Tag Archives: Inteligencia Artificial

Por qué 2024 es el año de la IA para las redes 

Posted on

Por: Denise Shiffman / Cisco Systems

“Este es el año de la IA”, declaró recientemente Chuck Robbins en el Mobile World Congress. Con la creciente demanda de una amplia gama de clientes empresariales que planean construir su propia infraestructura de inteligencia artificial (IA), el mercado está cambiando y expandiéndose rápidamente. Considere los resultados clave del Índice de preparación para la IA de Cisco, basado en encuestas detalladas de más de 8000 líderes empresariales y de TI en todo el mundo, que reveló que el 84 % de las organizaciones encuestadas esperan que la IA tenga un impacto significativo o muy significativo en sus negocios.

Cuando se trata del impacto de la IA, hay más que tecnología en juego. La IA transformará muchos aspectos de nuestras vidas. El amplio enfoque actual en la IA abarca organizaciones en la mayoría de los campos, incluidos negocios, educación, medio ambiente, finanzas, atención médica, gobierno, ciencia, transporte y, por supuesto, tecnología de la información.

Este nivel de impacto es la razón por la que el 97% de los encuestados para el Índice de preparación para la IA informaron una mayor urgencia de implementar tecnologías impulsadas por la IA. De ese 97%, sólo el 14% de los encuestados sentía que sus organizaciones estaban “listas” para la IA. Este es el momento para que las empresas definan una estrategia de IA y dediquen las inversiones necesarias en personas, productos y procesos para estar preparadas para la IA. Cisco puede ayudar.

Cómo Cisco impulsa la IA

La IA requiere grandes cantidades de datos de una amplia variedad de fuentes para entrenar modelos y esquemas subyacentes. Este es el caso tanto de la IA predictiva como de la generativa: la primera consiste en hacer inferencias mediante el reconocimiento de patrones, mientras que la segunda consiste en utilizar datos para crear contenido original en forma de texto, imágenes y vídeos. Cisco utiliza ambos paradigmas de IA en todo nuestro portafolio para mejorar la eficiencia operativa, la inteligencia de red y la experiencia digital de extremo a extremo.

La clave para impulsar la IA es una infraestructura optimizada, para todo, incluida la informática, las redes, la seguridad, la sostenibilidad, la simplicidad y la visibilidad. Con integración e inteligencia a lo largo y ancho de esta pila, Cisco está bien posicionado para guiar este viaje. Como líder del mercado tanto en redes como en seguridad, vemos miles de millones de eventos de seguridad y tomamos miles de millones de mediciones diariamente, lo que nos brinda un conjunto de datos extraordinario para analizar con fines de predicción, automatización y asistencia de IA generativa.

Estamos utilizando información basada en inteligencia artificial para ayudar a los clientes a analizar problemas complejos en sus implementaciones, identificando una falla en cualquier red para una rápida solución. Cisco está desarrollando activamente AIOps, utilizando el aprendizaje automático y el razonamiento para simplificar y optimizar las operaciones de TI. Al proporcionar mayor visibilidad e inteligencia, podemos garantizar que los clientes obtengan los beneficios de la automatización y la IA predictiva y generativa.

En Cisco Live Amsterdam anunciamos una asociación estratégica con NVIDIA, una poderosa combinación de dos líderes de la industria que ofrecen soluciones avanzadas de infraestructura de IA para acelerar las iniciativas de IA de nuestros clientes. En el futuro, vemos un amplio ecosistema de socios con los que trabajaremos para empoderar a nuestros clientes.

La IA cambia nuestro papel, no nuestra responsabilidad

En lo que se parece cada vez más al año de la IA para la creación de redes, soy optimista sobre nuestro futuro basado en la IA. Creo que la combinación de capacidades de IA y la interacción humana generará avances increíbles e imprevistos.

¿Infraestructuras de TI totalmente autónomas y con autodefensa? Sí, son posibles. ¿Ciclos de desarrollo farmacéutico que salvan vidas y que se definen por meses, no por décadas? Sí, son posibles. ¿Nuevas fuentes de energía que sean seguras, baratas y abundantes? Creo que esto también es posible. Con la tecnología adecuada y un enfoque de IA responsable, empoderaremos y permitiremos a nuestros clientes, socios y empleados maximizar el potencial de la IA para todos.

