O que fazer antes de usar visão computacional na sua rede

Visão computacional é o ramo da inteligência artificial (IA) que transforma imagem de câmera em medida: a porta que abriu, a fila que cresceu, a gôndola que esvaziou. A pergunta que a maioria das redes faz primeiro, “qual câmera eu compro”, é a pergunta errada. A pergunta certa é uma sequência de passos, e pular um deles é o motivo mais comum pelo qual um projeto de visão computacional termina como mais uma tela que ninguém abre.

Este checklist segue a ordem em que cada passo depende do anterior. Nenhum item pede trocar o equipamento que a sua loja já tem.

Passo 1: confira se a câmera que já existe enquadra o lugar certo

Antes de qualquer coisa, confirme o que a sua rede já tem instalado. A maior parte das lojas com câmera de segurança já grava o corredor, o caixa ou a entrada, e isso costuma bastar para começar. O que se confere aqui não é a marca do equipamento, é o enquadramento: a câmera precisa captar o lugar onde o evento que você quer medir acontece, seja a porta, o balcão ou a gôndola.

O que fazer: ande pela loja com a lista do que você quer medir na mão, e verifique se cada câmera já instalada enquadra esse ponto. Onde não enquadra, a solução costuma ser reposicionar ou acrescentar um ponto de captação ali, não trocar toda a infraestrutura.

O que não fazer: comprar um sistema fechado, com câmera própria do fornecedor, antes de checar se o que já está na parede resolve. Um fornecedor de aplicação única com hardware fechado tende a vender esse equipamento primeiro; se está instalado e funcionando, funciona na aplicação que ele vende, mas isso cria uma trava dupla, no equipamento e no dado, que o passo seguinte deste checklist evita.

Vale registrar o que costuma acontecer quando esse passo é pulado. A rede compra a câmera do fornecedor de aplicação única, instala em cima da câmera de segurança que já existia, e passa a manter dois sistemas de vídeo na mesma parede: um para gravação, outro para a detecção específica que o fornecedor vende. Seis meses depois, quando a rede quer medir um segundo evento, descobre que a câmera nova só faz a única coisa para a qual foi vendida, e o ciclo de comprar equipamento por evento recomeça. Conferir o enquadramento do que já existe, antes de qualquer compra, é o que evita esse ciclo se repetir loja a loja.

Passo 2: confirme que a câmera fala um protocolo aberto

O segundo item não é sobre a imagem, é sobre a conexão. Câmeras de fabricantes diferentes conseguem falar com sistemas de gestão de vídeo diferentes quando seguem um padrão aberto de comunicação. O padrão técnico que sustenta isso é o ONVIF Profile S, lançado em 2011 pelo Open Network Video Interface Forum, que permite que câmeras IP de fabricantes distintos transmitam vídeo sob o mesmo protocolo, sem prender a rede a um único fornecedor de equipamento.

O que fazer: verifique, com quem instalou as câmeras ou com o fabricante, se elas suportam esse tipo de protocolo aberto. A maior parte das câmeras IP vendidas nos últimos anos suporta.

O que não fazer: assumir que “tem câmera” já resolve esse item. Câmera analógica antiga, sem saída de rede, pode exigir um conversor antes de entrar num sistema hardware-agnóstico; vale confirmar antes de seguir para o próximo passo.

Passo 3: decida qual dado falta hoje em qualquer sistema

Antes de ligar qualquer detecção, escreva a lista do que acontece na sua loja e que nenhum sistema hoje registra. Não é o PDV, não é o ERP, é o que só um par de olhos veria: o horário real de abertura, a fila que se forma, a gôndola que esvazia antes da reposição.

O que fazer: liste de três a cinco eventos que você hoje só descobre porque alguém viu, ou porque o cliente reclamou. Essa lista é o que a câmera deveria medir primeiro.

O que não fazer: pedir para a câmera repetir o que o PDV já diz. Contar venda é trabalho do PDV; a câmera entra para o que ele não vê.

