Startup usa IA para transformar câmeras em vigilância ativa

La startup Noleak ha desarrollado una solución innovadora para optimizar el uso de cámaras de seguridad, transformando miles de horas de video en información útil. Su herramienta, llamada Agatha, utiliza inteligencia artificial (IA) para aprender patrones de comportamiento en los ambientes monitoreados y emitir alertas cuando identifica cambios significativos. Este sistema convierte cámaras pasivas en dispositivos de monitoreo activo, descartando imágenes que no requieren atención y permitiendo que un solo profesional supervise entre 1.000 y 2.000 cámaras simultáneamente sin ser abrumado por notificaciones irrelevantes. Rafael Libardi, fundador de Noleak, cuestionó los límites de los sistemas tradicionales de seguridad, que a menudo funcionan como sensores de movimiento sofisticados pero poco inteligentes. La lógica detrás de Agatha fue inicialmente probada en el ámbito de la protección de datos digitales, cuando Libardi trabajaba en un proyecto para las Fuerzas Armadas de un país latinoamericano. El objetivo era identificar comportamientos anómalos en redes internas de computadoras para detectar invasiones a la infraestructura digital local. Libardi se dio cuenta de que este método podría aplicarse a las imágenes de cámaras de seguridad, simplemente sustituyendo paquetes de datos por píxeles. La plataforma de Noleak no opera con reglas fijas, sino que observa el ambiente durante un período para establecer lo que considera normal en ese contexto. A partir de esta línea base, el sistema identifica desviaciones y envía alertas para su evaluación humana. Investigaciones indican que, después de aproximadamente 12 minutos de observación continua, un operador puede dejar de percibir hasta el 45% de la actividad visualizada. Con la triagem automatizada, el operador recibe solo los segmentos que requieren análisis, filtrando más del 99,8% de las imágenes irrelevantes y enfocando la atención en situaciones que demandan decisión. El número de cámaras instaladas continúa en aumento en condominios, empresas, vías públicas y eventos. La Asociación Brasileña de Empresas de Sistemas Electrónicos de Seguridad (Abese) estima que el sector generará ingresos de R$ 14 mil millones en 2024, lo que representa un aumento del 16,1% en comparación con el año anterior. Además del monitoreo en tiempo real, la tecnología permite realizar análisis forenses, facilitando la revisión de grandes volúmenes de video y la localización rápida de momentos en que ocurrieron anomalías. Por ejemplo, una distribuidora de energía en Minas Gerais enfrentaba robos recurrentes en subestaciones y, gracias a Agatha, pudo reducir semanas de grabaciones a aproximadamente 10 minutos que contenían el momento exacto de la invasión. La herramienta también ha sido utilizada para verificar el uso correcto de equipos de protección individual (EPIs), detectar comportamientos que podrían anteceder accidentes laborales, controlar inventarios en almacenes y monitorear procesos industriales. En una industria agroindustrial en Belém, la tecnología identificó signos de desgaste en cadenas de gran tamaño mediante cambios sutiles en los patrones visuales, como vibraciones inusuales y alteraciones en la textura de los componentes. Otro proyecto utilizó la herramienta para contar en tiempo real sacos de cemento y granos en el Puerto de Santos, reemplazando procesos manuales propensos a errores. El tiempo de adaptación de la herramienta varía según la aplicación, pudiendo implementarse el monitoreo de EPIs en menos de 24 horas, mientras que sistemas de conteo en puertos pueden requerir una semana de ajustes. En condominios y barrios monitoreados, la IA identifica las matrículas de los vehículos de los residentes y alerta cuando automóviles desconocidos permanecen en las cercanías por períodos inusuales. En un caso específico, el sistema emitió un aviso al detectar a una niña cerca de un portón automático durante su apertura, permitiendo que el operador interrumpiera el mecanismo a tiempo. La tecnología también puede ser utilizada en grandes eventos y complementar iniciativas de ciudades inteligentes. Programas como Smart Sampa, en São Paulo, utilizan reconocimiento facial para localizar sospechosos, mientras que la plataforma de Noleak se enfoca en el análisis del comportamiento de las imágenes. Especialistas advierten que las tecnologías de reconocimiento facial pueden tener márgenes de error y requieren validación humana. Libardi coincide en que ninguna solución debe operar de forma aislada, ya que deben funcionar como filtros de precisión y siempre debe existir una verificación posterior, dado que la herramienta no reemplaza la observación humana, sino que reorganiza prioridades. Finalmente, Libardi destaca la importancia de contar con una infraestructura adecuada y educar a los clientes sobre las limitaciones tecnológicas. “La cámara debe estar en el lugar correcto y tener una calidad de imagen razonable. A veces, el cliente cree que podrá identificar algo a 200 metros de distancia con una cámara de bajo costo”, afirma. Con el apoyo del Programa de Investigación Innovadora en Pequeñas Empresas (PIPE) de la FAPESP, la startup ha reestructurado su arquitectura de datos y mejorado los modelos matemáticos para escalar sus operaciones.