„Hypervize“ s bezpečnostní architekturou podporovanou umělou inteligencí namísto pouhých kamer: Co se skrývá za novou sledovací sítí v Maroku

Boj proti rušení a zpožděním vlaků: Takto má umělá inteligence zachránit marockou železniční síť

Program v hodnotě 96 miliard dirhamů (8,8 miliardy eur): Maroko buduje nový provozní systém pro své železnice

Marocká státní železniční společnost ONCF čelí historické transformaci. S ohledem na mistrovství světa ve fotbale 2030 a rychle rostoucí počet cestujících investuje země v nadcházejících letech 96 miliard dirhamů do rozšíření své železniční sítě. Zdánlivě malá položka v tomto obrovském rozpočtu se však ukazuje jako skutečný ústřední bod digitální budoucnosti železnice: studie proveditelnosti v ceně přibližně jeden milion dirhamů má položit základy pro celostátní bezpečnostní architekturu založenou na umělé inteligenci.

S plánovanými 6 000 kamerami – z nichž téměř třetina bude automatizována pomocí umělé inteligence – plánuje Maroko přechod na tzv. „hypervizi“. To zahrnuje mnohem více než jen tradiční video dohled. Jde o rychlé předcházení zpožděním, ochranu kritické infrastruktury před kybernetickými útoky, ochranu soukromí dat záměrným vyhýbáním se rozpoznávání obličeje a v konečném důsledku o určení, zda Maroko zůstane technologicky suverénní, nebo se stane závislým na zahraničních dodavatelích. Následující článek zkoumá, proč právě toto architektonické rozhodnutí určí ekonomický, provozní a průmyslový úspěch marocké železnice budoucnosti.

Marocká železniční síť se stává inteligentní bezpečnostní platformou: Od projektu kamer k systémovému rozhodnutí

Na první pohled se plánovaná architektura dohledu založená na umělé inteligenci pro marockou státní železnici ONCF jeví jako relativně malý digitální projekt. Vyhlášená zakázka má objem 1,08 milionu dirhamů a jejím cílem je vypracovat celostátní strategii do roku 2030. Ve srovnání s celkovým investičním programem ONCF ve výši 96 miliard dirhamů je tato částka téměř zanedbatelná. Z ekonomického hlediska by však bylo chybné dojít k závěru, že projekt má malý význam. Vyhláška nefinancuje kompletní technickou implementaci, ale spíše předběžné koncepční práce: architekturu, standardy, priority, integrační logiku, investiční požadavky a implementační plán. Tato fáze zejména určuje, kteří dodavatelé nakonec zakázku získají, jak otevřený nebo uzavřený bude systém a jaké budou dlouhodobé náklady.

Jádrem projektu tedy není pořízení dalších kamer. ONCF plánuje spíše přechod od mnoha individuálních sledovacích řešení k centrálně řízenému, datově řízenému bezpečnostnímu systému. Do roku 2030 má být v železniční síti rozmístěno přibližně 6 000 kamer. Přibližně 30 procent, tedy zhruba 1 800 jednotek, bude automaticky analyzovat obrazy pomocí umělé inteligence. Zbývající kamery zůstanou konvenčními senzory, ale budou integrovány do stejné zastřešující platformy. Tato kombinace dává ekonomický smysl: ne každé místo vyžaduje drahý výpočetní výkon nebo sofistikované analytické schopnosti. Klíčem je inteligentní monitorování obzvláště kritických oblastí a zároveň konsolidace všech relevantních signálů do komplexního přehledu.

Tato nabídka je proto architektonickou zakázkou se značným vlivem. Dobře navržený systém může zvýšit bezpečnost, snížit provozní prostoje, umožnit cílenější nasazení personálu a usnadnit budoucí rozšíření. Naopak špatný návrh může vést k technologické závislosti, vysokým nákladům na integraci, přetížení alarmy a nejasným odpovědnostem. Nízká cena studie by proto neměla být zaměňována s hodnotou rozhodnutí. Ve srovnání s následnými náklady na hardware, software, síť, úložiště, údržbu a provoz je plánovací úsilí malé. Jeho dopad na tyto náklady je však velmi významný.