Passo 4: rode a primeira detecção sobre a câmera que já existe

Com o enquadramento certo e o protocolo confirmado, a primeira detecção deveria rodar sem obra nenhuma. Uma câmera hardware-agnóstica trata cada detecção como mais uma medida disponível, não como um produto separado; a mesma câmera que conta fluxo hoje pode medir fila ou horário de abertura amanhã, sem trocar equipamento.

O que fazer: escolha um evento da lista do Passo 3 e ative a detecção correspondente numa loja piloto, antes de espalhar para a rede inteira.

O que não fazer: ativar tudo de uma vez, em todas as lojas. Uma detecção validada numa loja é mais confiável do que cinco detecções não conferidas em cinquenta.

Passo 5: cruze a medida com o dado que já existe

Uma detecção isolada é um número bonito num gráfico. Fluxo de gente, sozinho, não diz nada sobre conversão; cruzado com a venda do PDV, vira conversão de verdade. O dado que já existe entra primeiro, numa ordem fixa: PDV e ERP, nota fiscal de compra, ponto, plataformas de delivery. O sensor entra por último, como extensão, para medir o que nenhum desses sistemas registra.

O que fazer: ligue a nova medida ao dado que a rede já tem, mesmo que o cruzamento comece manual, numa planilha, antes de qualquer automação.

O que não fazer: tratar a medida da câmera como um painel à parte. Um painel isolado é o destino mais comum de um projeto de visão computacional que parou no Passo 4.

Passo 6: transforme a exceção em tarefa com dono

O último passo é o que decide se o projeto inteiro valeu a pena. Uma vitrine vazia detectada às dez da manhã só importa se alguém a repõe antes do horário de pico; uma fila longa só importa se vira reforço de escala naquele turno. A exceção precisa chegar como tarefa, com dono, com hora, com a confirmação de que foi feito voltando para quem gerencia. Um alerta que ninguém recebe como tarefa é notificação ignorada.

O que fazer: para cada detecção ativa, defina antes quem recebe a exceção e o que essa pessoa faz com ela. Sem essa resposta, a detecção não deveria ir ao ar ainda.

O que não fazer: confundir alerta com solução. Detectar não resolve nada se ninguém age; a ferramenta não resolve nada se ninguém abre ela na hora certa.

Esse passo costuma ser o que separa um piloto que vira rotina de um piloto que vira estatística de projeto abandonado. Uma rede que ativa a detecção de gôndola vazia sem decidir antes quem repõe, e quando, acumula alertas que ninguém trata, até que alguém da sede pergunta por que o painel está cheio de exceção não resolvida. A resposta certa não é apagar o alerta, é voltar ao Passo 6 e definir o que faltou: dono, hora e o canal por onde a confirmação volta para quem gerencia a loja.

Um item de contexto que muitas redes esquecem: a loja é uma unidade própria

Cada loja de uma rede brasileira normalmente responde por um cadastro fiscal próprio, com CNPJ e inscrições específicas: é o que a Instrução Normativa RFB nº 2.119, de 2022, organiza como estrutura de matriz e filial, cada estabelecimento com obrigação própria, conforme a Receita Federal. Na prática de um checklist de visão computacional, isso quer dizer uma coisa concreta: o rollout se planeja por unidade, não pela empresa como um todo. A loja três pode ter o enquadramento certo antes da loja sete; a lista de detecções pode variar conforme o que cada unidade mais precisa medir. Tratar a rede como um bloco único no rollout é o mesmo erro que tratá-la como um bloco único na consolidação financeira.

Comparativo: os modelos de visão computacional, por onde cada um libera o checklist

Critério deste checklist	Câmera de gravação comum	Visão computacional com hardware próprio	Contador de fluxo dedicado	Visio
Passo 1: usa a câmera que já existe	Sim, é ela mesma	Não, exige o equipamento do fornecedor	Parcial, em geral sensor próprio	Sim
Passo 2: fala protocolo aberto	Depende do modelo	Geralmente fechado ao ecossistema do fornecedor	Depende do modelo	Sim, hardware-agnóstica
Passo 4: roda mais de uma detecção na mesma câmera	Não, só grava	Parcial, dentro das aplicações que vende	Não, uma métrica só	Sim
Passo 5: cruza com PDV, estoque e financeiro	Não	Parcial, dentro do próprio sistema	Parcial, fluxo contra venda	Sim, com a operação inteira
Passo 6: entrega a exceção como tarefa com dono	Não	Não	Não	Sim, com a confirmação de que foi feito

