Rostos conhecidos

O uso difundido da tecnologia de reconhecimento facial não é mais apenas para telefones. As empresas de varejo estão lançando projetos para gerar receita, reduzir custos, eliminar roubos e melhorar a experiência do cliente ao entender melhor o comportamento do cliente. O mercado global de reconhecimento facial deve saltar de USD 2,8 bilhões em 2014 para estimados USD 9 bilhões até 2023, segundo a Crystal Market Research.

Fonte: Crystal Market Research

“Se você considerar as 40 ou 80 maiores empresas que você conhece, quase todas estão pensando em reconhecimento facial, ou todas pelo menos já andaram pesquisando a respeito”, disse Peter Trepp, diretor executivo da empresa de software de reconhecimento facial FaceFirst, disse à BuzzFeed. Ele observou que centenas de lojas de varejo, e em breve serão milhares, implementaram a tecnologia de sua empresa.

Em março passado, a 7-Eleven lançou a tecnologia de reconhecimento facial em 11.000 lojas na Tailândia. O sistema pode sugerir produtos, analisar o tráfego na loja, monitorar os níveis de produtos e até mesmo avaliar as emoções dos clientes quando olham os produtos. Em outubro, o novo National Soccer Hall of Fame foi aberto em Frisco, Texas, EUA. A instalação criou um sistema que permite que os visitantes optem por um passeio personalizado que exibe imagens e estatísticas relacionadas aos seus times favoritos quando passam por determinados painéis. A CaliBurger, uma cadeia de hambúrgueres presente em mais de 40 localizações globais, testou um projeto-piloto em 2017, no qual um quiosque reconhece o rosto dos clientes que retornam para exibir os pedidos anteriores e facilitar o processo. Em 2018, a cadeia lançou um projeto-piloto separado para testar um sistema de pagamento baseado no reconhecimento facial.

Mas a recepção das partes interessadas nem sempre é simples. De acordo com o relatório de experiência de clientes de 2018 da InMoment, 75 por cento dos consumidores consideram a maioria das formas de personalização um tanto assustadoras, e 22 por cento dizem que reagiriam a essa aflição comprando em outro lugar.

Como a adesão das partes interessadas terá um enorme impacto sobre como os projetos de reconhecimento facial são recebidos, as organizações precisarão projetar sistemas em que a aceitação do usuário e a privacidade sejam primordiais. Testar e iterar a tecnologia com base no feedback será fundamental.

Apelo às massas

O projeto da 7-Eleven é uma das maiores implementações de reconhecimento facial de todos os tempos. Também será muito usado. Aproximadamente 10 milhões de pessoas fazem compras nas lojas 7-Eleven da Tailândia por dia, aproximadamente um sétimo da população do país.

Para implementar a tecnologia, a Remark Holdings instalou câmeras conectadas ao seu sistema KanKan, que pode reconhecer rostos e gestos. O sistema registra dados sobre o tráfego de clientes e os padrões dos pés e como as emoções mudam à medida que se movimentam pelas lojas. Essa informação pode então fazer recomendações alimentadas pela inteligência artificial (IA) acerca de quais produtos devem ser estocados em determinadas lojas. Também pode identificar membros do programa de fidelidade da 7-Eleven, criando uma oportunidade para promoções personalizadas.

Mas com grandes quantidades de dados vem uma grande responsabilidade. A Remark disse que tomou as medidas para evitar o armazenamento de imagens de rostos em seus servidores. “Nenhum rosto ou imagem humana sai do sistema KanKan nem entra na rede pública”, declarou a empresa em um comunicado à imprensa.

E embora a empresa tenha mantido silêncio sobre o ROI do projeto desde que o lançamento foi concluído, a 7-Eleven anunciou planos para implementar tecnologia semelhante em lojas no Japão e em Taiwan.

Base de teste

Mesmo assim, os críticos argumentam que alguns desses projetos podem ter falhas no nível mais básico: o próprio código com que são construídos. Um estudo do MIT Media Lab de 2018 descobriu que algumas tecnologias de reconhecimento facial são muito menos precisas com pessoas de pele mais escura. Ao testar algoritmos da Microsoft, Megvii e IBM, o gênero de homens de pele mais escura foi identificado erroneamente 12 por cento da vezes e o de mulheres de pele mais escura, 35 por cento das vezes. As mulheres de pele mais clara foram identificadas erroneamente apenas 7 por cento das vezes e os homens de pele mais clara foram identificados erroneamente apenas 1 por cento das vezes. Essa lacuna significativa na precisão aumenta a preocupação com o preconceito e o perfil racial, e pode prejudicar os benefícios que os projetos de reconhecimento facial estão tentando realizar.

Antes que os líderes do portfólio se apressem em implementar esses projetos, devem examinar cuidadosamente a tecnologia. “Este é o momento certo para abordar como esses sistemas de inteligência artificial funcionam e onde eles falham, para torná-los socialmente responsáveis”, disse Suresh Venkatasubramanian, professor de ciência da computação da Universidade de Utah, ao The New York Times.

— Suresh Venkatasubramanian, Universidade de Utah, Salt Lake City, Utah, EUA, ao The New York Times

Organizações de varejo podem querer emprestar algumas lições aprendidas do setor de companhias aéreas. A Delta, por exemplo, lançou e acompanhou de perto vários projetos-piloto de um sistema de embarque que usa software de reconhecimento facial. Os scanners biométricos, que são de uso opcional, ajudam a economizar tempo quando as pessoas fazem check-in nos seus voos, permitindo que seu rosto funcione como o cartão de embarque. No ano passado, a empresa lançou um novo projeto em Detroit, Michigan, EUA, baseado em importantes aprendizados de projetos-piloto anteriores em outros aeroportos. “Esta nova fase nos permitirá obter dar mais feedback de clientes e funcionários”, disse Gil West, diretor de operações da Delta, em um comunicado. — Ashley Bishel