Bezpečnost jako ekonomická infrastruktura

Bezpečnost železniční dopravy je často vnímána jako nákladové centrum. Tato perspektiva je příliš úzká, protože bezpečnost v železniční dopravě je zároveň předpokladem pro kapacitu, spolehlivost a důvěru. Neoprávněný přístup na koleje, opuštěný předmět, požár, nebezpečný dav nebo překážka na vysokorychlostní trati může způsobit značné následné náklady. Patří mezi ně rušení vlaků, zpoždění, evakuace, odklony, poškození zařízení, dodatečné nasazení personálu a poškození pověsti. V rozšiřující se síti se nejen zvyšuje objem dopravy a příležitosti k zisku, ale také počet potenciálních narušení a ekonomické důsledky každého závažného incidentu.

Ekonomické výhody inteligentní videoanalytiky pramení především z rychlosti. Kamery sice automaticky nezabrání incidentu, ale mohou zkrátit dobu mezi jeho vznikem, detekcí, vyhodnocením a reakcí. Tento časový rámec je obzvláště důležitý v železniční dopravě, protože lokální narušení provozu může rychle ovlivnit jízdní řády, spojení a následné úseky trati. Včasná detekce osoby na kolejích nebo včasná identifikace překážky umožňuje kontrolovaný zásah dříve, než se bezpečnostní problém rozvine ve velký provozní incident. Výhody pak sahají nad rámec pouhého předcházení škodám; zahrnují také snížení zpoždění a stabilnější využití omezené kapacity infrastruktury.

Kromě toho existuje efekt důvěry. Cestující hodnotí železniční systém nejen podle rychlosti a ceny, ale také podle vnímané bezpečnosti, spolehlivosti a uspořádanosti. To platí zejména pro velká vlaková nádraží, silně využívané příměstské trasy a velké mezinárodní akce. Maroko připravuje své dopravní sítě na výrazně vyšší zatížení, částečně v souvislosti s mistrovstvím světa ve fotbale 2030. Moderní řízení bezpečnosti proto může nepřímo posílit přijetí nových služeb. I když to automaticky nezlepší poptávku, snižuje to hlavní překážku pro používání veřejné dopravy.

Zároveň je nutné realisticky zhodnotit přínosy. Videoanalytika nezaručuje bezpečnost. Přesouvá pozornost z reaktivního pozorování na proaktivní rozpoznávání vzorců. Zda to generuje ekonomickou přidanou hodnotu, závisí na tom, zda jsou alarmy spolehlivě upřednostňovány, kontrolovány kvalifikovaným personálem a převedeny do efektivních provozních procesů. Algoritmus bez jasného provozního postupu produkuje data, ale ne nutně bezpečnost.

Růst zvyšuje tlak na akci

Projekt se shoduje s obdobím silného růstu marocké železniční dopravy. ONCF přepravila v roce 2024 přibližně 55,1 milionu cestujících, oproti 38,5 milionu v roce 2019. To představuje nárůst o zhruba 43 procent během pěti let, a to i přesto, že toto období bylo ovlivněno pandemií a jejími důsledky. Počet cestujících dosáhl v roce 2025 přibližně 55,6 milionu. I když se růst zpomalil z vysoké úrovně, dlouhodobý trend zůstává jasný: železnice nabývá na významu jako způsob dopravy a plánované rozšíření má za cíl uvolnit novou úroveň rozsahu.

Vývoj tržeb rovněž ukazuje na rostoucí ekonomický význam. Tržby ONCF v roce 2024 činily 4,82 miliardy dirhamů, což je přibližně o 11 procent více než v předchozím roce. Osobní doprava vygenerovala 2,763 miliardy dirhamů, což je o osm procent více než v roce 2023. V roce 2025 celkové tržby poprvé překročily pět miliard dirhamů. Tato čísla ukazují, že železnice není pouze státním infrastrukturním projektem, ale rostoucím poskytovatelem služeb mobility a logistiky s rostoucími provozními nároky.

Tento vývoj je obzvláště patrný u vysokorychlostní železniční dopravy. V roce 2024 přepravila společnost Al Boraq přibližně 5,5 milionu cestujících a vygenerovala tržby ve výši kolem 780 milionů dirhamů. Do roku 2025 se toto číslo zvýšilo na zhruba 5,6 milionu cestujících, zatímco tržby dosáhly přibližně 848 milionů dirhamů. Zatímco v roce 2024 se tedy společnost Al Boraq podílela pouze na přibližně desetině cestujících, vygenerovala výrazně více než čtvrtinu tržeb z přepravy cestujících. To naznačuje vyšší průměrné tržby na cestujícího a strategický význam vysoce kvalitní dálkové železniční dopravy.

