Myron Burke, Líder de Gerenciamento de Soluções na Sensormatic Solutions – Série de Entrevistas

Myron Burke, chefe de produto e soluções globais da Sensormatic Solutions, identifica e implementa novas maneiras de acelerar a inovação, aumentar a velocidade e entregar maior valor aos clientes por meio de uma estratégia de soluções.

Myron é um líder comprovado com mais de 25 anos de experiência no varejo, incluindo seus períodos na Walmart e no Sam’s Club, entregando inovação em escala. Recentemente, Myron fundou a Divergent Technology Advisors, uma empresa de consultoria de tecnologia de varejo que orienta grandes varejistas, fornecedores de tecnologia e startups com estratégia de tecnologia, planejamento de lançamento, expansão de mercado internacional e muito mais.

Sensormatic Solutions, a principal carteira de soluções de varejo global da Johnson Controls, impulsiona experiências de varejo seguras, seguras e sem interrupções. Por mais de 60 anos, a marca esteve à frente da adoção de tecnologia em rápida evolução da indústria, redefinindo as operações de varejo em escala global e transformando insights em ações. A Sensormatic Solutions entrega um ecossistema interconectado de soluções de prevenção de perdas, inteligência de estoque e insights de tráfego, juntamente com seus serviços e parceiros, para permitir que os varejistas em todo o mundo inovem e elevem com precisão, conectando resultados baseados em dados que moldam o futuro do varejo.

Você passou mais de 25 anos na interseção das operações de varejo e da tecnologia emergente — desde liderar a estratégia de RFID e inovação de loja na Walmart e no Sam’s Club, até incubar conceitos de próxima geração no Store No. 8, até agora liderar o Produto e Soluções Globais na Sensormatic Solutions. Como essas experiências moldaram sua filosofia sobre como a IA e as tecnologias de sensores devem ser implantadas em ambientes de varejo físico hoje?

Eu adoto uma abordagem muito pragmática para a implementação da IA, e encorajo minha equipe e os clientes de varejo da Sensormatic Solutions a fazerem o mesmo. Minha experiência em ambos os lados da equação provou repetidamente que construir dessa maneira é a chave para uma transformação bem-sucedida.

A Sensormatic Solutions opera com uma crença muito simples nos últimos 60 anos: a tecnologia tem sucesso quando a eficácia operacional e os desafios reais dos varejistas estão no centro. Parece óbvio — especialmente para aqueles que se mantêm próximos das ferramentas emergentes —, mas esse princípio fundamental foi um pouco esquecido em meio a todo o hype em torno da IA.

A pressão para se mover rapidamente e acompanhar o mercado era e continua alta tanto no desenvolvimento de soluções quanto na adoção por parte dos clientes, mas construir ferramentas que realmente preencham lacunas é mais impactante do que tentar incorporar funcionalidades de IA em qualquer e todos os produtos. Estamos firmemente focados em encontrar os lugares onde a coleta, fusão, análise e ação simplificadas impulsionam melhorias mensuráveis. Esse foco também se estende aos conjuntos de dados que a IA usará — conjuntos de dados direcionados, controlados e limpos são fundamentais para entregar valor de IA sustentável, especialmente em clientes diferenciados.

Algo que também mantemos em mente é que isso é verdade para todos os usuários possíveis: tomadores de decisões corporativas, compradores e associados. Com cada nova solução ou atualização, perguntamos a nós mesmos se estamos entregando valor a todos os três stakeholders em medida igual, porque cada grupo é integral ao sucesso do varejo.

Essa ética interna se traduz naturalmente em soluções que ajudam os varejistas a adotar uma postura semelhante, oferecendo ferramentas que apoiam melhorias significativas por meio de designs de sistema práticos e personalizados. A implantação de IA não é um tamanho único, e nem os programas que construímos com os clientes.

A Sensormatic Solutions está cada vez mais posicionando a IA e a análise avançada de ML como principais habilitadores de inteligência operacional de varejo moderna. Como a IA está redefinindo o que significa “prevenção de perdas” em um mundo omnichannel?

As respostas mais simples são visibilidade com velocidade. A IA está ajudando a desmistificar verdadeiramente o shrink e a entregar uma visão completa da perda total de varejo. A realidade é que você só pode notar as perdas que pode ver, certo? Para a maior parte da história da indústria, a visibilidade das perdas foi possível apenas no nível mais básico, com programas focados em itens que deveriam estar disponíveis para venda, mas não estão. Você pode ter alguma ideia de se um item foi roubado, quebrado durante o transporte ou danificado enquanto estava na prateleira, mas rastrear essas coisas em escala era difícil, se não impossível.

