Conntour Mengumpulkan $7M untuk Mengubah Kamera Keamanan menjadi Mesin Pencari

Conntour telah muncul dari mode stealth dengan putaran benih sebesar $7 juta yang didukung oleh investor termasuk General Catalyst, Y Combinator, SV Angel, dan Liquid 2 Ventures. Perusahaan ini memposisikan diri di sekitar ide sederhana namun ambisius: tim keamanan harus dapat mencari video footage dengan mudah seperti mereka mencari web.

Platform ini memperkenalkan query bahasa alami di seluruh jaringan kamera, memungkinkan pengguna untuk mendeskripsikan apa yang mereka cari daripada mengandalkan filter atau kategori yang telah ditentukan sebelumnya.

Dari Kamera Pasif ke Kecerdasan yang Dapat Dicari

Sistem pengawasan video tradisional dibangun berdasarkan aturan yang kaku. Operator harus mendefinisikan apa yang harus dideteksi sebelumnya—objek, gerakan, atau perilaku tertentu. Pendekatan ini sering menghasilkan insiden yang terlewatkan dan jam-jam tinjauan manual ketika sesuatu yang tidak terduga terjadi.

Conntour menggantikan model tersebut dengan antarmuka yang lebih fleksibel. Daripada mengkonfigurasi peringatan sebelumnya, pengguna dapat mengetikkan query seperti “seseorang meninggalkan tas yang tidak diawasi” atau “van di dekat dermaga kemarin,” dan sistem mengambil footage yang relevan.

Ini menandai pergeseran dari pemantauan ke pencarian. Video tidak lagi sesuatu yang harus ditonton—menjadi sesuatu yang dapat dieksplorasi dan diinterogasi sesuai permintaan.

Dibangun untuk Kompleksitas Dunia Nyata

Satu tantangan utama dalam pengawasan adalah bahwa situasi dunia nyata jarang sesuai dengan kategori yang rapi. Perilaku mencurigakan sering kali bersifat kontekstual, melibatkan urutan tindakan daripada objek yang dapat dideteksi tunggal.

Sistem Conntour dirancang untuk menangani ketidakjelasan ini. Sistem ini beroperasi di seluruh umpan langsung dan footage historis, memungkinkan peringatan waktu nyata serta penyelidikan pasca-insiden yang cepat. Platform ini juga bekerja dengan infrastruktur kamera yang ada dan dapat diterapkan sepenuhnya on-premises, yang sangat penting untuk lingkungan di mana data tidak dapat meninggalkan jaringan yang aman.

Antarmuka dibangun untuk kemudahan penggunaan, memungkinkan operator non-teknis untuk berinteraksi dengan sistem yang kompleks tanpa perlu mengkonfigurasi aturan deteksi atau memahami model yang mendasarinya.

Tarikan Awal di Lingkungan dengan Taruhan Tinggi

Perusahaan ini sudah diterapkan dalam operasi keamanan nasional di Singapura, menunjukkan adopsi awal di lingkungan di mana akurasi dan kecepatan sangat kritis.

Latar belakang tim pendiri di bidang intelijen dan sistem teknologi tinggi tampaknya mempengaruhi desain produk, terutama fokusnya pada efisiensi operasional. Platform ini mengklaim dapat memungkinkan satu operator untuk memantau ribuan kamera sambil secara dramatis mengurangi waktu yang dibutuhkan untuk menyelidiki insiden.

Dibandingkan dengan sistem analitik video tradisional, platform ini melaporkan perbaikan operasional yang signifikan:

• Mengurangi waktu tinjauan video manual hingga 90%
• Mengurangi kejadian yang terlewatkan hingga 80%
• Mengurangi peringatan palsu hingga 70%
• Kemampuan untuk satu operator untuk mengawasi ribuan kamera

Perbaikan ini berasal dari menggantikan alur kerja berbasis aturan dengan sistem yang menafsirkan konteks dan niat lebih dinamis.

Di Mana Teknologi Ini Dapat Menuju

Apa yang Conntour bangun menunjuk ke pergeseran yang lebih luas dalam cara data video diinterpretasikan—bukan hanya analisis yang lebih cepat, tetapi model interaksi yang secara fundamental berbeda. Daripada merancang sistem di sekitar aturan deteksi yang telah ditentukan sebelumnya, beban bergeser ke arah memahami niat yang diekspresikan dalam bahasa alami.

Perubahan itu memiliki implikasi di luar keamanan. Jika sistem dapat menafsirkan query terbuka seperti “seseorang meninggalkan objek” atau “gerakan tidak biasa di dekat pintu masuk” dengan andal, itu menunjukkan pergeseran menuju pemahaman video semantik—di mana konteks, hubungan, dan urutan sama pentingnya dengan objek individual.

Pada skala besar, ini dapat mengubah cara organisasi menggunakan arsip video. Footage menjadi dataset yang diindeks yang dapat diquery secara dinamis daripada disimpan secara pasif. Di lingkungan seperti hub transportasi, jaringan logistik, atau infrastruktur publik, ini bisa mengubah cara insiden direkonstruksi, diaudit, dan potensialmente diprediksi.

Di Balik Layar: Dari Deteksi ke Pemahaman

Sistem tradisional bergantung pada model deteksi objek yang dilatih untuk mengenali kategori tertentu seperti orang atau kendaraan. Meskipun efektif dalam skenario yang terkendali, model ini berjuang ketika query jatuh di luar label yang telah ditentukan sebelumnya.

Pendekatan Conntour kemungkinan melibatkan membangun representasi visual yang lebih kaya—sering disebut sebagai embedding—yang menangkap tidak hanya objek, tetapi atribut, hubungan, dan perubahan seiring waktu. Query bahasa alami kemudian dapat dipetakan ke dalam ruang representasi yang sama, memungkinkan sistem untuk mencocokkan niat dengan data visual.

Tantangan lainnya adalah penalaran temporal. Banyak query dunia nyata melibatkan urutan peristiwa daripada bingkai tunggal. Mendukung ini memerlukan pelacakan entitas seiring waktu dan memahami interaksi, bukan hanya mengidentifikasi objek dalam isolasi.

Kendala dan Kompromi

Meskipun potensinya, sistem seperti ini memperkenalkan tantangan baru. Memproses volume besar video dengan model yang canggih secara komputasi intensif, terutama dalam penerapan on-premises di mana sumber daya terbatas.

Akurasi adalah pertimbangan lain. Query terbuka memperkenalkan ketidakjelasan, dan sistem harus menyeimbangkan fleksibilitas dengan presisi untuk menghindari positif palsu atau deteksi yang terlewatkan. Tidak seperti sistem berbasis aturan, sistem yang didorong oleh bahasa alami sangat bergantung pada seberapa baik model umum untuk kasus tepi.

Terdapat juga implikasi tata kelola. Kemampuan untuk mencari atribut atau perilaku yang sangat spesifik mengangkat pertanyaan tentang pengawasan, kontrol akses, dan penggunaan yang tepat—terutama di lingkungan yang sensitif atau publik.

Conntour meluncurkan pergeseran dari pengawasan berbasis aturan yang kaku ke sistem yang dapat menafsirkan niat dan konteks secara waktu nyata.

Jika model ini terbukti dapat diandalkan, itu bisa mengubah cara organisasi berinteraksi dengan data video—bergerak dari pemantauan pasif menuju kecerdasan yang dinamis dan didorong oleh query.