تكتشف كاميرا CCTV حدثاً غير طبيعي. يرسل النظام Alert إلى غرفة التحكم، فيشاهد الموظف التنبيه، ويفتح بث الكاميرا للتحقق من الموقف، ثم يتواصل مع الفريق المسؤول ويقرر الإجراء التالي.
من زاوية معينة، يكون النظام قد أدى وظيفته بالفعل، فقد اكتشف الحدث وأرسل التنبيه بنجاح.
لكن بالنسبة إلى أنظمة Security & Safety الحديثة، هناك سؤال أكثر أهمية:
بعد أن يعرف النظام أن هناك حادثاً يقع الآن، ما الذي يمكنه البدء في فعله بعد ذلك؟
هنا يبدأ AI Automation في تغيير دور أنظمة الأمن والسلامة، من تقنية تكتفي بـ“الاكتشاف وإبلاغ الأشخاص” إلى نظام يستطيع ربط Detection بـ Workflows وActions محددة مسبقاً، بحيث تصبح عملية الاستجابة للحوادث أكثر ترابطاً واستمرارية.
بالنسبة إلى Canal One، ينعكس هذا المفهوم من خلال ASAP أو All Smart AI Platform، الذي يستخدم AI للمساعدة في تحليل الأحداث وتصنيفها واكتشاف الحالات غير الطبيعية وإرسال التنبيهات، مع ربط البيانات والأجهزة وأنظمة الاتصالات بـ Workflows مصممة وفقاً لطبيعة عمليات كل مؤسسة.
لذلك، لا يتمثل التحول الأساسي فقط في جعل AI “يرى الحادث بشكل أسرع”.
بل في جعل ما يحدث بعد اكتشاف AI للحادث ينتقل بصورة أسرع وأكثر تنظيماً إلى عمليات التنبيه والاتصال والاستجابة.
لا تزال Alerts جزءاً أساسياً من أنظمة الأمن والسلامة.
عندما تكتشف CCTV أو Sensors أو أنظمة الكشف حالة غير طبيعية، تساعد التنبيهات على توجيه انتباه الموظفين نحو الأحداث التي تحتاج إلى التحقق، بدلاً من مطالبتهم بمراقبة جميع مصادر المعلومات بالدرجة نفسها طوال الوقت.
لكن الوظيفة الأساسية للـ Alert هي إبلاغ شخص ما بأن شيئاً ما قد حدث.
بعد ذلك، لا تزال خطوات عديدة تعتمد على الإنسان.
قد يحتاج الموظف إلى فتح معلومات إضافية، ومراجعة الفيديو، وتقييم الوضع، والتواصل مع المسؤولين، ثم تحديد الإجراء الذي يجب اتخاذه.
ويصبح هذا التحدي أكثر وضوحاً داخل المؤسسات الكبيرة التي تستخدم أنظمة متعددة. فقد تعمل CCTV على Platform معين، بينما تظهر بيانات IoT على نظام آخر، ويكون للـ Drone نظام تحكم مستقل، في حين يتواصل الموظفون الميدانيون عبر أجهزة الراديو أو قنوات أخرى.
قد يؤدي كل نظام وظيفته بشكل جيد، لكن إذا كانت البيانات وWorkflows غير مترابطة، فسيظل الإنسان هو الجسر الذي يربط هذه الأنظمة ببعضها.
لذلك، لا ينبغي أن يتوقف السؤال عند:
“ما مدى سرعة النظام في إرسال التنبيه؟”
بل يجب أن يمتد إلى:
“بعد إرسال التنبيه، كم من الوقت نحتاج حتى يبدأ الـ Action المطلوب؟”
ببساطة، AI Automation هو ربط نتائج التحليل والاكتشاف بواسطة AI مع Workflows أو عمليات النظام، بحيث يمكن لبعض الخطوات أن تبدأ تلقائياً عند تحقق شروط محددة مسبقاً.
قد يعمل النظام الذي يركز على التنبيهات وفق التسلسل التالي:
Detection → Alert → Human Check → Human Command → Action
وعند إضافة Automation وSmart Integration، يمكن أن تصبح العملية أكثر ترابطاً:
Detection → AI Analysis → Condition → Alert / Action → Human Decision → Response
الفرق الأساسي هو أن النظام، بعد اكتشاف الحادث، لا يحتاج بالضرورة إلى التوقف عند Notification وانتظار الإنسان لربط كل خطوة تالية يدوياً.
