Notas de un reciente seminario web sobre cómo los principales minoristas están ganando en la pérdida desconocida, y lo que los datos realmente mostraron sobre los reincidentes, las investigaciones, y el caso de reconocimiento facial en la prevención de pérdidas.
Por Craig Greenberg, Director de Crecimiento, Sistemas Gatekeeper y FaceFirst
Hace poco pasé una hora en un seminario web con Greg Buzek de Grupo IHL y Dr. Cory Lowe de la Consejo de Investigación sobre Prevención de Pérdidas (LPRC). El tema era cómo los principales minoristas están ganando en pérdida desconocida. Los datos que nos mostró Cory son de los que se te quedan grabados, y quiero compartir lo que saqué de ellos.
Antes de entrar en las cifras, un breve marco. Llevo más de 30 años trabajando en la prevención de pérdidas en el sector minorista, y Gatekeeper se ha centrado en dos aspectos que provocan las mayores pérdidas por evento en los minoristas: los hurtos por empuje y los reincidentes. Hace unos 15 meses, añadimos FaceFirst a esa imagen. Lo que hemos aprendido desde entonces es que el problema de la visibilidad en la prevención de pérdidas es mayor de lo que la mayoría de los minoristas creen, y el coste de no ver la imagen completa se agrava rápidamente.
El viaje de un solo delincuente
Desde hace años, Portero ha detenido los intentos de robo en la puerta. El carro se bloquea, el ladrón se va con las manos vacías y un empleado de la tienda registra el incidente. Este es un buen resultado en sí mismo. Lo que no vimos es a dónde fue después esa misma persona. ¿Atracó otra tienda esa misma tarde? ¿Volvió la semana siguiente? ¿Visitó tiendas a dos estados de distancia?
FaceFirst nos respondió a esa pregunta. El análisis realizado por el LPRC de los datos de un cliente de FaceFirst confirmó lo que ya sabíamos anecdóticamente: los reincidentes representan una parte desproporcionada del volumen de pérdidas en dólares. LPRC nos ayudó a cuantificar lo significativo que puede ser el impacto de unos pocos delincuentes reincidentes. No se trata de ladrones oportunistas que cogen un carro en un mal día. Son profesionales que siguen una ruta y están organizados.
La investigación del LPRC aportó cifras concretas sobre lo que entendíamos instintivamente. En un estudio de 60 días, el mayor reincidente tenía 374 partidos FaceFirst en 66 tiendas de cinco estados de EE.UU.. Una media de más de seis al día. El recorrido era claro e impactante. En un día, un delincuente reincidente atacó 12 tiendas, recorriendo 241 millas en un tramo de casi cinco horas y media. Las pérdidas potenciales de ese único delincuente se extrapolaron a cifras que un minorista no puede ignorar.
Construir casos que los fiscales realmente acepten
La visibilidad es la primera ventaja. La segunda es igual de importante y recibe menos atención. Los datos construyen un caso.
Cory realizó un estudio de dos investigadores igualmente cualificados a los que se asignó el mismo caso de venta al por menor. Uno no contaba con la ayuda de la tecnología de reconocimiento facial. El otro tenía FaceFirst. El investigador no asistido empleó 904 minutos en el caso, revisando vídeos de una tienda tras otra, trazando rutas manualmente e intentando conectar incidentes. El investigador que utilizó FaceFirst solo empleó 117 minutos, pero el valor de su caso fue 4,3 veces superior e identificó a los sujetos en el doble de tiendas.
Esa diferencia no es un pequeño aumento de eficiencia. Es la diferencia entre un caso que acaba en la mesa de un fiscal y otro que no. Las fuerzas de seguridad y los fiscales tienen que hacer un triaje. Dan prioridad a los casos graves y bien documentados, porque su tiempo es limitado. Si les entregamos un expediente delgado con un incidente, no pueden hacer mucho con él. Si les entregamos pruebas agregadas que demuestren que el mismo delincuente asaltó 12 tiendas en seis semanas, con marcas de tiempo, vehículos y valores de pérdidas, el cálculo cambia.
