Nazarbayev University — pruebas multimódulo avanzadas a escala

La situación

Nazarbayev University fue el despliegue en el que la pregunta dejó de ser si la plataforma funcionaba y pasó a ser hasta dónde llegaba.

Partiendo de la metodología establecida en los pilotos anteriores, el equipo desplegó un conjunto de módulos notablemente ampliado en doce edificios del campus, lo que lo convierte en el entorno de pruebas más completo que AMAN ha puesto en marcha hasta la fecha.

Siete módulos: la pila completa

El conjunto básico de detección se amplió con cuatro módulos adicionales.

El conjunto básico, como en todos los emplazamientos:

• Detección de armas: alertas en tiempo real cuando aparecen en cámara armas de fuego, cuchillos u objetos peligrosos.
• Detección de consumo de tabaco: detección automática en las zonas restringidas del campus.
• Detección de conductas agresivas: reconocimiento de peleas y conflictos reiterados.

Añadido en NU:

• Reconocimiento facial: verificación de identidad y detección de personas de interés en los accesos al campus y en zonas de mucho tránsito.
• Detección de sabotaje de cámaras: aviso inmediato cuando una cámara se tapa, se reorienta o se manipula físicamente.
• Detección de caídas: detección automática de caídas, que cubre tanto incidentes médicos y de bienestar como riesgos de seguridad.
• Detección de objetos abandonados: señala bolsas, paquetes u objetos dejados sin vigilancia en espacios públicos más allá de un tiempo definido.

Los cuatro módulos ampliados no forman parte de una configuración estándar para centros escolares. Se desplegaron aquí porque un campus universitario de varios edificios es el entorno donde un conjunto de este tamaño puede evaluarse de verdad, y tenerlos en funcionamiento es la razón de los resultados que produjo este piloto.

Pruebas exigentes con mucho tránsito y mucha complejidad

Un conjunto de módulos más amplio exige una evaluación proporcionalmente más dura, no la misma evaluación repetida siete veces. Cada módulo se probó en escenarios reales del campus:

• Calidad de detección. Cada uno de los siete módulos se evaluó en entornos universitarios en uso: aulas, espacios abiertos, pasillos y accesos.
• Precisión de respuesta. Se probó la precisión de las alertas para confirmar que el sistema señala incidentes reales sin sepultar al personal de seguridad en falsos positivos.
• Casos límite. Deliberadamente, los escenarios difíciles: ángulos inusuales, vistas obstruidas, escenas concurridas y poca luz. Ahí es donde los sistemas de detección fallan en silencio, y donde ninguna demostración habría encontrado los límites.

Qué cambió

NU produjo los resultados más completos de los tres despliegues.

• El conjunto de datos más rico de los tres: mayor cobertura de módulos y mayor volumen de tránsito
• Plataforma validada a escala en un campus multizona y de mucho tránsito, sin degradación del rendimiento
• Escalabilidad confirmada desde un único centro escolar hasta un campus completo
• Comportamiento en casos límite evaluado en los siete módulos y en condiciones reales
• Resultados y recomendaciones entregados a la dirección de NU

Leídos junto a Rudny y MNU, este es el argumento que los tres casos construyen en conjunto: la misma plataforma, desplegada con el mismo principio —auditoría primero, cámaras existentes, sin sustituir hardware— escala de un edificio escolar a un campus de doce edificios sin convertirse en otro producto.