Securitas Technology erbjuder tjänster som bygger på intelligent kamerabevakning, till exempel lösningar där videoanalys används för att upptäcka rörelser eller beteenden i skyddade områden. Detta kombineras ofta med direkta åtgärder som exempelvis högtalarutrop eller väktarutryckning för att förebygga incidenter innan de inträffar, menar Daniel Ridderton.

Hur ser ni på trenden med att använda AI för att analysera videodata i realtid?

– AI har stor potential att effektivisera operativa flöden inom videoanalys, särskilt genom att identifiera händelser i realtid och känna igen beteendemönster som annars kräver manuell övervakning.

– Samtidigt är det inte tekniken i sig som förbättrar säkerheten, utan hur och var den används. Vi arbetar tillsammans med kunder för att pröva AI-lösningar i deras verkliga miljöer. Det ger både insikter om funktionalitet och tillgång till relevant data som stärker systemets precision. Målet är inte att samla så många funktioner som möjligt, utan att säkerställa att det som implementeras också skapar konkret nytta i kundens vardag.

Hur bedömer ni framtidspotentialen för AI och maskininlärning i kameraövervakning och larm?

– AI och maskininlärning har stor framtidspotential, särskilt i förmågan att upptäcka händelser och framför allt att förutse avvikelser utifrån inlärda mönster. Det möjliggör ett mer proaktivt säkerhetsarbete där systemet kan reagera innan ett faktiskt larm inträffar. För att nå dit krävs dock mer än avancerad teknik.

Vad är då särskilt viktigt att tänka på för er som leverantör av AI-baserade säkerhetslösningar?

– Att designa lösningar som är anpassade till kundens verklighet och operativa behov. Vi har sett AI-funktioner som införts utan att verksamheten varit redo att dra nytta av dem. Därför är det avgörande att identifiera vilka funktioner som verkligen gör skillnad, som att snabbare nå rätt beslutsfattare snarare än att addera komplexitet som inte används.

Vilken roll spelar datakvalitet och tillgång till rätt data i AI-utvecklingen?

– Datakvalitet är avgörande för att uppnå de effekter som ofta förknippas med AI. För att systemen ska kunna lära sig krävs tillgång till relevanta och representativa datamängder. Utan det riskerar resultaten att bli missvisande eller oanvändbara.

– Det handlar inte om att samla så mycket data som möjligt, utan om att samla rätt data. Här ser vi ofta att lösningar innehåller många funktioner, men att bara en mindre del används i praktiken. Därför lägger vi stor vikt vid att förstå vilken data som faktiskt är värdefull, och hur den kan samlas in och användas på ett säkert och etiskt sätt. 

På vilket sätt arbetar ni med AI i era säkerhetssystem – utöver kamerabevakning?

– AI har idag en tydlig roll i flera delar av våra säkerhetssystem utöver kamerabevakning. Ett exempel är passersystem där AI används för att identifiera avvikelser i beteendemönster, till exempel om någon passerar på ovanliga tider eller rör sig i delar av byggnaden som normalt inte används. Vi använder också AI för att automatisera hantering av återkommande larm.

Hur viktigt är AI-säkerhetssystemen för personalen snabba och korrekta åtgärdsinsatser?

– Genom att systemet lär sig vilka händelser som kräver åtgärd och vilka som kan filtreras bort frigörs tid för operatörer att fokusera på det som verkligen är viktigt.

Vilken konkret nytta kan AI ge i exempelvis passerkontroll, besökssystem eller larmhantering?
– AI kan skapa konkret nytta i flera delar av en säkerhetslösning, inte minst genom att minska behovet av manuell övervakning och ge bättre beslutsunderlag. I ett besökssystem kan AI automatiskt identifiera avvikelser och hantera dem i realtid, vilket ger en säkrare och mer effektiv inpassering. Vid larmhantering används AI för att analysera händelser och filtrera bort falsklarm, så att operatörer kan fokusera på insatser som verkligen krävs.

Finns det exempel på proaktiva säkerhetslösningar där AI gör skillnad i realtid?