Sistemas de análise e sensores conectados expandiram o que os varejistas podem ver, rastrear e quantificar. Pense em destacar o 3% de erro que está escondido nos vastos volumes de dados gerados hoje. Esses sistemas de sensores desbloqueiam o que, onde, quando e quem da perda, o que — por si só — dispara uma transformação na compreensão em torno do shrink e desloca o paradigma em direção à “perda total de varejo”. Essa amplitude permite que os varejistas vejam outra camada de operações e um conjunto completamente novo de possíveis drivers de perdas relacionadas à desviação de processo e lacunas, juntamente com tempo, recursos e esforço desperdiçados.

Quando tudo isso é identificado e rotulado, você pode transformá-lo. É aí que a IA entra em cena. Ela conecta esses novos “pontos”, frequentemente em tempo real, para superfície de uma camada completamente diferente de dados. Inteligência preditiva, altamente precisa, pode ajudar a quantificar os impactos do desperdício upstream, pesar o valor relativo de possíveis ajustes e ilustrar o custo da inação. Efetivamente, está permitindo que os varejistas mudem sua postura de reativa para proativa, ajudando-os a reenquadrar perdas como oportunidades de melhoria.

Com tecnologias como Re-ID e análise de tráfego de pedestres alimentada por IA, os varejistas agora podem ir além da simples contagem de pessoas para insights mais profundos do comportamento do comprador e operacional. Quais são os casos de uso mais transformadores que você está vendo surgir dessa mudança?

Re-ID, para mim, é um exemplo poderoso de pequenos ajustes direcionados que têm um impacto enorme na compreensão operacional.

Re-ID realmente faz uma coisa: refina as medidas de tráfego. Claro, fazer com que a tecnologia separe corretamente compradores únicos de reentradas, funcionários e outras categorias de visitantes é complexo, mas o resultado é uma mudança muito simples nos conjuntos de dados que impulsiona uma melhoria significativa na compreensão.

Dados de tráfego continuam a fundamentar uma ampla gama de métricas em toda a indústria, com conversão talvez o exemplo mais notável. Apenas cortar registros para refletir a contagem mais precisa de visitantes únicos pode alterar dramaticamente as interpretações, permitindo que os varejistas refinem a escalação, os planos de layout, as mensagens e inúmeras outras práticas para ajudar a melhorar as experiências do cliente e os resultados financeiros.

É a encarnação da ética que discutimos anteriormente como central ao sucesso da Sensormatic Solutions nos últimos 60 anos. Estamos usando a IA para fazer ajustes direcionados e de alto valor que beneficiam todos na equação.

A Sensormatic Solutions introduziu recentemente Orbit AI e Video AI como parte de suas capacidades de comportamento do convidado da loja. Qual lacuna estratégica essa solução resolve para os varejistas, e como ela se diferencia de outras plataformas de inteligência de varejo?

Nós abordamos cada nova solução com um desafio específico em mente. Para Orbit AI e Video AI, estávamos focados em separar o “sinal do ruído”, para dar aos varejistas dados confiáveis, específicos e contextualizados que tiram o trabalho de adivinhação das decisões.

A tecnologia de reconhecimento de objetos inovadora do Re-ID permite que Orbit AI e Video AI ajudem os varejistas a:

• Compreender padrões de tempo de permanência em toda a loja.
• Diferenciar entre compradores e passantes.
• Rastrear as jornadas dos compradores para identificar tendências que informam planos de layout de mercadorias, promoção e publicidade.
• Usar mapeamento de calor para rastrear onde os visitantes passam a maior parte do tempo.

Orbit AI e Video AI vão um passo além, no entanto, pois seus modelos de aprendizado de máquina personalizados se adaptam ao longo das operações. O sistema aprende sobre cada empresa e localização ao longo do tempo, continuamente ajustando parâmetros, identificando fontes de viés e trabalhando para remover dados redundantes ou incompletos que distorcem os modelos. Essa refinaria contínua garante que cada insight reflita a realidade da loja agora. Não ontem; não na semana passada. E isso é crítico porque as tendências, pressões e condições do varejo mudam em um ritmo rápido.