To má za následek jasný efekt škálování pro bezpečnostní architekturu. S rostoucím provozem se zvyšuje počet kontaktů, hustota stanic, složitost přestupů a hodnota nepřerušovaného provozu. Monitorovací systém, který se zdá být dostatečný pro dnešní síť, by mohl dosáhnout svých organizačních a technických limitů během několika let. Plánování do roku 2030 proto musí nejen odrážet aktuální potřeby, ale také zohledňovat špičkové zatížení, nové stanice, dodatečná kolejová vozidla, regionální služby a prodlouženou vysokorychlostní železniční trať.

Program v hodnotě 96 miliard dirhamů

Projekt umělé inteligence lze chápat pouze v kontextu širšího investičního cyklu. ONCF plánuje do roku 2030 utratit celkem 96 miliard dirhamů. Z této částky je 53 miliard dirhamů určeno na infrastrukturu a vybavení pro přibližně 430 kilometrů dlouhou vysokorychlostní železniční trať z Kenitry přes Rabat a Casablanku do Marrákeše. Dalších 29 miliard dirhamů je vyčleněno na 168 nových vlaků. Zbývajících 14 miliard dirhamů bude použito na modernizaci, stabilizaci a další rozvoj stávající sítě a také na přípravu na regionální rychlé přepravní služby.

Rozsah projektu ilustruje, proč je nutné definovat bezpečnostní strategii již v rané fázi. Budoucí platforma pro video a hypervizi by neměla být dodatečně integrována do stávající infrastruktury. Musí být integrována do plánování stanic, komunikačních sítí, operačních center, vozidel, napájení, procesů údržby a kybernetické bezpečnosti. Čím později budou rozhraní definována, tím dražší budou dodatečné instalace. Z hlediska životního cyklu proto dává smysl navrhovat architekturu digitálního zabezpečení souběžně s vývojem fyzické infrastruktury.

Celkový program také mění roli ONCF. Z národního železničního operátora s relativně koncentrovanou sítí se stále více stává integrovaným poskytovatelem mobility pro vysokorychlostní, dálkovou, regionální a metropolitní dopravu. Pro Casablanku, Rabat a Marrákeš se plánují častější spoje podobné RER. Tím se zvýší frekvence spojů a obrat cestujících a zároveň se zkrátí čas dostupný pro provozní rozhodnutí. Bezpečnostní systémy pak budou muset monitorovat nejen jednotlivé objekty, ale i vzorce pohybu napříč řadou lokalit a shromažďovat informace v reálném čase.

Expanze má rozměr průmyslové politiky. Velké železniční programy vytvářejí poptávku po stavebních službách, signalizační technologii, kolejových vozidlech, telekomunikacích, softwaru, údržbě a školeních. Monitorovací strategie může ovlivnit, kolik z této přidané hodnoty se v Maroku vygeneruje. Pokud jsou vyžadována otevřená rozhraní, odborné znalosti v oblasti lokální integrace a přenositelné standardy, mohou se marocké společnosti dlouhodobě zapojit do provozu, adaptace a dalšího rozvoje. Naopak, pokud je pořízeno plně proprietární řešení typu „vše v jednom“, existuje riziko, že významná část vytváření digitální hodnoty zůstane trvale vázána na zahraniční poskytovatele.

Hypervize jako nový operační systém

Termín hypervize popisuje integraci různých monitorovacích a alarmových systémů do jedné zastřešující platformy. V praxi to znamená, že snímky z kamer, upozornění umělé inteligence, data kontroly přístupu, požární poplachy, technická varování a potenciálně další provozní data již nejsou zpracovávána v samostatných aplikacích. Místo toho se vytváří jednotný přehled, který umožňuje vyhodnocovat události, stanovovat jejich priority a přeposílat je příslušným orgánům.

Ekonomická výhoda spočívá ve snížení organizačního tření. Ve fragmentovaných systémech musí personál konsolidovat informace z různých rozhraní. Odpovědnosti mohou být nejasné, varování se zpracovávají dvakrát nebo se nepředávají včas. Centrální platforma může tyto mediální přerušení omezit. Umožňuje standardizované procesy, jednotné úrovně eskalace a sledovatelnou dokumentaci. To umožňuje regionálním řídicím centrům a národnímu bezpečnostnímu centru jednat koordinovaně, aniž by došlo k úplné centralizaci každého rozhodnutí.

