Tankeledare

Varför AI till slut tjänar sitt rum i allmän säkerhet

mm
Lägg till Unite.AI bland dina föredragna källor på Google

För två år sedan, om någon gick in i en polischefs kontor och nämnde “artificiell intelligens”, skulle samtalet avstanna snabbt. Inte för att cheferna var stängda för ny teknik (de flesta myndigheter har tillbringat det senaste decenniet med att digitalisera allt från larm till informationshantering), men för att den första vågen av AI-verktyg lovade mer än de levererade. Leverantörer sålde omvandling. Myndigheter fick verktyg som inte höll i fältet, inte passade riktiga arbetsflöden och inte förtjänade det förtroende som krävdes för att stanna.

Det samtalet ser annorlunda ut idag. Chefer frågar inte om de ska undersöka AI. De frågar vilka problem det faktiskt är bra på att lösa och hur man ska distribuera det på ett sätt som står emot granskning. Den förändringen skedde inte för att hype blev högre. Den skedde för att en ny generation verktyg började lösa riktiga operativa problem, och myndigheter blev mycket skarpare på att skilja mellan en äkta förmåga och en demo.

Vad som faktiskt förändrades

Verktygen som tjänar förtroende idag delar en gemensam tråd: de försöker inte ersätta omdöme. De försöker ge det mer utrymme att verka.

De mest användbara AI-tillämpningarna inom allmän säkerhet just nu hanterar det oglamorösa arbetet som förbrukar tid utan att lägga till säkerhetsvärde: sortera genom information, ansluta spridda register och sammanfatta vad som redan är känt så att en person kan agera snabbare. Dessa är assistansverktyg, inte beslutsfattare. De minskar den kognitiva belastningen på människor som redan är uttömda, och de lämnar de faktiska besluten (vem som ska åtalas, hur man ska svara, vad man ska prioritera) exakt där de hör hemma: med officeren, utredaren, analytikern.

Den distinktionen är vad skiljer verktygen som vinner riktigt fart från de som inte gör det. Myndigheter har blivit bättre på att ställa rätt frågor under inköp: Hur är min data exponerad? Hur når systemet sin utdata? Kan vi granska det? Vad händer när det är fel? Vilka modeller är bäst för vilken funktion? Leverantörer som kan svara tydligt vinner affärer. Kraven för vad som räknas som “ansvarig AI” är högre än för tre år sedan, och det är en bra sak. Det tvingar tekniken att bli bättre.

Där värdet faktiskt visas

Det ärliga fallet för AI just nu inom allmän säkerhet är inte dramatiskt. Det handlar om tid och om att bringa fram saker som alltid funnits där men varit för svåra att hitta.

Hitta ledtrådar i bruset. Utredare sitter rutinmässigt på berg av digitala bevis, inklusive kroppsburna kameror, digitala utvinningar, ärendehandlingar, rapporter och tips, mycket mer än något team kan manuellt granska rad för rad. AI-verktyg som kan sortera genom den volymen och bringa fram vad som faktiskt är relevant för ett ärende ger utredare tillbaka timmar per ärende, och i vissa fall, hittar ledtrådar som en ren manuell granskning skulle ha missat enbart på grund av volymen.

Ansluta punkterna över rapporter – De flesta myndigheters register är spridda över frånkopplade system, och samma person, fordon eller plats kan dyka upp i ett dussin orelaterade rapporter utan att någon märker mönstret. AI som kan automatiskt gruppera och ansluta människor, platser, fordon och incidenter över dessa register, sedan bringa fram anslutningen till en analytiker eller utredare, omvandlar fragmenterad pappersarbete till arbetsbara ledtrådar och hjälper till att lösa ärenden som annars skulle ha stannat på grund av frånkopplad information.

Berika registret från larm till domstol – En av de mer underapprecierade tillämpningarna är realtidsberikning medan ett ärende flyttar genom hela dess livscykel, från det initiala larmet, genom svaret, genom utredning och in i ärendehantering. När kontexten fångas och berikas kontinuerligt istället för att återinmatas manuellt vid varje överlämning, är den resulterande rapporten mer fullständig, mer konsekvent och bättre dokumenterad när den når en ärendefil. Det spelar roll när den rapporten till slut stöder upptäcktsplikter i domstol.

Ingen av dessa är en spekulativ förmåga. Dessa arbetsflöden som myndigheter redan kör idag, och värdet visas i samma valuta varje gång: tid som returneras till de som gör arbetet, och ärenden som flyttar snabbare för att informationen inte behövde hittas på det hårda sättet.

Göra mer med mindre

Det finns en strukturerad anledning till att detta är viktigt utöver bekvämlighet. Volymen av digital och maskin-genererad data som flyter genom myndigheter för allmän säkerhet (video, sensorflöden, digitala bevis, register från en alltmer växande uppsättning system) kommer bara att fortsätta växa, och den kommer att fortsätta överträffa myndigheternas förmåga att anställa människor för att manuellt bearbeta den. Personalstyrkan har inte hållit jämna steg med datavolymen i de flesta myndigheter, och det kommer inte att göra det.

Det är det riktiga argumentet för AI i detta utrymme. Det handlar inte om att göra något flashy. Det handlar om att bygga det lager som kan extrahera kontext och mening från en datavolym som inget team, oavsett hur väl bemannat, kunde fullständigt bearbeta manuellt. Myndigheter som behandlar detta som infrastruktur, ett system för intelligens som sitter ovanpå deras befintliga system för register, kommer att kunna göra meningsfullt mer med de människor och budgetar de redan har. Myndigheter som inte kommer att hitta sig själva ackumulerande mer data varje år med mindre och mindre förmåga att faktiskt använda den.

Vad ansvarsfull distribution fortfarande kräver

Ingenting av detta fungerar om det distribueras slarvigt. Myndigheter som får riktigt värde från AI delar några vanor som är värda att notera.

De börjar med det operativa problemet, inte tekniken. Frågan är aldrig “hur använder vi AI”, det är “vad är det som faktiskt bromsar ner våra människor, och är AI rätt lösning?” De insisterar på förklarbarhet: om ett verktyg bringar fram en anslutning eller en rekommendation, måste någon kunna säga varför, i specifika termer, inte vaga. Och de håller tekniken i en assistentroll, bringar fram information och minskar bruset, inte tar besluten som bär ansvar. Dessa beslut stannar med de människor som är utbildade och befogen att fatta dem.

Samtalet som är värt att ha

Den viktigaste förändringen under de senaste två åren är inte att “AI” slutade vara ett obekvämt ord att säga högt i allmän säkerhet. Det är att samtalet blev mer specifikt. Vi har flyttat från “ska vi använda detta” till “vilka problem är det faktiskt bra på att lösa, och vad ser

De myndigheter som får det här rätt kommer inte nödvändigtvis att vara de som flyttar snabbast. De kommer att vara de vars distributioner fortfarande levererar och fortfarande är betrodda, fem år från nu. Det är ribban som är värd att klara.

Jason Truppi är en teknolog och entreprenör med över två decenniers erfarenhet av att arbeta i skärningspunkten mellan allmän säkerhet, cybersäkerhet och teknik. Som en pensionerad FBI-cyberspecialagent utredde han några av de största nationella säkerhets- och kriminella cyberintrångsfallen, och fick därigenom en djup insikt i de utmaningar som moderna myndigheter för allmän säkerhet står inför. Nu som grundare av ForceMetrics använder Jason sin expertis inom maskinlärning, dataanalys och programvaruteknik för att leverera skalbara, data-drivna lösningar som ger proffs inom allmän säkerhet möjlighet att fatta bättre beslut och förbättra samhällsresultaten.