El futuro de la Inteligencia de Seguridad

Grupo Securitas.- Los tiempos están cambiando y con la introducción de la digitalización y una explosión de datos, los desafíos en seguridad se tornan importantes y es aquí donde la inteligencia entra en escena. El futuro de la inteligencia de seguridad se trata de generar, capturar y analizar datos para que podamos predecir y prevenir riesgos e incidentes futuros. La combinación del poder de las máquinas y los algoritmos con la mente humana nos permitirá crear un entorno más seguro y seguro para todos.

• Análisis de riesgo basado en datos: usar la inteligencia para prever riesgos

Para hacer que nuestro análisis de riesgos sea más valioso, el Grupo Securitas está agregando datos y análisis a la mezcla, para ser más receptivos y detallados en sus análisis. De esta manera, el análisis de riesgo dinámico recopila datos de fuentes de datos internas y externas. Esto incluye incidentes, varios datos de sensores, estadísticas de delitos y datos meteorológicos.

Por ejemplo, las estadísticas de delitos, los datos meteorológicos y la supervisión visual se pueden combinar para obtener información sobre si se activó una alarma de intrusión debido a una tormenta o si hubo una intrusión real. Esto ayuda a reducir las falsas alarmas y a asignar recursos a las situaciones donde más se necesitan.

• Aprendizaje automático

En un contexto minorista, los datos y la inteligencia pueden jugar un doble papel. Por un lado, podemos usarlo para crear un entorno de tienda más seguro y, por otro lado, podemos aprovechar los datos para mejorar las ventas y la experiencia del cliente.

Ahora, el Grupo Securitas está estudiando la posibilidad de agregar inteligencia avanzada de aprendizaje automático para crear algoritmos de autoaprendizaje, con el fin de que el sistema mejore continuamente. Imagina una tienda durante el horario de cierre, cuando los cajeros a menudo trabajan solos y son vulnerables a los ataques. En este contexto, los sensores pueden rastrear el tiempo que generalmente lleva bloquear la tienda y cuándo debe activarse la alarma.

Usando el aprendizaje automático para rastrear esto, podemos descubrir patrones de comportamiento a nivel individual y entender si algo es fuera de lo común y si un guardia de seguridad debe analizar la situación.

De esta manera, con el análisis de riesgos basado en datos, podemos ser mucho más detallistas y específicos en nuestras conclusiones, identificando los riesgos hasta ciertas áreas geográficas, tipo de sitio e incluso tipo de delito.

Fuente: Securitas Future Lab