Centralizace však přináší nová rizika. Platforma, která propojuje mnoho systémů, se sama o sobě stává kritickým uzlem. Technické selhání, kybernetické útoky nebo špatné konfigurace mohou současně ovlivnit velké části sítě. Systém proto vyžaduje redundanci, oddělené bezpečnostní zóny, nouzové provozní postupy a lokální reakční schopnosti. Hypervize by neměla být zaměňována s úplnou centrální závislostí. Robustní architektura musí kombinovat centralizovaný dohled s decentralizovanou odolností.

Samotný objem informací také představuje výzvu. 6 000 kamer nepřetržitě generuje velké datové toky. Pokud by všechny záznamy byly trvale ukládány a analyzovány centrálně ve vysokém rozlišení, značně by se zvýšily nároky na šířku pásma, úložiště a výpočetní výkon. Vícevrstvá architektura je obvykle ekonomicky výhodnější. Některé analýzy lze provádět přímo u kamery nebo na lokálních počítačích, zatímco do centrálního systému se přenášejí pouze relevantní události, metadata nebo vybrané videosekvence. Toto tzv. zpracování na okraji sítě snižuje náklady na přenos a může zkrátit dobu odezvy. Komplikuje však údržbu a správu zabezpečení, protože v terénu je nutné provozovat inteligentnější zařízení.

Kde umělá inteligence vytváří výhody

Plánované aplikace se zaměřují na specifické, provozně relevantní situace. Patří mezi ně detekce neoprávněného přístupu, monitorování davů, identifikace opuštěných předmětů a pozorování vlaků. Na vysokorychlostních tratích lze detekovat také zvířata, překážky nebo předměty na kolejích. Na vlakových stanicích lze analyzovat hustotu, směr pohybu a dopravní zácpy. Projekt tak působí v oblasti, kde počítačové vidění může generovat měřitelné výhody, za předpokladu, že modely jsou přizpůsobeny místním podmínkám.

Detekce narušení je obzvláště důležitá, protože železniční tratě pokrývají rozsáhlé oblasti, které je obtížné zcela zabezpečit. Systém dokáže monitorovat definované zóny a hlásit neobvyklé pohyby v určitém čase nebo za určitých podmínek. Výhodou oproti jednoduché detekci pohybu je, že moderní systémy dokáží rozlišovat mezi lidmi, vozidly, zvířaty a faktory prostředí. V ideálním případě to snižuje falešné poplachy způsobené stíny, deštěm, vegetací nebo změnami světla.

Analýza davu sleduje jiný cíl. Zaměřuje se méně na jednotlivé lidi a více na hustotu a tok. Pokud se na nástupišti shromáždí neobvykle velký počet lidí nebo se objeví protichůdné proudy, může řídicí centrum včas reagovat, řídit přístup, nasadit personál nebo upravit informace pro cestující. Výhody jsou jak bezpečnostní, tak provozní. Lepší rozložení cestujících může stabilizovat dobu setrvání a předcházet kritickým situacím na okrajích nástupišť.

Detekce bezobslužných objektů zní jednoduše, ale je technicky náročná. Vlakové stanice jsou dynamická prostředí se zavazadly, úklidovým vybavením, prodejci a měnící se viditelností. Použitelný systém musí rozlišit, zda je objekt skutečně bezobslužný, jak dlouho tam je a zda blokuje relevantní oblast. Bez pečlivé kalibrace je pravděpodobné, že dojde k mnoha falešným poplachům. Ekonomický úspěch proto nezávisí na co nejdelším seznamu funkcí, ale spíše na několika spolehlivě fungujících aplikacích s jasně definovanými prahovými hodnotami.

Zde se dozvíte, jak může vaše společnost rychle, bezpečně a bez vysokých vstupních bariér implementovat řešení umělé inteligence na míru.

Spravovaná platforma umělé inteligence je vaším komplexním a bezstarostným řešením pro umělou inteligenci. Místo řešení složitých technologií, drahé infrastruktury a zdlouhavých vývojových procesů získáte hotové řešení šité na míru vašim potřebám od specializovaného partnera – často během několika dní.

Klíčové výhody na první pohled:

⚡ Rychlá implementace: Od nápadu k aplikaci připravené k použití během několika dnů, nikoli měsíců. Dodáváme praktická řešení, která vytvářejí okamžitou přidanou hodnotu.

