За межами безпеки: Як аналітика відео на основі штучного інтелекту покращує сучасні бізнес-операції

Рішення на основі штучного інтелекту стають дедалі більш поширеними, але ті, хто працює в галузі безпеки, вже кілька років використовують штучний інтелект – вони просто використовували слово “аналітика”. Коли підприємства шукають нові способи використання штучного інтелекту для створення конкурентної переваги, багато з них починають розуміти, що відеоустройства представляють дедалі більш цінне джерело даних – те, яке може генерувати дієві бізнес-інсайти. Коли підвищується потужність обробки і чипсети стають більш просунутими, сучасні IP-камери та інші пристрої безпеки можуть підтримувати можливості аналітики на основі штучного інтелекту, які можуть робити набагато більше, ніж просто ідентифікувати зловмисників і злодіїв.

Багато підприємств вже використовують аналітику на основі штучного інтелекту для покращення ефективності та продуктивності, giảm відповідальності та кращого розуміння клієнтів. Відеоаналітика може допомогти підприємствам визначити способи покращення продуктивності працівників та ефективності штату, оптимізувати планування магазинів, заводів і складів, визначити популярні товари та послуги, виявити неисправне або погано обслуговуване обладнання до того, як воно вийде з ладу, і т. д. Ці нові можливості аналітики розробляються з урахуванням бізнес-інтелекту та операційної ефективності – і вони стають дедалі більш доступними для організацій усіх розмірів.

Розростання доступності штучного інтелекту у відеоспостереженні

Аналітика завжди мала чіткі застосування в галузі безпеки, а еволюція від базової інтелектуальної та відео-рухової детекції до більш просунутої об’єктної аналітики та глибокого навчання зробила можливим для сучасної аналітики визначати підозрілу або злочинну поведінку або виявляти підозрілі звуки, такі як розбиття скла, постріли або крики про допомогу. Сучасна аналітика може виявляти ці події в реальному часі, сповіщаючи команди безпеки негайно та суттєво скорочуючи час реакції. Поява штучного інтелекту дозволила командам безпеки бути значно більш проактивними, дозволяючи їм приймати швидкі рішення на основі точної інформації в реальному часі. Не так давно, тільки найбільш просунуті пристрої відеоспостереження мали достатню потужність для виконання аналітики на основі штучного інтелекту, необхідної для цих можливостей – але сьогодні ландшафт змінився.

Поява процесорів глибокого навчання (DLPUs) суттєво покращила потужність пристроїв відеоспостереження, дозволяючи їм виконувати просунуту аналітику на мережевому краю. Лише кілька років тому, смуга пропускання та пам’ять, необхідні для запису, завантаження та аналізу тисяч годин відео, могли бути надто дорогими. Сьогодні це вже не так: сучасні пристрої вже не повинні надсилати повні відеозаписи в хмару – тільки метадані, необхідні для класифікації та аналізу. Таким чином, смуга пропускання, пам’ять та апаратний слід пристроїв, необхідних для використання можливостей аналітики на основі штучного інтелекту, суттєво зменшилися – суттєво скорочуючи операційні витрати та роблячи технологію доступною для підприємств усіх розмірів, незалежно від того, чи використовують вони мережу з трьох камер чи трьох тисяч.

В результаті, діапазон потенційних клієнтів значно розширився – і ці клієнти не тільки шукають застосування в галузі безпеки, а й бізнес-аплікації. Оскільки DLPUs фактично стали стандартними на сучасних пристроях відеоспостереження, клієнти дедалі частіше шукають можливості використовувати ці можливості для отримання конкурентної переваги, крім захисту своїх об’єктів. Демократизація штучного інтелекту в галузі безпеки призвела до суттєвого розширення випадків використання, оскільки розробники намагаються задовольнити підприємства, які звертаються до відеоаналітики для вирішення більш широкого спектра завдань безпеки та поза безпекою.