El futuro de las analíticas de IA en la videovigilancia

Posted on

Por: Axis Communications

La rápida propagación del uso de analíticas de video en los sistemas de vigilancia se debe a una conjunción de factores tecnológicos y operativos que propician esta tendencia ya consolidada en el mercado de la seguridad.

En primer lugar, en una doble respuesta a las necesidades del mercado, las cámaras han aumentado la resolución y calidad de las imágenes que proporcionan y al mismo tiempo han experimentado una reducción de precios que permite hoy diseñar sistemas con muchos más dispositivos, aumentando la eficiencia y limitando los costos.

En segundo lugar, el mercado ofrece hoy día la posibilidad de ejecutar complejos algoritmos con dispositivos hardware de tamaño y precio muy contenidos.  Y esto favorece el tercer factor, la evolución y disponibilidad de algoritmos avanzados de análisis de video basados en Inteligencia Artificial (IA).

Del mismo modo, debemos considerar como factores que impulsan la utilización de las analíticas, aquellos que se derivan de las necesidades operativas y de negocio. En un entorno en el que el número de cámaras ha aumentado exponencialmente, las grabaciones de video generan enormes archivos de imágenes, los recursos humanos son escasos y costosos y la automatización de procesos es crucial para la optimización de las operaciones de seguridad y de los negocios. A ello hemos de sumar la creciente voracidad de obtener datos de todo tipo que contribuyan a la mejora de las aplicaciones de inteligencia en el negocio y a las iniciativas de ciudades inteligentes.

El resultado es, como ya experimentamos a diario, una explosión de interés, oferta y promoción de multitud de analíticas de video basadas en IA.

Ahora bien, estamos ciertamente en el umbral de otra generación de sistemas de video, donde las analíticas comienzan a ser el elemento sustancial y el hardware sólo la infraestructura necesaria para su utilización. ¿Hacia dónde conduce este nuevo modo de enfocar los sistemas de video?

Las analíticas basadas en IA se sustentan básicamente en dos pilares: La utilización de redes neuronales y el entrenamiento específico y continuo de los modelos.  El primero es bastante universal, al alcance de casi todos los actores grandes o pequeños de la industria. El segundo, es más selectivo, porque requiere de gran potencia de proceso y sobre todo de una ingente cantidad de datos (imágenes) para conseguir algoritmos precisos y eficientes. Eso, cada vez más está en manos de los grandes jugadores del tablero tecnológico y no sería descabellado pensar que en un futuro sean ellos quienes provean las mejores analíticas, empezando sin duda por las de uso empresarial, pero alcanzando también el ámbito de la seguridad.

La ley de Moore va a producir cada vez procesadores más poderosos y reducidos en tamaño, costo y consumo de energía. Esto significa que la mayoría de los dispositivos estarán en condiciones de ejecutar esos eficientes algoritmos de Inteligencia Artificial.

Si los algoritmos serán accesibles fácilmente, su eficacia muy similar entre ellos, y los dispositivos de captura y gestión serán todos capaces de ejecutarlos, ¿dónde estarán las diferencias en los futuros sistemas evolucionados?

En primer lugar, es necesario no olvidar que ninguna analítica de video puede ofrecer buenos resultados si el video que debe analizar no tiene la calidad necesaria. Por lo tanto, la premisa de ofrecer una calidad de imagen óptima en cualquier condición de iluminación es de vital importancia y pude condicionar definitivamente cualquier intento de utilización de las analíticas, por mucho que estén basadas en técnicas de IA.

Ahora nos deslumbran las capacidades de detección y clasificación de los citados algoritmos, y no reparamos demasiado en las exigencias que van a surgir de su utilización masiva. Alguna de ellas ha asomado ya, como es la integración. Una vez que la analítica ha hecho su trabajo y detectado lo que pretendíamos detectar y clasificado lo que consideramos interesante clasificar, ¿cómo hacemos para que esa información sea utilizable por nuestros sistemas y subsistemas de seguridad, control y optimización del negocio? Sin duda aquí entran en juego los estándares y los interfaces abiertos.