🔒 Maximální zabezpečení dat: Vaše citlivá data zůstanou u vás. Garantujeme bezpečné a kompatibilní zpracování bez sdílení dat s třetími stranami.

💸 Žádné finanční riziko: Platíte pouze za výsledky. Vysoké počáteční investice do hardwaru, softwaru nebo personálu jsou zcela eliminovány.

🎯 Zaměřte se na své hlavní podnikání: Soustřeďte se na to, co děláte nejlépe. Postaráme se o kompletní technickou implementaci, provoz a údržbu vašeho řešení s umělou inteligencí.

📈 Připraveno na budoucnost a škálovatelné: Vaše umělá inteligence roste s vámi. Zajišťujeme neustálou optimalizaci a škálovatelnost a flexibilně přizpůsobujeme modely novým požadavkům.

Více informací zde:

• Spravovaná platforma umělé inteligence

Podhodnocená cena falešných poplachů

Klíčovou obchodní metrikou pro monitorovací systém s umělou inteligencí není jeho teoretická míra detekce v laboratoři. Důležitý je poměr mezi relevantními zásahy, zmeškanými událostmi a falešnými poplachy v reálném provozu. Systém může být na papíře vysoce citlivý, ale nabízet jen malý užitek, pokud neustále hlásí neškodné situace. Každé varování vyžaduje pozornost. Příliš mnoho falešných poplachů vede k únavě z poplachů: zaměstnanci reagují pomaleji, ignorují upozornění nebo vytvářejí neformální alternativní řešení.

Náklady spojené s falešnými poplachy jsou rozmanité. Patří mezi ně ztráta pracovní doby v řídicích centrech, zbytečné nasazení bezpečnostních složek, potenciální provozní narušení a pokles důvěry v technologii. Naopak systém nastavený příliš nízko může přehlédnout skutečná nebezpečí. Optimalizace proto není jednorázový technický postup, ale průběžný provozní proces. Prahové hodnoty je nutné upravovat podle lokality, denní doby, povětrnostních podmínek a typu události. Přeplněné nástupiště o státním svátku představuje jiné výzvy než depo v noci.

Pro proces výběrového řízení to znamená, že tvrzení o výkonu by měla být testována s využitím reálných scénářů. Dodavatelé musí nejen prokázat, že jejich modely dokáží rozpoznávat objekty, ale také dokázat, jak spolehlivě fungují za marockých světelných, klimatických a dopravních podmínek. Prach, teplo, protisvětlo, různé úhly kamery a vysoká hustota chodců – to vše ovlivňuje výkon. Pilotní projekt na několika typických místech je proto ekonomicky výhodnější než výběr založený pouze na specifikacích výrobce.

Systém klíčových ukazatelů výkonnosti (KPI), který kombinuje technické a provozní metriky, by byl přínosný. Patří sem počet relevantních alarmů, průměrná doba testování, míra falešných poplachů, detekované incidenty, počet minut zamezených prostojů a celková dostupnost systému. Pouze tato kombinace umožňuje určit, zda je investice skutečně produktivní. Vysoká míra detekce bez zlepšené doby odezvy by byla pouze technickým úspěchem, nikoli však ekonomickým.

Ochrana dat jako otázka důvěry

Současná verze zadávací dokumentace neobsahuje rozpoznávání obličeje. Toto omezení je strategicky významné. Rozpoznávání obličeje by projekt značně prohloubilo z právního, etického a technického hlediska. Pro plánované hlavní aplikace není identita jednotlivých osob nezbytná. Systém musí rozpoznat, že se někdo nachází v omezeném prostoru nebo že dav dosáhl kritické hustoty. Nemusí vědět, kdo daná osoba je.

Upuštění od biometrické identifikace může podpořit přijetí a zásadu minimalizace dat. Nicméně tradiční i umělou inteligencí poháněné video dohledové systémy nadále představují narušení soukromí. Maroko má právní rámec pro ochranu osobních údajů v zákoně č. 09-08; jeho implementaci zajišťuje Národní komise pro ochranu osobních údajů (CNDP). Pro ONCF to vyžaduje jasné účely, regulované doby uchovávání, kontrolovaný přístup a transparentní odpovědnost.

