عندما ترغب مؤسسة في إضافة قدرات الذكاء الاصطناعي إلى نظام CCTV، غالباً ما يكون أحد الأسئلة الأولى:
“هل ينبغي الاستثمار في AI Cameras جديدة، أم استخدام AI Platform؟”
كلا النهجين يعتمد على AI، ويمكن لكليهما استخدام AI Video Analytics لتعزيز قدرات أنظمة الأمن والسلامة. لكن طريقة تصميم كل منهما والدور الذي يؤديه داخل النظام ككل يختلفان بشكل واضح.
تركز AI Camera على إضافة قدرات الذكاء الاصطناعي داخل الكاميرا أو بالقرب منها، بينما تتبنى AI Platform نهجاً أوسع، إذ تستقبل البيانات من CCTV والأنظمة المرتبطة بها لتحليل الأحداث واكتشافها وإرسال التنبيهات وربط النتائج بـ Workflows الخاصة بالمؤسسة.
يصبح هذا الاختلاف مهماً بشكل خاص للمصانع والمستودعات ومراكز البيانات والبنية التحتية الحيوية والمؤسسات الكبيرة التي تمتلك بالفعل CCTV وSecurity Infrastructure.
لأن السؤال الحقيقي في هذه الحالات قد لا يكون:
“أي كاميرا تحتوي على AI؟”
بل:
“بعد أن يكتشف AI الحدث، ماذا يمكن للمؤسسة أن تفعل بهذه المعلومات؟”
ببساطة، AI Camera هي كاميرا تحتوي على قدرات AI مدمجة أو تدعم وظائف ذكاء اصطناعي لتحليل الصور التي تلتقطها. وتختلف الإمكانات الفعلية بحسب Hardware وSoftware والـ Features المتاحة في كل طراز.
بدلاً من أن تعمل الكاميرا فقط كجهاز يلتقط الصور ويرسل Video Stream إلى نظام التسجيل، يمكن لـ AI Camera أن تضيف بعض قدرات التحليل بالقرب من مصدر البيانات.
يمكن أن يكون هذا النهج مفيداً في العديد من الحالات، خصوصاً عندما تكون الكاميرا ووظائف AI مصممة للعمل معاً ضمن Use Case محدد.
لكن تركيب AI Camera لا يعني تلقائياً أن نظام Security بالكامل أصبح نظاماً ذكياً ومتكاملاً.
فبعد اكتشاف الحدث، لا تزال هناك أسئلة مهمة:
إلى أين سيذهب Alert؟ من يجب أن يستلمه؟ هل تستطيع الأنظمة الأخرى استخدام نتيجة Detection؟ وكيف سيدخل الحدث إلى Response Workflow؟
هنا يبدأ الفرق بين AI Camera وAI Platform بالظهور بشكل أوضح.
AI Platform هي نهج يستخدم AI كطبقة Intelligence Layer لاستقبال وتحليل البيانات من الأنظمة أو الأجهزة ذات الصلة، ثم ربط النتائج بـ Alerts وCommunication وWorkflows الخاصة بالمؤسسة.
في سياق 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 إمكانية العمل ضمن نهج يراعي Existing Infrastructure وأنواعاً مختلفة من الأجهزة.
لذلك، لا يجب النظر إلى AI باعتباره قدرة مرتبطة بكاميرا واحدة فقط.
يمكن أن تعمل CCTV كـ Data Source يرسل Video Stream إلى AI Video Analytics، بينما يمكن استخدام نتائج التحليل في نظام أوسع.
وبذلك يمكن أن تتطور Architecture من:
Camera → AI Detection
إلى:
CCTV → AI Analysis → Detection → Alert → Communication → Human Decision → Response
إذن، الفرق المهم ليس فقط أين تتم معالجة AI، بل أيضاً:
إلى أين يمكن أن تنتقل النتائج بعد أن ينتهي AI من تحليل البيانات؟
تبدأ AI Camera من قدرات الـ Device.
بينما تبدأ AI Platform من احتياجات الـ System والـ Workflow.
لنتخيل مؤسسة لديها مئات كاميرات CCTV تم تركيبها عبر مشاريع مختلفة. قد تستخدم بعض المناطق كاميرات حديثة، بينما لا تزال مناطق أخرى تعتمد على كاميرات موجودة بالفعل وتوفر صوراً مناسبة لاستخداماتها الحالية.