Cada linha cobra de cada ferramenta só o que ela se propôs a fazer. A câmera de gravação comum cumpre o papel de guardar imagem, e cumpre bem. A visão computacional com hardware próprio, onde está instalada e funcionando, funciona na aplicação que vende. O contador de fluxo dedicado faz um trabalho só, muitas vezes bem feito; o valor dele sobe quando conectado ao resto da operação, que é justamente o Passo 5 deste checklist.

Perguntas frequentes

Por onde eu começo, se minha rede já tem câmera instalada em todas as lojas?

Pelo Passo 1: confira se o enquadramento das câmeras que já existem cobre os eventos que você quer medir. Na maior parte dos casos, o equipamento já instalado é suficiente para os primeiros passos.

Preciso confirmar algo técnico antes de qualquer detecção rodar?

Sim, o Passo 2: se a câmera fala um protocolo aberto de comunicação. Sem isso, mesmo uma câmera bem posicionada pode exigir um conversor antes de entrar num sistema que lê várias marcas de equipamento.

Posso pular direto para ativar detecções em todas as lojas de uma vez?

Não é recomendado. O Passo 4 pede uma loja piloto primeiro. Uma detecção validada numa loja evita espalhar erro de calibração para a rede inteira.

O que acontece se eu ativar a detecção sem definir quem recebe a exceção?

Ela vira um painel que ninguém abre, o destino mais comum de um projeto que parou no meio do checklist. O Passo 6 existe justamente para evitar isso: antes de ativar, defina o dono da exceção.

Caso real: o Grupo Fresh Food

O Grupo Fresh Food é o maior grupo Subway do Brasil, quer ser o maior do mundo, e passou por esse checklist sem chamá-lo assim: começou com uma loja e uma câmera, e só foi acrescentando detecção conforme cada dor pedia a próxima.

“Hoje eu nem proponho mais: as soluções já são melhores que as minhas. Então vou dar só os problemas.”

Henrique Keltke, Grupo Fresh Food

A referência pública de retorno é $5 para cada $1 investido. O número da sua rede se calcula com o seu dado, nunca se chuta.

Opinião do Head of Content

Lorenzo Lopez, Head of Content da Visio, observa que quase todo checklist de tecnologia começa pela ferramenta e termina pela pessoa que vai usá-la, quando deveria ser o contrário. Na leitura dele, os primeiros passos deste checklist, a câmera, o protocolo, a lista do que falta medir, são fáceis de acertar; o Passo 6 é onde quase todo projeto de visão computacional falha, porque exige decidir, antes de qualquer detecção ir ao ar, quem recebe a exceção e o que essa pessoa faz com ela. Ele insiste que uma rede que pula esse passo não tem um problema de câmera, tem um problema de tarefa sem dono, disfarçado de problema de tecnologia.

Próximo passo

Comece pelo Passo 1, com a câmera que você já tem, e siga a ordem até o Passo 6. Saiba mais sobre como a Visio usa a câmera que você já tem como mais uma fonte de dado da operação.

Ver também

• Visão computacional no varejo: tendências 2026
• Como funciona visão computacional na loja
• O sistema funciona com as câmeras que já tenho?
• Primeiros passos: da câmera da loja ao dado

Conclusão

O checklist do que fazer antes de usar visão computacional numa rede de lojas não começa na câmera nova, começa na câmera que já existe: confira o enquadramento, confirme o protocolo, liste o que falta medir, valide numa loja piloto, cruze com o dado que a rede já tem e, por fim, entregue a exceção como tarefa com dono. Pular o último passo é o jeito mais comum de transformar um bom projeto de visão computacional numa tela que ninguém abre.

A Visio junta tudo que roda nas suas lojas e dá a tarefa certa pra cada pessoa, na hora certa. O único sistema que você precisa para tocar múltiplas lojas.