7 Thách Thức “Chí Tử” Khiến Việc “Kết Hợp” AI Vào Hệ Thống Giám Sát Video “Đau Đầu”

Viễn cảnh các tác nhân AI (AI agents) cách mạng hóa hệ thống quản lý video (VMS) thật hấp dẫn: những hệ thống không chỉ ghi hình và cảnh báo mà còn nhận thức, hiểu và hành động – tạo ra một lớp thông minh, năng động trong cơ sở hạ tầng an ninh hiện đại.

Nhưng đằng sau lời hứa hẹn là một con đường phức tạp. Đối với các công ty VMS, việc tích hợp các tác nhân AI vào nền tảng của họ không chỉ là một bước nhảy vọt về kỹ thuật – mà còn là một sự chuyển đổi về mặt tổ chức, đạo đức và kiến trúc. Khi các nhà cung cấp chuyển từ lập trình dựa trên logic truyền thống sang các tác nhân thích ứng, tự chủ, họ phải đối mặt với một loạt thách thức đòi hỏi sự điều hướng cẩn trọng.

1. Cân bằng giữa đổi mới và trách nhiệm

Đối với Rahul Yadav, Giám đốc Công nghệ tại Milestone Systems, thách thức đầu tiên không phải là kỹ thuật – mà là triết học.

“Thách thức chính là cân bằng giữa đổi mới và trách nhiệm,” Yadav nói. “Khi các hệ thống trở nên tự chủ hơn, việc duy trì các tiêu chuẩn đạo đức và sự tin tưởng của người dùng trở nên quan trọng.”

Trong một kỷ nguyên mà các nền tảng an ninh có thể được trao quyền để đưa ra quyết định mà không cần sự can thiệp của con người – khóa cửa, điều hướng nhân viên an ninh hoặc leo thang các sự cố – các câu hỏi về trách nhiệm giải trình, tính minh bạch và quyền kiểm soát trở nên không thể tránh khỏi.

“Các tổ chức lựa chọn đối tác an ninh dựa trên thành tích đổi mới có trách nhiệm của họ,” Yadav tiếp tục. “Giống như bạn sẽ không tin tưởng một chiếc xe tự lái từ một công ty có danh tiếng đáng ngờ.”

Đối với các nhà cung cấp VMS, xây dựng lòng tin đó có nghĩa là triển khai AI có thể giải thích được, cung cấp các tùy chọn ghi đè và minh bạch về cách các tác nhân đưa ra quyết định. Nó cũng có nghĩa là đối thoại liên tục với khách hàng và các nhà quản lý để điều chỉnh hành vi của hệ thống phù hợp với các mong đợi về đạo đức và pháp lý.

2. Tình thế tiến thoái lưỡng nan về dữ liệu: chất lượng hơn số lượng

Thách thức tiếp theo mang tính nền tảng: dữ liệu.

“Các công cụ AI tuyệt vời đòi hỏi dữ liệu tuyệt vời,” Yadav lưu ý. “Các công ty có cơ sở hạ tầng dữ liệu mạnh mẽ sẽ có thể đẩy nhanh các sáng kiến AI của họ, trong khi những công ty thiếu dữ liệu chất lượng có nguy cơ bị tụt lại phía sau.”

Các tác nhân AI chỉ tốt như dữ liệu được sử dụng để huấn luyện chúng. Nếu dữ liệu không đầy đủ, thiên vị hoặc được gắn nhãn kém, hiệu suất của tác nhân sẽ bị ảnh hưởng – dẫn đến các bối cảnh bị đánh giá sai, dương tính giả hoặc, tệ hơn, các mối đe dọa bị bỏ lỡ.

Điều này tạo ra một nhiệm vụ kép cho các công ty VMS. Đầu tiên, họ phải xây dựng hoặc hợp tác để có quyền truy cập vào các tập dữ liệu phong phú, đa dạng và có nguồn gốc đạo đức. Thứ hai, họ phải phát triển các khuôn khổ cho việc sử dụng dữ liệu có đạo đức, đảm bảo tuân thủ các quy định như GDPR và các đạo luật AI mới nổi ở EU và các nơi khác.

3. Đại tu cơ sở hạ tầng: từ CPU sang GPU

Từ quan điểm kỹ thuật, việc chuyển sang các tác nhân AI đòi hỏi một sự thay đổi cơ bản trong cách kiến trúc các hệ thống giám sát video.

“Chúng ta đang chuyển từ xử lý CPU truyền thống sang các kiến trúc tập trung vào GPU, đòi hỏi các cách tiếp cận hoàn toàn khác nhau đối với thiết kế hệ thống,” Yadav giải thích. “Sự thay đổi này thể hiện một trở ngại đầu tư đáng kể.”

Không giống như phân tích video truyền thống, có thể xử lý một vài khung hình mỗi giây để phát hiện chuyển động hoặc vượt đường, các tác nhân AI yêu cầu phân tích theo thời gian thực các luồng video khổng lồ và dữ liệu theo ngữ cảnh. Điều đó có nghĩa là phần cứng GPU hiệu suất cao – một thứ không hề rẻ.

“Ngay cả các hoạt động an ninh quy mô vừa cũng cần phân bổ từ 200.000 đến 300.000 đô la cho phần cứng GPU đầy đủ để kích hoạt các khả năng AI tiên tiến,” Yadav nói thêm.

Tuy nhiên, cơ hội nằm ở cách các công ty tiếp cận quá trình chuyển đổi này. Các giải pháp mô-đun, có thể mở rộng và kiến trúc biên-đám mây lai có thể giúp giảm chi phí trả trước trong khi vẫn duy trì tính linh hoạt.