– Ja, AI används i allt större utsträckning för att upptäcka avvikelser i realtid och ger ett tydligt mervärde, särskilt inom områden som ”safety”. När systemet lär sig vad som är normalt i en viss arbetsmiljö kan det snabbt reagera på oväntade beteenden, till exempel om någon sitter kvar ovanligt länge, rör sig på ett riskfyllt sätt eller inte använder skyddsutrustning som förväntat. Det gör det möjligt för personal att agera omedelbart och rikta sina insatser där de gör störst skillnad.

Hur ser marknaden idag på molnbaserade säkerhetslösningar – finns det fortfarande viss tveksamhet?

– Acceptansen för molnbaserade säkerhetslösningar har ökat gradvis i takt med att fler verksamheter flyttat sin affärsdata till molnet och blivit mer vana vid ett digitalt arbetssätt. Det är snarare en fråga om mognad än om teknik, där kunderna i högre grad efterfrågar lösningar som kan uppdateras, patchas och skötas centralt som en tjänst.

– Samtidigt är det fortfarande viktigt att anpassa erbjudandet efter kundens förutsättningar och bransch. Vissa är fortsatt mer restriktiva, särskilt när det gäller känslig information eller komplexa IT-miljöer. Men över lag ser vi att fler kunder idag ställer krav på uppkopplade, flexibla och fram-tidssäkrade lösningar.

Hur mycket upplever ni att intresset för AI-funktioner driver efterfrågan på molnbaserade tjänster?

– Vi ser ett samband mellan det ökade intresset för AI och efterfrågan på molnbaserade tjänster. Många avancerade AI-funktioner bygger på tillgång till stora datamängder, regelbundna uppdateringar och realtidsanalys, något som ofta kräver molnkapacitet.

– För kunderna innebär molnet en möjlighet att snabbt ta del av ny funktionalitet utan att behöva investera i egen infrastruktur. Molnbaserade tjänster förenklar dessutom utrullning i större skala och på flera platser parallellt. Jag tror att i takt med att AI blir mer konkret och affärskritiskt ökar också acceptansen för molnlösningar.

Vad ser du som nästa stora steg i utvecklingen av intelligent fysisk säkerhet?

– Det handlar om att bryta isolerade lösningar och skapa verkligt integrerade system. Genom bättre koppling mellan olika plattformar och smart tillgång till realtidsdata blir det möjligt att få en mer sammanhängande lägesbild, upptäcka mönster och agera snabbare vid avvikelser och i vissa fall även förutse händelser. Tekniken finns, men den måste tillämpas utifrån varje kunds behov. Vi ser därför stort värde i att testa lösningar i praktisk drift och fokusera på det som faktiskt ger effekt.

– Snart kommer säkerhetssystem också bli mer tillgängliga genom att användare formulerar frågor direkt i gränssnittet, utan att behöva teknisk kunskap eller specialutbildning. Det gör det enklare att snabbt få fram säkerhetsrela-terad information och fatta rätt beslut i tid.

Det har talats mycket om att branschen ”översålt” intelligenta säkerhetslösningar lovat mer än vad man kan hålla. Är säkerhetsleverantörerna i fas med kundernas förväntningar nu?

– Vi känner igen bilden av att förväntningarna på intelligenta säkerhetslösningar ibland har varit högt ställda, ofta som ett resultat av hur tekniken beskrivs i idealiserade miljöer. Funktionaliteten har visserligen funnits, men frågan är om den alltid varit relevant för kundens faktiska behov.

Kan du utveckla det?

– I vissa fall har det handlat mer om ”nice to have” än ”need to have”, särskilt när lösningarna inte testats i den egna driftsmiljön. Samtidigt ser vi ett skifte där kunder efterfrågar i allt högre grad konkret nytta, med fokus på vad som verkligen fungerar i deras verklighet. Vår bild är att även branschen utvecklats i denna riktning där funktionalitet som är förankrad i kundens verklighet väger tyngre än teknisk bredd. Det är avgörande för att bygga långsiktigt förtroende.