Fredrik Nilsson, Vicepresidente, Americhe, Axis Communications – Serie di Interviste

Fredrik Nilsson, Vicepresidente, Americhe, Axis Communications, sovrintende alle operazioni dell’azienda in Nord e Sud America, guidando team focalizzati sullo sviluppo e la fornitura di soluzioni di sicurezza basate su rete per partner e utenti finali. Un dirigente di lunga data di Axis, Nilsson ha svolto un ruolo significativo nella transizione del settore della sicurezza dalla televisione a circuito chiuso analogica al video di rete basato su IP. Dal momento in cui ha assunto la responsabilità delle Americhe nel 2003, ha contribuito a far crescere il fatturato regionale da circa 20 milioni di dollari a oltre 1 miliardo di dollari e ha supportato l’espansione di più di 20 Axis Experience Center nelle Americhe. È entrato in Axis nel 1996, dopo aver ricoperto i ruoli di Product Manager e Division Manager in Svezia e successivamente di Director of Business Development, dove ha contribuito a stabilire partnership durante le prime fasi dello sviluppo del video IP. All’inizio della sua carriera è stato Product Manager presso ABB, e attualmente è membro dei consigli di amministrazione di MSAB e della Swedish-American Chamber of Commerce a Washington, D.C.

Axis Communications è un’azienda tecnologica con sede in Svezia specializzata in sicurezza fisica intelligente e soluzioni di rete, tra cui telecamere di rete, sistemi di videosorveglianza, controllo accessi, citofoni, audio di rete, radar e analisi. Fondata nel 1984 e con sede centrale a Lund, Svezia, Axis impiega circa 5.000 persone in più di 50 paesi ed è parte del Canon Group dal 2015. L’azienda ha introdotto quella che descrive come la prima telecamera di rete al mondo nel 1996 e da allora si è espansa dal video di rete a un portafoglio più ampio di tecnologie di sicurezza connesse. I suoi prodotti attuali incorporano sempre più analisi basate sul bordo (edge) e intelligenza artificiale per trasformare video, audio e dati dei sensori in informazioni operative utili per sicurezza, protezione, efficienza operativa e business intelligence.

La tua carriera ha coperto il monitoraggio remoto presso ABB, lo sviluppo iniziale di soluzioni di storage collegato alla rete e delle tecnologie Internet of Things, e la transizione dalla videosorveglianza analogica al video di rete presso Axis Communications. In che modo questo background ha influenzato il tuo modo di pensare al passaggio odierno verso telecamere potenziate dall’IA e infrastrutture fisiche intelligenti?

Vedo il passaggio verso le telecamere potenziate dall’IA come il prossimo passo in un’evoluzione a cui ho partecipato durante la mia carriera – dalla tecnologia connessa e convergenza IP all’odierno edge intelligente. Un filo conduttore comune lungo tutta la mia carriera è aiutare i clienti a comprendere cosa la tecnologia connessa può fare per loro. ABB è stata una grande scuola per me. Era una grande azienda globale, quindi ho avuto l’opportunità di viaggiare per il mondo, incluso trascorrere un anno in Canada, e di lavorare con grandi clienti aziendali, in particolare le utility energetiche, su progetti complessi. Il mio ruolo era quello di product manager per un nuovo sistema di monitoraggio remoto e controllo connesso via IP. In Axis, in seguito, ho lavorato su una nuova categoria di dispositivi di storage connessi via IP e ho contribuito a diffondere a livello globale i vantaggi della tecnologia connessa. Poi, nei primi giorni della convergenza IP, ho costruito su quegli stessi principi, aiutando i clienti aziendali a comprendere il valore del video connesso alla rete e le opportunità create dalla tecnologia IP. Così, quando guardo alle telecamere potenziate dall’IA oggi, vedo un altro passo nella stessa evoluzione. La tecnologia continua a diventare più capace, ma la vera opportunità riguarda ancora la connessione dei dispositivi, la generazione di dati utili e l’aiuto ai clienti a fare di più con essi.

