Кто такие шоплифтеры, почему и как воруют в магазинах? И как искусственный интеллект может анализировать их поведение и нейтрализовать их преступное поведение даже на стадии замысла кражи?
Евгений Золотарев, директор компании «Делетрон».
Причина, по которой ИИ оказывает огромное влияние на направление инженерно-технических средств охраны, заключается в его способности к самообучению. Возможность ошибки сводится к минимуму с каждой итерацией и позволяет исключить человеческий фактор. Как и у большинства современных технологий, у ИИ есть большой потенциал для роста.
В этом материале рассмотрим, как искусственный интеллект может помочь предотвратить убытки в розничной торговле. А если научить ИИ синтезировать опыт, он сможет практически заменить службу безопасности торгового предприятия.
Шоплифтинг: кто, почему и как воруют в магазинах
В эпоху ритейла до ИИ, по статистике, вора ловили только один раз на каждые 49 случаев шоплифтинга, а «хронические» преступники говорят, что попадаются только один раз на каждые 100 случаев воровства. По данным американской Национальной ассоциации по предотвращению краж в магазинах (NASP), воровство в торговых точках приводит к убыткам в розничной торговле на сумму около 100 миллиардов долларов. Поэтому те магазины, которые не идут в ногу с развитием современных технологий, продолжают нести колоссальные убытки.
Здесь важно подробнее разобраться в причинно-следственной связи, а именно, что движет шоплифтерами, кто они и почему воруют.
Обратимся к исследованию NASP, в котором они сравнили поведение шоплифтеров с поведением людей с наркотической зависимостью: «Наркоманы, которые пристрастились к воровству в магазинах, описывают свои ощущения от кражи так же, как и при употреблении наркотиков». Проще говоря, шоплифтинг может вызывать такое же или даже еще более сильное привыкание. По результатам опроса лиц, совершивших кражи, 57% взрослых и 33% несовершеннолетних говорят, что им трудно перестать воровать в магазинах даже после того, как их поймали.
По классификации Терренса Дэрила Шульмана, шоплифтеры делятся на семь типов: люди с устоявшейся привычкой воровать, профессиональные воры, люди с наркотической зависимостью, бедные или бомжи, искатели острых ощущений, рассеянные – те, кто ворует случайно, просто забыв заплатить, и клептоманы.
Важно разбираться в типах шоплифтеров, так как все эти люди будут немного по-разному вести себя в магазине. Но, тем не менее, есть ряд маркеров, указывающих на то, что человек намеревается покинуть магазин, не заплатив за свои покупки.
Например, при намерении украсть, которое также квалифицируется как кража в магазине, человек может совершать следующие действия: изменение ценника, удаление меток или антикражных бирок безопасности или других устройств с товара, помещение товаров в карманы или сумку, извлечение товара из упаковки и т.д.
Другие признаки планирования кражи в магазинах включают в себя:
- Наблюдение за персоналом и охраной, а не за товарами
- Избегание зрительного контакта
- Длительное нахождение возле выходов из магазина без определенной цели
Таким образом, имея понимание, какая цель движет потенциальным вором, кем он является и каковы основные маркеры его поведения, у нас появляется достаточная база для использования возможностей искусственного интеллекта против шоплифтинга.
Искусственный интеллект против шоплифтеров
Уже далеко не новость, что ИИ способен отследить факт кражи – например, вор взял бутылку алкоголя и спрятал ее под куртку, а потом направился к выходу без намерения за нее платить. В таком случае охрана останавливает подозреваемого и может пресечь сам факт уже состоявшейся, по сути, кражи. Сейчас развитие технологии идет семимильными шагами, и уже есть возможность отслеживать потенциальных воров еще на этапе планирования кражи. Сейчас мы как раз тестируем подобную разработку зарубежных коллег.
Система выявляет подозрительную активность еще до совершения кражи на основе более чем ста аспектов поведения покупателей, включая походку, движения рук, мимику и даже выбор одежды, а также «замечает» ряд подозрительных действий, от «беспокойного» поведения до складывания предметов в сумки или карманы. Если она обнаруживает поведение, которое считает подозрительным, предупреждает персонал магазина через приложение на смартфоне. Затем сотрудники должны принять меры – обычно они обращаются к потенциальным ворам и спрашивают, нужна ли им помощь. Даже простое приветствие потенциального вора сотрудником магазина снижает риск кражи на десятки процентов.
