Scandit ha presentato Self-Checkout Loss Prevention, una soluzione che, analizzando le immagini delle telecamere in tempo reale, aiuta i retailer a rilevare pattern di perdita, accidentali o intenzionali, nel momento stesso in cui si verificano.
La soluzione consente ai clienti alle casse di autocorreggersi, senza l'intervento del personale di negozio, nella maggior parte dei casi, mantenendo così il flusso di checkout ininterrotto.
L'ingresso di Scandit nel mercato della loss prevention affronta una delle criticità più insidiose del retail: ridurre le perdite al self-checkout senza introdurre elementi di controllo frustranti per i clienti o gravosi per il personale di negozio. Il self-checkout gestisce oggi in media il 54% delle transazioni nei punti vendita che lo adottano. Questi negozi registrano perdite pari al 33% in più rispetto a punti vendita comparabili senza self-checkout, con un aumento medio del 22% nell'anno successivo all'installazione dei relativi sistemi, secondo il Self-Checkout Loss Report 2026 di Ecr Retail Loss. I controlli a campione casuali possono richiedere oltre due minuti, secondo quanto riportato da un retailer europeo, generando dissensi tra la clientela e assorbendo tempo del personale.
Con Self-Checkout Loss Prevention, un avviso discreto a schermo rivolto al cliente – o, in caso di escalation, una notifica all'addetto – permette di correggere gli articoli segnalati prima che la transazione venga completata, consentendo di recuperare o prevenire oltre il 75% delle perdite legate al self-checkout. Rientrano in questo ambito pattern di perdita noti come scansioni mancate, articoli saltati intenzionalmente, articoli lasciati nel carrello e transazioni abbandonate.
Self-Checkout Loss Prevention si basa su un'architettura per singola postazione, che elimina la necessità di server dedicati e installazioni complesse, garantendo al contempo un deployment scalabile, dai piccoli formati di negozio ai grandi ipermercati. La soluzione, indipendente dall’hardware, funziona con l'infrastruttura di videocamere già esistente – integrate, standard o telecamere di sicurezza posizionate sopra la postazione self-checkout – eliminando la necessità di hardware AI dedicato e mantenendo così un basso costo totale di possesso.
Con la privacy al centro, Self-Checkout Loss Prevention elabora i video direttamente sulla postazione ed è progettata per supportare i retailer nel rispetto degli obblighi previsti dal Gdpr. Analizzando esclusivamente gli articoli e l'attività della transazione, non è richiesta alcuna identificazione facciale o biometrica, evitando by design le pratiche vietate dall'EU AI Act, il tutto supportato dalla certificazione Iso 27001 di Scandit.
"Il self-checkout ha cambiato in modo radicale il retail, ma ha anche cambiato l'equazione delle perdite", ha dichiarato Christian Floerkemeier, cto e co-founder di Scandit. "I retailer non dovrebbero essere costretti a scegliere tra un'esperienza di checkout veloce e una loss prevention efficace. Self-Checkout Loss Prevention offre loro un approccio software-first per rilevare le anomalie in tempo reale, con un processo configurabile in base alle policy di ciascun retailer. Oltre al recupero delle perdite, la soluzione consente anche di ottimizzare l'impiego del personale in modo più produttivo".
"Una delle sfide dei controlli con tecnologia vision AI al self-checkout è stata finora l'elevato costo infrastrutturale e la latenza di alcune soluzioni legacy, che spesso creavano un disallineamento tra il comportamento e i tempi dell'intervento, generando confusione per tutte le parti coinvolte", ha commentato Greg Buzek, president e principal analyst di Ihl Group. "Una soluzione leggera e facile da implementare nei punti vendita elimina questo costo e questa latenza, e dove è possibile riutilizzare le videocamere esistenti, il costo si riduce ulteriormente. Questo può rappresentare un vantaggio per entrambe le parti: scoraggiare i furti deliberati, risolvendo al contempo rapidamente gli errori in buona fede che altrimenti rallenterebbero il processo di transazione”.