Quali tipologie di carichi di lavoro di visione artificiale sono più adatti a essere eseguiti direttamente su una telecamera, e quali applicazioni traggono ancora beneficio dall’elaborazione in un data center locale o nel cloud?

I carichi di lavoro più adatti a essere eseguiti direttamente su una telecamera sono quelli che richiedono decisioni in tempo reale, bassa latenza e un uso efficiente della larghezza di banda. Ad esempio, il rilevamento e la classificazione di persone o oggetti, il conteggio, il tracciamento dei movimenti o l’identificazione di eventi specifici. Con tecnologie come Axis Object Analytics, le telecamere possono rilevare con precisione persone, veicoli, colori, direzione di marcia e altre caratteristiche. Possiamo inoltre addestrare una telecamera per oggetti o scenari molto specifici tramite Axis Custom Analytics. Man mano che le analisi migliorano, una quota maggiore di questa intelligenza può avvenire al bordo (edge). Per molti casi d’uso, eseguire le analisi sulla telecamera e inviare solo i dati o i metadati risultanti a un server o al cloud è importante per la scalabilità e i costi. Il cloud e i server mantengono ancora un ruolo importante, in particolare per la gestione centralizzata, l’archiviazione a lungo termine e l’analisi dei metadati su un gran numero di dispositivi. Non lo vedo come una decisione esclusiva. Edge e cloud possono complementarsi, ciascuno facendo ciò per cui è più adatto.

Distribuire l’IA al bordo richiede di bilanciare l’accuratezza del modello con le limitazioni di potenza di elaborazione, memoria, consumo energetico e calore. In che modo i progressi nei chip specializzati stanno cambiando ciò che è realisticamente realizzabile all’interno di una telecamera?

Ci sono davvero due tendenze che guidano questo. Prima, la capacità AI del processore al bordo sta migliorando molto rapidamente. ARTPEC-9, il nostro system-on-chip sviluppato internamente, ha tre volte la capacità di elaborazione AI di ARTPEC-8, offrendoci molto più spazio per eseguire modelli sofisticati direttamente sulla telecamera. Le generazioni future continueranno ad aumentare tale capacità. Secondo, le dimensioni e l’efficacia dei modelli stanno migliorando. È lì che abbiamo visto molti progressi nell’ultimo anno. Il nostro team R&D ha fatto un lavoro straordinario nel far girare una parte maggiore del modello direttamente al bordo, così in molti scenari è sufficiente utilizzare i dati della telecamera anziché inviare il video altrove per l’elaborazione. Un anno fa parlavamo di circa il 50 % delle esigenze gestite nella telecamera. Oggi è più vicino al 90 % e prevediamo che raggiungerà il 95 % o più. La vera svolta non è solo avere chip più potenti. È che stiamo combinando hardware più capace con modelli AI più efficienti, consentendo a una quantità crescente di intelligenza di avvenire direttamente dove i dati vengono generati. Questo rende i sistemi di sorveglianza molto meno dipendenti da server e dal cloud per l’AI.

Le telecamere sono sempre più considerate sensori operativi piuttosto che esclusivamente dispositivi di sicurezza. Quali applicazioni nel retail, nei trasporti, nella sanità, nella produzione o nella logistica stanno attualmente offrendo il valore commerciale più chiaro?

La produzione è un ottimo esempio perché il valore può essere legato direttamente all’operazione. BMW Group, ad esempio, utilizza telecamere di rete come parte del suo sistema di ispezione di qualità guidato dall’AI per catturare immagini dettagliate dei veicoli in tempo reale e identificare difetti. Questo è un ruolo molto diverso per una telecamera rispetto al semplice registrare un incidente. Stiamo anche osservando un crescente utilizzo del video per l’efficienza operativa e l’intelligence aziendale in generale. Nei trasporti e nella logistica, le telecamere possono aiutare le organizzazioni a capire come persone, veicoli e merci si muovono all’interno di una struttura. Nel retail, il video può fornire approfondimenti sul comportamento dei clienti, sull’utilizzo dello spazio e sul personale. Il tema comune è che la telecamera genera informazioni che possono essere usate per migliorare un processo, non solo per registrare ciò che è accaduto.