Orbit AI e Video AI foram construídos para facilitar a integração e com as principais barreiras à adoção em mente. O design integrado dos sensores, a abordagem de bordo e as capacidades do Re-ID permitem que os varejistas obtenham esses insights com menos dispositivos, tornando a implantação mais fácil e as ferramentas de análise disponíveis para empresas de todos os tamanhos. É uma continuação de nosso trabalho de décadas focado em tornar insights inteligentes disponíveis para a indústria como um todo.

Você enfatizou o uso de dados simplificado e a fusão de sensores como fundamentais para a reinvenção do varejo. Como combinar múltiplas entradas de sensores cria uma vantagem competitiva em comparação com ferramentas de análise isoladas?

A análise baseada em nuvem ajuda a conectar operações e remover silos, mas também inclui uma série de drivers de desperdício e ineficiência — e muitos varejistas nem sequer percebem que esses estão presentes em seus sistemas. Efetivamente, a fusão de sensores desloca as tarefas iniciais de processamento e integração para o próprio dispositivo (na borda), reduzindo o volume de dados que precisa ser transmitido para servidores centrais e permitindo responsividade em tempo real em todo o ecossistema.

Considere, por exemplo, a análise comportamental. Em um ambiente baseado em nuvem tradicional, os sensores realizariam tarefas de coleta básica, enviando continuamente (ou periodicamente) dados brutos para o cálculo central para processamento, análise e ação. Digamos que a análise revele sinais de comportamento suspeito no chão de vendas, o que dispara uma série de protocolos de resposta. Bem, essa informação — a necessidade de uma resposta — também precisa ser transmitida. E embora todo o processo seja rápido por padrões humanos, você já perdeu tempo enviando e recebendo informações de A para B para C para B e assim por diante.

Com as capacidades de fusão de Video AI e Orbit AI, podemos cortar essas etapas extras. As ferramentas de IA e ML integradas analisam os dados brutos à medida que são coletados e priorizam as próximas etapas com base em suas descobertas, permitindo uma ação mais oportuna. Além disso, ao eliminar a necessidade de transferências contínuas para sistemas maiores, a fusão baseada em borda reduz a demanda de energia e a pressão sobre o sistema central.

Em escala empresarial, integrar plataformas de hardware, software e dados globais é notoriamente complexo. Quais princípios arquitetônicos ou abordagens de engenharia de sistemas são críticos para tornar a infraestrutura de varejo impulsionada por IA verdadeiramente escalável?

É imperativo começar com SAFe / Lean – Arquitetura de Sistemas Ágeis. Essa base permite design seguro, economicamente inteligente, flexível e personalizável (se necessário) de pensamento e desenvolvimento. Eu também acredito em trabalhar para aproveitar uma abordagem agnóstica para ecossistemas de parceiros — permitindo que nos encontremos onde eles estão em sua jornada digital. Isso nos permite criar alavancagem no nível da conta e também abre caminhos para apoiar empresas que precisam de mais uma oferta de SaaS ou aquelas organizações de empresas únicas que desejam todos os sistemas / dados no local. Nossa abordagem permite múltiplos caminhos para habilitação e também suporta uma ampla gama de opções de hardware.

Muitos varejistas lutam para traduzir análise em ROI mensurável. Como você ajuda as organizações a conectar insights avançados de IA diretamente a resultados financeiros e eficiência operacional?

Essa pergunta ajudou a impulsionar o desenvolvimento do Shrink Analyzer. Após o primeiro impulso de investimento em digitalização, os varejistas tinham montanhas de dados de estoque, perda e outros, mas careciam de uma ferramenta para dar sentido a tudo.

Embora seu propósito principal seja a melhoria contínua, a tarefa inicial do Shrink Analyzer é sempre a benchmarking no ponto de implementação. Essa é a primeira etapa e é o que permite qualquer melhoria posterior, bem como serve como ponto de referência para rastrear esse progresso em termos que importam para os negócios. É essa etapa que muitos líderes perderam no hype da IA, e é o motivo pelo qual rastrear o ROI tem sido um desafio em toda a indústria.

Ao descobrir o “o quê, quando e onde” do desperdício e perda no início, o Shrink Analyzer pode traduzi-los em algo que os varejistas não tinham antes: uma imagem clara e quantificável de como as perdas acontecem em escala.

