Dalam setiap demonstrasi analisis video berbasis AI, pertanyaan yang sama selalu muncul, baik dari manajer TI maupun dari pengelola toko sendiri: ke mana perginya rekaman video? Banyak orang membayangkan video dikirim terus-menerus ke server yang jauh melalui koneksi toko. Kenyataannya, semuanya ditentukan oleh keputusan arsitektur yang diambil jauh sebelum pengaturan pertama: analisis video lokal, pada GPU di dalam toko, berdasarkan aliran utama dari kamera yang sudah ada.

Kita tidak akan membahas kualitas gambar itu sendiri di sini. Kita akan mengikuti perjalanan data, dari lensa kamera hingga layar manajer: apa yang tetap di tempat, apa yang dikirim keluar, dan apa dampak konkret pilihan ini terhadap kecepatan alert, jaringan toko, serta kendali atas data.

Satu aliran video itu berat, dan sebuah toko besar bisa memiliki puluhan aliran

Sebuah kamera IP umumnya menghasilkan setidaknya dua aliran. Aliran utama (mainstream) beresolusi tinggi. Aliran sekunder (substream) yang lebih ringan digunakan terutama untuk tampilan mosaik dan akses jarak jauh. Untuk mendeteksi gerakan yang halus, seperti produk yang diselipkan ke dalam saku atau kemasan yang dibuka di rak, aliran utamalah yang menentukan: pada aliran sekunder, tangan hanya terlihat beberapa piksel. Kami telah membahas hal ini secara rinci dalam artikel kami tentang analisis aliran utama di toko.

Masalahnya kemudian menjadi soal hitungan. Mengirim aliran utama dari dua puluh atau tiga puluh kamera secara terus-menerus ke server jarak jauh membutuhkan kecepatan unggah yang tinggi dan stabil, sesuatu yang tidak dijamin oleh banyak koneksi toko. Padahal jalur itu sudah dipakai bersama dengan terminal pembayaran, kasir, surel, bahkan kadang wifi pelanggan. Pada hari Sabtu saat obral musim panas, ketika mesin EDC bekerja tanpa henti, tidak ada yang ingin melihat jalur itu penuh.

Keterbatasan ini bukan hal baru. Dalam studinya tentang penggunaan teknologi video di sektor ritel, yang diterbitkan pada 2020 dan didasarkan pada wawancara dengan 22 peritel Eropa dan Amerika, kelompok ECR Retail Loss sudah mencatat bahwa beberapa peserta mengkhawatirkan dampak bandwidth dan daya komputasi terhadap penggunaan analisis video mereka.

Mengapa komputasi dilakukan sedekat mungkin dengan kamera

Alih-alih memindahkan gambar, komputasilah yang dipindahkan: itulah prinsip edge computing. Pameran EuroShop merangkumnya dalam sebuah dokumen khusus tentang edge computing di sektor ritel: hanya data yang berguna yang dikirim ke cloud, jaringan menjadi lebih ringan dan reaksi bisa dilakukan secara real time. Untuk video, salah satu bentuk yang mungkin adalah GPU khusus yang dipasang di dalam toko, yang membaca aliran kamera dan menjalankan model di tempat. Bagi pengelola toko, perbedaannya terlihat di tiga hal:

  • Latensi. Sebuah alert hanya berguna jika situasinya masih berlangsung di rayon saat alert itu tiba. Tanpa pengiriman bolak-balik seluruh aliran ke pusat data, rantai antara gerakan dan notifikasi menjadi lebih singkat: di Oxania, alert video tiba dalam waktu kurang dari 10 detik di ponsel, tablet, atau komputer.
  • Resolusi. Karena aliran tidak melewati Internet, tidak perlu menurunkan kualitasnya agar muat di koneksi. Model bekerja pada gambar beresolusi tinggi, yang memungkinkan membedakan tas pribadi dari tas belanja, atau melihat bahwa suatu produk telah dikonsumsi sebelum melewati kasir.
  • Jaringan. Server GPU didedikasikan untuk toko dan dipasang di lokasi: membaca dan menganalisis aliran kamera tidak menggunakan bandwidth koneksi Internet. Sebaliknya, konfirmasi deteksi, pengiriman cuplikan alert, dan notifikasi tetap melewati koneksi ini, yang harus selalu tersedia.

Apa yang tetap di toko, apa yang keluar

Setiap manajer TI akhirnya akan mengajukan pertanyaan ini, dan sebuah slogan tidak cukup untuk menjawabnya. Dalam arsitektur yang dipilih Oxania, gambar dari kamera melalui tiga jalur yang berbeda dengan jelas:

  • Yang tetap di tempat: aliran video kamera yang berkelanjutan, dalam resolusi tinggi. GPU toko membaca dan menganalisisnya, dan aliran ini tidak dikirim lebih jauh. Rekaman dari sistem video Anda yang sudah ada tetap, seperti sebelumnya, berada di bawah tanggung jawab pengelola.
  • Yang dikirim untuk konfirmasi: saat gestur berisiko terdeteksi, deskripsi digital ringkas dari deteksi tersebut dikirim untuk dikonfirmasi. Ini bukan video, dan ukurannya tidak sebanding dengan ukuran gambar.
  • Yang dikirim dan disimpan: klip video yang terkait dengan alert, dan hanya itu. Klip ini disimpan di server yang berlokasi sedekat mungkin dengan negara pelanggan, demi kecepatan akses sekaligus kepatuhan terhadap aturan setempat.

