Tecnología antihurto con inteligencia artificial: desde cámaras de seguridad hasta listas de vigilancia en las calles principales

/Tecnología/ Por

Los minoristas recurren cada vez más a la vigilancia inteligente para abordar un problema muy antiguo: el robo. La nueva tendencia va más allá del CCTV estándar, utilizando herramientas que pueden identificar rostros, cuerpos o patrones de comportamiento en tiempo real.

Un reportaje de la BBC filmado por Jim Connolly muestra la rapidez con la que este tipo de tecnología antihurto basada en IA se está trasladando de las grandes cadenas a lugares cotidianos como una oficina de correos independiente. También muestra por qué la resistencia crece con la misma rapidez: estos sistemas no solo vigilan, sino que también pueden clasificar a las personas en categorías de riesgo.

¿Por qué la tecnología se está extendiendo ahora?

El hurto en tiendas siempre ha sido parte del comercio minorista, pero los incentivos que lo rodean han cambiado. Las tiendas operan con menos personal, más cajas de autoservicio y un mayor volumen de ventas a través de equipos más pequeños. Esto crea una brecha práctica: menos personas en la tienda, pero mayor probabilidad de pérdidas.

Por eso, los proveedores están lanzando una propuesta tentadora: mantener la dotación de personal prácticamente sin cambios y, al mismo tiempo, “multiplicar” la vigilancia mediante software.

El artículo de la BBC señala que algunos grandes minoristas y tiendas independientes han introducido una combinación de:

  • Escaneos corporales con IA
  • Sistemas de CCTV con alertas automatizadas
  • equipo de reconocimiento facial

En el papel, los sistemas son simples: en lugar de pedirle al personal que observe una pared de pantallas, la computadora observa y avisa a un miembro del personal cuando cree que algo parece sospechoso.

En la práctica, “sospechoso” puede significar varias cosas diferentes según el producto:

  • una cara que el sistema cree que coincide con un incidente anterior
  • un cuerpo que el sistema clasifica como “conocido” o “desconocido”
  • patrones de movimiento que se asemejan a robos anteriores

Esa es una red amplia. Y las redes amplias capturan más peces y más captura incidental.

Qué hacen realmente los “escaneos corporales de IA” y el reconocimiento facial

Una forma útil de pensar en estas herramientas es que convierten el vídeo en datos que se pueden buscar.

El CCTV tradicional es mayormente pasivo: graba imágenes que alguien podría revisar posteriormente. El CCTV con IA es activo: intenta etiquetar lo que ve a medida que sucede.

Reconocimiento facial (el obvio)

El reconocimiento facial intenta crear una "huella facial" a partir de las imágenes de la cámara y compararla con una lista almacenada. Si hay una coincidencia cercana, el sistema puede alertar a un trabajador, cerrar una puerta, notificar a seguridad o simplemente registrar el evento.

Desde el punto de vista de la tienda, esto es atractivo porque promete consistencia: la misma persona que robó la semana pasada puede ser vista en la entrada hoy.

Pero esto también plantea una pregunta aguda: ¿de dónde sale la lista de referencias y cómo puede alguien salir de ella?

Escaneos corporales con IA (menos intuitivos, pero a menudo más comunes)

El informe de la BBC menciona escaneos corporales con IA junto con el reconocimiento facial. En muchos casos, "escaneo corporal" no se refiere a un escáner de cuerpo completo de ciencia ficción. Suele referirse a un sistema que detecta y rastrea a las personas según su forma corporal, postura, silueta de la ropa o movimiento.

¿Por qué un minorista utilizaría esto?

  • La identificación basada en el cuerpo puede funcionar incluso cuando el rostro está parcialmente oculto.
  • Puede rastrear a una persona a través de múltiples ángulos de cámara.
  • Se puede etiquetar el “comportamiento” (demorarse, moverse rápidamente, volver a un estante) como patrones.

Esta es la parte que pone nerviosos a los defensores de las libertades civiles: tal vez no sea necesario que lo identifiquen por su nombre para que lo traten como “alguien a quien debemos vigilar”.

El poder silencioso de las listas de vigilancia

Los activistas por las libertades civiles dijeron a la BBC que el público está siendo incluido en “listas de vigilancia secretas y en listas negras electrónicas” para evitar su acceso a las calles principales.

Ese lenguaje importa porque describe algo más grande que una sola tienda que decide prohibirle el acceso a un cliente.

