A câmera de prateleira que avisa a ruptura na hora: o caso Focal Systems

Uma prateleira vazia parece um detalhe operacional. Não é. Estimativas do setor apontam que o impacto é assustador: rupturas de estoque custam aos varejistas de 4% a 8% das vendas anuais, o que para uma rede de supermercados de porte médio significa milhões em receita perdida. Para uma rede com faturamento na casa das dezenas de milhões, isso é dinheiro suficiente para pagar um sistema inteiro de gestão — perdido em silêncio, item por item.

O detalhe que quase ninguém corrige: o problema não está no fornecedor. A grande maioria das rupturas nasce dentro da própria loja — pesquisas mostram consistentemente que até 70% das falhas de disponibilidade acontecem nos "últimos 100 pés" da jornada do produto: dentro da loja. Ou seja, o produto está no depósito dos fundos, mas não chega à gôndola a tempo. E aí entra o caso que vale estudar.

O caso: a câmera que "vê" a prateleira igual ao cliente

A Focal Systems, empresa de San Francisco, construiu uma solução chamada Shelf AI que ataca exatamente esse ponto cego. A Focal criou um sistema que continuamente "vê" as prateleiras da loja, detecta rupturas e guia as equipes a repor a tempo — sua missão é modernizar o varejo automatizando a operação de loja com visão computacional, IA e streaming de dados. O reconhecimento veio: a empresa venceu o prêmio de Tecnologia de Loja do Ano no Retail Systems Awards de 2026.

O número que sustenta a precisão é o volume de treino do modelo. A Focal desenvolveu os modelos de visão computacional por deep learning mais precisos do varejo, treinados em mais de 2 bilhões de imagens rotuladas capturadas de varejistas ao redor do mundo, de mais de 300 mil câmeras instaladas. Não é uma câmera de segurança adaptada: são câmeras de prateleira robustas e de baixo custo que escaneiam as gôndolas de hora em hora com alta acurácia.

O ganho operacional medido é o que interessa ao dono de rede. Ao escanear todo o salão de vendas e o estoque de hora em hora, a Focal elimina todo o "tempo de busca" do processo — estudos de tempo e movimento comprovaram um aumento de 2,5x na produtividade. O repositor deixa de andar pela loja procurando o que faltou e passa a receber uma lista pronta.

Como funciona a técnica por trás

O mecanismo cruza três camadas de dados. Primeiro, a câmera fotografa a gôndola de hora em hora. Os modelos de IA primeiro apagam qualquer informação pessoal identificável das imagens — nenhum dado de imagem de cliente ou funcionário é retido — e depois detectam com precisão itens em estoque, rupturas, níveis baixos, não-conformidade de planograma e eventos de reposição, de hora em hora.

A parte inteligente é o que acontece com esse dado. Se a IA detecta uma ruptura e há estoque no depósito, o sistema adiciona o produto à lista de coleta na ferramenta do repositor em ordem de Venda Perdida — se não há estoque nos fundos, o sistema pede mais produto. Ou seja, o algoritmo não trata todo buraco igual: ele coloca no topo o item que está sangrando mais faturamento por hora parado. É a diferença entre "faltou coisa" e "faltou o que dava dinheiro".

"A cada segundo em que um produto fica em ruptura na prateleira, a receita escoa silenciosamente. Os clientes vão embora de mãos vazias, e as empresas perdem clientes além de insights valiosos sobre o que realmente acontece no chão de loja."

— Focal Systems, via IBM Product Blog

Há ainda uma camada de correção contínua. A Focal detecta "rupturas crônicas" — SKUs com menos de 3 dias de capacidade de estoque — e faz recomendações por loja para aumentar frentes nesses SKUs e reduzir frentes em SKUs superalocados, para reduzir rupturas, aumentar vendas e ainda economizar mão de obra. O planograma deixa de ser estático e passa a se ajustar ao que a loja de fato vende.

O que você vai precisar

• Relatório de venda por SKU por loja (do seu ERP/PDV) — para calcular a venda perdida de cada item.
• Um celular com câmera e alguém que fotografe as gôndolas críticas no início e no meio do dia.
• Uma planilha ou o ChatGPT/Gemini para transformar as fotos e os dados em uma lista de reposição priorizada.
• Um repositor ou gerente de loja que execute a lista — de preferência com meta clara.

Passo a passo pra aplicar na sua empresa

1. Descubra seu custo de ruptura hoje (menos de 1 hora). Puxe a venda média diária por SKU de uma loja e aplique a régua do setor: rupturas custam de 4% a 8% da venda anual. Multiplique seu faturamento anual da loja por 4% — esse é o número mínimo que você está perdendo. Ele justifica todo o esforço seguinte e dá a você o "porquê" para engajar a equipe.
2. Faça o "auditor de gôndola" com foto de celular. Escolha as 20 gôndolas de maior giro de uma loja. Peça duas fotos por dia (abertura e 14h) e envie para o ChatGPT ou Gemini com o comando: "liste os produtos ausentes ou com pouca frente nesta prateleira, comparando com a foto de ontem". Você recria, de graça, a detecção de ruptura da Focal — sem câmera dedicada.
3. Priorize por venda perdida, não por ordem alfabética. Junte a lista de faltas do passo 2 com a venda diária por SKU do passo 1. Ordene do que vende mais para o que vende menos. Essa é a lógica central da Focal: o repositor ataca primeiro o buraco mais caro. Só reordenar a fila já recupera receita no mesmo dia.
4. Separe ruptura "de depósito" de ruptura "de fornecedor". Para cada item que falta, marque: tem no estoque dos fundos? Se sim, é falha de reposição interna (os tais 70% dos casos) e resolve hoje. Se não, é problema de compra/fornecedor e vai para o ciclo de pedido. Isso impede que você culpe o fornecedor por um problema que é seu.
5. Crie a régua de "ruptura crônica". Liste os SKUs que faltaram 3 ou mais vezes na semana. Nesses, aumente a quantidade de frentes na gôndola e reveja o ponto de pedido — exatamente o ajuste automático que a Focal faz. Resultado esperado: menos idas ao depósito e menos buracos recorrentes no item que mais importa.
6. Só então avalie o hardware. Com a lógica rodando e o ganho comprovado em uma loja, aí sim faça a conta de câmeras dedicadas. Como referência de escala: a instalação é rápida, feita com apenas 2 pessoas em uma noite, e uma loja típica de cerca de 2.800 m² precisa de aproximadamente 400 câmeras. Você chega no fornecedor sabendo exatamente qual problema quer resolver — e não comprando promessa.

O que muda na operação

O ganho concreto é deixar de "descobrir" a ruptura na conferência do fim do dia — quando a venda já escapou — e passar a vê-la enquanto o cliente ainda está na loja. Você troca o repositor que anda perdido pela lista ordenada por dinheiro, e troca o achismo de planograma por um ajuste baseado no que cada loja de fato gira. Numa rede multi-loja, isso vira comparável: você enxerga qual filial tem mais buraco de prateleira e por quê.

Comece pelo passo 2 ainda hoje, com uma loja e vinte gôndolas. Se a foto de celular somada ao seu relatório de venda já te mostrar dinheiro escorrendo, a decisão sobre câmeras dedicadas deixa de ser um salto de fé — e passa a ser uma conta que fecha.