In che modo la combinazione di video con analisi audio, radar, sistemi di controllo accessi e sensori ambientali crea intuizioni che non sarebbero possibili solo dai dati visivi?

Più contesto riesci a raccogliere, migliore sarà la capacità del sistema di comprendere ciò che sta accadendo. Quando combini input diversi, puoi ottenere intuizioni che sarebbero difficili, e talvolta impossibili, da ricavare solo dal video. Ad esempio, puoi combinare l’aspetto di un oggetto con il suo movimento, o utilizzare insieme informazioni termiche e visive quando l’illuminazione o la visibilità sono difficili. Il radar può aggiungere informazioni sul movimento e sulla velocità di un oggetto, l’audio può identificare suoni o fornire comunicazione bidirezionale, e i sensori ambientali possono fornire contesto aggiuntivo su ciò che sta avvenendo nell’ambiente circostante. Molteplici sensori possono anche aumentare la fiducia in ciò che il sistema o l’utente sta rilevando. La combinazione di tecnologie è estremamente importante per proteggere aree chiave della vita, come le infrastrutture critiche.

Stiamo già muovendoci in questa direzione. Presso GSX, ad esempio, abbiamo introdotto soluzioni che combinano rilevamento visivo, termico, radar, audio e ambientale. L’obiettivo è raccogliere i dati giusti affinché le organizzazioni possano prendere decisioni più rapide e meglio informate. Questo è particolarmente importante per applicazioni come la protezione delle infrastrutture critiche, dove avere più fonti di informazione può fornire un quadro più completo di ciò che sta accadendo.

L’elaborazione al bordo può ridurre la quantità di video grezzo da trasmettere o archiviare, ma le telecamere abilitate all’AI sollevano comunque importanti questioni di privacy e governance. Quali principi dovrebbero seguire le organizzazioni quando progettano sistemi utili senza raccogliere più dati personali del necessario?

Il punto di partenza dovrebbe essere chiedersi cosa il sistema debba realmente realizzare e raccogliere solo le informazioni necessarie a tale scopo. Privacy e trasparenza sono altrettanto importanti. Le persone vogliono capire perché il video viene utilizzato e come le loro informazioni vengono gestite. Le nostre ricerche recenti mostrano che le persone stanno diventando più a loro agio con la videosorveglianza, ma tale accettazione non può essere data per scontata. Le preoccupazioni principali riguardo alla sorveglianza abilitata all’AI sono i falsi positivi o informazioni inaccurate e il potenziale uso improprio o cattiva gestione dei dati. Questo impone una reale responsabilità a organizzazioni e fornitori di tecnologia di integrare privacy e sicurezza nei sistemi fin dall’inizio. L’elaborazione al bordo può aiutare perché consente di analizzare le informazioni localmente e inviare solo i dati necessari, invece di spostare video grezzi continui attraverso la rete.

L’infrastruttura fisica può rimanere in funzione per molti anni, mentre i modelli AI e le minacce alla cybersicurezza evolvono rapidamente. Come dovrebbero essere progettate le telecamere e gli altri dispositivi al bordo affinché le loro analisi rimangano sicure, manutenibili e adattabili per tutta la loro vita operativa?

Questo è uno dei motivi per cui considero la telecamera parte dell’infrastruttura IT e operativa più ampia, piuttosto che un dispositivo di sicurezza autonomo. La sicurezza informatica deve essere integrata nel dispositivo fin dall’inizio, con software sicuro, aggiornamenti regolari e robuste protezioni di cybersecurity per tutto il suo ciclo di vita. In Axis, ad esempio, Edge Vault fornisce una base hardware per proteggere l’integrità del dispositivo, mettere al sicuro le chiavi crittografiche e stabilire una catena di fiducia. Supporta anche funzionalità come l’avvio sicuro e il software firmato, contribuendo a garantire che solo software affidabile venga eseguito sul dispositivo.