Una lista de vigilancia adquiere mayor importancia cuando posee estas características:

  1. Persiste en el tiempo.Un momento de sospecha puede seguirte en futuras visitas.

  2. Viaja entre ubicaciones.Una bandera de una tienda puede influir en el trato que recibirás en otra.

  3. Es difícil rebatirlo.Si el sistema nunca te dice que fuiste marcado, no puedes impugnarlo.

Incluso sin una “prohibición” formal, una lista de vigilancia puede influir en los resultados:

  • El personal se acerca a usted de manera diferente
  • Te vigilan más de cerca
  • Se le niega la entrada
  • La seguridad se llama antes de lo que se llamaría de otra manera

El riesgo no son sólo los falsos positivos, sino también el de que se vuelvan persistentes.

Lo que dice la ley vs lo que experimenta la gente

El informe de la BBC dice que la posición del gobierno es que el reconocimiento facial comercial es legal, pero su uso debe cumplir con estrictas leyes de protección de datos y utilizarse de forma transparente.

Esa única frase contiene el verdadero campo de batalla.

Un minorista puede hacer algo que es técnicamente legal y aún así generar una reacción negativa si los clientes sienten que las reglas son unilaterales.

La tecnología de vigilancia transforma el contrato emocional de las compras. La gente acepta cierto nivel de prevención de pérdidas (cámaras, personal, etiquetas). Pero cuando el sistema empieza a categorizar a los visitantes —quizás sin que ellos lo sepan—, la relación cambia de «la tienda protege sus productos» a «la tienda me está evaluando».

La transparencia es más difícil que poner un cartel

La transparencia parece fácil de cumplir: poner un aviso en la puerta. Pero una transparencia significativa requeriría respuestas a preguntas como:

  • ¿Está utilizando reconocimiento facial o solo CCTV estándar?
  • ¿Qué datos almacenas y durante cuánto tiempo?
  • ¿Comparte los datos con otros sitios o socios?
  • ¿Cómo se puede apelar o corregir una bandera equivocada?

Para la mayoría de los clientes, el problema predeterminado es la ignorancia: sólo se dan cuenta de que existe un sistema cuando algo sale mal.

Las compensaciones operativas que los minoristas no publicitan

Los minoristas adoptan estos sistemas de costos y cobertura, pero heredan riesgos que no encajan perfectamente en una hoja de cálculo de presupuesto.

1) Los falsos positivos crean daños en el mundo real

Si el sistema señala a una persona inocente, el daño no es abstracto. Puede ser vergüenza, intimidación, exclusión o escalada.

También tiene un efecto de retroalimentación: una vez que alguien es tratado como sospechoso, cualquier comportamiento nervioso puede parecer más “sospechoso”, reforzando el error inicial del sistema.

2) El personal se convierte en ejecutor de una caja negra

Cuando un sistema emite una alerta, el personal debe tomar una decisión: actuar en consecuencia o ignorarla.

Si actúan mal, lo que la gente recuerda es la interacción humana, no el algoritmo. Si la ignoran y se produce un robo, la gerencia podría preguntar por qué se desestimó la alerta.

Así que, incluso si la herramienta es “de asesoramiento”, se vuelve coercitiva dentro del lugar de trabajo.

3) La tecnología invita a expandir la misión

Un sistema instalado para el hurto en tiendas podría reutilizarse posteriormente para:

  • Identificar intentos repetidos de reembolso
  • hacer cumplir las prohibiciones por conducta antisocial
  • Seguimiento del desempeño del personal

La expansión de la misión no siempre es maliciosa. A menudo se debe simplemente a la lógica de la inversión: "Ya pagamos por este sistema; ¿qué más puede hacer?".

Cómo es probable que evolucione la conversación pública

Lo que viene a continuación tiene menos que ver con el hardware y más con la gobernanza.

A corto plazo, probablemente veremos un patrón:

  • más implementaciones (especialmente a medida que los proveedores empaquetan sistemas para empresas más pequeñas)
  • Más campañas que exigen reglas claras y divulgación
  • Más fricción a medida que los clientes se enteran de que existe una “vigilancia inteligente” en lugares cotidianos

Las cuestiones políticas de mayor importancia serán prácticas más que filosóficas:

  • ¿Quién establece los estándares de precisión?
  • ¿Quién audita las listas de vigilancia?
  • ¿Cómo se entera alguien que fue marcado?
  • ¿Cuál es el proceso de eliminación?

