Acompanhei um projeto piloto durante três meses.
O armazém fica em Chino, Califórnia — um 3PL de atendimento de pedidos de e-commerce, com pouco mais de 90.000 pés quadrados, doze empilhadeiras e dois turnos, o noturno indo até às 2h da manhã. No outono passado, uma empilhadeira quase atingiu um embalador do turno da noite na porta da doca. Ninguém se feriu, mas o embalador escreveu um e-mail de reclamação que foi encaminhado direto ao cliente. O cliente era um grande vendedor. Recebemos um questionário de segurança de doze páginas, e o dono finalmente decidiu: vamos testar a análise de vídeo com IA, focada especificamente nos quase-acidentes entre empilhadeiras e pedestres.
O piloto foi de maio a agosto de 2026. Aqui vai metade do veredito logo de cara: funciona — mas não do jeito que se espera.
Onde apontar as câmeras
O primeiro erro é cobrir o prédio inteiro. O software é cobrado por posição de câmera, então a cobertura total fica cara rápido — e é desnecessária. Quase-acidentes se concentram em pontos quentes. Encontre os pontos quentes.
Nossas doze posições: entradas e catracas, onde pessoas e caminhões precisam se cruzar; a área de carregamento de baterias, onde as empilhadeiras manobram o tempo todo; as interseções entre as zonas de staging e os corredores principais; as portas da doca, onde uma porta que se abre elimina toda a visibilidade; e os fundos cegos dos corredores de racks. Esses cinco tipos de pontos concentraram mais de oitenta por cento dos quase-acidentes detectados em três meses.
A altura foi uma lição. As primeiras instalações foram a vinte e oito pés, bem sobre a cabeça, como pensa um instalador de segurança. O algoritmo não via as pessoas de jeito nenhum — um pedestre era só algumas dezenas de pixels. Baixamos para dezoito a vinte pés, inclinada pelo corredor de quinze a vinte e cinco graus. De repente a IA tinha pixels suficientes para trabalhar, e os falsos alarmes caíram junto.
Mais um detalhe: não aponte a câmera diretamente para as empilhadeiras que se aproximam. Na porta da doca, a primeira versão encarava a porta de frente, e o contraluz do dia estourava o quadro inteiro. Inclinada trinta graus para o lado, problema resolvido. Com esses sistemas é setenta por cento imagem, trinta por cento algoritmo — imagem lixo, resultado lixo.
E um economizador de dinheiro: nove das doze posições reutilizaram as câmeras dome existentes do armazém; só três eram novas. Mas uma imagem de segurança e uma imagem para IA são duas coisas diferentes. Antes de reutilizar qualquer coisa, puxe uma noite inteira de gravações e cheque contraluz, vibração e vistas bloqueadas. Se algo estiver ruim, não economize nessa câmera.
Como corrigir os falsos alarmes
Na primeira semana, o sistema enviou mais de quarenta alertas por dia. No segundo dia o gerente de segurança já queria desligar tudo. Essa é a causa de morte número um desses projetos: os falsos alarmes.
Três correções, todas aprendidas na marra.
Primeira, grave a definição do evento em pedra. Distância pessoa-veículo menor que três metros, velocidade da empilhadeira acima de aproximadamente oito quilômetros por hora, e os dois convergindo ou se cruzando — as três condições juntas, ou não conta como quase-acidente. Só distância não conta: perto de uma estação de embalagem, pessoas e empilhadeiras trabalham lado a lado o dia inteiro. Isso não é um quase-acidente, é o trabalho.
Segunda, desenhe zonas de exclusão. Estações de embalagem, áreas de carregamento, qualquer lugar onde o contato próximo seja legítimo — enquadre para fora do quadro e não conte. Desenhamos seis zonas de exclusão e os falsos alarmes caíram pela metade da noite para o dia.