Як організації використовують штучний інтелект для покращення операцій

Важливо підкреслити, що частина того, що робить появу більшої кількості бізнес-орієнтованих випадків використання для аналітики відео на основі штучного інтелекту примітною, полягає в тому, що більшість підприємств вже знайомі з базовою технологією. Наприклад, рітейлери, які вже використовують відеоаналітику для захисту магазинів від злодіїв, будуть раді дізнатися, що вони можуть використовувати подібні можливості для моніторингу клієнтів, які входять і виходять з магазину, визначення періодів високого та низького трафіку та використання цих даних для регулювання потреб штату. Вони можуть використовувати відеоаналітику для сповіщення працівників, коли утворюється довга черга, коли порожня полиця потребує поповнення, або якщо планування магазину спричиняє зайву конгестію. Прийняття бізнес-орієнтованої аналітики поряд з орієнтованою на безпеку дозволяє рітейлерам покращити ефективність штату, створити більш ефективне планування магазину та покращити клієнтський досвід.

Звичайно, рітейлери – це лише вершина айсберга. Підприємства майже в кожній галузі можуть виграти від сучасних випадків використання відеоаналітики. Виробники, наприклад, можуть монітиорити виробничі площі, щоб визначити неефективність та вузькі місця. Вони можуть використовувати теплові камери для виявлення перегріву обладнання, дозволяючи персоналу технічного обслуговування вирішувати проблеми до того, як вони можуть спричинити суттєву шкоду. У багатьох випадках вони можуть навіть моніторити виробничі лінії на предмет дефектних або погано виготовлених продуктів, забезпечуючи додатковий рівень захисту якості. Деякі пристрої можуть навіть моніторити на предмет витоків хімічних речовин, перегріву обладнання, диму та інших ознак небезпеки, зберігаючи організації від потенційно небезпечних (і дорогих) інцидентів. Це має чіткі застосування в галузях, що варіюються від виробництва та охорони здоров’я до житла та критичної інфраструктури.

Спроможність генерації інсайтів та покращення операцій розширюється за межі традиційних підприємств і в галузі, такі як охорона здоров’я. Лікарні та медичні працівники тепер використовують аналітику для участі в віртуальному моніторингу пацієнтів, дозволяючи їм мати око на пацієнтів 24 години на добу. Використовуючи комбінацію відео- та аудіоаналітики, вони можуть автоматично виявляти ознаки дистресу, такі як кашель, затруднене дихання та крики про допомогу. Вони також можуть генерувати сповіщення, якщо пацієнт високого ризику намагається покинути ліжко або покинути кімнату, дозволяючи медичному персоналу або командам безпеки реагувати негайно. Це не тільки покращує результати лікування пацієнтів, а й може суттєво скорочувати відповідальність у випадках падінь/потрапляння. Подібна технологія також може бути використана для покращення результатів дотримання вимог, забезпечення вільного доступу до аварійних виходів та уникнення інших потенційно штрафних порушень у сфері охорони здоров’я та інших галузях. Можливості скорочення витрат та покращення результатів розширюються щодня.

Максимізація штучного інтелекту в сучасності та майбутньому

Перехід до використання пристроїв відеоспостереження для цілей бізнес-інтелекту та операцій відбувся швидко, підштовхнутий тим, що більшість організацій вже знайомі з необхідним обладнанням. І з підприємствами усіх розмірів – і майже в кожній галузі – дедалі частіше звертаються до відеоаналітики для покращення як своїх можливостей безпеки, так і операцій, розвиток нових, штучно-інтелектуальних аналітик навряд чи сповільниться будь-коли.

Найкраще з усього, ринок ще росте. Навіть сьогодні, близько 80% бюджетів безпеки витрачаються на людську працю, включаючи моніторинг, охорону та технічне обслуговування. Коли відеоаналітика на основі штучного інтелекту стане дедалі більш поширеною, це зміниться швидко – і підприємства зможуть оптимізувати свої можливості бізнес-інтелекту та операцій подібним чином. Коли розвиток штучного інтелекту продовжиться та з’являться нові, бізнес-орієнтовані випадки використання, організації повинні забезпечити собі можливість отримувати максимальну вигоду від аналітики – як зараз, так і в майбутньому.