إذا تم النظر إلى المشكلة فقط من منظور AI Camera، فقد يصبح السؤال:
“كم كاميرا يجب أن نستبدل حتى نحصل على AI؟”
أما عند النظر إليها على مستوى Platform، فيصبح السؤال:
“ما الأحداث التي نريد من AI اكتشافها، وأي Video Streams من الكاميرات الحالية يمكن استخدامها مع هذه الـ Use Cases؟”
قد يقود هذان النهجان إلى Architecture واستراتيجية استثمار مختلفتين تماماً.
بالنسبة إلى المؤسسات الكبيرة، يساعد التفكير على مستوى Platform في تقييم Existing Infrastructure أولاً، قبل تحديد الأجزاء التي يمكن الاستمرار في استخدامها، وما يحتاج إلى Integration، وما يجب بالفعل تطويره أو استبداله.
الإجابة هي: لا ينبغي افتراض ضرورة استبدال جميع الكاميرات لمجرد أن المؤسسة تريد استخدام AI.
إذا كانت الكاميرا الحالية قادرة على توفير Video Stream وجودة صورة مناسبة للـ Use Case المطلوب، فقد يكون من الممكن استخدام الفيديو مع AI Video Analytics على مستوى النظام.
على سبيل المثال، قد تحتاج المؤسسة إلى Intruder Detection حول الـ Perimeter أو PPE Safety في منطقة Production. وإذا كانت الكاميرات الحالية توفر موقع تركيب وزاوية رؤية وجودة صورة مناسبة، فمن المفيد تقييم إمكانية استخدامها كـ Data Sources قبل استبدالها.
لكن هذا لا يعني أن كل كاميرا موجودة ستكون مناسبة لكل تطبيقات AI.
Face Recognition وLicense Plate Recognition وIntruder Detection وPPE Safety لكل منها متطلبات مختلفة من حيث الصورة وظروف الاستخدام.
فالكاميرا المناسبة لمراقبة المشهد العام قد لا تكون مناسبة تلقائياً لـ Use Case يحتاج إلى تفاصيل أكثر دقة.
لذلك، بدلاً من السؤال:
“هل تستطيع كاميراتنا الحالية استخدام AI؟”
من الأفضل أن نسأل:
“هل توفر هذه الكاميرا البيانات البصرية المناسبة للـ AI Use Case الذي نريد تطبيقه؟”
تؤدي CCTV التقليدية وظيفتين مهمتين: Monitoring وRecording.
يمكن للموظفين مراقبة الوضع الحالي عبر الفيديو المباشر والعودة إلى التسجيلات بعد وقوع الحوادث.
وعند إضافة AI Video Analytics على مستوى Platform، يمكن أيضاً تحليل الفيديو المناسب أثناء وقوع الحدث.
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.
ما تتم إضافته هنا ليس بالضرورة تغيير الكاميرا نفسها.
بل إضافة Intelligence Layer بعد إنشاء Video Data.
تستمر الكاميرا في العمل كـ Sensor ينتج البيانات البصرية، بينما يساعد AI في تحليل ما إذا كانت تلك البيانات تحتوي على حدث يطابق الشروط المحددة.
وبذلك يمكن لـ CCTV الانتقال من نظام يركز أساساً على التسجيل إلى Video Intelligence، دون الحاجة إلى ربط مفهوم AI حصرياً بـ Hardware الخاص بالكاميرا.
لنفترض أن AI Camera وAI Platform يستطيعان اكتشاف متسلل بنجاح.
إذا كان المعيار الوحيد هو “هل تم اكتشاف المتسلل أم لا؟”، فقد لا يبدو الفرق كبيراً.
لكن العمليات الأمنية الحقيقية لا تنتهي بمجرد ظهور إطار حول الشخص على شاشة الفيديو.
بعد Detection، تظهر أسئلة أخرى:
من يجب أن يستلم Alert؟ ما قناة Communication المناسبة؟ ما المعلومات التي يحتاج إليها الموظف لاتخاذ القرار؟ وأي Workflow يجب أن يتعامل مع هذا الحدث؟
لهذا تصبح Real-Time Notification وSmart Integration مهمتين على مستوى Platform.
