Z pohledu tohoto systému jsou lidé v podstatě pohybující se tečky. Tvar, který kamery zachytí, ale umělá inteligence dokáže definovat jako člověka. Díky tomu může vnímat, kam lidé jdou, kde se zdržují i kolikrát konkrétním místem projdou. Jsou to informace, které mají obrovskou cenu – anonymizovaný náhled nejen na lidi dokáže například obchodům říci, jestli mají smysl jejich kampaně, rozložení zboží i kolik zaměstnanců je vlastně potřeba. Ale nejde jen o ně.

Pokud teď vstoupíte do showroomu prodejny AutoPalace, směr, kterým se tu vydáte, bude předvídatelný. Vlastně bude doslova předvídaný. To proto, abyste spíš narazili na ty nejvhodnější vozy, zbytečně nehledali prodejce a nenachodili příliš mnoho kroků sem a tam. Je možné, že to, kde se auta nacházejí, vybavení, na které vám padne zrak, nebo přepážky, ke kterým možná zamíříte, jsou dílem umělé inteligence.

Schovává se za kamerami a podle návodu lidí sleduje, v jakých zónách se návštěvníci pohybují nebo kde se zdržují. Je to v podstatě jako informace z digitálního světa přenesená do toho reálného: podobně jako můžete měřit návštěvnost na webu, to jde i v kamenném obchodě, popisuje Josef Becska, marketingový ředitel AutoPalace. „Hledali jsme řešení kvůli nastavování kapacit do dané pobočky: vidíme hlavní časy, kdy lidé chodí, můžeme nastavovat směny nebo například počet zaměstnanců, které potřebujeme mít o víkendu,“ vysvětluje.

„Sledujeme vytížení recepce a vytížení servisu. Kolik vozidel bylo prodáno, kolik zákazníků bylo osloveno. Zaměřili jsme se tedy i na prostory, které jsou určeny právě pro jednání s potenciálními kupci. Neméně důležitou informací je model samotného procesu příjmu zákazníka na servis. Kolik cest absolvuje se zákazníkem mezi jeho vozidlem a samotným servisem ještě před zahájením práce na vozidle,“ vyjmenovává Jan Čulík, projektový manažer Innovisu, značky, která řešení dodává.

Nejde přitom o to, co vidí jedna kamera, ale co vidí kamery jako celek, tedy zachycení kompletního pohybu v daném místě. K tomu se data přeložená umělou inteligencí z kamer porovnávají s podklady z dalších míst: s objednávkami, daty z pokladny, z rezervací i třeba plánovaných schůzek. To už si společnost AutoPalace hlídá sama – jde totiž o velmi citlivá a cenná data.

Ale je to jen jeden z mnoha příkladů, kde se systém analýzy, kterou podle obrazu vytváří umělá inteligence, aktuálně uplatňuje. Velká centra mohou chápat, v jakých hodinách se která místa využívají a kde je například opravdu třeba mít zapnuté eskalátory. Budou vědět, kolik zaměstnanců potřebují, jak moc mají vytápět nebo do kterých míst dávat různé typy zboží.

Stejný systém dokáže hlídat prostory místo ostrahy a upozorňovat na jejich narušení. Může vědět, kde jsou zóny, kde se nesmí stát a okamžitě si všimnout, pokud zákaz někdo poruší.

Innovis je systém stojící za stovkami kamer nejen v Česku a na Slovensku, ale i v rámci Evropy. „Může to být jakýkoliv retailový řetězec, obchůdek, malá drogerie i velká komerční centra. Jsme v jednání s průmyslovými areály, logistickými areály i městy. A ano, člověk se s projektem může setkat zcela nevědomky,“ popisuje Kateřina Kulíšková, která v Innovisu řídí obchodní rozvoj pro technologie.

Několikavteřinový rozdíl za miliony

Innovis je technologická divize fungující pod M2C, mezinárodní společností s českým původem, která se usídlila na evropském trhu a nabízí služby v oblasti komplexní správy budov. M2C ji vyčlenila jako vlastní odnož, která zastřešuje všechny technologické produkty. Reagovala tak na narůstající poptávku zákazníků právě po nich.

Spolupracuje s několika technologickými startupy, poskytuje služby vzdáleného dohledu a zajišťuje správu budov, ostrahu objektů i automatizaci procesů jako například elektronickou recepční (e-Reception), zařízení, které díky tomu, že návštěvníci řadu požadavků zvládnou vyřídit sami, představuje cestu, jak zefektivnit vstup do budov.

