lõpliku otsuse jätab inimesele.

Igapäevatöös toimib see järgmiselt:

Lahendus analüüsib kaamerapilti reaalajas ööpäev läbi. See ei tuvasta inimese isikut, vaid jälgib tema tegevust, näiteks käe, toote ja koti omavahelist liikumist.
Kahtlase liigutuse märkamisel loob süsteem umbes 20-sekundilise videoklipi. Selliseks tegevuseks võib olla toote peitmine riiete alla, kotti või lapsevankrisse, mitme toote korraga riiulilt kotti tõmbamine või turvaluku eemaldamine.
Videoklipp jõuab reaalajas töötaja seadmesse. Klipis on näha tavaline valvekaamera pilt koos inimese tegevusega. Märguandele on lisatud vahekäigu asukoht ja värvikood, mis näitab kahtluse taset.
Töötaja vaatab klipi üle ja otsustab, kas ning kuidas sekkuda. Süsteem ei langeta inimese eest otsust ega käsitle iga kahtlast liigutust automaatselt vargusena.

Veesioni andmetel on keskmiselt 85–90% süsteemi märguannetest seotud vargusega. Iga kauplus saab jälgitavaid liigutusi oma vajaduste järgi kohandada ning töötajate tagasiside aitab süsteemil kaupluse eripäradega kohaneda. Eriti täpselt on lahendus häälestatud toodete kotti peitmise tuvastamisele, sest just selline tegevus on korduvvarguste puhul levinud.

Oluline on seegi, et kaupmees ei pea tingimata investeerima uude kaamerasüsteemi. Veesioni videoanalüüs ühendatakse kaupluse olemasoleva videovalvega sõltumata selle tootjast, eeldusel, et kaamerad vastavad tehnilistele miinimumnõuetele. Analüüsiks paigaldatakse kauplusesse eraldi server, mis ühendatakse videovalve võrku. Seega saab juba tehtud investeeringut kasutada senisest tõhusamalt.

Üks tavaline pärastlõuna kaupluses

Kujutame ette toidukauplust reede pärastlõunal. Kassas on järjekord, müügisaalis paneb töötaja kaupa riiulitele ning kliendid teevad nädalavahetuse oste. Joogiriiuli juures libistab üks klient kaks pudelit seljakotti. Mõne hetke pärast vibreerib töötaja telefon: saabunud on märguanne koos joogivahekäigu asukoha ja lühikese videoklipiga.

Töötaja vaatab klipi üle ning jõuab kliendini enne, kui too kauplusest lahkub. Kaup jõuab kassasse või tagasi riiulile ja klient saab ühtlasi selge sõnumi, et selles kaupluses märgatakse kahtlast tegevust.

Seejuures ei tähenda tehisintellekti märguanne automaatset süüdistust. Töötaja hindab olukorda ise ning kauplus otsustab oma sisereeglite ja kehtivate õigusaktide põhjal, kuidas edasi tegutseda.

Pärast juhtumit saab töötaja rakenduses märkida, kas kaup saadi tagasi, selle eest tasuti või jäi see kadunuks. Samuti võib ta lisada kommentaari, näiteks: “Sama inimene mis eile, sama vahekäik, punane seljakott.”

Nii jõuab oluline info ka järgmise vahetuse töötajateni. Süsteem ise inimesi ei tuvasta, kuid meeskond saab varasemaid juhtumeid võrrelda ja korduvaid olukordi paremini märgata. Sisuliselt tekib kauplusele ühine mälu, mis ei sõltu enam sellest, kas sama töötaja on järgmisel päeval tööl või mitte.

Kinnitatud juhtumite videoklippe saab vajaduse korral ja kooskõlas kehtivate õigusaktidega kasutada ka tõendina.

Kui varas mõistab, et tema tegevust märgatakse, võib see vähendada tõenäosust, et ta samasse kauplusesse tagasi tuleb.

Väiksem kahju, vähem ajakulu ja parem ülevaade

Korduvvarguste ennetamise suurim väärtus ei seisne ainult ühe varguse peatamises. Kui varas mõistab, et tema tegevust märgatakse, võib see vähendada tõenäosust, et ta samasse kauplusesse tagasi tuleb. Nii saab katkeda muster, mis muidu põhjustaks kaupmehele kahju nädalast nädalasse ja kuust kuusse.