De las tres posibilidades para alojar nuestras analíticas (en la cámara, en un servidor local o en la nube) ninguna de ellas se muestra perfecta para todos los casos de uso. De hecho, lo más probable es que nos encontremos con soluciones que aprovechen las virtudes de las tres opciones, para lo cual será indispensable contar con plataformas de desarrollo universales que permitan esa ejecución tanto en la nube, como en sistemas operativos de servidor como en el interior de los dispositivos de seguridad (cámaras).

No hay nada como la utilización cotidiana de los sistemas para experimentar la necesidad de herramientas de mantenimiento. Y el mantenimiento de estas soluciones de Inteligencia Artificial pasa por diversas tareas. La primera es el entrenamiento continuo. El proveedor irá suministrando versiones renovadas que deberemos actualizar en nuestros equipos.  Necesitaremos esas herramientas que permitan de modo ágil y seguro la distribución de las aplicaciones y la citada actualización, pero también la monitorización del funcionamiento, es decir, la información de que esas aplicaciones funcionan correctamente y en caso contrario corregirlo.

Si bien el primer uso de las analíticas de video en la seguridad ha sido la detección de incidentes y situaciones de riesgo, muy pronto hemos comprobado que su mayor impacto en los sistemas de video vigilancia es facilitar la búsqueda de evidencias. Cada vez más los sistemas se utilizan como registradores de eventos, para su posterior investigación y análisis forense. Y en esa tarea, contar con la posibilidad de filtrar las búsquedas basándose en atributos (tipo, color, dirección, etc.)  previamente etiquetados gracias a las analíticas, cambia sustancialmente el modo en que empleamos nuestros sistemas de video para seguridad. Esta nueva tecnología nos conduce inexorablemente a la grabación masiva y continua de todo cuanto acontece para su posterior análisis en caso de necesidad, ya que estas nuevas herramientas permiten acceder en pocos minutos o segundos a cualquier incidente por muy voluminoso que sea nuestro video grabado.

Por último, no olvidemos que muchas de esas analíticas tienen como objetivo suministrar datos.  Para facilitar las búsquedas o para alimentar estadísticas y análisis. Los llamados metadatos, es decir, la contribución al concepto del “Big Data”. Y el retorno de la inversión, tendrá mucho que ver con la “inteligente” utilización de esos datos, para ofrecer mejoras en la operativa, o en el análisis. Conviene pues, pensar mucho en cómo será el aprovechamiento de los datos y los procesos que deben acompañar a la implantación de este tipo de soluciones.

Estos factores serán los que a mi juicio establecerán las diferencias en la explotación de los nuevos sistemas de video que utilicen las analíticas basadas en Inteligencia Artificial. Cualquiera puede entender que esas diferencias se traducen rápidamente en costes y competitividad.  Hagamos pues el ejercicio de escudriñar más allá de los brillos y campanillas de los algoritmos que resuelven procesos más o menos complejos. No olvidemos que la Inteligencia Artificial va a precisar aun más de mucha Inteligencia Humana (IA+IH).

El impacto de la inteligencia artificial en las finanzas

Posted on

Por: Deseree Wetherington / Panduit

Desde nuevas empresas de vanguardia hasta instituciones financieras establecidas, las organizaciones de la industria de servicios financieros están aprovechando cada vez más la inteligencia artificial (IA) para desarrollar productos y servicios innovadores. La IA, que abarca el aprendizaje automático y el procesamiento de datos avanzado, permite operaciones más eficientes, mejores experiencias de los clientes y una mejor gestión de riesgos dentro de la industria.

Según Forbes, la IA ya está cambiando la forma en que operan las empresas de servicios financieros, y esa transformación está a punto de acelerarse a medida que las empresas apunten a una mayor expansión e integración de la IA como prioridad estratégica principal. El artículo afirma que el 71% de los 500 altos ejecutivos de servicios financieros que participaron en un estudio reciente dicen que la inteligencia artificial ha cambiado significativamente la forma en que funcionan sus empresas.