Aquí es donde Purchek® y FaceFirst juntos hacen algo que ninguna herramienta hace sola. Purchek detiene el carro. FaceFirst puede ayudar a conectar ese evento de parada de carro en una tienda con otras infracciones de ese mismo individuo en toda la empresa. El minorista obtiene un caso llave en mano. El fiscal obtiene algo que vale la pena perseguir. La comunidad obtiene un delincuente reincidente fuera de la calle por un tiempo.
La conversación que aún debemos mantener
Voy a ser sincero en una cosa. El mayor obstáculo para el reconocimiento facial en el comercio minorista no es la tecnología. Es la comprensión del público de lo que realmente hace la tecnología.
Mi suegro tiene más de 90 años. Cuando le dije que Gatekeeper había adquirido FaceFirst, su reacción fue: “No sé si me gustaría. Sabrán que me llamo Jerry y dónde vivo”. Ese fue un momento para mí. Si un jubilado reflexivo piensa que el supermercado va a empezar a saludarle por su nombre a partir de un escáner facial, es que no hemos hecho un trabajo suficientemente bueno explicando cómo funciona esto.
FaceFirst no indexa fotos de todos los clientes que entran. No conoce los nombres. Funciona a partir de una plantilla biométrica comparada con una base de datos privada de delincuentes conocidos que el minorista mantiene por motivos de seguridad. Alerta a un empleado formado y designado cuando entra alguien con un historial documentado de violencia, amenazas o robos. Los datos de todos los demás se borran automáticamente. Los límites de retención de datos, los requisitos de supervisión humana y los registros de auditoría de uso autorizado están integrados en FaceFirst.
La investigación del LPRC que Cory presentó sobre el sesgo y la precisión reforzó algo en lo que ya había estado pensando. Todos los modelos tienen sesgos. Todas las personas también tienen sesgos. La cuestión honesta no es si la IA es perfecta. La cuestión es si los humanos asistidos por la IA son más precisos y menos parciales que los humanos por sí solos. En el estudio del LPRC, los profesionales de la prevención de pérdidas que hicieron no tienen asistencia de reconocimiento facial identificaron al delincuente correcto sólo el 23 por ciento de las veces. Con la ayuda de FaceFirst, acertaron el 62,9% de las veces, casi tres veces más en todos los grupos demográficos. Los investigadores también señalaron que con más formación sobre la tecnología, esos resultados mejorarían aún más. Esa es la conversación que merece la pena mantener.
Dónde nos deja esto
Greg hizo una observación durante el seminario web en la que sigo pensando. Los ganadores en ventas al por menor tienen 33 veces más probabilidades de utilizar la visión por ordenador que el minorista medio. No es una diferencia marginal. Te dice algo acerca de hacia dónde se dirige la industria y quién va a quedar fuera del próximo capítulo.
En el caso concreto de la prevención de pérdidas, ya no se trata sólo de detener el robo en la puerta. Se trata de entender la red, construir casos que se sostengan en los tribunales, mantener a salvo a los empleados y a los clientes, y dar a los fiscales algo con lo que puedan trabajar. Las herramientas para hacer todo eso ya están aquí. Lo más difícil es ayudar al resto del mundo a entender lo que son y lo que no son.
Agradezco a Greg y Cory la conversación, y al LPRC el rigor que aportan a este trabajo. Si te perdiste la sesión en directo, las diapositivas y el informe de investigación merecen tu tiempo... puede encontrarlos aquí.
Sobre el autor
Craig Greenberg es director de crecimiento de Gatekeeper Systems y FaceFirst, una empresa de tecnología de prevención de pérdidas en el comercio minorista especializada en la prevención de hurtos por empuje, la identificación de delincuentes reincidentes y la coincidencia facial para la seguridad en el comercio minorista. Gatekeeper Systems lleva más de 30 años ayudando a los minoristas en la prevención de pérdidas basada en carritos.
