Conntour recauda $7M para convertir cámaras de seguridad en motores de búsqueda

Conntour ha salido de la clandestinidad con una ronda de semillas de $7 millones respaldada por inversores como General Catalyst, Y Combinator, SV Angel y Liquid 2 Ventures. La empresa se está posicionando alrededor de una idea simple pero ambiciosa: los equipos de seguridad deben poder buscar footage de video tan fácilmente como buscan en la web.

La plataforma introduce la consulta de lenguaje natural en redes de cámaras, lo que permite a los usuarios describir lo que están buscando en lugar de depender de filtros o categorías predefinidos.

De cámaras pasivas a inteligencia buscable

Los sistemas de vigilancia de video tradicionales están construidos sobre reglas rígidas. Los operadores deben definir qué detectar con anticipación, objetos, movimientos o comportamientos específicos. Este enfoque a menudo resulta en incidentes perdidos y horas de revisión manual cuando ocurre algo inesperado.

Conntour reemplaza ese modelo con una interfaz más flexible. En lugar de configurar alertas con anticipación, los usuarios pueden escribir consultas como “una persona que deja una bolsa sin supervisión” o “un vehículo cerca de la rampa de carga ayer”, y el sistema recupera la footage relevante.

Esto marca un cambio de la monitorización a la consulta. El video ya no es algo que ver, se convierte en algo que se puede explorar e interrogar a demanda.

Construido para la complejidad del mundo real

Uno de los desafíos principales en la vigilancia es que las situaciones del mundo real rara vez se ajustan a categorías claras. El comportamiento sospechoso a menudo es contextual, involucra secuencias de acciones en lugar de un solo objeto detectable.

El sistema de Conntour está diseñado para manejar esta ambigüedad. Opera en flujos en vivo y footage histórico, lo que permite alertas en tiempo real y una investigación rápida después de un incidente. La plataforma también funciona con la infraestructura de cámaras existente y se puede implementar completamente en las instalaciones, lo cual es fundamental para entornos donde los datos no pueden salir de las redes seguras.

La interfaz está diseñada para la usabilidad, lo que permite a los operadores no técnicos interactuar con sistemas complejos sin necesidad de configurar reglas de detección o comprender los modelos subyacentes.

Adopción temprana en entornos de alto riesgo

La empresa ya está siendo desplegada en operaciones de seguridad nacional en Singapur, lo que sugiere una adopción temprana en entornos donde la precisión y la velocidad son fundamentales.

El trasfondo del equipo fundador en inteligencia y sistemas de alta tecnología parece influir en el diseño del producto, particularmente en su enfoque en la eficiencia operativa. La plataforma afirma permitir que un solo operador supervise miles de cámaras mientras reduce drásticamente el tiempo necesario para investigar incidentes.

En comparación con los sistemas tradicionales de análisis de video, la plataforma informa mejoras operativas significativas:

• Hasta un 90% de reducción en el tiempo de revisión de video manual
• Hasta un 80% menos de eventos perdidos
• Hasta un 70% de reducción en falsas alarmas
• La capacidad de que un operador supervise miles de cámaras

Estos beneficios provienen de reemplazar flujos de trabajo basados en reglas con sistemas que interpretan el contexto y la intención de manera más dinámica.

Hacia dónde podría llevar esta tecnología

Lo que Conntour está construyendo apunta a un cambio más amplio en la forma en que se interpreta los datos de video, no solo un análisis más rápido, sino un modelo de interacción fundamentalmente diferente. En lugar de diseñar sistemas alrededor de reglas de detección predefinidas, la carga se mueve hacia la comprensión de la intención expresada en lenguaje natural.

Este cambio tiene implicaciones más allá de la seguridad. Si los sistemas pueden interpretar consultas abiertas como “alguien que deja un objeto detrás” o “movimiento inusual cerca de una entrada”, sugiere un movimiento hacia la comprensión semántica de video, donde el contexto, las relaciones y las secuencias son tan importantes como los objetos individuales.

A escala, esto podría cambiar la forma en que las organizaciones utilizan los archivos de video. La footage se convierte en un conjunto de datos indexado que se puede consultar dinámicamente en lugar de almacenarse pasivamente. En entornos como centros de transporte, redes logísticas o infraestructura pública, esto podría cambiar la forma en que se reconstruyen, auditan y potencialmente anticipan los incidentes.

Detrás de la escena: De la detección a la comprensión

Los sistemas tradicionales dependen de modelos de detección de objetos entrenados para reconocer categorías específicas como personas o vehículos. Si bien son efectivos en escenarios controlados, estos modelos luchan cuando las consultas caen fuera de las etiquetas predefinidas.

El enfoque de Conntour probablemente implica la creación de representaciones visuales más ricas, a menudo referidas como “incrustaciones”, que capturan no solo objetos, sino atributos, relaciones y cambios en el tiempo. Las consultas de lenguaje natural pueden luego ser mapeadas en el mismo espacio de representación, lo que permite al sistema emparejar la intención con los datos visuales.

Otro desafío clave es el razonamiento temporal. Muchas consultas del mundo real involucran secuencias de eventos en lugar de un solo cuadro. Apoyar esto requiere rastrear entidades a lo largo del tiempo y comprender las interacciones, no solo identificar objetos en aislamiento.

Restricciones y compensaciones

A pesar de su potencial, este tipo de sistema introduce nuevos desafíos. Procesar grandes volúmenes de video con modelos avanzados es intensivo en términos computacionales, especialmente en despliegues en las instalaciones donde los recursos están limitados.

La precisión es otra consideración. Las consultas abiertas introducen ambigüedad, y los sistemas deben equilibrar la flexibilidad con la precisión para evitar falsos positivos o detecciones perdidas. A diferencia de los sistemas basados en reglas, los sistemas impulsados por lenguaje natural dependen en gran medida de cómo los modelos generalizan los casos de borde.

Hay implicaciones de gobernanza. La capacidad de buscar atributos o comportamientos específicos plantea preguntas sobre la supervisión, el control de acceso y el uso adecuado, particularmente en entornos sensibles o públicos.

Conntour destaca un cambio alejándose de la vigilancia basada en reglas hacia sistemas que pueden interpretar la intención y el contexto en tiempo real.

Si este modelo resulta confiable, podría redefinir la forma en que las organizaciones interactúan con los datos de video, pasando de la monitorización pasiva a la inteligencia dinámica y basada en consultas.