  1. Mejora de los sistemas back-end: los avances impulsados ​​por la IA en la gestión de riesgos y los procesos de préstamo han revolucionado el ecosistema de servicios financieros. Al analizar comportamientos pasados ​​y predecir escenarios futuros, la IA permite evaluaciones más rápidas y precisas de los posibles prestatarios a costos reducidos. Además, la IA puede considerar una gama más amplia de factores, lo que permite a los prestamistas tomar decisiones crediticias más inteligentes. Según un pronóstico de Autonomous Research, se predice que para 2030, la adopción de IA también permitirá a los bancos reemplazar los flujos de trabajo que requieren mucha mano de obra con operaciones automatizadas, confiables y rentables, lo que podría reducir los costos operativos en un 22 % y generar ingresos a largo plazo. ahorros a plazo de hasta $ 1 billón.
  2. Fortalecimiento de la prevención del fraude: la transformación digital ha dado lugar a nuevas vías para el fraude, lo que requiere medidas sólidas de prevención del fraude. AI sobresale en este dominio al emplear análisis avanzados y reconocimiento de patrones para detectar y prevenir actividades fraudulentas. Por ejemplo, los sistemas impulsados ​​por IA pueden notificar rápidamente a los clientes sobre posibles fraudes en sus tarjetas de crédito o validar transacciones, protegiendo a las instituciones financieras y a sus clientes.
  3. Personalización de las experiencias de los clientes: en un mercado altamente competitivo, las organizaciones de servicios financieros se esfuerzan por fomentar la lealtad de los clientes a largo plazo. La IA juega un papel fundamental en la creación de experiencias atractivas y personalizadas que los métodos tradicionales luchan por ofrecer. Al aprovechar las capacidades de AI, las organizaciones pueden ofrecer asesoramiento financiero personalizado, implementar procesamiento de lenguaje natural para un servicio al cliente eficiente y desarrollar asistentes financieros virtuales, asesores robóticos y chatbots. Estos asistentes virtuales pueden ofrecer recomendaciones personalizadas para mejorar la salud financiera, mejorando la satisfacción y lealtad del cliente.

Creación de una infraestructura de TI sólida para soluciones de IA

A medida que los productos y servicios impulsados ​​por IA se vuelven esenciales para la supervivencia y el crecimiento, las organizaciones deben asegurarse de que su infraestructura de TI pueda respaldarlos de manera efectiva. Las aplicaciones de IA suelen exigir más potencia y dependen de procesadores más rápidos, lo que requiere una infraestructura de TI robusta y escalable. Panduit ofrece soluciones de infraestructura de TI híbrida que permiten a las organizaciones de servicios financieros cumplir con las expectativas de los clientes, los requisitos reglamentarios y manejar las demandas de energía y refrigeración de las aplicaciones de IA. Al proporcionar entornos automatizados, receptivos y seguros, Panduit  y MCS ayudan a las organizaciones a aprovechar la inteligencia artificial en finanzas para ofrecer operaciones ricas en información y centradas en el cliente.

Cinco formas en que AIOps puede mejorar la gestión de incidentes de TI

Posted on

La gestión de incidentes de TI está siendo un desafío constante para las organizaciones en la era digital. Los sistemas y aplicaciones complejas, combinadas con la creciente demanda de tiempo de actividad y la presión para solucionar los problemas de manera rápida y efectiva, hacen que la tarea de manejar incidentes sea cada vez más difícil. Sin embargo, hay una solución emergente que promete revolucionar esta área: AIOps (Inteligencia Artificial para las Operaciones de TI).

La Inteligencia Artificial para Operaciones de TI (AIOps) es una tecnología emergente que puede ayudar a los equipos de operaciones de TI a comprender los datos operativos. A medida que la infraestructura híbrida y las tecnologías nativas de la nube presentan nuevos niveles de complejidad, AIOps se muestra muy prometedor en la simplificación y transformación de la gestión de operaciones digitales. 

¿Por qué adoptar AIOps?

Solo han pasado unos años desde que Gartner acuñó el término AIOps y, sin embargo, el 30% de las grandes empresas implementarán iniciativas AIOps para 2023. AIOps puede ayudar a los equipos de TI a automatizar actividades que consumen mucho tiempo y recursos para que puedan asumir un papel más estratégico en el impulso de la innovación y la transformación digital. Los líderes de TI señalaron los tres mayores beneficios de AIOps en el informe Estado de AIOps de OpsRamp:

  • Ganancias de productividad a partir de la eliminación de tareas repetitivas a lo largo del ciclo de vida del incidente (85 %); 
  • Mejor desempeño de la infraestructura a través de menores volúmenes de incidentes (77%) y; 
  • Restauración más rápida del servicio con remediación rápida y análisis de causa raíz (80%).
Cómo AIOps puede mejorar la respuesta y resolución de incidentes 

