Maxima“ savitarnos kasose – naujas DI sargas: sukčiauti tapo gerokai sunkiau

Prekybos tinklas „Maxima“ savitarnos kasose pasitelkė Lietuvoje sukurtą dirbtinio intelekto sprendimą, skirtą galimiems sukčiavimo atvejams aptikti. Sistema gali atpažinti sveriamas ir nefasuotas prekes, tokias kaip vaisiai, daržovės ar kepiniai, bei fiksuoti atvejus, kai brangesnę prekę mėginama nusipirkti pasirinkus pigesnės prekės kainą. Ji taip pat padeda nustatyti brūkšninių kodų pakeitimus.
Parduotuvėse, kuriose šis sprendimas jau įdiegtas, sukčiavimo atvejų sumažėjo daugiau nei 30 proc.
Sprendimą „ScanWatch Retail Suite“ sukūrė prekybos technologijų bendrovė „Neto Baltic“, bendradarbiaudama su technologijų įmone „Agmis“. Iki platesnio diegimo „Maximos“ parduotuvėse sistema beveik dvejus metus buvo testuojama ir tobulinama kartu su jos kūrėjais. Užbaigus projektą Lietuvoje, svarstoma galimybė šį sprendimą įdiegti ir kitose Baltijos šalyse.
„Maximos“ ryšių su žiniasklaida vadovė Ernesta Vareikytė nurodo, kad savitarnos kasose dažniausiai susiduriama su situacijomis, kai pirkėjas sąmoningai pasirenka pigesnės prekės kodą, nors iš tiesų perka brangesnį produktą. Anot jos, vieno tokio atvejo nuostoliai gali svyruoti nuo kelių iki kelių šimtų eurų, o bendrovės patirtis rodo, kad dirbtinio intelekto naudojimas padėjo tokių atvejų skaičių sumažinti beveik trečdaliu.
Galimų pažeidimų prevencijai prekybos tinklas naudoja įvairias priemones: vaizdo stebėjimo sistemas, dirbtiniu intelektu paremtas programas ir prekių likučių kontrolę. Nustačius neatitikimus, vertinamos jų priežastys. Dirbtinio intelekto sistema šias priemones papildo ir padeda apsaugos darbuotojams greičiau atkreipti dėmesį į galimus pažeidimus.
Sprendimas keičiamas pagal situacijas parduotuvėse
„Neto Baltic“ su partneriais „ScanWatch Retail Suite“ kuria nuo 2019 metų. Bendrovė nurodo, kad darbas su prekybos tinklu leidžia sprendimą pritaikyti realiai parduotuvių veiklai ir jį koreguoti pagal praktikoje iškylančias aplinkybes.
E. Vareikytė teigia, kad sprendimą „Maxima“ pasirinko įvertinusi partnerių patirtį bei galimybę tiesiogiai dirbti su Lietuvoje veikiančia kūrėjų komanda. Nuo pradžių buvo aišku, kad visų galimų situacijų parduotuvėse iš anksto numatyti nepavyks, todėl įrankį reikės nuolat gerinti. Pasak jos, svarbu tai, kad kūrėjai atsižvelgia į prekybos tinklo pastebėjimus ir pagal juos pritaiko sistemą.
„Maximos“ atstovė taip pat pabrėžia, jog vien technologijos įdiegimo nepakanka. Prieš pradedant naudoti sistemą nustatoma aiški reagavimo į jos pranešimus tvarka, su kuria supažindinami parduotuvėse dirbantys apsaugos darbuotojai, taip pat prižiūrima, kad jos būtų laikomasi.
„Neto Baltic“ vadovas Rokas Budvilaitis pasakoja, kad per ilgalaikį bandomąjį projektą su „Maxima“ buvo nustatyti konkretūs tikslai, įvertintos sprendimo galimybės ir išbandyti darbuotojų reagavimo procesai. Tai, anot jo, sudarė sąlygas sklandžiau diegti sistemą kitose parduotuvėse. Jis taip pat pažymi, kad „Maximos“ komanda atsakingai žymi, kurie sistemos pranešimai pasitvirtino, o šie duomenys padeda tobulinti dirbtinio intelekto modelį.
Siekiama netrukdyti pirkėjams
R. Budvilaitis pabrėžia, kad nuostolių prevencijai skirtos technologijos neturėtų apsunkinti atsiskaitymo savitarnoje. Bendrovės duomenimis, klaidingi sistemos suveikimai sudaro mažiau nei 4 proc. visų atsiskaitymų, per kuriuos perkamos nefasuotos prekės.
Anot jo, didesnis klaidingų pranešimų skaičius nepatogumų sukeltų ir pirkėjams, ir parduotuvių darbuotojams. Skirtinguose prekybos tinkluose taikomi nevienodi sprendimai: kai kur nustačius įtartiną veiksmą prekių skenavimas iškart sustabdomas ir jį tęsti galima tik įsitraukus darbuotojui. Kitais atvejais pirkėjui leidžiama klaidą ištaisyti savarankiškai – pavyzdžiui, vietoje bananų pasirinkus bulves, kasos ekrane gali būti pateiktas klausimas, ar galbūt buvo norėta pasirinkti bananus.
R. Budvilaičio teigimu, toks būdas mažiau pailgina atsiskaitymą, leidžia išvengti konfliktinių situacijų tarp darbuotojų ir pirkėjų bei padeda suderinti nuostolių prevenciją su gera apsipirkimo patirtimi.