Z ekonomického hlediska není ochrana dat jen dodatečným výdajem. Nejasné předpisy mohou zpozdit projekty, vyvolat odpor a vynutit si pozdější úpravy. Integrace ochrany dat a informační bezpečnosti do architektury od samého začátku snižuje dlouhodobá rizika týkající se dodržování předpisů a poškození reputace. To zahrnuje oddělení živé analýzy od archivace, implementaci konceptů automatického mazání, přístup k protokolování, šifrování a omezení přístupu pouze na oprávněné pracovníky.

Obzvláště důležité je omezení účelu. Platforma původně navržená pro detekci narušení a hrozeb může být technicky později použita pro rozsáhlejší behaviorální analýzu. Toto postupné rozšiřování jejího využití s ​​sebou nese politická a společenská rizika. Nové funkce by proto neměly být legitimizovány pouze na základě technické proveditelnosti. Každé rozšíření vyžaduje samostatné posouzení přínosů a rizik, právní základ a jasné schválení. Výslovné zdržení se rozpoznávání obličeje je tedy rozumným výchozím bodem, ale důvěryhodným pouze tehdy, je-li zajištěno technickými a organizačními zárukami.

Kybernetická bezpečnost se stává klíčovým úkolem

S každou zapojenou kamerou v síti se rozrůstá plocha pro digitální útok. Kamery, lokální počítače, síťové komponenty, úložiště, rozhraní a centrální platformy mohou obsahovat zranitelnosti. Útok by mohl zachytit nahrávky, deaktivovat zařízení, potlačit alarmy nebo generovat falešné zprávy. Obzvláště kritická by byla manipulace, která zůstane bez povšimnutí. Zatímco úplné selhání systému je obvykle odhaleno rychle, nezjištěná změna dat nebo modelů může vést k trvale nesprávným rozhodnutím.

Bezpečnostní architektura proto musí stejnou měrou chránit důvěrnost, dostupnost a integritu. Nestačí pouze zabezpečit video data před neoprávněným přístupem. ONCF musí také zajistit, aby kamery byly autentické, verze softwaru ověřené, modely nebyly nedetekovatelně pozměněny a alarmy pocházely z důvěryhodných zdrojů. V tomto ohledu je klíčová segmentace sítě: Napadený koncový bod nesmí mít možnost udělit přímý přístup k kritickým řídicím systémům.

Další riziko spočívá v dodavatelském řetězci. Systém tohoto rozsahu bude pravděpodobně zahrnovat komponenty od více výrobců. Aktualizace, vzdálená údržba a cloudové služby mohou vytvářet závislosti, které přesahují původní smluvní dobu. Proto by měly výběrová řízení vyžadovat bezpečnostní aktualizace po celou dobu životního cyklu, transparentní procesy správy zranitelností, lokální možnosti obnovy po havárii a jasně definovaná přístupová práva. Schopnost vyměnit jednotlivé komponenty bez nutnosti výměny celé platformy je také klíčovým faktorem jak pro bezpečnost, tak pro nákladovou efektivitu.

Kybernetická odolnost s sebou nese dodatečné náklady, ale není volitelnou úrovní kvality. Čím více jsou bezpečnostní rozhodnutí automatizována a centralizována, tím větší je potenciální škoda způsobená digitální manipulací. Proto by tento projekt neměl být chápán jako pouhé pořízení kamer s dodatečným IT zabezpečením. Jedná se o kyberneticko-fyzikální systém, v němž digitální rozhodnutí mohou ovlivnit tok provozu v reálném světě.

Otevřená architektura proti závislosti na dodavateli

Strategicky nejdůležitější otázkou při zadávání veřejných zakázek je, zda ONCF zvolí otevřenou, modulární platformu, nebo uzavřený systém „vše v jednom“. Proprietární řešení lze zpočátku implementovat rychleji, protože hardware, software a podpora pocházejí z jednoho zdroje. Z dlouhodobého hlediska však mohou vzniknout vysoké náklady na přechod. Pokud jsou kamery, analytické modely, úložiště a uživatelská rozhraní úzce svázány s jedním dodavatelem, jakákoli následná výměna se stává drahou a riskantní.

Vzhledem k časovému horizontu sahajícímu do roku 2030 a výrazně delší očekávané provozní životnosti je technologická flexibilita obzvláště důležitá. Modely umělé inteligence se rychle vyvíjejí, zatímco železniční a kamerová infrastruktura se často používá deset let nebo déle. Architektura by proto měla umožnit aktualizaci nebo výměnu analytických komponent bez nutnosti přestavby celého systému. Pro to jsou klíčová standardizovaná rozhraní, zdokumentované datové formáty a jasná vlastnická práva ke konfiguracím a provozním datům.