يدعم ASAP التنبيهات عبر قنوات متعددة، مثل Applications وAPIs وDirect Messages وStrobe Light/Siren وPortable Radio.
وعندما يمكن ربط نتائج AI Detection بـ Communication وWorkflows التشغيلية، لا يصبح الهدف مجرد جعل “الكاميرا أكثر ذكاءً”.
بل إضافة Intelligence إلى عملية Incident Management بأكملها.
هناك اختلاف مهم آخر، وهو أن AI Platform لا تحتاج إلى التعامل مع CCTV باعتبارها المصدر الوحيد للمعلومات.
أحداث Security & Safety في العالم الحقيقي قد تعتمد على بيانات قادمة من عدة مصادر.
قد تأتي المعلومات البصرية من CCTV، بينما تأتي بيانات أخرى من IoT أو Sensors، وقد تشمل عمليات التحقق والاستجابة Communication Systems أو Smart Voice Radio أو Smart Drone أو أجهزة أخرى.
ضمن Ecosystem الخاص بـ Canal One، يشمل المفهوم ربط تقنيات مثل CCTV وSmart Drone وSmart Robot وIntegrated Communication System وSmart Voice Radio وAdvanced Thermal Sensor ضمن بيئة أكثر ترابطاً.
وهذا هو مفهوم AI & IoT Orchestration.
بدلاً من امتلاك عدد كبير من Smart Devices تعمل بشكل منفصل، يكون الهدف هو تمكين People وData وIntelligent Devices من العمل معاً.
يمكن أن تكون AI Camera عنصراً مهماً في هذه Architecture.
لكن AI Platform تعمل على مستوى أوسع، إذ تساعد على ربط Intelligence المستخرجة من البيانات بأنظمة المؤسسة وWorkflows الخاصة بها.
لا ينبغي النظر إلى المقارنة بين AI Camera وAI Platform على أنها منافسة يكون فيها أحد الخيارين “أفضل” دائماً.
فلكل منهما دور مختلف.
قد تكون AI Camera مناسبة لـ Use Case يحتاج إلى قدرات محددة عند نقطة التركيب، أو إلى Architecture مصممة لمعالجة البيانات بالقرب من مصدرها.
أما AI Platform فتزداد أهميتها عندما ترغب المؤسسة في إدارة AI على مستوى النظام، وربط عدة كاميرات، والاستفادة من Existing Infrastructure، أو ربط Detection بـ Notifications وCommunication وWorkflows أخرى.
وفي بعض Architectures يمكن استخدام النهجين معاً.
قد تستخدم المؤسسة AI Cameras في بعض المواقع، وفي الوقت نفسه ترسل البيانات والأحداث الناتجة منها إلى Platform لإدارة Security & Safety على نطاق أوسع.
لذلك، ليس من الضروري دائماً أن يكون القرار:
AI Camera أم AI Platform؟
قد يكون السؤال الأفضل:
“أين يجب أن يعمل AI على مستوى Device، وأين ينبغي أن تقوم Platform بربط النظام ككل بما يتناسب مع Use Cases الخاصة بالمؤسسة؟”
عند مقارنة AI Cameras وAI Platforms، غالباً ما يكون من السهل التركيز على قائمة الـ Features.
هل يمكنها اكتشاف الأشخاص؟ هل يمكنها اكتشاف المركبات؟ هل تدعم Face Recognition؟ كم نوعاً من Analytics توفر؟
لكن وجود عدد أكبر من Features لا يعني تلقائياً تحقيق نتائج تشغيلية أفضل.
يجب أن يبدأ تصميم النظام من Pain Points وRequirements.
هل توجد مخاطر تسلل في الـ Perimeter؟
هل تحتاج المؤسسة إلى مراقبة PPE داخل مناطق Production؟
كيف يجب أن تصل Alerts إلى الموظفين الميدانيين؟
ما حجم Existing CCTV Infrastructure الموجودة بالفعل؟
وعندما يكتشف AI حدثاً، ما الذي يجب أن يحدث بعد ذلك داخل Workflow؟
عندما تصبح هذه الأسئلة واضحة، يمكن للمؤسسة تقييم ما إذا كان AI Camera Architecture أو AI Platform أو الجمع بينهما هو الأنسب.