Здесь необходимо учитывать и менталитет воров. Так, разбирая аналитику поведения шоплифтеров одного из наших клиентов, крупной российской сети гипермаркетов, разработчики удивились уверенному поведению воров. Они подходят к стеллажам и, как ни в чем не бывало, уверенно берут товар, прячут его под курткой или убирают в сумку и покидают магазин или даже могут продолжить покупки.
В зарубежной практике воры ведут себя не так уверенно. Эти и многие другие аспекты необходимо учитывать при обучении искусственного интеллекта. Также важно проводить тестирование программного обеспечения, чтобы система правильно распознавала вора, несмотря на его расовую принадлежность, пол, социально-экономическое положение и другие факторы.
ИИ против мошенничества и воровства среди сотрудников и кассиров
По статистике, около 42,7% потерь товарных запасов в магазинах США каждый год вызвано кражами со стороны сотрудников.
Кражи могут совершаться не только на кассах, но и в местах с ограниченным доступом: складах, зонах разгрузки и погрузки товаров и так далее. В данном случае проблему решает тот же ИИ – умное видеонаблюдение на складах фиксирует случаи воровства и посылает сигнал службе охраны.
Также есть такая проблема, как взяточничество в зонах приемки товаров: когда привозят товар ненадлежащего качества, а сотрудник, ответственный за его прием, получив денежное вознаграждение, его принимает, хотя не должен был этого делать. Умная система может распознать даже качество овощей и фруктов и не допустить поступление в магазин товаров ненадлежащего качества. Как известно, ритейлеры несут большие убытки как раз по причине большого количества испорченных товаров. И технология ИИ хороша тем, что умеет подстраиваться под любые задачи бизнеса.
Зарубежная и российская практика применения ИИ против краж
Мега-конгломераты, такие как Fujitsu, Walmart и другие создали независимые исследовательские лаборатории для использования ИИ в поведенческой аналитике в своих розничных магазинах. Например, искусственный интеллект может идентифицировать вооруженного человека и отправить предупреждение в режиме реального времени аварийно-спасательным службам, для оперативного реагирования.
Что касается шоплифтеров, то Walmart еще в 2019 году сообщил об установке в своей сети системы с ИИ, которая, в случае обнаружения действия, похожего на попытку избежать сканирование товара, несоответствие штрих-кода или ошибку сканера, вызывает охрану. К слову, убытки Walmart из-за краж и ошибок сканеров составляют до $4 млрд в год.
В России технологии ИИ по направлению безопасности в ритейле развиваются достаточно активно. Из решений, основанных на биометрии, можно упомянуть про черные списки недобросовестных покупателей, ранее замеченных при попытках шоплифтинга. Подобное решение уже давно применяется нами в крупной российской сети гипермаркетов и служит для предотвращения краж и вычисления подозрительных лиц.
Система работает таким образом, что недобросовестных покупателей заносят в черный список и следующая попытка зайти в магазин для такого посетителя пресекается сотрудниками охраны, которым оперативно поступает сигнал о нахождении в магазине нарушителя.
Так ИИ устраняет необходимость в постоянном мониторинге видеодисплеев и автоматизирует «обнаружительную» роль наблюдения: проверку и реагирование на критические инциденты. Также, при использовании этой технологии, можно значительно сократить штат сотрудников, отвечающих за безопасность.
Резюмируя, отметим, что искусственный интеллект действительно может помочь решить проблемы шоплифтинга или краж и мошенничества со стороны сотрудников магазинов.
* * *
У этой технологии есть ряд преимуществ перед рядовыми сотрудниками охраны: четко оценивая поведение человека по заложенным алгоритмам, ИИ ведет себя непредвзято и, таким образом, удается полностью исключить человеческий фактор – ведь, как правило, у нас есть свое представление о людях и первое впечатление часто бывает обманчивым.
Но при этом важно не просто брать готовые решения, разработанные зарубежными коллегами, но и тестировать их в наших реалиях. В таком случае, синтезируя опыт, как зарубежный, так и полученный в результате тестирований, ИИ со временем может действительно заменить службу безопасности и снизить потери от краж на объектах ритейла.