Otevřenost však neznamená kombinování co největšího počtu poskytovatelů bez centrální odpovědnosti. Nadměrná fragmentace zvyšuje integrační rizika a ztěžuje řešení problémů. Jasně definovaná architektura platformy se závaznými standardy, ale konkurenceschopnými moduly je ekonomicky výhodná. ONCF by si měl ponechat kontrolu nad datovým modelem, rozhraními a bezpečnostními pravidly, zatímco specializovaní poskytovatelé mohou dodávat jednotlivé funkce.

Do analýzy nákladů a výnosů je nutné zahrnout i náklady na ukončení činnosti. Nejnižší nákupní cena se může během životního cyklu produktu prodražit, pokud jsou licence, úložiště, údržba nebo upgrady dostupné pouze za monopolních podmínek. Proto by celkové provozní náklady měly být vyhodnocovány za období nejméně deseti let. To zahrnuje nejen hardware a software, ale také energii, přenos dat, školení, aktualizace produktů, kybernetickou bezpečnost, náhradní díly, podporu a migraci. Dobrá koncepce musí tyto skryté náklady zviditelnit.

Příležitosti pro digitální ekonomiku Maroka

Projekt je v souladu s marockou národní strategií „Maroc IA 2030“, která klade umělou inteligenci za hnací sílu růstu a suverenity. Země si klade za cíl do roku 2030 dodatečný ekonomický přínos umělé inteligence ve výši 100 miliard dirhamů, vytvoření 50 000 přímých a nepřímých pracovních míst a proškolení nebo certifikaci 200 000 lidí v oblasti umělé inteligence. Tyto cíle jsou ambiciózní a nejsou automaticky dosažitelné. Infrastrukturní projekty, jako je systém ONCF, však mohou působit jako konkrétní hnací síly poptávky, pokud se systematicky zohlední tvorba místní hodnoty.

Největší lokální přínos nespočívá ve výrobě standardních kamer. Spočívá v systémové integraci, datovém inženýrství, adaptaci modelů, kybernetické bezpečnosti, údržbě a návrhu provozních procesů. Marocké univerzity, technologické společnosti a startupy by mohly pracovat na lokálně relevantních datových sadách, testovacích postupech a aplikacích. To by generovalo znalosti, které by později mohly být přeneseny do přístavů, letišť, průmyslových závodů, logistických center a městských dopravních systémů.

Předpokladem je proces zadávání veřejných zakázek, který neomezuje transfer technologií na nezávazné prohlášení o záměru. Smlouvy mohou zahrnovat školení, místní podpůrné kapacity, společný vývoj, dokumentační povinnosti a postupný přenos odborných znalostí. Stejně důležitý je přístup k anonymizovaným nebo kontrolovaným školicím a testovacím datům. Bez přístupu k datům jsou místní společnosti často omezeny na základní instalační a údržbářské služby, zatímco cennější softwarové a analytické kapacity zůstávají v zahraničí.

Maroko může tento projekt využít také jako referenční bod pro africký trh. Mnoho zemí čelí podobným výzvám: rostoucím městům, rostoucím požadavkům na dopravu, omezeným bezpečnostním zdrojům a heterogenní stávající infrastruktuře. Modulární, klimaticky odolné a nákladově efektivní řešení by mohlo vytvořit exportovatelné odborné znalosti. Projekt ONCF však musí přinést prokazatelné výsledky. Prestižní systém bez transparentních ukazatelů výkonnosti by byl jako referenční bod méně cenný než menší, měřitelně efektivní přístup.

Produktivita místo snižování počtu zaměstnanců

Dohled s využitím umělé inteligence je často spojován s úsporami v počtu bezpečnostních pracovníků. Toto očekávání je realistické jen částečně. Systém s 6 000 kamerami a četnými automatizovanými upozorněními stále vyžaduje, aby lidé vyhodnocovali události, spouštěli akce, udržovali technologie a monitorovali modely. Ekonomický přínos spočívá spíše ve zvýšení produktivity než v pouhém snížení počtu zaměstnanců.

Tradiční video dohled se špatně škáluje, protože lidé mohou pozorně sledovat pouze omezený počet snímků. Umělá inteligence dokáže předběžně třídit velké objemy záznamu a označovat nápadné situace. To přesouvá pozornost z nepřetržitého pozorování na kvalifikované hodnocení. To může zvýšit efektivitu stávajících týmů a omezit dodatečné potřeby personálního obsazení, které by vznikly v důsledku rozšiřování sítě a rostoucího počtu cestujících.