يتوافق ذلك مع نهج Canal One الذي يعطي الأولوية لتحليل Pain Points وRequirements وExisting Infrastructure قبل تصميم وتخصيص Solution.
فالهدف ليس تركيب أكبر قدر ممكن من AI.
بل استخدام AI في النقاط التي تساعد فعلياً على حل المشكلات وتحقيق نتائج ملموسة في Security وSafety وOperations.
كلما توسع النظام، لا يزداد التعقيد فقط بسبب زيادة عدد الكاميرات.
بل يزداد أيضاً بسبب تعدد المواقع وUse Cases والأنظمة والأشخاص الذين يحتاجون إلى العمل معاً.
قد يضم مصنع واحد Perimeter Security وProduction Safety وWarehouses وAccess Areas وUtility Zones، ولكل منطقة مخاطر ومتطلبات تشغيلية مختلفة.
إذا تم تنفيذ كل Use Case كنظام منفصل تماماً، فقد ينتهي الأمر بالمؤسسة إلى امتلاك عدة حلول AI، لكنها لا تزال تفتقر إلى Unified Security System.
يمكن لـ AI Platform أن تساعد في بناء نموذج تشغيلي أكثر ترابطاً.
بدلاً من:
Multiple Cameras → Multiple Alerts → Multiple Systems
يمكن الانتقال نحو:
Multiple Data Sources → AI Analysis → Relevant Events → Connected Workflow
القيمة لا تأتي من امتلاك أكبر عدد من أنظمة AI.
بل من ضمان أن Intelligence التي ينتجها AI يمكن استخدامها فعلياً وبصورة منظمة داخل المؤسسة.
الاختيار بين كاميرا ذكية ومنصة ذكاء اصطناعي يتطلب تحديد من سيستخدم نتائج تحليل الكاميرا وكيف. عند تصميم Integrated Operation Center (IOC) وفق هذا السياق، يربط المركز معلومات الحادث بالموظفين المسؤولين عبر خطوات واضحة للمراجعة وإحالة المهام.
تمثل AI Cameras تطوراً مهماً في تقنية CCTV، لأنها تجعل Intelligence أقرب إلى مصدر البيانات البصرية.
لكن عندما يتوسع السؤال من:
“ما الذي تستطيع هذه الكاميرا اكتشافه؟”
إلى:
“كيف تستطيع المؤسسة إدارة الأحداث عبر أنظمة متعددة؟”
يصبح دور AI Platform أكثر وضوحاً.
بالنسبة إلى Canal One، لا يتوقف مفهوم ASAP Platform عند Video Analytics فقط، بل يرتبط بمفاهيم أوسع تشمل AI Security & Safety وReal-Time Notification وSmart Integration وUnified Security System وAI & IoT Orchestration.
الهدف هو تحويل البيانات القادمة من الأجهزة إلى Intelligence، ثم ربط هذه Intelligence بالأشخاص وWorkflows التي تحتاج إليها.
لذلك، إذا كان السؤال:
“ما الفرق بين AI Platform وAI Camera؟”
فالإجابة الأبسط هي:
تضيف AI Camera قدرات الذكاء الاصطناعي إلى الكاميرا أو تعالج البيانات بالقرب منها، بينما تعمل AI Platform كطبقة Intelligence Layer يمكنها استقبال البيانات من CCTV والأنظمة المرتبطة بها، وتحليل الأحداث، ثم ربط النتائج بـ Alerts وCommunication وWorkflows على مستوى المؤسسة.
ولا يعني ذلك أن النهجين متنافسان بالضرورة.
بل يمكن أن يمثلا Layers مختلفة من النظام نفسه، ويمكن اختيار أحدهما أو تصميمهما للعمل معاً وفقاً لـ Use Cases وExisting Infrastructure الخاصة بالمؤسسة.
لذلك، قبل أن تسأل المؤسسة:
“أي AI Camera يجب أن نشتري؟”
قد يكون من الأفضل أن تبدأ بسؤال أكبر:
“هل نحتاج فقط إلى كاميرات أكثر ذكاءً، أم نحتاج إلى نظام Security & Safety يستطيع فعلياً الاستفادة من Intelligence التي تنتجها تلك الكاميرات؟”