4. Giải quyết đúng vấn đề

Đối với Florian Matusek, Giám đốc Chiến lược AI và Giám đốc điều hành của Genetec Vienna, điểm khởi đầu phải luôn là trường hợp sử dụng.

“Câu hỏi đầu tiên cần đặt ra là các tác nhân AI sẽ giải quyết vấn đề gì,” Matusek nói. “Chúng không nên được triển khai vì lợi ích riêng của chúng mà để giải quyết một nhu cầu cụ thể.”

Các tác nhân AI không nên được xem là các giải pháp phù hợp với tất cả. Thay vào đó, các nhà cung cấp phải làm việc với người dùng cuối để xác định các điểm khó khăn – cho dù đó là quản lý cảnh báo trong giờ không làm việc, xác định các điểm bất thường trong hành vi đám đông hay tối ưu hóa kiểm soát truy cập trên nhiều địa điểm.

Khi nhu cầu được xác định, các công ty phải đối mặt với quyết định “tự làm hay mua”. Họ nên phát triển các tác nhân AI nội bộ hay tích hợp các mô hình có sẵn?

“Nếu bạn chọn sử dụng các tác nhân, bạn phải trả lời câu hỏi tự làm hay mua,” Matusek nói. “Bạn nên sử dụng các mô hình có sẵn hay huấn luyện chúng cho một trường hợp sử dụng cụ thể?”

Mỗi con đường đều có những đánh đổi. Các mô hình có sẵn có thể được triển khai nhanh hơn nhưng có thể thiếu tính đặc thù của miền. Các mô hình được huấn luyện tùy chỉnh mang lại hiệu suất tốt hơn trong các môi trường ngách nhưng đòi hỏi thời gian, dữ liệu và tài năng AI.

5. Điều phối đa tác nhân: ai là người phụ trách?

Một câu hỏi mới nổi khác là cách các tác nhân AI tương tác với nhau. Trong một thiết lập giám sát điển hình, nhiều tác nhân có thể được triển khai – một tập trung vào các vi phạm chu vi, một tập trung vào mật độ đám đông và một tập trung vào hành vi bất thường.

Matusek hỏi, “Có nên có một tác nhân chính quản lý các tác nhân chuyên biệt không?”

“Lớp điều phối” này trở nên cần thiết khi các tác nhân AI làm việc song song. Nếu không có cấu trúc phân cấp hoặc hợp tác, các tác nhân có thể hành động trái ngược nhau – leo thang các sự cố một cách dư thừa hoặc bỏ lỡ bức tranh lớn hơn.

Điều này đưa chúng ta trở lại với sự phức tạp về kiến trúc. Các nền tảng VMS phải phát triển để hỗ trợ không chỉ các tính năng AI riêng lẻ mà còn các hệ sinh thái thông minh, nơi các tác nhân hợp tác theo logic tập trung.

6. Khoảng cách tin cậy: có con người tham gia hay không?

Tự chủ có thể là từ thông dụng, nhưng lòng tin là tiền tệ.

Các nhà khai thác an ninh đã quen với việc kiểm soát. Ý tưởng về các tác nhân đưa ra quyết định độc lập có thể gây khó chịu – đặc biệt là trong cơ sở hạ tầng quan trọng, chăm sóc sức khỏe hoặc các ứng dụng của chính phủ.

Một giải pháp đang được chấp nhận là phương pháp con người tham gia, trong đó các tác nhân đề xuất hoặc khởi xướng các hành động, nhưng con người vẫn giữ quyền phê duyệt cuối cùng.

Theo thời gian, khi sự tin tưởng vào các tác nhân tăng lên và dương tính giả giảm xuống, có thể nhường nhiều quyền kiểm soát hơn. Nhưng sự chuyển đổi này phải dần dần, minh bạch và có thể đo lường được.

7. Sẵn sàng về mặt quy định

Khi quy định về AI thắt chặt trên toàn cầu, các nhà cung cấp VMS phải đối mặt với một gánh nặng bổ sung – tuân thủ.

Đạo luật AI của EU, chẳng hạn, phân loại các hệ thống AI được sử dụng trong giám sát là có rủi ro cao, đòi hỏi tính minh bạch, quản lý rủi ro và tài liệu. Ở các khu vực như Trung Đông và Châu Á, các chính phủ đang bắt đầu làm theo với các chính sách dữ liệu và AI của riêng họ.

Điều này có nghĩa là các công ty VMS phải xây dựng các tác nhân AI với sự tuân thủ ngay từ đầu – xem xét không chỉ cách chúng hoạt động mà còn cách chúng được kiểm toán và giải thích.

Một cơ hội chuyển đổi – nếu được điều hướng đúng cách

Bất chấp những trở ngại, cả Yadav và Matusek đều đồng ý rằng phần thưởng của việc tích hợp thành công lớn hơn nhiều so với những thách thức.

Khi được thực hiện đúng cách, các tác nhân AI có thể tạo ra các môi trường thông minh, nơi các hoạt động an ninh có tính dự đoán, không phải phản ứng.

Và đối với các nhà tích hợp, sự phát triển này mang đến các cơ hội kinh doanh mới – từ tư vấn về cơ sở hạ tầng AI đến triển khai và quản lý các nền tảng VMS được hỗ trợ bởi AI.

Nhưng nó cũng sẽ đòi hỏi nâng cao kỹ năng. Hiểu các tác nhân AI, dữ liệu huấn luyện và các cân nhắc về đạo đức sẽ trở nên quan trọng đối với bộ công cụ của nhà tích hợp an ninh như việc biết vị trí đặt camera hoặc kiến thức cơ bản về mạng.