إذا كانت المؤسسة قد حددت شروطاً واضحة مسبقاً لـ Workflow معين، فيمكن للنظام المساعدة في بدء العملية المناسبة.
لكن Automation لا يعني أن AI يجب أن يتخذ جميع القرارات بدلاً من الإنسان.
في عمليات Security & Safety، لا تزال العديد من المواقف تحتاج إلى Context وتقييم المخاطر وHuman Judgment.
تكمن قيمة Automation في تقليل الخطوات المتكررة التي يمكن تحديدها مسبقاً، وإيصال المعلومات المناسبة إلى الأشخاص المعنيين بشكل أسرع، وإتاحة المزيد من الوقت للموظفين للتحقق واتخاذ القرارات التي تحتاج فعلاً إلى تدخل بشري.
تظهر قيمة Automation عندما يستطيع النظام التمييز بصورة مناسبة بين أنواع الأحداث المختلفة.
إذا اكتشفت CCTV كل Movement ونفّذ النظام Action نفسه في كل مرة، فقد يؤدي ذلك إلى زيادة العبء التشغيلي بدلاً من حل المشكلة.
وهنا يأتي دور AI Video Analytics.
يوفر Canal One ASAP قدرات AI-Based Safety & Security Detection لـ Use Cases مثل Intruder Detection وSmoke and Fire AI Detection وPPE Safety وSuspicious Object Detection وFace Recognition وLicense Plate Recognition.
تساعد هذه القدرات على وضع بيانات CCTV في سياق أحداث مختلفة.
فحادث Intrusion لا يحتاج بالضرورة إلى Workflow نفسه الخاص بـ Smoke and Fire Detection، كما أن حدث PPE Compliance قد يحتاج إلى إرساله إلى فريق أو عملية مختلفة عن حادث أمني.
لذلك، لا يقتصر دور AI على “رؤية جسم ما”.
بل يساعد النظام على إدخال الأحداث التي تستوفي شروطاً معينة في Workflow يتناسب مع Use Case الخاص بها.
وبدلاً من التعامل مع كل Alert بالطريقة نفسها، يمكن للنظام أن يتطور نحو:
Different Events → Different Workflows → Appropriate Actions
وهنا يبدأ AI وAutomation في خلق قيمة حقيقية معاً.
لنتخيل مصنعاً كبيراً أثناء الليل.
تكتشف كاميرا CCTV التي تراقب الـ Perimeter حدثاً يطابق شروط Intruder Detection. يقوم AI بتحليل الفيديو وإنشاء Alert.
في النظام الذي يركز فقط على التنبيه، قد ينتهي دور التكنولوجيا عند هذه النقطة، ثم يبدأ الموظف جميع الخطوات التالية يدوياً.
لكن عندما يكون Detection مرتبطاً بـ Workflow، يمكن للحدث نفسه الانتقال بصورة أكثر استمرارية إلى عملية الاستجابة التي صممتها المؤسسة.
يمكن للنظام إرسال Real-Time Notification إلى الموظفين المسؤولين، وإدخال المعلومات المرتبطة بالحادث في عملية التحقق، وربطها بأنظمة Communication أو الأجهزة ذات الصلة وفق Architecture وWorkflow الخاصة بالمؤسسة.
ضمن Ecosystem الخاص بـ Canal One، يمكن أيضاً ربط تقنيات مثل CCTV وSmart Drone وSmart Robot وSmart Voice Radio وAdvanced Thermal Sensor من خلال مفهوم Smart Integration.
وبذلك، لا يجب النظر إلى Drone على أنه جهاز منفصل تماماً عن نظام Detection، بل يمكن أن يكون أحد العناصر التي تدعم التحقق من المنطقة وIncident Response وفقاً للنظام وWorkflow اللذين تصممهما المؤسسة.
وهنا يظهر الفرق بين نظام يقول:
“تم اكتشاف حادث في هذه المنطقة.”
ونظام يستطيع أخذ بيانات هذا الحدث ونقلها مباشرة إلى المرحلة التالية من عملية الاستجابة.
الوقت عامل بالغ الأهمية في Security & Safety.
حتى إذا استطاع AI اكتشاف الحادث بسرعة، فقد تتراجع قيمة هذه السرعة إذا اضطر الموظفون بعد ذلك إلى فتح أنظمة متعددة، وتحديد موقع الحدث، ومراجعة الكاميرات، والتواصل مع عدة فرق، ونقل المعلومات يدوياً قبل بدء الاستجابة.