AIOps puede ayudar a los equipos de infraestructura de TI a mantener experiencias digitales convincentes al convertir los datos de eventos sin procesar en información procesable, de la siguiente manera:

  1. Identificación precisa de la(s) causa(s) raíz. La TI empresarial puede garantizar una recuperación más rápida del servicio, así como prevenir fallas operativas con herramientas AIOps que utilizan datos de eventos históricos y en tiempo real para identificar rápidamente la(s) causa(s) raíz de los problemas (ofrecen información prescriptiva para la escalada de alertas) y predicen posibles fallas por adelantado. (predecir futuros patrones de alerta utilizando la estacionalidad). 
  2. Cree una vista central para los datos de alerta. Los equipos de operaciones de TI pueden ahorrar tiempo y reaccionar más rápido con el contexto situacional adecuado utilizando conocimientos de rendimiento unificados en toda su infraestructura de TI. Las herramientas AIOps analizan y consolidan los datos operativos de múltiples fuentes para proporcionar una vista única del estado de la infraestructura.
  3. Gestión inteligente de incidencias. Las herramientas de AIOps pueden integrarse con las herramientas existentes de monitoreo y mesa de servicio para lograr un tiempo medio de resolución más rápido mediante la recopilación, el procesamiento y el análisis de métricas relevantes de toda la organización. Esto puede minimizar la extinción de incendios ineficiente, abordar problemas críticos para el negocio y restaurar los servicios rápidamente. 
  4. Detección de anomalías y amenazas. La detección de anomalías es el proceso de identificar sucesos o eventos inesperados en los datos operativos. Los expertos creen que las herramientas AIOps hacen un mejor trabajo de detección rápida de valores atípicos que los métodos tradicionales. Los equipos de TI pueden detectar anomalías de manera preventiva y marcarlas dentro de las herramientas de colaboración que las organizaciones ya utilizan.
  5. Resuelva los problemas automáticamente. Los administradores de incidentes pueden evitar costosas interrupciones del servicio y manejar incidentes repetitivos a escala con la corrección automatizada. Por ejemplo, los eventos de rutina, como reiniciar servidores después de instalar parches o agregar máquinas virtuales cuando se alcanzan los umbrales del servidor, son excelentes oportunidades para ahorrar tiempo y dinero con AIOps.
La ventaja de Aruba AIOps

AIOps de Aruba impacta en los resultados de TI porque brinda ayuda para lo siguiente:

  • Acceder a la causa principal y resolver problemas conocidos rápidamente: AIOps de Aruba puede identificar problemas, como los de conectividad y autenticación, y utilizar la IA para determinar la causa principal y proveer recomendaciones prescriptivas con más del 95 % de certeza. Por ejemplo, con toda la información de IA, una falla de autenticación de 802.1x típica puede resolverse en menos de 5 minutos, mientras que podría llevar 20 horas o más de trabajo humano si se utilizan los métodos tradicionales. Y con AI Assist, AIOps de Aruba puede eliminar el prolongado proceso de recolección de datos detectando automáticamente eventos de fallas, como interrupciones del túnel SD-WAN o del puerto del switch, a la vez que recolecta toda la información de solución de problemas necesaria y emite una alerta tanto en el administrador de redes como en la asistencia de Aruba.
  • Identificar y resolver problemas antes de que impacten en la empresa: AIOps de Aruba permite que la TI cumpla con los SLA prediciendo ciertas cuestiones antes de que se transformen en problemas. Lee el caso de un importante minorista nacional en el recuadro a la derecha.
  • Optimizar continuamente el rendimiento sin mucho esfuerzo: AIOps de Aruba provee optimizaciones de redes sin complicaciones. La información de IA de Aruba analiza los datos de decenas de miles de implementaciones y de más de un millón de dispositivos de redes de Aruba. A través de nuestro proceso patentado, podemos identificar anomalías, desarrollar optimizaciones y determinar qué redes de clientes se beneficiarían, sin importar sus dimensiones. Si una de las mejoras realizadas por uno de los clientes funciona, la información de IA de Aruba se la recomendará, sin costo alguno, a cualquier otro cliente que tenga necesidades similares.
Conclusión

La gestión de incidentes de TI es un desafío constante, pero con la implementación de AIOps, las organizaciones pueden mejorar significativamente su capacidad para detectar, analizar y resolver problemas de manera rápida y efectiva. Desde la detección temprana hasta el análisis de causa raíz automatizado y la predicción de incidentes futuros.

