За пределами безопасности: как видеоаналитика на основе ИИ улучшает современные бизнес-операции

Решения на основе ИИ становятся все более распространенными, но те, кто работает в сфере безопасности, уже несколько лет используют ИИ – они просто называли это “аналитикой”. Когда бизнес ищет новые способы использования ИИ для получения конкурентного преимущества, многие начинают осознавать, что видеоустройства представляют собой все более ценный источник данных – тот, который может генерировать действенные бизнес-инсайты. По мере улучшения мощности процессоров и совершенствования чипов современные IP-камеры и другие устройства безопасности могут поддерживать возможности аналитики на основе ИИ, которые могут делать гораздо больше, чем просто выявлять злоумышленников и воров.

Многие компании уже используют аналитику на основе ИИ для улучшения эффективности и производительности, снижения ответственности и лучшего понимания своих клиентов. Видеоаналитика может помочь предприятиям выявить способы улучшения производительности сотрудников и эффективности их работы, оптимизировать планировку магазинов, заводов и складов, выявить востребованные продукты и услуги, обнаружить неисправное или плохо обслуживаемое оборудование до того, как оно сломается, и многое другое. Эти новые возможности аналитики разрабатываются с учетом бизнес-интеллекта и операционной эффективности – и они становятся все более доступными для организаций всех размеров.

Растущая доступность ИИ в видеонаблюдении

Аналитика всегда имела ясные применения в сфере безопасности, и эволюция от базовой интеллекта и видеодетекции движения до более продвинутой объектной аналитики и глубокого обучения сделала возможным для современной аналитики выявлять подозрительное или преступное поведение или обнаруживать подозрительные звуки, такие как разбитое стекло, выстрелы или крики о помощи. Сегодняшняя аналитика может обнаруживать эти события в реальном времени, оповещая команды безопасности немедленно и значительно снижая время реагирования. Появление ИИ позволило командам безопасности быть значительно более проактивными, позволяя им принимать быстрые решения на основе точной, актуальной информации. Не так давно только самые передовые устройства видеонаблюдения были достаточно мощными, чтобы запускать аналитику на основе ИИ, необходимую для этих возможностей – но сегодня ландшафт изменился.

Появление устройств глубокого обучения (DLPUs) значительно повысило мощность устройств видеонаблюдения, позволяя им запускать продвинутую аналитику на сетевом крае. Только несколько лет назад пропускная способность и хранилище, необходимые для записи, загрузки и анализа тысяч часов видео, могли быть чрезвычайно дорогими. Сегодня это уже не так: современные устройства больше не нужно отправлять полные видеозаписи в облако – только метаданные, необходимые для классификации и анализа. В результате пропускная способность, хранилище и аппаратная база, необходимые для использования возможностей аналитики на основе ИИ, значительно снизились – что существенно снижает операционные затраты и делает технологию доступной для бизнеса всех размеров, будь то сеть из трех камер или трех тысяч.

В результате диапазон потенциальных клиентов значительно расширился – и эти клиенты не только ищут применения в сфере безопасности, но и бизнеса. Поскольку DLPUs фактически являются стандартом на современных устройствах видеонаблюдения, клиенты все чаще стремятся использовать эти возможности, чтобы получить конкурентное преимущество, помимо защиты своих объектов. Демократизация ИИ в сфере безопасности привела к значительному расширению вариантов использования, поскольку разработчики стремятся удовлетворить бизнес, обращающийся к видеоаналитике для решения более широкого спектра проблем безопасности и не связанных с безопасностью задач.

Как организации используют ИИ для улучшения своих операций

Важно подчеркнуть, что часть того, что делает появление более бизнес-ориентированных вариантов использования аналитики видео на основе ИИ заметным, заключается в том, что большинство бизнесов уже знакомы с базовой технологией. Например, ритейлеры, уже использующие видеоаналитику для защиты своих магазинов от воров, будут рады узнать, что они могут использовать аналогичные возможности для мониторинга клиентов, входящих и выходящих из магазина, выявления периодов высокого и низкого трафика и использования этих данных для регулирования потребностей в персонале. Они могут использовать видеоаналитику для оповещения сотрудников, когда образуется длинная очередь, когда полка нужно пополнить, или если планировка магазина вызывает ненужные заторы. Принимая бизнес-ориентированную аналитику наряду с ориентированной на безопасность, ритейлеры могут улучшить эффективность персонала, создать более эффективную планировку магазина и повысить удовлетворенность клиентов.

Конечно, ритейлеры – это только верхушка айсберга. Бизнес в几乎 любой отрасли может извлечь выгоду из современных вариантов использования видеоаналитики. Производители, например, могут мониторить производственные площадки, чтобы выявить неэффективность и узкие места. Они могут использовать тепловизионные камеры для обнаружения перегретого оборудования, позволяя техническому персоналу устранить проблемы до того, как они могут нанести значительный ущерб. Во многих случаях они даже могут мониторить производственные линии на предмет дефектных или плохо сделанных продуктов, обеспечивая дополнительный уровень защиты качества. Некоторые устройства могут даже мониторить наличие утечек химических веществ, перегретого оборудования, дыма и других признаков опасности, спасая организации от потенциально опасных (и дорогостоящих) инцидентов. Это имеет ясные применения в отраслях, таких как производство, здравоохранение, жилищное строительство и критическая инфраструктура.

Возможность генерировать инсайты и улучшать операции распространяется за пределы традиционных бизнесов и в области, такие как здравоохранение. Больницы и поставщики медицинских услуг теперь используют аналитику для виртуального мониторинга пациентов, позволяя им иметь глаза на своих пациентах 24 часа в сутки. Используя комбинацию видео- и аудиоаналитики, они могут автоматически обнаруживать признаки дистресса, такие как кашель, затрудненное дыхание и крики о боли. Они также могут генерировать оповещение, если высокорисковый пациент попытается покинуть свою кровать или покинуть комнату, позволяя ухаживающим или командам безопасности реагировать немедленно. Это не только улучшает результаты для пациентов, но и может значительно снизить ответственность в случаях падений и травм. Аналогичная технология также может быть использована для улучшения соблюдения нормативных требований, обеспечивая, чтобы аварийные выходы оставались свободными и избегая других потенциально наказуемых правонарушений в здравоохранении и других отраслях. Возможности снижения затрат и улучшения результатов расширяются каждый день.

Максимизация ИИ в настоящем и будущем

Сдвиг в сторону использования устройств видеонаблюдения для бизнес-интеллекта и операционных целей произошел быстро, обусловленный тем, что большинство организаций уже знакомы с необходимым оборудованием. И с учетом того, что бизнес всех размеров и几乎 всех отраслей все чаще обращается к видеоаналитике для улучшения как своих возможностей безопасности, так и бизнес-операций, развитие новых, основанных на ИИ аналитик вряд ли замедлится в ближайшее время.

Лучше всего, что рынок все еще растет. Даже сегодня примерно 80% бюджетов безопасности тратятся на человеческий труд, включая мониторинг, охрану и техническое обслуживание. По мере того, как аналитика видео на основе ИИ становится все более распространенной, это изменится быстро – и бизнес сможет оптимизировать свои возможности бизнес-интеллекта и операций аналогичным образом. По мере продолжения развития ИИ и появления новых, бизнес-ориентированных вариантов использования организациям следует обеспечить, чтобы они были готовы получить максимальную пользу от аналитики – как сейчас, так и в будущем.