Inteligência artificial no varejo e a tecnologia de self-checkout

A inteligência artificial generativa (GenAI) está transformando o varejo, permitindo que negócios alcancem uma relevância sem precedentes. Com a crescente adoção dessa tecnologia, as empresas descobrem formas inovadoras de aprimorar a eficiência e maximizar o impacto de suas estratégias de vendas. 

Ao observar de perto o desenvolvimento de um produto que incorpora a GenAI, é possível testemunhar sua habilidade de estabelecer correlações profundas entre diversos fatores que influenciam a decisão dos clientes em adotar o self-checkout. 

Atualmente, a inteligência artificial generativa no varejo otimiza a experiência no ponto de venda e oferece insights sobre os padrões de comportamento do consumidor. 

Essa tecnologia avançada analisa de forma inteligente as preferências individuais, a eficiência do processo de checkout e outros elementos cruciais, proporcionando uma compreensão aprofundada dos fatores que influenciam a aceitação do self-checkout. 

Dessa forma, com a GenAI, as estratégias de adoção agora podem ser personalizadas com base em dados precisos e previsões confiáveis, proporcionando aos varejistas uma vantagem competitiva. 

Essa integração inovadora melhora a eficiência operacional e eleva a experiência do cliente, alinhando-se perfeitamente com as demandas e expectativas em constante evolução no cenário do varejo moderno.

A adoção da inteligência artificial no varejo é o que faz a diferença 

O valor de um produto ou serviço se dá a partir da percepção das pessoas. Quanto mais elas se identificarem e aderirem à proposta oferecida, maior será seu valor, independentemente da natureza da solução – seja disruptiva, tecnológica, completa, etc. 

Um exemplo de adoção tecnológica pode ser observado no caso das telas táteis (touch screen). Para os celulares, essa tecnologia é vital, mas no caso das telas de computador ou TVs, nem tanto. 

As pessoas preferem ficar no sofá a levantar para tocar na TV e, além disso, se incomodam com as marcas deixadas pelos dedos. Ou seja, a mesma tecnologia tem duas percepções de valor completamente diferentes. 

Esse é um dos principais desafios enfrentados na jornada de implementação dos caixas de autoatendimento no varejo. Não há dúvidas que vale muito a pena para o varejista, principalmente quando se trata das oportunidades de redução de custos operacionais e eficiência dos processos da empresa. No entanto, a questão que está sobre a mesa é: faz sentido para o cliente? 

Ao abordarmos a perspectiva do cliente, os fatores mais óbvios foram identificados em diversos estudos publicados. Entre eles, destacam-se o tamanho da fila, a usabilidade, os meios de pagamento e as características operacionais, como a necessidade de pesagem ou remoção de sensores antifurto.

Além disso, para o varejista capturar o máximo potencial dessa tecnologia, será necessário sair do óbvio, avançar sobre questões mais sutis, estudar fatores indiretos e cruzar variáveis. Nesse novo contexto, em vez de avaliar dezenas de variáveis, será fundamental estar preparado para lidar com milhares de possibilidades. 

Outro fator que aumenta ainda mais o desafio é o dinamismo de contexto. Em outras palavras, as coisas mudam tão rapidamente que uma vantagem pode perder relevância de um dia para o outro. Portanto, esse não é um trabalho para ser realizado manualmente, mas sim demanda abordagens mais automatizadas e adaptáveis.

Como GenAI se encaixa no cenário varejista?

GenAI, dotada da capacidade de processar grandes volumes de informação, atravessar todo o banco de conhecimento disponível (privado e público) e fornecer sugestões não convencionais, revela-se como uma ferramenta de extrema relevância. 

O produto que tenho acompanhado foi desenvolvido com o propósito contínuo de responder a uma pergunta central: o que influencia nosso cliente a aderir ao self-checkout? Funcionando como um motor gerador de insights, esse produto emprega o cruzamento de conhecimentos de maneira estratégica. 

Para compreender a dinâmica desse cruzamento de conhecimentos, observamos dois pontos-chave: 

• Primeiramente, os jovens já nasceram conectados e tendem a aceitar mais facilmente novas tecnologias. Portanto, irão aderir aos sistemas de self-checkout sem qualquer restrição; 
• Os jovens tipicamente são mais sensíveis a questões sociais e podem refutar e até “sabotar” o uso dessas soluções autônomas se perceberem que isso resultará em níveis de desemprego. 

