AI in retail: computer vision tilt winkels naar winst

Sophie Jansen · 2026-06-18

Stel je voor: je loopt een winkel binnen en alles klopt precies. De schappen zijn gevuld, de prijzen kloppen, en er is geen omzet verloren gegaan aan lege plekken of foute labels. Dat klinkt als een droom, toch? Toch is het voor veel retailers nog verre van realiteit. Inefficiëntie op de winkelvloer kost de sector handenvol geld, maar er is hoop: computer vision en AI-gedreven technologieën veranderen het spel. ### Wat kost het als het misgaat? Het probleem is groter dan je denkt. Uit een studie van Coresight Research, in samenwerking met Simbe en RELEX Solutions, blijkt dat operationele tekortkomingen maar liefst 6,4 procent van de bruto-omzet opslokken. Voor de sectoren hardhout, mass merchandising en levensmiddelen loopt dat in 2026 op tot een verlies van maar liefst € 180 miljard (omgerekend van de oorspronkelijke $ 196,4 miljard). Dat is een stijging van 21 procent ten opzichte van het jaar ervoor, terwijl de totale verkoopgroei in de sector slechts 3 procent bedraagt. Negen op de tien retailers hebben actieve problemen met het beheer van hun winkelvloeren. Lege schappen en foutieve prijzen knagen direct aan de operationele marges. Voor 89 procent van de bedrijven is de marge-erosie meer dan 5 procent. Dat zijn cijfers waar je niet omheen kunt. ### De doorbraak van winkelintelligentie Gelukkig is er een kentering. Volgens hetzelfde onderzoek draaien volwaardige implementaties van winkelintelligentieplatforms nu in 60 procent van de enterprise-omgevingen. Dat is een stijging van 18 procentpunt ten opzichte van vorig jaar. De adoptie is het sterkst bij de grote jongens: 73 procent van de retailers met een jaaromzet van meer dan € 4,6 miljard (omgerekend van $ 5 miljard) heeft volledig opgeschaalde implementaties. Middenmarktbedrijven blijven achter: slechts 42 procent van de bedrijven met een omzet onder € 920 miljoen (omgerekend van $ 1 miljard) heeft een vergelijkbare maturiteit bereikt. Het behandelen van fysieke winkels als aparte entiteiten van digitale kanalen tast de customer lifetime value aan. De investeringen richten zich dan ook op het volgen van voorraad, geautomatiseerde prijsstelling, planogram-verificatie en assortimentsplanning. ### Praktijkvoorbeelden: van BJ's tot Albertsons #### BJ's Wholesale Club BJ's Wholesale Club is een goed voorbeeld van hoe het wél moet. Zij implementeerden Simbe-robotplatforms om de voorraad en prijsnauwkeurigheid in al hun vestigingen te monitoren. Het management gebruikte deze hardware om digitale tweelingen van elke warehouse club te maken. Dit gaf hen real-time zichtbaarheid die voorheen ontbrak. Deze digitale modellen werden ingezet voor routeplanning van online bestellingen en curbside fulfillment. Het technische team boekte een verbetering van 40 procent in pick-efficiëntie. CEO Bob Eddy gaf aan dat de technologie het bedrijf hielp om de kwaliteitsnormen voor verse producten te verhogen. #### Albertsons Albertsons, een grote Amerikaanse supermarktketen, zet AI in om complexe retailoperaties te automatiseren. De keten mikt op € 1,4 miljard (omgerekend van $ 1,5 miljard) aan productiviteitswinst over drie boekjaren. CEO Susan Morris legt uit: "We gaan onze merchandisers uitrusten met AI-gestuurde inzichten en geautomatiseerde uitvoering om prijzen, promoties en assortimentsbeslissingen te optimaliseren. Dit transformeert category management en verbetert de marges." Ze vervolgt: "Onze visie is een toekomst waarin intelligente automatisering deze beslissingen begeleidt, zodat onze mensen zich kunnen richten op strategie en innovatie." ### Valkuilen in de implementatie Veel organisaties maken een cruciale fout: ze investeren in prijssoftware terwijl de onderliggende sensorinfrastructuur ontbreekt. Uit het onderzoek blijkt dat 43 procent van de technologieleiders prioriteit geeft aan prijsoptimalisatiesoftware. Platformen voor samenwerking met leveranciers staan op de tweede plaats, met 36 procent van de investeringen. Maar slechts 33 procent investeert in de schapdigitalisatie-hardware die nodig is om accurate data aan die prijsmodellen te voeden. Deze hardware – sensoren en camera’s – is essentieel om de fysieke voorraad te verifiëren. Winkelintelligentie-implementaties vereisen een strikte volgorde: eerst het schap digitaliseren, dan data-analyse inzetten, vervolgens voorraadtracking installeren, en pas daarna de prijsoptimalisatie. Sla je stappen over, dan werk je met onbetrouwbare data en blijven de marges onder druk staan. ### Conclusie De boodschap is helder: wie in de retail wil overleven en groeien, moet de winkelvloer serieus nemen. AI en computer vision bieden de tools om inefficiënties aan te pakken, maar alleen als je de juiste volgorde aanhoudt. Begin met de basis – digitaliseer het schap – en bouw van daaruit verder. De cijfers liegen er niet om: de winst is er voor het oprapen, maar alleen voor wie durft te investeren in de juiste technologie.