Pro umělou inteligenci, která řeší pohyb lidí a různých objektů na daném místě, ale nejsou třeba žádné speciální vybavení. Stačí běžné kamery, které z bezpečnostních důvodů mnoho firem tak jako tak používá.

Výsledkem výstupů z nich mohou být grafy nebo třeba heatmapy vytvořené neuronovou sítí. V obchodě ukáží, o jakou uličku mají lidé zrovna největší zájem. A firmy tak pochopí, jestli jejich marketingový plán – sezónní zboží, které zrovna nabízejí – odpovídá tomu, co lidi právě nejvíce zajímá.

V logistických parcích se dá podobně řešit to, jak je pohyb operátorů efektivní. Pokud pro nějaký druh zboží chodí často, ale je zbytečně daleko, ze systému je to snadno čitelné.

„Je třeba systém chápat jako nástroj, který dokáže pomoci v analýze ‚problému‘, o kterém v tuto chvíli třeba nemáme ani tušení. Díky kamerové analýze, sběru a vyhodnocení dat v logistickém centru jsme tedy například schopni zefektivnit plynulost a rychlost výroby a tím výrazně uspořit klientům náklady,“ říká Čulík.

Vysvětluje, že třeba pro případ, kdy operátorovi systém dokáže doporučit přiblížení určitého druhu zboží, jde jen těžko vypočítat úspory. Ve chvíli, kdy systém do provozu firma nasadí a začne se sběrem dat například v distribučním či logistickém centru, má k dispozici už, řekněme, během jednoho měsíce takové informace, které zákazník jednoduše nemá.

„Tato data následně se zákazníkem zpracujeme a vyhodnotíme. Po takové ‚feasibility study‘ dokážeme navrhovat opatření vedoucí ke zvýšení efektivity. Typicky se můžeme bavit o přeskládání jednotlivých komponent v rámci skladu s cílem zrychlení a zefektivnění složení jednoho finálního výrobku,“ popisuje projektový manažer Innovisu.

Tedy: představte si prostor 20 x 20 metrů osazený čtyřmi až šesti kamerami. Je rozdělený do zón, které přibližují, kde jsou které komponenty umístěné, ale i to, kde se například kompletují. „Takže dokážeme říct například toto: operátor s označením 1 nachodí za účelem přípravy materiálu za jednu směnu 7 600 metrů. A to z důvodu vzdálenosti nutných komponent od jeho stanoviště. Navrhujeme přesunout tyto konkrétní regály na poloviční vzdálenost, čímž neohrozíme plynulost výroby, a naopak očekáváme její zrychlení,“ přibližuje Čulík.

Nic, čeho by se člověk měl bát

Data jsou obrovsky cenná veličina. Ve společnosti Innovis se setkávají s tím, že klienti si to velmi dobře uvědomují. A vědí, že kamerový systém, který mají, se nemusí používat jen pro bezpečnost. Řada z nich s konkrétními požadavky za společností chodí a ptají se přitom po tom, jak využít systémy k marketingovým nebo procesním účelům.

Konkrétní firmy, u kterých jsou takové systémy nasazené, Innovis kvůli smlouvám zmínit nemůže. Kulíšková ale naznačuje, že se neuronové sítě rychle rozšiřují. Kromě firem je společnost Innovis v režimu spolupráce i s městskou policií.

„Je pravda, že ve městech je zatím trochu strach z takzvaného velkého bratra. Ale ve skutečnosti systémy nejsou něco, čeho by se člověk musel bát. Ten názor se snažíme trochu pozměnit. Reálně to totiž může fungovat úplně obráceně. Když na scénu hledí analytika, znamená to, že na ni nemusí koukat člověk. To případně až ve chvíli, kdy ho systém upozorní na nějaké narušení,“ popisuje Kulíšková.

Navíc může velmi rychle pomoct v situacích, na které člověk nestačí. Umělá inteligence už teď dokáže upozornit na člověka, který stojí ve výrobě na nebezpečném místě. Pokud by měla dostatek dat, mohla by poznat nestandardní pohyb člověka, například pohyb, který vypadá jako pád. A pokud by k tomu skutečně došlo, dokázala by na to upozornit a zavolat pomoc.

„Plány s analytikou máme veliké. Zákazníci nám sami dávají potřebnou zpětnou vazbu, kam se posouvat. A řada funkcí z jejich podnětů už je ve vývoji. Přeci jen jsou to lidé, kteří mají informace z první ruky,“ uzavírá manažerka.