Embora ambas as informações sejam verdadeiras, quando isoladas, tornam-se incompletas para uma tomada de decisão eficaz. Dessa forma, é importante analisar esses insights de maneira integrada para obter uma compreensão mais abrangente do comportamento do cliente em relação ao self-checkout.

Um exemplo de insight não convencional de inteligência artificial no varejo

A GenAI tem a habilidade de identificar relações que, aparentemente, não são tão evidentes e isso é crucial para soluções criativas. Por isso, ela é tão valiosa em cenários com alto grau de incerteza. 

Vamos exemplificar para você entender melhor. Certo dia, uma equipe estava estudando dados de uma loja em particular e percebeu que, em determinado horário dos dias de semana, quando há maior quantidade de transações no geral, o percentual de pessoas que aderem aos caixas de autoatendimento aumenta. Essa informação sugere que o tamanho da fila está fazendo a diferença. 

Simultaneamente, a inteligência artificial continuava a realizar correlações de forma contínua e revelou que, no mesmo intervalo de tempo com pico de transações, a diversidade de cores de cabelo dos clientes na fila dos caixas autônomos era notavelmente maior em comparação com a fila dos caixas convencionais. Em outras palavras, o motor de insights sugeriu que a cor do cabelo dos clientes estava influenciando a escolha de caixas.

A equipe achou esse insight curioso e decidiu aprofundar seus estudos. Assim, um dos membros percebeu que a loja em questão estava próxima de uma grande universidade e que o horário de pico coincidia com a chegada dos alunos. 

Parte deles, inclusive, antes de entrar em aula, aproveitava para fazer compras. Portanto, a nova conclusão foi: o perfil específico do cliente estava exercendo mais influência do que o tamanho da fila.

Esse é somente um exemplo com poucas variáveis que nos mostra o grande potencial da IA generativa. Agora imagine as infinitas possibilidades onde essa tecnologia pode nos ajudar, acelerando o aprendizado e disponibilizando insights valiosos. 

Fatores de sucesso da estratégia com IA 

Em resumo, a qualidade do insight dependerá em grande medida do volume, da diversidade e da qualidade dos conhecimentos que alimentam o motor. 

Em relação à quantidade, faço referência aos dados da transação, incluindo duração, ticket médio e meio de pagamento, bem como informações do cliente, como gênero, idade e poder aquisitivo, e dados do produto , como preço, tipo e se requer pesagem. 

Quanto à diversidade de informações, é importante usar dados públicos para complementar conhecimentos e dados de ambiente. Um exemplo prático é o uso de câmeras que capturam informações do ambiente, armazenando dados como tamanho da fila, características físicas dos clientes, ruído, entre outros. 

Sobre a qualidade da informação, é essencial criar um sistema de feedback para cada insight. A partir desse ciclo de feedbacks, os conhecimentos originais ganharão qualidade, e novos conhecimentos serão gerados, desempenhando um papel fundamental na evolução da solução. 

Como última recomendação, é aconselhável considerar duas inteligências nessa jornada: a artificial e a humana. Ao avaliar o exemplo anterior, fica evidente que, ao depender apenas da inteligência humana, dificilmente se chegaria àquela conclusão em um tempo razoável. 

Ou seja, as pessoas não teriam disponibilidade para fazer milhares de inferências, precisando se concentrar nas relações mais óbvias. Por outro lado, a IA sozinha não teria a capacidade de observar o fluxo de alunos de uma universidade e chegar àquela conclusão. 

O máximo do potencial reside exatamente na combinação dessas duas inteligências. Não adiantará investir muitos milhões para trazer as melhores tecnologias sem um investimento proporcional para trazer as pessoas certas. 

Falando em resultados, na FCamara, dispomos de uma unidade de negócios dedicada às jornadas digitais para o varejo. Que tal conhecer nossa abordagem de geração de valor? Clique aqui para conhecer e acelerar seus resultados. 

Por Kleber Santos, VP of Digital Value Creation da FCamara.