– Vi förutser att AI kommer att gå bortom en enkel implementering till att bli grunden för hela branschen – framväxten av så kallade autonoma AI-agenter kommer att omforma strukturen och driften av videoövervakningssystem, säger John Lutz Boorman, produkt- och marknadschef på Hanwha Vision Europe.

För att möta denna förändringsvåg har Hanwha Vision identifierat fem viktiga trender som branschen måste fokusera på. Dessa trender signalerar en framtid där AI fungerar som den centrala motorn och lyfter videoövervakning ytterligare från övervakning till att utgöra centrala pelare för operativ effektivitet och hållbarhet. Här presenterar Hanwha de fem trenderna: 

1: Tillförlitlig AI: Datakvalitet och ansvarsfull användning

I takt med att AI-analys blir allestädes närvarande kommer principen ”garbage in, garbage out” att vara avgörande inom videoövervakning. Visuellt brus och distorsion orsakad av utmanande miljöer – såsom svagt ljus, motljus eller dimma – är främsta orsaker till AI-baserade falsklarm. År 2026 kommer det att bli branschens högsta prioritet att etablera en ”Trusted Data Environment” för att lösa dessa problem.

I takt med att prestandan hos AI-analysmotorer förbättras över hela linjen, flyttas investeringsfokus mot att säkra högkvalitativ videodata som AI kan tolka felfritt.

Ett exempel på detta är att minimera brus och distorsion i extrema miljöer genom AI-baserad högpresterande ISP-teknik (Image Signal Processing) och användningen av större sensorer. AI-baserad ISP använder deep learning för att skilja mellan objekt och brus, vilket effektivt eliminerar brus samtidigt som objektdetaljer optimeras för att ge realtidsdata som är mest gynnsamma för AI-analys. Större bildsensorer fångar mer ljus, vilket i grunden undertrycker generering av videobrus, med början i svagt ljus.

Parallellt med att den etiska användningen av AI blir en stor fråga närmar sig det obligatoriska införandet av AI-styrningssystem. EU:s AI använder en riskbaserad klassificering av AI-system som används i offentliga utrymmen och ålägger tillverkare en rättslig skyldighet att säkerställa transparens inom AI från designfasen, och detta kan bara påskynda branschens strävan att bygga verkligt pålitlig AI, menar Hanwha.

2: Partnerskapet med AI-agenter – från verktyg till lagkamrat

I takt med att AI utvecklas från enkel detektering till en agent som kan analysera komplexa scener och föreslå inledande åtgärder, kommer operatörens roll att förändras fundamentalt. Människor kommer att delegera repetitiva övervakningsuppgifter till AI-agenter, vilket frigör tid för mer kritisk aktivitet på hög nivå.

Medan tidigare AI-system inom videoövervakning bara minskade operatörens arbetsbelastning genom att automatisera repetitiva uppgifter som objektsökning, spårning och larmgenerering, kommer AI-agenten att kunna ta detta ett steg längre. Den kommer autonomt att genomföra komplex situationsanalys, automatiskt utföra en första respons och rekommendera de mest effektiva uppföljningsåtgärderna till den övervakande operatören.

Till exempel kan en AI-agent självständigt bedöma ett intrång, initiera preliminära steg som att utlösa ett larm och sedan föreslå de slutgiltiga beslutsalternativen (till exempel om polisen ska ringas) till operatören. Samtidigt kan den automatiskt generera en omfattande rapport med detaljerad information om realtidsvideo av intrångsområdet, accessregister, en logg över AI:ns inledande åtgärder och förslag på optimala responsstrategier.

Operatörer kommer att bli mer som befälhavare och fatta slutgiltiga beslut som kräver nyanserade bedömningar, komplex analys och beaktande av juridiska och kontextuella konsekvenser. De kommer också att ta på sig rollen som AI-styrningsansvarig och transparent spåra och övervaka alla autonoma handlingar och resonemangsprocesser som utförs av AI-agenten. Denna viktiga funktion, som förhindrar systemmissbruk, kräver en betydande höjning av den övervakande operatörens kompetens.

3: Drivkraft för hållbar säkerhet

Den explosionsartade tillväxten av generativ AI driver efterfrågan på energi. Enligt International Energy Agency (IEA) kommer datacenters elförbrukning att mer än fördubblas fram till 2030 enligt sitt basscenario – på grund av efterfrågan på AI.

Videoövervakningsbranschen kan inte längre prioritera prestanda utan begränsningar, då den står inför den dubbla utmaningen med den kraftigt ökande mängden högupplöst videodata och den beräkningsmässiga bördan av AI i edge-miljön. Därför är "hållbar säkerhet" (sustainable security), som prioriterar driftslängd och minimerar miljöpåverkan, på väg att bli en kärnkompetens för att uppnå minskningar av TCO (Total Cost of Ownership) och uppfylla ESG-mål.