Las empresas actuales que buscan convertir datos en nuevos resultados empresariales dependen de una red segura y siempre disponible. Con AIOps de Aruba, la TI puede reducir los informes de problemas, asegurar los SLA y brindar la mejor experiencia posible para los usuarios.

¿Cómo pueden trabajar juntas la realidad aumentada y la videovigilancia?

Posted on

Por: Stefan Lundberg / Axis Communications

Lo que comenzó con soñar despierto, progresó rápidamente a la innovación y ahora ha llegado al punto de traer cierto “¿qué pasaría si?” escenarios a la vida. Estamos empezando a ver que las industrias experimentan los beneficios de integrar la realidad aumentada (AR) con su videovigilancia.

Con más casos de uso que se abren a medida que más aplicaciones AR llegan al mercado, ahora es un buen momento para ver el progreso realizado hasta ahora, así como el potencial futuro a medida que nos acercamos a nuestra visión de crear “un mundo más inteligente y seguro”. 

Breves antecedentes sobre la realidad aumentada

Antes de sumergirnos, vale la pena aclarar a qué nos referimos cuando hablamos de la tecnología AR. En términos generales, AR se puede definir como la capacidad de superponer texto, imágenes y otra información en una escena o video en vivo para brindar información adicional al usuario. Esta información se puede mostrar en cualquier dispositivo que se utilice para ver la escena en vivo, como monitores y dispositivos móviles, y en algunas aplicaciones a través de gafas y auriculares inteligentes.

Vale la pena contrastar esto con la realidad virtual (VR), ya que a veces pueden confundirse. La realidad virtual, más comúnmente a través de un auricular, brinda una perspectiva en primera persona de estar en un entorno o situación en la que el usuario no se encuentra físicamente.

VR es la ilusión de estar en un entorno particular; AR en realidad es estar en algún lugar o ver una escena real, con información adicional superpuesta.

Un ejemplo simple de AR en el entorno del consumidor sería una persona que camina por una calle en una ciudad desconocida, ve el entorno en vivo, pero con información útil superpuesta a lo que está viendo a través de anteojos habilitados para AR o en un dispositivo móvil. Esta información puede ser indicaciones para llegar a un lugar de reunión o lugares de interés locales. El individuo podría emitir un comando de voz, “muéstrame los restaurantes mejor calificados en esta calle” con el AR alterando inmediatamente la información superpuesta en respuesta.

AR puede ser efectivamente un “superpoder de percepción”, agregando información valiosa a lo que alguien realmente está viendo, escuchando, tocando… incluso oliendo y saboreando, sin tener que usar sus manos para acceder a ella.

Cuando se piensa de esta manera, nuestra imaginación puede volverse loca.

AR en videovigilancia hoy

Las modernas cámaras de videovigilancia en red proporcionan imágenes de muy alta calidad a los operadores, lo que en sí mismo ofrece un valor significativo. Las vistas en vivo de una escena en niveles forenses de detalle permiten a los operadores monitorear y evaluar situaciones, y responder en tiempo real a incidentes y actividades, alertando a los primeros en responder cuando sea relevante.

En situaciones en las que los operadores están dirigiendo a los socorristas en el terreno, existen claros beneficios de tener información adicional superpuesta en la escena. Algunas cámaras Axis   incluyen una ayuda de orientación, que puede superponer los nombres de las calles y los puntos de la brújula en secuencias de video en vivo para ayudar a proporcionar direcciones precisas.

Pero cuando los segundos pueden marcar una diferencia real, se pueden entregar muchas otras piezas de información útiles a través de la superposición de AR. Comprender la ubicación del desfibrilador más cercano, por ejemplo, y poder dirigir a las personas a la escena a través de audio en vivo podría ser una mejora que salve vidas.

Ayudar a los socorristas con los diseños del edificio, las entradas y las salidas de emergencia, ya sea de forma remota desde la sala de operaciones o localmente a través de dispositivos móviles, puede acelerar la evacuación del edificio o encontrar personas atrapadas en el interior. La dispersión segura de multitudes de áreas a través de las rutas más efectivas puede reducir el riesgo de una escalada de incidentes; nuevamente, esto se puede administrar de forma remota desde la sala de control con información superpuesta en monitores de video en vivo, o localmente cuando se entrega en dispositivos móviles.

