Self-checkout e self-scanning stanno rendendo la spesa più veloce e autonoma. Per i retailer, però, cresce anche la necessità di gestire errori, anomalie operative e fenomeni di shrinkage senza rendere il punto vendita un ambiente percepito come ostile o eccessivamente sorvegliato.
L’intelligenza artificiale può intervenire proprio qui, aiutando a proteggere il margine e a rendere più mirati i controlli. Ne abbiamo parlato con Rosario Casillo, Group Chief Products and Solutions Officer di Datalogic, intervenuto durante Retail Tech 2026.

Perché la loss prevention è diventata centrale nella GDO?
Le aspettative dei consumatori sono sempre più alte, mentre aumentano il costo del lavoro, la difficoltà di trovare personale e la necessità di rendere le operazioni più efficienti.
Il self-service risponde a queste esigenze, ma trasferisce al cliente attività prima svolte dal personale. Può quindi capitare che un articolo non venga letto correttamente, che il cliente creda di averlo scansionato o che un prodotto finisca nel carrello per distrazione. A questi errori si aggiungono i comportamenti intenzionali.
La loss prevention deve riuscire a intercettare entrambe le situazioni, proteggendo il retailer senza penalizzare chi sta semplicemente facendo la spesa.
Come può l’AI riconoscere le anomalie al self-checkout?
L’idea è rendere più intelligenti i dispositivi già presenti. Uno scanner, oltre a leggere il codice a barre, può utilizzare fotocamere e algoritmi per osservare ciò che accade nell’area di checkout e confrontarlo con la transazione registrata.
Un caso frequente è il miscan: il cliente passa il prodotto davanti allo scanner, ma il codice non viene letto e l’articolo viene comunque riposto nella busta.
L’AI può rilevare anche il label switching, confrontando l’articolo inquadrato con il barcode presentato, oppure riconoscere prodotti sovrapposti quando più articoli vengono impilati ma solo uno viene scansionato.
Queste situazioni non vengono automaticamente interpretate come furti. Il sistema segnala l’anomalia e lascia al retailer la decisione su come gestirla.
Come cambia il self-scanning?
Nel self-scanning il cliente utilizza un dispositivo portatile per leggere i prodotti mentre li inserisce nel carrello. È un’esperienza rapida, ma una maggiore autonomia può aumentare il rischio di errori o perdite.
Un dispositivo dotato di fotocamera posteriore può confrontare ciò che viene scansionato con ciò che entra effettivamente nel carrello. In questo modo si ottiene una forma di carrello intelligente senza aggiungere tablet, telecamere, batterie e altri componenti al carrello stesso.
Se viene rilevato un prodotto non scansionato, il controllo può concentrarsi direttamente sull’articolo che ha generato l’anomalia, invece di riguardare l’intera spesa.
Come evitare un’esperienza troppo invasiva?
La tecnologia deve essere progettata in modo non intrusivo. La fotocamera può essere orientata esclusivamente verso il carrello e attivarsi soltanto quando un sensore rileva un movimento o un evento.
Il cliente deve sapere che cosa sta accadendo. Se emerge una mancata corrispondenza, il retailer può mostrarla direttamente sul dispositivo, permettendo di correggere subito un errore dovuto anche a distrazione o a un articolo inserito nel carrello da un bambino.
Intervenire nel momento in cui si verifica l’anomalia può evitare controlli successivi più invasivi.
Quali risultati può ottenere il retailer?
Nei progetti pilota illustrati durante l’intervento, il sistema ha rilevato un’anomalia ogni 40 transazioni, pari al 2,5% delle operazioni, con un ritorno dell’investimento inferiore a un anno.
L’efficacia riguarda anche il tempo risparmiato da personale e clienti. Ridurre i controlli casuali significa intervenire quando esiste un elemento concreto da verificare.
Il target indicato è riconoscere almeno l’85% delle anomalie, mantenendo i falsi positivi sotto il 10% e, idealmente, intorno all’8%.

Dalla loss prevention all’Intelligent Store
L’AI può essere eseguita direttamente all’interno dello scanner, senza richiedere necessariamente GPU, computer esterni o nuove infrastrutture complesse. L’elaborazione locale riduce la dipendenza dalla connettività e mantiene i dati all’interno del perimetro tecnologico del retailer.
La loss prevention diventa così un’applicazione concreta della Physical AI: utilizzare scanner, fotocamere e dispositivi già presenti per interpretare ciò che accade nel punto vendita.
Per il retailer significa proteggere il margine e rendere più mirati gli interventi del personale, mantenendo allo stesso tempo la libertà e la semplicità dell’esperienza self-service.
Scopri Retail Tech 2026