Wegmans och ansiktsigenkänning: Fem fakta

En förändrad säkerhetsprofil hos Wegmans

Under 2025 har Wegmans i tysthet förstärkt sin verksamhet för svinnbekämpning – genom att anställa dedikerade säkerhets- och svinnspecialister och expandera de team som övervakar säkerhet och svinn i kedjans butiker. Offentliga platsannonser visar lediga tjänster för butikssäkerhetsspecialister och kontrollanter, vilket signalerar att investeringar i personal är den primära vägen för att avskräcka stölder.

Företagets operativa beslut under de senaste åren bidrar till att förklara varför. Wegmans erbjöd tidigare en telefonbaserad självskanningsapp som kunderna använde för att skanna varor medan de handlade; kedjan lade ner programmet 2022 efter rapporter om ihållande förluster kopplade till missbruk. Det valet – att dra tillbaka en bekvämlighetsfunktion för att den ökade svinnet – illustrerar den bredare avvägning som återförsäljare står inför mellan bekvämlighet och säkerhet.

Hur ansiktsigenkänning används i butiker

När återförsäljare talar om ansiktsigenkänning menar de vanligtvis ett av två tekniska mönster: manuell granskning av filmmaterial i efterhand för att identifiera återfallsförbrytare, och matchning mot bevakningslistor i realtid som genererar varningar när en person av intresse går in i butiken. Leverantörer marknadsför system som kan jämföra ansikten från butikskameror mot kurerade bevakningslistor – till exempel listor över personer som kopplats till tidigare stölder eller organiserad butikskriminalitet – och sedan meddela utsedd personal. Livsmedelskedjor och andra återförsäljare har anlitat specialistleverantörer för att implementera denna typ av system.

I praktiska tillämpningar är programvaran sällan en helt autonom beslutsfattare. Butiksoperatörer beskriver arbetsflöden där en algoritm flaggar en potentiell matchning, varpå en utbildad mänsklig utredare eller butikens säkerhetspersonal granskar materialet och beslutar om åtgärder ska vidtas. Leverantörer och vissa forskare inom svinnbekämpning hävdar att denna kombination påskyndar utredningar och kan koppla samman incidenter i flera butiker snabbare än enbart manuella metoder.

Precision, bias och fel i verkligheten

Oberoende tester och akademiska granskningar visar att system för ansiktsigenkänning inte är enhetligt precisa. Amerikanska National Institute of Standards and Technology (NIST) har dokumenterat stora variationer mellan algoritmer och tydliga skillnader i felmarginaler mellan olika ålders-, köns- och hudtonsgrupper. Dessa demografiska skillnader innebär att vissa människor löper större risk än andra att bli felaktigt identifierade av vissa system.

Tidigare akademiskt arbete uppmärksammade allmänheten på detta problem. Studien Gender Shades – en banbrytande granskning av kommersiella system – visade att ett antal flitigt använda kommersiella klassificerare presterade betydligt sämre på kvinnor med mörkare hudton än på män med ljusare hudton. Det fyndet bidrog till att väcka en bredare granskning av träningsdata, implementeringsmetoder och leverantörers påståenden. Kort sagt: en låg siffra för den generella felmarginalen kan dölja betydande skillnader i vem algoritmen tillförlitligt känner igen.

Lagar, skyltning och företagsrisker

Det juridiska landskapet för biometrisk teknik och ansiktsmatchning är fragmenterat i USA. Vissa städer och delstater har infört regler som begränsar privat användning av ansiktsigenkänning i lokaler öppna för allmänheten, kräver tydlig skyltning för kunder eller inför skyldigheter gällande samtycke och lagring av biometriska identifierare. Återförsäljare som är verksamma i flera jurisdiktioner måste navigera i ett växande lapptäcke av lokala lagar och delstatliga stadgar som reglerar insamling, information och användning av biometriska data.

Risken för rättsliga processer är reell. Domstolar och tillsynsmyndigheter har redan hanterat fall där det påstås att butiker underlåtit att informera om hantering av biometriska data eller använt system för ansiktsmatchning utan tillräcklig information till kunderna. Dessa tvister belyser två operativa realiteter: (1) synlig, läsbar skyltning och tydliga policyer minskar överraskningsmoment och juridisk exponering; och (2) sättet en återförsäljare beskriver sitt syfte på – stöldförebyggande kontra marknadsföring eller personlig anpassning – har betydelse för hur lagar och domare bedömer praxisen.