هذه هي Response Gap التي يمكن لـ Automation المساعدة في تقليلها.
الهدف ليس جعل النظام يقوم بكل شيء بدلاً من الأشخاص.
بل تقليل الخطوات غير الضرورية بين:
“النظام يعرف أن حادثاً يحدث”
و
“الأشخاص والأنظمة المعنية تبدأ الاستجابة.”
يدعم ASAP مفهوم Real-Time Notification عبر قنوات متعددة، مثل Applications وAPIs وDirect Messages وStrobe Light/Siren وPortable Radio.
وعندما يتم ربط Detection وNotification وCommunication وWorkflow، يمكن أن تتطور العملية من:
Detect → Notify
إلى نموذج أكثر استمرارية:
Detect → Analyze → Notify → Act → Verify → Respond
ما يتغير هنا ليس سرعة Software فقط، بل استمرارية Incident Workflow بالكامل.
لا يستطيع AI Automation تحقيق كامل قيمته عندما يعمل كل جهاز داخل Silo منفصل.
تخيل أن AI يكتشف الحادث بنجاح، لكنه لا يستطيع إرسال المعلومات إلى Communication System. أو أن عملية التحقق تحتاج إلى جهاز آخر يعمل على Platform منفصل تماماً ولا يرتبط بـ Incident Workflow.
في النهاية، سيظل الموظف مضطراً إلى ربط كل شيء يدوياً.
لهذا السبب يعد Smart Integration وUnified Security System من الأسس المهمة لـ Automation.
ضمن Ecosystem الخاص بـ Canal One، يستطيع ASAP العمل مع تقنيات متعددة، مثل CCTV وSmart Drone وSmart Robot وIntegrated Communication System وSmart Voice Radio وAdvanced Thermal Sensor.
الهدف ليس جعل كل جهاز منفرد هو الجهاز الأكثر “Smart”.
بل تمكين People وData وIntelligent Devices من العمل معاً كنظام مترابط.
عندما تكون الأنظمة متصلة، يمكن للحدث الانتقال من Data Source إلى AI، ومن AI إلى Alert، ثم من Alert إلى Communication Channel أو Workflow المناسب بصورة أكثر استمرارية.
وهذا هو جوهر مفهوم AI & IoT Orchestration.
من المفاهيم الخاطئة الشائعة حول Automation أنه إذا كان من الممكن أتمتة خطوة ما، فيجب تحويل أكبر عدد ممكن من الخطوات إلى عمليات آلية.
لكن هذا النهج قد لا يكون مناسباً لجميع مواقف Security & Safety.
تختلف الأحداث في مستويات المخاطر والتأثير المحتمل.
قد تكون بعض الأحداث مناسبة لإرسال Notifications آلية وفورية، بينما ينبغي أن يتحقق الموظف من أحداث أخرى قبل اتخاذ إجراء إضافي. وقد تكون بعض Actions مناسبة للأتمتة فقط بعد تحقق عدة شروط محددة مسبقاً.
لذلك، فإن السؤال الأكثر فائدة عند تصميم Automation ليس:
“ما الذي يمكننا أتمتته؟”
بل:
“عندما يحدث هذا الحدث، ما الذي يجب أن يحدث بعد ذلك، وأي خطوات ينبغي أن يساعد النظام في تنفيذها؟”
يرتبط هذا النهج بشكل مباشر بمفهوم Human-Centric Design.
يجب تصميم التكنولوجيا حول Workflows الحقيقية واحتياجات المستخدمين، بدلاً من إجبار جميع العمليات على التغيير لمجرد استيعاب Automation.
كلما ازدادت قدرات Automation، ازدادت أهمية تحديد متى يجب أن يكون القرار بيد الإنسان.
يمكن لـ AI المساعدة في تحليل كميات كبيرة من البيانات واكتشاف الأحداث وإدخال المعلومات في Workflows محددة مسبقاً، لكن بعض المواقف الواقعية تحتوي على تعقيدات تحتاج إلى فهم للسياق وتقييم للمخاطر وHuman Judgment.
لذلك، ينبغي للنظام المصمم جيداً أن يساعد الموظفين في الحصول على المعلومات المناسبة في الوقت المناسب، مع تقليل المهام المتكررة والخطوات غير الضرورية.
وهذا يمنح الأشخاص وقتاً أكبر لتقييم المواقف واتخاذ القرارات الأكثر أهمية.
الهدف ليس الاختيار بين:
Human أو AI
بل تصميم نظام يعمل فيه:
Human + AI + Automation
معاً بصورة مناسبة.