Ele mostra onde as perdas realmente estão acontecendo, as lacunas que têm o maior impacto no desempenho e as oportunidades de mudança que podem ajudar a reduzir esse número. A partir daí, os varejistas podem começar a testar casos de uso, rastrear o progresso e ajustar à medida que avançam para compilar evidências convincentes de que seus investimentos em IA e outras tecnologias estão movendo a agulha.

Privacidade e confiança são preocupações centrais à medida que as lojas se tornam mais instrumentadas. Como a Sensormatic Solutions está abordando o deploy responsável de IA enquanto ainda permite inteligência operacional de alta resolução?

Eu vejo essa questão como parte do que discutimos anteriormente — construindo para líderes, compradores e associados em medida igual. Sim, os varejistas são as pessoas que compram nossas soluções, mas não podemos ter sucesso se os associados e os compradores não estiverem a bordo com os sistemas. A satisfação deles é essencial para nossos clientes e para nós.

Isso impulsiona nossa abordagem de privacidade por design em todos os nossos processos de pesquisa e desenvolvimento. Em outras palavras, incorporamos guardrails do consumidor nas soluções desde o início, o que nos mantém curiosos e criativos.

O design do Re-ID demonstra isso. Suas capacidades de mapeamento de jornada e contagem de tráfego usam variações em e combinações de detalhes individuais não identificáveis — como estilo e cor de cabelo, design de roupas e acessórios — para atribuir IDs únicos aos visitantes. Você pode pensar que há muita sobreposição na roupa ou no estilo para que isso seja eficaz, mas descobrimos que, quando considerados juntos, esses tipos de insights são únicos o suficiente para dizer com confiança “essa pessoa trabalha aqui” ou “essa pessoa visitou há uma hora”.

Nunca saberíamos se não tivéssemos sido forçados a pensar fora da caixa desde o início. À medida que as regulamentações mudam e as preocupações de privacidade do consumidor aumentam, as organizações que adotam esse ponto de vista cedo provavelmente liderarão o pacote em inovação, pois já estão acostumadas a resolver problemas criativamente.

Os varejistas estão navegando por constantes interrupções — volatilidade da cadeia de suprimentos, crime de varejo organizado, pressões trabalhistas e concorrência digital. Como a infraestrutura de varejo impulsionada por IA pode servir como uma força estabilizadora em vez de apenas mais uma camada de complexidade?

Sistemas baseados em dados fornecem estabilidade, alinhando a organização em torno de uma única verdade e um objetivo compartilhado. Adicionar IA reforça essa certeza.

Dados por si só ainda estão sujeitos a interpretação, e as conclusões dos stakeholders são coloridas por suas próprias prioridades. A IA pode mitigar esse problema, analisando dados em toda a operação sem viés em direção a um ponto de vista. Se o sistema funcionou como pretendido, líderes com prioridades pessoais competitivas podem confiar que as análises, recomendações e modelos preditivos refletem a realidade das operações do negócio. Isso nivela o campo de jogo, então a melhor próxima etapa sobe ao topo porque seu valor é claro para todos.

Olhando para os próximos cinco a dez anos, como um ambiente de varejo físico totalmente otimizado por IA parece, e quais etapas estratégicas os líderes devem estar tomando agora para se preparar para esse futuro?

Não há um mapa de caminho único que eu possa apontar para a nossa prontidão para IA, porque realmente é sobre construir sistemas que funcionam para cada varejista individual. No entanto, a base para isso é um pouco universal. Cada varejista precisa:

• Um banco de dados unificado que forneça um registro abrangente de todas as áreas de operações. Sem isso, mesmo os modelos mais capazes e avançados não poderão fornecer insights úteis. Eles precisam de contexto para entregar.
• Referências confiáveis baseadas em dados de negócios relevantes. Isso serve como um ponto de partida para investimentos e fornece uma referência pela qual medir o progresso.
• Planos de treinamento e desenvolvimento de habilidades. A IA não é um ator independente. Ela pode fazer muito, mas as pessoas que a usam precisam entender suas funções e limitações. Os varejistas precisam começar a planejar e a se comunicar sobre a tecnologia cedo e com frequência, para que os associados e funcionários estejam prontos quando chegar a hora.
• Líderes que se importam. A transformação é um projeto de longo prazo, e os líderes precisam estar prontos para comprometer recursos com a iniciativa por um longo período e animados para guiar a organização por meio dela.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Sensormatic Solutions ou Divergent Technology Advisors.