Fem fakta att hålla i minnet om ansiktsigenkänning i butiker

1. En ”matchning” är inte lika med en fällande dom. Algoritmer levererar likhetspoäng eller varningar; mänskliga granskare fattar vanligtvis det slutgiltiga beslutet. System kan och gör felaktiga identifieringar (falska positiva), och att agera på en obekräftad varning riskerar att leda till pinsamma eller värre konsekvenser för kunder och anställda.
2. Återförsäljare blandar verktyg; ansiktsmatchning är bara en del. Butiker kombinerar personalutbildning, fysisk utformning (sikt, belysning), larm, kvitto- och betalkontroller samt analysverktyg som letar efter misstänkta rörelser eller mönster. Ansiktsmatchning presenteras ofta som en kraftmultiplikator för utredare snarare än en fristående lösning.
3. Lagar och policyer varierar – information och samtycke spelar roll. Vissa lokala lagar kräver att företag sätter upp tydliga meddelanden eller inhämtar samtycke innan biometriska identifierare samlas in; andra jurisdiktioner tillåter en bredare användning inom den privata sektorn. Återförsäljare som använder ansiktsmatchning i flera delstater måste förena olika juridiska skyldigheter och risker för rättsliga tvister.
4. Praktiska skyddsåtgärder förändrar skadebalansen. Begränsningar som snäva bevakningslistor, korta lagringsperioder, mänsklig granskning, loggar för revision och strikta leverantörsavtal minskar men eliminerar inte risker för skada. Oberoende granskningar, transparens kring syftet och regler för datalagring gör en väsentlig juridisk och etisk skillnad när tvister uppstår.

Vad detta innebär för kunder och för Wegmans

För kunder är de omedelbara, praktiska slutsatserna enkla: var medveten om att vissa butiker utökar sina team för svinnbekämpning och använder fler övervakningsverktyg; leta efter anslag vid entréer; och om du är orolig, fråga butiksledningen om och hur biometrisk matchning används och hur länge bilder sparas. Offentlig transparens – skyltning plus tillgängliga integritetsförklaringar – hjälper kunder att göra informerade val och minskar de överraskningar som ger näring åt stämningar.

För Wegmans och liknande livsmedelskedjor innebär de valda policyerna avvägningar. Att investera i personal och butiksdesign förbättrar avskräckningen samtidigt som det mänskliga omdömet förblir centralt; att använda matchning mot bevakningslistor i realtid kan påskynda utredningar och hjälpa polisen, men väcker frågor om precision och rättvisa som i allt högre grad blir föremål för rättsliga prövningar och regleringar. Den säkraste operativa vägen kombinerar riktad teknisk användning, tydlig information, strikta lagringsbegränsningar och mänsklig tillsyn.

Kort fallstudie: teknik i praktiken

Lokala polisregister visar exempel där ansiktsmatchning bidragit till att identifiera misstänkta efter incidenter i livsmedelsbutiker. I ett fall rapporterade en polismyndighet i Pennsylvania att hjälp från ansiktsmatchning bidrog till att bekräfta en identitet kopplad till en stöld, vilket illustrerar hur kommersiellt filmmaterial och utredningsverktyg nu är en del av det vardagliga arbetet mot butiksbrott. Dessa exempel visar både den nytta som leverantörer marknadsför och anledningen till att integritetsförespråkare driver på för strikta skyddsmekanismer.

I slutändan förhandlar kunder, butikschefer och beslutsfattare om var gränsen ska dras mellan att förhindra stöld och att bevara den vardagliga integriteten. Nästa våg av regleringar, domstolsbeslut och oberoende algoritmiska granskningar kommer att forma den balansen – men för närvarande är de enkla försiktighetsåtgärderna ovan det mest tillförlitliga skyddet mot överraskningar och skada.

Källor

• NIST (Face Recognition Vendor Test, rapporter om demografiska effekter)
• MIT Media Lab (Gender Shades-forskning)
• Loss Prevention Research Council (University of Florida)