Terceira, escalone os alertas. Só os encontros próximos em alta velocidade vão para o telefone do gerente de segurança. As passagens lentas vão para um relatório semanal para as estatísticas. Não dessensibilize as pessoas — grite "lobo" três vezes e ninguém vai olhar na quarta, quando for de verdade.
Outra classe de falsos alarmes vinha de empilhadeiras vazias andando rápido. Pequenas, rápidas, fáceis de o modelo julgar mal contra um pedestre distante. A correção foi um teto de velocidade: tudo acima de quinze quilômetros por hora é registrado como excesso de velocidade — um problema distinto — e fica fora das estatísticas de quase-acidentes. Não misture as duas coisas.
Depois de três meses: de cinco a oito quase-acidentes genuínos enviados por dia, falsos alarmes reduzidos a cerca de vinte por cento. Uma palavra honesta aqui: os noventa e cinco por cento de precisão nos slides dos fornecedores são um número de laboratório. No campo, oitenta por cento é um sistema bem ajustado. Tudo acima foi medido no nosso piloto, não numa sala de demonstração.
O turno da noite trouxe sua própria armadilha. Para economizar energia, o armazém desligava metade das luzes dos corredores à noite, e os falsos alarmes dobravam no modo de visão noturna. Quatro luzes extras nos corredores resolveram — mais barato e mais rápido que um algoritmo melhor.
Fazendo as contas
Custos primeiro, sem rodeios. Assinatura de software por posição para doze posições, uma caixa de computação de borda (edge) na sala de servidores, três domes novos mais a mão de obra de instalação. O gasto do primeiro ano ficou na faixa de trinta a cinquenta mil dólares — uma aproximação medida no piloto, não um orçamento. Obtenha seus próprios números com os fornecedores.
O retorno veio em três partes.
Um: o valor de um único acidente evitado. A OSHA estima aproximadamente 85 mortes relacionadas a empilhadeiras e 34.900 ferimentos graves por ano nos EUA. O número que importa para a sua conta é este: num atropelamento de pedestre, os custos médicos e legais diretos são a parte pequena. Tempo parado, investigação, multas da OSHA, auditorias de clientes, aumentos de seguro — os custos indiretos são várias vezes os diretos. Evite um ferimento moderado em três anos e o sistema se paga sozinho.
Dois: o seguro. Na renovação, entregamos à seguradora nossa linha de tendência de quase-acidentes, e o prêmio caiu cerca de oito por cento — medido no piloto, sua seguradora pode variar, mas dados valem mais que um aperto de mão.
Três: o treinamento. O treinamento de segurança antes era slides. Agora são os próprios clipes de quase-acidentes do armazém. Os novos contratados assistem a imagens reais do corredor exato por onde vão andar todos os dias. Não dá para colocar um ROI preciso nisso, mas o gerente de segurança diz que a diferença na atenção é visível.
Três meses, mais de 230 quase-acidentes detectados — mais de dez vezes o que foi relatado à mão em todo o ano anterior. O armazém não ficou mais perigoso. Ele sempre foi assim tão perigoso; ninguém relatava.
Então não meça "acidentes evitados". Meça "riscos corrigidos e encerrados". Em três meses encerramos dezessete: dois espelhos convexos, um corredor convertido para mão única, três zonas de staging realocadas, o resto coisas pequenas como placas de velocidade e coletes refletivos. As coisas pequenas importam — todo o valor da análise de quase-acidentes vive no ciclo fechado.
Vale a pena? Sim — mas não porque a IA seja brilhante. Porque, pela primeira vez, os quase-acidentes se tornaram dados contáveis, reproduzíveis e corrigíveis. Antes deste sistema, eles viviam só nas histórias dos veteranos, lembrados depois que algo realmente acontecia.
Por onde começar, em uma frase: não compre software ainda — passe duas semanas garimpando um ano de registros de incidentes e reclamações, marque seus três principais pontos quentes, coloque três câmeras lá por um mês, e expanda só se as imagens contarem uma história.
Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.