Sin respuestas, los minoristas pueden descubrir que una herramienta diseñada para prevenir pérdidas crea un tipo de costo diferente: daño a la reputación y desconfianza del cliente.

En resumen

Los sistemas antihurto con IA prometen sustituir la falta de tiempo del personal por vigilancia automatizada, y por eso se están extendiendo de las grandes cadenas minoristas a las tiendas locales. Pero cuando la vigilancia se transforma en categorización (listas de vigilancia, listas negras y etiquetas de riesgo opacas), la tecnología deja de ser una medida de seguridad discreta para convertirse en un problema de confianza pública.

Fuentes

Document Title
AI anti-shoplifting tech explained: facial recognition, watchlists, and the transparency fight
Retailers are adopting AI body scans and facial recognition to curb shoplifting. Here’s how it works, why critics warn of secret watchlists, and what transparency should mean.
Title Attribute
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
How crypto criminals are shifting from exchange hacks to targeting individuals
CZT: the wonder material behind faster scans and sharper detectors
Page Content
AI anti-shoplifting tech explained: facial recognition, watchlists, and the transparency fight
Nature
Climate
AI anti-shoplifting tech: from CCTV to watchlists on the high street
/
Technology
/ By
Admin
Retailers are increasingly turning to “smart” surveillance to deal with a very old problem: theft. The newest wave goes beyond standard CCTV, using tools that can flag faces, bodies, or behaviour patterns in real time.
A BBC report filmed by Jim Connolly shows how quickly this kind of AI-driven anti-shoplifting tech is moving from big chains into everyday places like an independent Post Office. It also shows why the pushback is growing just as fast: these systems don’t just watch — they can sort people into risk categories.
Why the tech is spreading now
Shoplifting has always been part of retail, but the incentives around it have shifted. Stores are operating with tighter staffing, more self-checkouts, and higher volumes moving through smaller teams. That creates a practical gap: fewer human eyes on the floor, but more opportunity for loss.
So vendors are pitching a tempting proposition: keep staffing roughly flat while “multiplying” vigilance using software.
The BBC piece notes that some major retailers and independent stores have introduced a mix of:
AI body scans
CCTV systems with automated alerts
facial recognition equipment
On paper, the systems are simple: instead of asking staff to watch a wall of screens, the computer watches and pings a staff member when it thinks something looks suspicious.
In practice, “suspicious” can mean several different things depending on the product:
a face the system thinks matches a previous incident
a body the system classifies as “known” or “unknown”
movement patterns that resemble prior thefts
That’s a broad net. And broad nets catch more fish — and more bycatch.
What “AI body scans” and facial recognition actually do
A useful way to think about these tools is that they turn video into searchable data.
Traditional CCTV is mostly passive: it records footage that someone might review later. AI-enabled CCTV is active: it tries to label what it sees as it happens.
Facial recognition (the obvious one)
Facial recognition attempts to create a “faceprint” from camera footage and compare it to a stored list. If there’s a close match, the system can alert a worker, lock a door, notify security, or simply log the event.
From the store’s point of view, this is attractive because it promises consistency: the same person who stole last week can be spotted at the entrance today.
But it also creates a sharp question: where does the reference list come from, and how does someone get off it?
AI body scans (less intuitive, but often more common)
The BBC report mentions AI body scans alongside facial recognition. In many deployments, “body scanning” doesn’t mean a sci‑fi full-body scanner. It often means a system that detects and tracks people based on body shape, posture, clothing silhouette, or movement.
Why would a retailer use this?
Body-based identification can work even when the face is partially obscured.
It can track a person across multiple camera angles.
It can label “behaviour” (lingering, moving quickly, returning to a shelf) as patterns.
This is the part that makes civil liberties advocates nervous: you may not need to be identified by name to be treated as “someone we should watch.”
The quiet power of watchlists
Civil liberty campaigners told the BBC that the public are being put on “secret watchlists and electronically blacklisted” from their high streets.
That language matters, because it describes something bigger than a single shop deciding to ban a customer.
A watchlist becomes more consequential when it has these features:
It persists over time.
A moment of suspicion can follow you to future visits.
It travels between locations.
A flag from one shop can influence how you’re treated in another.
It is hard to contest.