Apertura de nuevos casos de uso

Cuando se trata de integrar AR junto con la videovigilancia, los avances agigantados hasta la fecha han permitido nuevos casos de uso.

Por ejemplo, las imágenes en vivo ya brindan información vital a los servicios de emergencia, como los bomberos, en algunas regiones. Mientras se dirige a un incendio, la videovigilancia PTZ a bordo del camión de bomberos puede apuntar constantemente hacia el incendio, transmitiendo imágenes en vivo a los bomberos mientras se preparan. Al enriquecer esto, se piensa que las personas están en el edificio y donde pueden estar.

Mirando hacia el futuro, existe la posibilidad de que un oficial de policía vea un video con información superpuesta utilizando datos agregados de sensores como cámaras de vigilancia instaladas, cámaras corporales e incluso datos de ubicación de teléfonos celulares. Se podría superponer texto en el video para dirigir al oficial a la ubicación de un teléfono celular que se usó para iniciar una llamada a los servicios de emergencia solicitando asistencia, acelerando la búsqueda de alguien en apuros. Tampoco está más allá de los reinos de la imaginación pensar que el personal médico y los paramédicos podrían usar AR para ayudar a brindar asistencia y apoyo a las personas en la escena de un accidente, o que la transmisión en vivo de vigilancia desde la escena los ayudaría con los preparativos relevantes mientras en ruta.

Más allá de los servicios de emergencia

Los casos de uso anteriores proporcionan algunos de los escenarios más convincentes en los que AR podría tener un impacto positivo significativo en la seguridad pública, pero también están saliendo a la luz ejemplos en otros sectores.

Por ejemplo, el personal de una planta industrial puede recibir datos de sensores conectados en todo el sitio (videovigilancia, pero también sensores de temperatura, calidad del aire y detectores de humo, por ejemplo), lo que les permite reaccionar a los problemas más rápidamente, al mismo tiempo que tienen una idea clara. y vista en vivo de la escena.

Yendo más allá de esto, las alertas relacionadas con aumentos repentinos de la temperatura, brechas en los perímetros, ruidos específicos (como voces elevadas) podrían traer imágenes en vivo a los monitores de video, al tiempo que mapean las direcciones de la ruta más rápida hacia la escena o las ubicaciones de los extintores y alarmas En el caso de un allanamiento, las cámaras de videovigilancia que rastrean al intruso pueden incluso dejar un rastro de “migas de pan” superpuestas en la videovigilancia para que las sigan los agentes de seguridad.

Las aplicaciones potenciales son infinitas.

AR y videovigilancia: ¿más temprano que tarde?

Muchas empresas ya están aprovechando los beneficios de Ar en sus sistemas de vigilancia. Desde la fabricación hasta la venta minorista y la vigilancia en toda la ciudad, la tecnología AR está enriqueciendo las transmisiones de video existentes de diversas maneras, con más casos de uso que se abren constantemente.

Tecnológicamente, hay muy poco, si es que hay algo, para detener el desarrollo continuo de soluciones como las detalladas anteriormente. Solo nuestra imaginación puede limitar el potencial de esta tecnología para crear un mundo más inteligente y seguro.

Fraude de servicios financieros en un mundo pospandémico

Posted on

Por: Jennifer Vallarautto / Panduit

A medida que las instituciones financieras cambian su enfoque de la continuidad comercial al crecimiento en un mundo posterior a una pandemia, deben fortalecer aún más las defensas para mantener a raya a los estafadores.

Según el  estudio de fraude de identidad 2021 realizado por el informe de Javelin Strategy & Research , el fraude de identidad le costó a los residentes de EE. UU. Un total de alrededor de $ 56 mil millones solo en 2020. Y una investigación reciente de TransUnion encontró que los estafadores de servicios financieros han intensificado sus esfuerzos en 2021. Al comparar los últimos cuatro meses de 2020 con los primeros cuatro meses de 2021, el porcentaje de intentos de fraude digital sospechosos aumentó un 109% en los EE. UU. Y un 149% a traves del globo.