يساعد AI في التحليل، ويساعد Automation في ربط الخطوات، بينما يبقى الإنسان مسؤولاً في النقاط التي تتطلب التقييم واتخاذ القرار.
الانتقال نحو Automation لا يعني بالضرورة أن المؤسسة يجب أن تتخلص من Security Infrastructure الحالية وتبدأ من جديد.
يمكن لـ CCTV الحالية أن تعمل كـ Data Source لـ AI Video Analytics إذا كان Video Stream وجودة الصورة مناسبين للـ Use Case المطلوب. كما يمكن تقييم الأنظمة والأجهزة الأخرى لمعرفة مدى إمكانية Integration معها وفق قدرات Infrastructure الموجودة.
يركز نهج Canal One على تحليل Pain Points وRequirements وExisting Infrastructure قبل تصميم وتخصيص Solution.
وهذا مهم بشكل خاص للمؤسسات الكبيرة، حيث قد تأتي الأنظمة من Brands ومشاريع وفترات تنفيذ مختلفة.
لذلك، لا ينبغي أن تكون نقطة البداية:
“يجب استبدال كل الأنظمة الحالية قبل أن نتمكن من تطبيق Automation.”
السؤال الأكثر فائدة هو:
“كيف يمكن ربط Infrastructure الموجودة واستخدامها لإنشاء Workflow أفضل؟”
قد تدعم بعض الأنظمة Integration بشكل مباشر، بينما قد تحتاج أنظمة أخرى إلى Customization، وقد تتطلب بعض الأجهزة تقييماً إضافياً وفقاً للـ Use Case.
الهدف هو إنشاء Smart Integration يتناسب مع Environment وWorkflow الفعليين للمؤسسة.
تحتاج أتمتة الذكاء الاصطناعي إلى ربط شروط الكشف بالفرق المسؤولة والإجراءات المحددة. ينبغي لنظام إدارة العمليات الذكي إدخال هذه المعلومات إلى Integrated Operation Center (IOC) وفق إجراءات المؤسسة الفعلية، مع إبقاء دور الموظفين في المراجعة واتخاذ القرار.
تقليدياً، ساعدت CCTV على الإجابة عن السؤال:
“ماذا حدث؟”
أما AI Video Analytics فيضيف القدرة على المساعدة في معرفة:
“ماذا يحدث الآن؟”
وتسمح Real-Time Alerts للأشخاص المعنيين بمعرفة:
“هناك حدث يحتاج إلى الانتباه.”
ثم يضيف Automation سؤالاً مهماً آخر:
“بعد أن عرفنا، ما الذي ينبغي للنظام أن يبدأ في فعله الآن؟”
يمثل ذلك انتقالاً من Reactive Security، الذي يركز بدرجة كبيرة على التحقيق والاستجابة بعد وقوع الحدث، إلى نهج أكثر Proactive Security، يستطيع فيه AI المساعدة على اكتشاف الأحداث وإدخالها في عملية الاستجابة بصورة أسرع.
لكن جوهر Proactive Security لا يتمثل في جعل كل شيء آلياً.
بل في تقليل المسافة بين Data وDetection وDecision وResponse من خلال ربط AI وCommunication وWorkflow وHuman Decision بشكل أكثر فعالية.
بالنسبة إلى Canal One، ينعكس هذا النهج من خلال ASAP Platform وAI Security & Safety وSmart Integration وReal-Time Notification وAutomation وAI & IoT Orchestration.
لذلك، إذا سألنا:
“ماذا يعني الانتقال من التنبيهات إلى الإجراءات الآلية المدعومة بالذكاء الاصطناعي؟”
فالإجابة هي:
إنه تطوير النظام من استخدام AI لاكتشاف الأحداث وإرسال Alerts فقط، إلى ربط نتائج Detection بـ Workflows وActions محددة مسبقاً، بما يساعد على تقليل الخطوات بين الاكتشاف والتنبيه والاتصال والاستجابة، مع الحفاظ على Human Decision في النقاط التي تحتاج إلى التقييم والحكم البشري.
فنظام Security & Safety الأكثر ذكاءً لا ينبغي أن يتوقف عند السؤال:
“ماذا حدث؟”
أو
“من الذي تم إبلاغه؟”
بل يجب أن ينتقل إلى السؤال التالي:
“بعد اكتشاف الحادث، ما الذي يمكن للنظام والأشخاص المعنيين البدء في فعله فوراً؟”