Jadi penyaringan dilakukan di sumbernya. Dari berjam-jam video, hanya cuplikan yang terkait dengan alert yang keluar dari toko: yakni cuplikan yang membuat anggota tim perlu melihatnya. Cuplikan yang sama inilah yang ada dalam alert, dengan zoom progresif otomatis pada titik yang menjadi perhatian. Orang yang menerimanya memahami situasinya dalam sekali lihat dan memutuskan langkah selanjutnya.

Lokal bukan berarti terputus dari dunia luar

Namun perlu jelas apa yang dicakup oleh inferensi lokal. Deteksi dilakukan di toko, pada GPU khusus, tetapi lokasi tetap terhubung ke cloud: dibutuhkan koneksi untuk mengonfirmasi deteksi, mengirim klip alert, dan menyampaikan notifikasi ke perangkat tim. Yang berubah adalah apa yang mengalir: beberapa pesan dan klip singkat, bukan puluhan aliran berkelanjutan. Penyedia yang menyatakan sebaliknya sambil tetap mengirim alert ke ponsel Anda layak diberi satu pertanyaan lagi.

Hal lain yang sering terlupakan: server GPU adalah mesin yang nyata. Perlu dicarikan tempat, dialiri daya, diberi ventilasi, dan dihubungkan dengan rapi ke kamera. Itulah pekerjaan integrator, dan hasilnya tidak hanya bergantung pada kualitas model, seperti yang kami jelaskan tentang peran integrator dalam efektivitas kamera AI. Dengan jaringan integrator bersertifikat, pemasangan pada kamera yang sudah ada umumnya selesai dalam waktu kurang dari sehari.

Lima pertanyaan yang perlu diajukan sebelum menandatangani

Baik untuk satu titik penjualan maupun seluruh jaringan toko, kelima poin ini memungkinkan Anda menilai dengan cepat kokohnya sebuah arsitektur analisis video:

  1. Aliran yang dianalisis: aliran utama beresolusi tinggi, atau aliran sekunder.
  2. Tempat model dijalankan, dan apakah perangkatnya benar-benar khusus untuk toko Anda.
  3. Apa tepatnya yang keluar dari lokasi, dan kapan.
  4. Lokasi penyimpanan klip alert: di negara mana, dan untuk berapa lama.
  5. Apa yang terjadi saat koneksi toko terputus atau menurun kualitasnya.

Harapkan jawaban yang konkret. Arsitektur yang dirancang dengan baik dapat dijelaskan dalam beberapa kalimat, tanpa jargon. Penyedia yang tidak mampu melakukannya sering kali sendiri tidak memiliki peta aliran data yang jelas. Dan jika kamera Anda sudah berusia beberapa tahun, panduan kami untuk memilih kamera yang tepat di toko membantu memastikan bahwa kamera tersebut menyediakan aliran utama yang dapat dimanfaatkan.

Arsitektur yang juga membangun kepercayaan

Menyimpan aliran di tempat bukan sekadar soal bandwidth. Hal ini juga berarti membatasi apa yang berpindah hanya pada yang benar-benar perlu, dan membiarkan data tetap di bawah kendali pemilik toko. Prinsip OECD tentang ketangguhan, keselamatan, dan keamanan AI merekomendasikan agar sistem AI tetap aman, terjamin keamanannya, dan mampu berfungsi dengan baik sepanjang siklus hidupnya, serta agar tersedia mekanisme untuk menonaktifkan, memperbaiki, atau menghentikan operasinya dengan aman jika berisiko menimbulkan kerugian yang tidak semestinya.

Di toko, penerapannya sederhana: teknologi mendeteksi, tim memutuskan. AI menganalisis gestur, bukan orang, dan tidak mengikuti siapa pun dari satu kamera ke kamera lain. Di hadapan klip tersebut, manusialah yang memilih untuk pergi ke rayon, menawarkan bantuan, atau tidak melakukan apa-apa.

Tidak ada yang spektakuler dalam semua ini: hanya komputasi yang dilakukan di tempat yang tepat dan video yang hanya berpindah saat dibutuhkan. Namun justru inilah yang menghasilkan alert yang cepat dan akurat, serta shrinkage yang lebih terkendali. Sebelum membandingkan fitur, mintalah untuk melihat peta aliran data: peta itu sering kali menjelaskan lebih banyak daripada brosur penjualan.