Las razones detrás del aumento del fraude

¿Qué hay detrás del aumento de la actividad fraudulenta? Cambiar el comportamiento del consumidor como resultado de los bloqueos pandémicos, por ejemplo. Desde el inicio de la pandemia, 93 millones de personas en los EE. UU. Se han inscrito en servicios en línea que alguna vez se llevaron a cabo en persona, y el 75% de ellos planea continuar usando estos servicios en el futuro. El cambio al comercio en línea y móvil por parte de los consumidores con menos experiencia digital, como las personas mayores, ha proporcionado una puerta abierta a los estafadores, y no pierden el tiempo en aprovechar la oportunidad. Además, el estrés y el miedo de los consumidores pueden conducir a comportamientos de transacción más riesgosos para todos los consumidores, lo que crea oportunidades para la infección de malware en los dispositivos y el robo de información de identificación personal.

El trabajo a distancia también ha influido. Afectó el comportamiento de los empleados y expuso las brechas en los procesos y sistemas que creaban riesgos de seguridad. Muchas organizaciones no estaban preparadas para este cambio y es posible que no tuvieran recursos tecnológicos protegidos, como una red privada virtual (VPN), que pueda cifrar la información que pasa por Internet.

Nuevos enfoques para combatir el fraude

Afortunadamente, se está produciendo una transformación masiva en los canales digitales y móviles en la forma en que las organizaciones de servicios financieros se relacionan con sus clientes y utilizan la inteligencia artificial. Están acelerando las iniciativas de transformación digital para mejorar la eficiencia y la eficacia de los equipos antifraude existentes, así como para implementar nuevas formas de luchar contra los estafadores.

American Express, por ejemplo, ha empleado un modelo de aprendizaje automático que utiliza varias entradas que se combinan en patrones con algoritmos en evolución en tiempo real para marcar transacciones que tienen una alta probabilidad de ser fraudulentas. Según las estimaciones de la compañía, el enfoque de aprendizaje automático de detección de fraude ha identificado $ 2 millones en posibles incidentes de fraude incrementales anuales. Mastercard aprovecha Dell EMC para combatir el fraude mediante el análisis de datos y la inteligencia artificial. Su sistema de aprendizaje automático de detección de fraude busca patrones de fraude establecidos para identificar patrones de fraude emergentes en tiempo real.

Con datos personales más confidenciales en línea como resultado de la adopción generalizada por parte de los consumidores de todo lo digital y móvil, los estafadores tienen el poder de perpetrar más fraudes digitales. Como resultado, las organizaciones de servicios financieros están redoblando sus esfuerzos para mantenerse un paso por delante. Según un nuevo informe ofrecido por Research Dive, se prevé que el mercado global de detección y prevención de fraude generará unos ingresos de  $ 145,7 mil millones para 2026 , desde un tamaño de mercado de  $ 18,8 mil millones en 2018 .

Cómo se defienden los estafadores

Sin embargo, los estafadores también están aprovechando la inteligencia artificial para romper las soluciones de seguridad tradicionales que incluyen contraseñas, captcha o incluso autenticación biométrica con el uso de tecnología deepfake. Los deepfakes son videos o imágenes creados con software impulsado por inteligencia artificial para mostrar a las personas que dicen y hacen cosas que no dijeron o hicieron. 

El fraude de identidad sintético es una forma sofisticada de fraude en línea que también es difícil de identificar. Los estafadores crean identidades usando información de varias personas para crear una “persona” que no existe, luego usan esta identidad para solicitar cuentas de tarjetas de crédito o completar otras transacciones que ayudan a construir un puntaje de crédito para clientes inexistentes.

Requisitos de infraestructura para combatir el fraude

La mejor estrategia de lucha contra el fraude de su clase que aprovecha la inteligencia artificial y otras tecnologías innovadoras requiere una infraestructura igualmente mejor en su clase para respaldarla. Escribimos en una publicación de blog anterior sobre cómo estos tipos de aplicaciones usan más energía por rack que las aplicaciones promedio porque requieren una utilización mucho mayor del procesador y dependen de procesadores de ejecución más rápida. Esto también aumenta la demanda de refrigeración, lo que aumenta aún más la necesidad de energía.

Panduit proporciona a las organizaciones de servicios financieros infraestructuras centradas en la sostenibilidad que también son robustas, ágiles y pueden escalar bajo demanda.