För att uppnå hållbar säkerhet rör sig branschen mot att utveckla AI-chipset med låg energiförbrukning som drastiskt minskar strömförbrukningen – samtidigt som högkvalitativ bildbehandling och AI-processorkraft bibehålls. Man prioriterar också tekniker som säkerställer dataeffektivitet direkt på edge-enheten (kameran).

4: Smarta utrymmen drivna av videointelligens

I takt med att AI integreras i kameror och framsteg görs inom molnteknik för storskalig databehandling, blir konceptet med ett "kännande utrymme" – ett utrymme som kan känna och förstå – verklighet.

Detta innebär att videoövervakning expanderar bortom enkel övervakning och blir en central datakälla för "digitala tvillingar", som speglar den fysiska miljön i realtid. En digital tvilling är en virtuell kopia av en verklig fysisk tillgång, skapad i en datorbaserad virtuell miljö.

För närvarande används AI-information (metadata) som extraheras av AI-kameror redan som affärsinformation för att optimera verksamheten inom sektorer som smarta städer, detaljhandel och avancerad tillverkning. Framöver kommer dessa metadata att slås samman med olika typer av information från accesskontrollenheter, IoT-sensorer och miljösensorer för att skapa en enhetlig och intelligent digital tvillingmiljö.

Denna digitala tvillingmiljö kommer att revolutionera övervakningsupplevelsen. Istället för komplexa, fragmenterade skärmar kommer operatörerna att få en helhetsbild av händelserelationer på ett kartbaserat gränssnitt som integrerar VMS (Video Management System) och accesskontrollsystem. Inom detta perfekt speglade digitala utrymme kommer videosystemet så småningom att utvecklas till ett autonomt intelligent utrymme som djupt förstår situationer och hanterar och löser problem oberoende av varandra.

Att lägga till den senaste AI-tekniken kan ge säkerhetschefer eller operatörer större kontroll över systemdriften. Till exempel kan AI omedelbart förstå frågor på naturligt språk som "Hitta en person som gick in i serverrummet efter klockan 22 igår kväll" och automatiskt analysera access- och videoinspelningar för att rapportera resultaten. Detta innebär verklig situationsmedvetenhet som kan gå långt bortom grundläggande komplexa sökparametrar.

5: Hybridarkitektur: Den distribuerade kraften

De stigande kostnaderna för att överföra HD-videodata, i kombination med datasuveränitet och regulatoriska problem, innebär utmaningar för rent molnbaserade system. Därför etablerar sig "hybridarkitektur", som bevarar molnets fördelar samtidigt som den minskar driftsbelastningen, snabbt som den optimala lösningen för videoövervakningssektorn.

Hybridarkitektur ger användarna ultimat kontroll och flexibilitet över systemdriften. Eftersom den gör det möjligt att distribuera systemfunktioner till den mest effektiva platsen baserat på en organisations affärsbehov, budget och juridiska/regulatoriska miljö, kommer den att bli en viktig strategi för att maximera den totala ägandekostnaden (TCO).

Ur ett videoövervakningsperspektiv maximerar hybridarkitektur effektiviteten genom att flexibelt distribuera funktioner mellan lokala och molnbaserade miljöer. Lokala miljöer kan ”hosta” realtidsövervakningsfunktioner och kritiska funktioner som måste uppfylla regler för kortvarig videolagring. Funktioner som involverar lokal bearbetning och kontroll av mycket känsliga data placeras också lokalt för att stärka datasäkerhetskontrollen och säkerställa omedelbara responsmöjligheter på plats.

Samtidigt utnyttjas molnmiljön för funktioner som centraliserad fjärrstyrning, storskalig dataanalys, deep learning för AI-modeller och långsiktig arkivering. Att använda molnet på detta sätt säkerställer systemskalbarhet och smidig drift.

Utöver enkel infrastrukturseparation stöder denna arkitektur även den optimala distribuerade beräkningsstruktur som krävs för framgångsrik drift av AI-analysbaserade videoövervakningssystem.

I den här strukturen hanterar edge-enheter (kamera/NVR) det första beräkningslagret, utför realtidsdetektering och överför endast nödvändig data till molnet. Detta minskar belastningen på nätverksbandbredden, maximerar hastighet och lagringseffektivitet. Därefter utför molnmiljön (central server) det andra lagret av djup analys och storskalig maskininlärning baserat på filtrerad data från edge-miljön, vilket avsevärt förbättrar AI-funktionernas noggrannhet och sofistikering.

– År 2026 tror jag att AI kommer att vara en fast etablerad standard för säkerhetsinfrastruktur. För att möta detta kommer Hanwha Vision att leverera pålitlig data och hållbart säkerhetsvärde till användare genom att tillhandahålla lösningar baserade på en hybridarkitektur optimerad för AI-analys och bearbetning. Det ser ut att bli ett spännande år, avslutar John Lutz Boorman.