Veesioni andmetel teenib lahendus toidukaubanduses ennast keskmiselt kahe- kuni viiekordselt tagasi. Tegelik tulemus sõltub aga kauplusest ja sellest, kui järjepidevalt töötajad märguandeid käsitlevad. Lisaks väheneb videote tagantjärele läbivaatamisele kuluv aeg hinnanguliselt 8–30 tunni võrra kuus.

Kasu ei piirdu vaid üksiku kauplusega. Ühe rakenduse kaudu saavad juhid ülevaate kõigist oma kauplustest ning näevad, millal ja millistes vahekäikudes esineb kõige rohkem vargusi, millised juhtumid põhjustavad suurimat kahju ning kui palju kahju on õnnestunud ära hoida.

Nii muutub kadude ennetamine senisest paremini mõõdetavaks. Selle asemel et tegeleda üksnes inventuuris ilmnenud puudujääkidega, saab kaupmees analüüsida probleemide tekkekohti ja suunata ennetustegevuse sinna, kus seda kõige enam vajatakse.

Osa kasust ei pruugi aga kajastuda üheski aruandes. Ühe kaupmehe kogemuse põhjal võib turvalisem müügisaal parandada ka ostukogemust.

Mida tehisintellekt näeb ja mida mitte?

Tehisintellektil põhineva videovalve puhul tekib paratamatult küsimus, milliseid andmeid süsteem inimeste kohta kogub ja kuidas neid kasutatakse.

Veesioni sõnul analüüsib lahendus kehaosade ja esemete liikumist, mitte inimese isikut. Süsteem ei tuvasta, kes inimene on, ega analüüsi tema välimust, näiteks rahvust, pikkust või kehakaalu.

Videoanalüüs kasutab kaupluse olemasoleva videovalvesüsteemi pilti, kuid ei salvesta ise pidevat reaalajas videovoogu. Kaupluse senine videovalve jätkab tööd tavapäraselt ning salvestiste säilitamise tingimused jäävad kaupluse määrata.

Tehisintellektil põhinev lahendus säilitab üksnes lühikesed videoklipid olukordadest, mille süsteem on märkinud kahtlasena. Tegemist on tavaliste valvekaamera kaadritega, kus inimene on näha. Klippe hoitakse krüpteeritult kuni 30 päeva ning säilitusaega saab seadistada vastavalt kohalikele õigusnõuetele. Kaupluse juhid saavad määrata ka selle, kellel on õigus klippe salvestada või jagada.

Nagu tavapärase videovalve puhul, tuleb ka tehisintellektil põhineva analüüsi kasutamisel järgida andmekaitsenõudeid. Seetõttu on oluline enne lahenduse kasutuselevõttu läbi mõelda nii andmete töötlemise eesmärk, ligipääsuõigused kui ka salvestiste säilitamise tingimused.

Kuidas olemasolevast videovalvest rohkem kasu saada?

Müügisaali videoanalüüs on üks osa terviklikust kadude ennetamisest, mis hõlmab kogu kliendi ostuteekonda. Elektroonilised hinnasildid aitavad hoida hinnainfo täpsena, nutikad kaalud ja iseostlemise lahendused vähendavad eksimusi ning kassaprotsessi aitab kontrollida Toshiba ELERA® Loss Prevention. Müügisaalis lisandub neile tehisintellekt, mis suudab märgata võimalikku vargust juba selle toimumise hetkel.

Koos aitavad need lahendused kaupmehel vähendada kadusid nii müügisaalis kui ka kassas ning saada parema ülevaate sellest, kus ja miks probleemid tekivad.

Kuna iga kauplus on erinev, lähtub Nixor lahenduse kasutuselevõtul konkreetse kaupmehe vajadustest. Ühes kaupluses võib esimene samm olla olemasoleva videovalve ja kaamerate paigutuse ülevaatamine, teises süsteemi seadistamine vastavalt kaupluse eripäradele ja klientide ostuharjumustele. Sama oluline on töötajate juhendamine, et märguannetest oleks igapäevatöös võimalikult palju abi.

Alustada ei pea kogu kaupluseketist korraga. Lahendust saab esmalt katsetada ühes kaupluses ning laiendada selle kasutamist vastavalt vajadusele ja saadud tulemustele.