Wegmans en gezichtsherkenning: vijf feiten

Een veranderende beveiligingsstrategie bij Wegmans

In 2025 heeft Wegmans stilletjes zijn dervingpreventie-activiteiten opgevoerd door specifieke winkelbeveiligers en dervingpreventiespecialisten aan te nemen en teams uit te breiden die de veiligheid en derving in de winkels monitoren. Openbare vacatures tonen posities voor winkelbeveiligers en dervingpreventie-officers, wat duidt op investeringen in personeel als primaire route om diefstal af te schrikken.

De operationele beslissingen van het bedrijf in de afgelopen jaren helpen verklaren waarom. Wegmans bood ooit een mobiele zelfscan-app aan waarmee klanten artikelen konden scannen tijdens het winkelen; de keten stopte in 2022 met het programma na meldingen van aanhoudende verliezen als gevolg van misbruik. Die keuze – het terugtrekken van een gemaksfunctie omdat deze de derving verhoogde – illustreert een bredere afweging waar retailers voor staan tussen gemak en veiligheid.

Hoe gezichtsherkenning in winkels wordt gebruikt

Wanneer retailers spreken over gezichtsherkenning, bedoelen ze doorgaans een van deze twee technische patronen: het achteraf bekijken van beelden om recidivisten te identificeren, en live watchlist-matching die realtime waarschuwingen genereert wanneer een gezochte persoon de winkel betreedt. Leveranciers maken reclame voor systemen die gezichten van winkelcamera's kunnen vergelijken met samengestelde watchlists – bijvoorbeeld lijsten van personen die betrokken waren bij eerdere diefstallen of georganiseerde winkeldiefstal – en vervolgens aangewezen personeel informeren. Supermarktketens en andere retailers hebben contracten gesloten met gespecialiseerde leveranciers om dit soort systemen te implementeren.

In de praktijk is de software zelden een volledig autonome beslisser. Retailers beschrijven workflows waarbij een algoritme een mogelijke match signaleert en een getrainde menselijke onderzoeker of beveiligingsmedewerker de beelden beoordeelt en besluit of er actie moet worden ondernomen. Leveranciers en sommige onderzoekers op het gebied van dervingpreventie stellen dat deze combinatie onderzoeken versnelt en incidenten in meerdere winkels sneller met elkaar kan verbinden dan handmatige methoden alleen.

Nauwkeurigheid, bias en fouten in de praktijk

Onafhankelijke tests en academische audits tonen aan dat gezichtsherkenningssystemen niet uniform nauwkeurig zijn. Het Amerikaanse National Institute of Standards and Technology (NIST) heeft grote variaties tussen algoritmen gedocumenteerd, evenals duidelijke verschillen in foutpercentages tussen leeftijds-, geslachts- en huidskleurgroepen. Deze demografische verschillen betekenen dat sommige mensen een grotere kans hebben dan anderen om door bepaalde systemen verkeerd te worden geïdentificeerd.

Eerder academisch onderzoek bracht dit probleem onder de publieke aandacht. De Gender Shades-studie – een baanbrekende audit van commerciële systemen – toonde aan dat een aantal veelgebruikte commerciële classificatiesystemen aanzienlijk slechter presteerde bij vrouwen met een donkere huidskleur dan bij mannen met een lichtere huidskleur. Die bevinding leidde tot meer toezicht op trainingsdata, implementatiepraktijken en claims van leveranciers. Kortom: een laag gemiddeld nauwkeurigheidspercentage kan aanzienlijke verschillen verhullen in wie het algoritme betrouwbaar herkent.

Wetgeving, bebording en bedrijfsrisico's

Het juridische landschap voor biometrie en gezichtsherkenningstechnologie is in de Verenigde Staten versnipperd. Sommige steden en staten hebben regels ingevoerd die het private gebruik van gezichtsherkenning in openbare ruimtes beperken, duidelijke kennisgeving aan klanten vereisen, of verplichtingen opleggen voor toestemming en bewaring van biometrische identificatiegegevens. Retailers die in verschillende rechtsgebieden opereren, moeten navigeren door een groeiend web van lokale wetten en staatsregels die het verzamelen, de kennisgeving en het gebruik van biometrische gegevens reguleren.

Het risico op rechtszaken is reëel. Rechtbanken en toezichthouders hebben al zaken behandeld waarin werd beweerd dat winkels nalieten biometrische gegevenspraktijken bekend te maken of gezichtsherkenningssystemen gebruikten zonder adequate kennisgeving aan het winkelend publiek. Die geschillen onderstrepen twee operationele realiteiten: (1) zichtbare, leesbare borden en een duidelijk beleid verminderen verrassingen en juridische kwetsbaarheid; en (2) de manier waarop een retailer zijn doel beschrijft – diefstalpreventie versus marketing of personalisatie – is van belang voor hoe wetten en rechters de praktijk behandelen.