Il dispositivo ha anche bisogno di un’architettura che possa adattarsi man mano che le analisi e le esigenze dei clienti cambiano. Le piattaforme aperte sono importanti qui perché consentono alle organizzazioni di integrare nuove applicazioni e tecnologie senza dover sostituire l’intero sistema ogni volta che qualcosa evolve. Allo stesso tempo, le organizzazioni hanno bisogno di una buona governance dei propri dispositivi connessi. Man mano che più video, sensori e sistemi aziendali si integrano, la cybersecurity e la protezione dei dati devono essere trattate come parte del progetto complessivo del sistema, non come qualcosa aggiunto in seguito.

Axis supporta un ecosistema di applicazioni aperto che consente agli sviluppatori terzi di creare e distribuire analisi specializzate sui suoi dispositivi. Quanto saranno importanti le piattaforme aperte e l’interoperabilità quando le organizzazioni cercheranno di eseguire i propri modelli su grandi flotte di telecamere?

Penso che sarà estremamente importante. I clienti non vogliono essere vincolati a una sola tecnologia o a un unico modo di fare le cose, soprattutto perché IA e analisi continuano a evolversi così rapidamente. Una piattaforma aperta facilita l’integrazione delle telecamere con altri sistemi, l’introduzione di applicazioni specializzate e la scalabilità su una grande distribuzione. Offre inoltre ai clienti maggiore flessibilità man mano che le loro esigenze cambiano. Eliminando il lock‑in dei fornitori e semplificando l’integrazione, gli ecosistemi aperti e interoperabili rendono più semplice scalare soluzioni edge intelligenti adattandosi alle mutevoli esigenze aziendali. In definitiva, il valore non risiede solo nella telecamera stessa. Risiede nel modo in cui telecamera, sensori, analisi e applicazioni aziendali lavorano insieme.

Come dovrebbero le organizzazioni valutare le prestazioni dei sistemi di visione artificiale dopo il dispiegamento, soprattutto quando l’illuminazione, il posizionamento della telecamera, il comportamento umano o le condizioni operative possono cambiare e potenzialmente influire sulla precisione?

Tutto dipende dal caso d’uso, ma la cosa più importante è testare le telecamere e i modelli IA nell’ambiente reale in cui saranno effettivamente utilizzati. Si può avere un modello che funziona molto bene in un contesto controllato, ma la vera prova è ciò che accade con l’illuminazione reale, la posizione della telecamera, il meteo, lo sfondo e il comportamento osservati sul sito. Per questo incoraggiamo i clienti a valutare analisi come Axis Object Analytics o Axis Custom Analytics nell’ambiente reale e a verificare che la precisione sia sufficientemente alta per l’applicazione. La fabbrica BMW è un buon esempio di questo approccio. Le telecamere sono utilizzate in un vero ambiente di produzione, dove la qualità delle immagini e le analisi risultanti devono supportare un processo manifatturiero reale.

Man mano che l’AI edge diventa più potente, come prevedi che evolverà il ruolo della telecamera di rete nel prossimo decennio e quali nuove capacità potrebbero emergere man mano che le telecamere diventano componenti attivi di ambienti intelligenti e reattivi?

La telecamera di rete sta diventando molto più centrale nel sistema. Non è più solo una telecamera che genera video. È un sensore che genera dati che possono essere analizzati e condivisi tra diversi sistemi. Con l’aumento della potenza di elaborazione, mi aspetto che le telecamere diventino ancora più abili nel comprendere ciò che accade nel loro ambiente e fornire informazioni utili in tempo reale. Questa è l’idea alla base di Scene Intelligence, in cui la telecamera può utilizzare una comprensione più profonda della scena per fornire informazioni più significative su oggetti, le loro caratteristiche e su ciò che accade intorno a loro.

Ciò potrebbe tradursi in una rilevazione più avanzata di oggetti e comportamenti, una maggiore integrazione con altri sensori e sistemi aziendali, e più automazione su come le organizzazioni rispondono agli eventi. Il cambiamento più grande è che il video diventa una parte di uno strato più ampio di dati e intelligenza. La telecamera continua a catturare ciò che accade, ma sempre più può anche aiutare a spiegare cosa sta succedendo e cosa un’organizzazione potrebbe voler fare successivamente.

Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare Axis Communications.