If the system never tells you that you were flagged, you can’t challenge it.
Even without a formal “ban,” a watchlist can shape outcomes:
staff approach you differently
you’re watched more closely
you’re denied entry
security is called earlier than it otherwise would be
The risk is not only false positives — it’s that false positives become sticky.
What the law says vs what people experience
The BBC report says the government’s position is that commercial facial recognition is legal, but its use must comply with strict data protection laws and be used transparently.
That single sentence contains the real battleground.
“Legal” isn’t the same as “socially acceptable”
A retailer can do something that is technically legal and still trigger backlash if customers feel the rules are one-sided.
Surveillance tech changes the emotional contract of shopping. People accept a certain level of loss-prevention (cameras, staff, tags). But when the system begins to categorise visitors — potentially without them knowing — the relationship shifts from “store protects its goods” to “store is evaluating me.”
Transparency is harder than putting up a sign
“Transparency” sounds like an easy box to tick: add a notice at the door. But meaningful transparency would require answers to questions like:
Are you using facial recognition, or only standard CCTV?
What data do you store, and for how long?
Do you share the data with any other sites or partners?
How does someone appeal or correct a mistaken flag?
For most customers, the default is ignorance: they only learn a system exists when something goes wrong.
The operational trade-offs retailers don’t advertise
Retailers adopt these systems for cost and coverage, but they inherit risks that don’t fit neatly into a budget spreadsheet.
1) False positives create real-world harm
If the system flags an innocent person, the “harm” is not abstract. It can be embarrassment, intimidation, exclusion, or escalation.
It also has a feedback effect: once someone is treated like a suspect, any nervous behaviour can look more “suspicious,” reinforcing the system’s initial error.
2) Staff become enforcers of a black box
When a system pings an alert, staff are pushed into a decision point: act on it, or ignore it.
If they act and it’s wrong, the human interaction is the thing people remember — not the algorithm. If they ignore it and a theft happens, management may ask why the alert was dismissed.
So even if the tool is “advisory,” it becomes coercive inside the workplace.
3) The tech invites mission creep
A system installed for shoplifting might later be repurposed for:
identifying repeat refund attempts
enforcing bans for anti-social behaviour
tracking staff performance
Mission creep is not always malicious. It’s often just the logic of investment: “We already paid for this system; what else can it do?”
How the public conversation is likely to evolve
What comes next is less about the hardware and more about governance.
In the short term, we’ll probably see a pattern:
more deployments (especially as vendors package systems for smaller businesses)
more campaigns demanding clear rules and disclosure
more friction as customers learn that “smart surveillance” exists in everyday locations
The highest-leverage policy questions will be practical rather than philosophical:
Who sets the standards for accuracy?
Who audits the watchlists?
How does someone learn they were flagged?
What is the process for removal?
Without answers, retailers may find that a tool meant to prevent loss creates a different kind of cost: reputational damage and customer distrust.
Bottom line
AI anti-shoplifting systems promise to replace missing staff time with automated vigilance, and that’s why they’re spreading from big retailers into local shops. But when surveillance turns into categorisation — watchlists, blacklisting, and opaque “risk” labels — the technology stops being a quiet security measure and becomes a public trust problem.
Sources
BBC News (Technology):
https://www.bbc.com/news/videos/c98p1jg3p58o?at_medium=RSS&at_campaign=rss
←
Previous Post
Next Post
→
oEmbed (JSON)
oEmbed (XML)
JSON
View all posts by Admin
How crypto criminals are shifting from exchange hacks to targeting individuals
CZT: the wonder material behind faster scans and sharper detectors
Retailers are adopting AI body scans and facial recognition to curb shoplifting. Here’s how it works, why critics warn of secret watchlists, and what transparency should mean.
Document Title
Page not found - Florin.blog
Image Alt
Florin.blog
Title Attribute
Florin.blog » Feed
RSD
Skip to content
Placeholder Attribute
Search...
Page Content
Page not found - Florin.blog
Skip to content
Home
Blog
Garden Decor
Indoor
Main Menu
This page doesn't seem to exist.
It looks like the link pointing here was faulty. Maybe try searching?
Search for:
Search
Quick Links
Outdoors
About
Contact
Explore
Bestsellers
Hot deals
Best of The Year
Featured
Gift Cards
Help
Privacy Policy
Disclaimer
: As an Amazon Associate, we earn from qualifying purchases — at no extra cost to you.
Florin.blog
Florin.blog » Feed
RSD
Search...
s Español