Vijf feiten om in gedachten te houden over gezichtsherkenning in winkels

1. Een 'match' staat niet gelijk aan een veroordeling. Algoritmen leveren gelijkheidsscores of waarschuwingen op; menselijke beoordelaars nemen doorgaans de uiteindelijke beslissing. Systemen kunnen en zullen fout-positieve resultaten produceren, en handelen op basis van een ongeverifieerde waarschuwing brengt het risico op beschamende of ergere gevolgen voor klanten en medewerkers met zich mee.
2. Retailers combineren instrumenten; gezichtsherkenning is slechts één middel. Winkels combineren personeelstraining, fysiek ontwerp (zichtbaarheid, verlichting), alarmen, kassabon- en betalingscontroles, en analyses die zoeken naar verdachte bewegingen of patronen. Gezichtsherkenning wordt vaak gepresenteerd als een efficiëntievergroter voor onderzoekers in plaats van als een op zichzelf staande oplossing.
3. Wetgeving en beleid variëren – kennisgeving en toestemming zijn belangrijk. Sommige lokale wetten vereisen dat bedrijven duidelijke kennisgevingen plaatsen of toestemming verkrijgen voordat ze biometrische identificatiegegevens verzamelen; andere rechtsgebieden staan ruimer gebruik door de private sector toe. Retailers die gezichtsherkenning in meerdere staten gebruiken, moeten verschillende juridische verplichtingen en procesrisico's met elkaar in overeenstemming brengen.
4. Praktische waarborgen veranderen de balans van risico's. Beperkingen zoals beperkte watchlists, korte bewaartermijnen, menselijke beoordeling, auditlogs en strikte contracten met leveranciers verminderen de nadelen, maar nemen ze niet weg. Onafhankelijke audits, transparantie over het doel en regels voor dataretentie maken een wezenlijk juridisch en ethisch verschil wanneer er geschillen ontstaan.

Wat dit betekent voor het winkelend publiek en voor Wegmans

Voor het winkelend publiek zijn de directe, praktische lessen eenvoudig: wees ervan bewust dat sommige winkels dervingpreventieteams uitbreiden en meer bewakingsinstrumenten inzetten; let op geplaatste mededelingen bij de ingangen; en vraag bij twijfel aan het winkelmanagement of en hoe biometrische herkenning wordt gebruikt en hoe lang beelden worden bewaard. Publieke transparantie – borden plus toegankelijke privacy-uitleg – helpt klanten om geïnformeerde keuzes te maken en vermindert verrassingen die leiden tot rechtszaken.

Voor Wegmans en soortgelijke supermarktketens zijn de beleidskeuzes afwegingen. Investeren in personeel en winkelontwerp verbetert de afschrikking terwijl het menselijk oordeel centraal blijft; het inzetten van live watchlist-matching kan onderzoeken versnellen en de wetshandhaving helpen, maar roept vragen op over nauwkeurigheid en eerlijkheid waarover steeds vaker wordt geprocedeerd en die steeds vaker worden gereguleerd. Het veiligste operationele pad combineert gericht technisch gebruik, duidelijke kennisgeving, strikte bewaartermijnen en menselijk toezicht.

Korte praktijknotitie: technologie in actie

Lokale politierapporten tonen voorbeelden waarbij gezichtsherkenning heeft bijgedragen aan het identificeren van verdachten na incidenten in supermarkten. In één geval meldde een politiekorps in Pennsylvania dat hulp bij gezichtsherkenning hielp bij het bevestigen van een identiteit die gekoppeld was aan een diefstal, wat illustreert hoe commerciële beelden en onderzoeksinstrumenten nu deel uitmaken van de dagelijkse werkwijze van de politie in de detailhandel. Deze voorbeelden tonen zowel het nut aan waar leveranciers mee adverteren als de reden waarom privacyvoorstanders aandringen op strikte waarborgen.

Uiteindelijk onderhandelen consumenten, winkelmanagers en beleidsmakers over waar de grens moet worden getrokken tussen het voorkomen van diefstal en het behouden van de dagelijkse privacy. De volgende golven van regelgeving, rechterlijke uitspraken en onafhankelijke algoritmische audits zullen die balans vormgeven – maar vooralsnog zijn de bovenstaande eenvoudige voorzorgsmaatregelen de meest betrouwbare bescherming tegen verrassingen en nadelige gevolgen.

Bronnen

• NIST (Face Recognition Vendor Test, demographic effects reports)
• MIT Media Lab (Gender Shades research)
• Loss Prevention Research Council (University of Florida)