Zároveň se objevují nové pracovní profily. Poptávka je po analyticích řídicích center, specialistech na data a umělou inteligenci, odbornících na kybernetickou bezpečnost, systémových integrátorech a týmech technické údržby. Stávající zaměstnanci potřebují školení, aby pochopili omezení systémů. Zacházení s varováním umělé inteligence jako s objektivní pravdou může vést k rozhodnutím, která jsou stejně nebezpečná jako ta, která ignorují všechna varování. Lidský dohled proto znamená více než jen formální potvrzení. Vyžaduje kompetence, čas a jasnou rozhodovací pravomoc.

Organizace práce a technologie musí být navrženy společně. Zavádění nových aplikací bez úpravy procesů, modelů směn a odpovědností zvyšuje pracovní zátěž. Zejména během fáze implementace může paralelní provozování starších a nových systémů vytvářet dodatečnou práci. Analýza nákladů a přínosů by proto měla zohlednit náklady na přechod a křivky učení. Zvýšení produktivity se zřídka projeví v první den provozu; vzniká kalibrací, školením a organizační rutinou.

Financování a realita rozvahy

Investiční úsilí naráží na finanční strukturu, která je již silně závislá na infrastruktuře. Na konci roku 2024 vykázala společnost ONCF finanční dluh ve výši přibližně 36,5 miliardy dirhamů, z čehož zhruba 71 procent připadalo na infrastrukturu. Současně společnost v roce 2024 dosáhla EBITDA ve výši 1,949 miliardy dirhamů a kapacity samofinancování ve výši přibližně 501 milionů dirhamů. Čistá ztráta za rok činila zhruba 1,373 miliardy dirhamů, a to především v důsledku odpisů a nákladů na financování infrastruktury. Podle ONCF by byl výsledek bez kapitálových nákladů na infrastrukturu kladný.

Tato čísla ilustrují typický problém státních železničních systémů: Provoz sice může být ekonomicky efektivní, ale kapitálově náročná infrastruktura generuje vysokou účetní a finanční zátěž. Program v hodnotě 96 miliard dirhamů proto nelze financovat pouze ze současných přebytků. Vládní kapitálové injekce, půjčky od mezinárodních finančních institucí a dlouhodobé finanční struktury zůstávají klíčové.

To vyžaduje důkladné plánování životního cyklu monitorovacího systému. Počáteční pořízení hardwaru je pouze jednou složkou nákladů. Průběžné náklady na licence, úložiště, konektivitu, energii, údržbu a aktualizace mohou v průběhu let dosáhnout značné úrovně. Pokud jsou tyto provozní náklady během fáze plánování podhodnoceny, výsledkem bude digitální infrastruktura, jejíž funkčnost je omezená kvůli rozpočtovým omezením. To by bylo obzvláště problematické, protože bezpečnostní platformy vyžadují průběžnou údržbu a po dokončení nemohou zůstat z velké části nezměněny jako jednorázový stavební projekt.

Zároveň by projekt neměl být hodnocen pouze na základě přímých příjmů. Bezpečnostní investice generují své přínosy především prostřednictvím zamezení škod, stabilnějšího provozu a lepšího využití. Důkladná analýza nákladů a přínosů proto musí využívat scénáře: Kolik relevantních incidentů nastane, o kolik rychleji jsou detekovány, jakým nákladům v důsledku zpoždění nebo škod lze předejít a jak se mění náklady na pojištění, personál nebo údržbu? Bez takových předpokladů zůstává ekonomické hodnocení příliš abstraktní.

Od studie k robustní implementaci

Čtyřměsíční plánovací fáze by měla být zakončena jasným stanovením priorit. Ne všech 6 000 kamer a ne všechny funkce umělé inteligence je nutné implementovat současně. Postupný přístup snižuje technologická a finanční rizika. Zpočátku by měla být vybrána místa s vysokými bezpečnostními potřebami, dobrou dostupností dat a měřitelnými přínosy. Mezi tato místa by mohla patřit rušná vlaková nádraží, vybrané úseky vysokorychlostních tratí, depa a známé přístupové body.

Během pilotní fáze musí být modely testovány v reálných podmínkách. Zásadní jsou různá roční období, denní doba, povětrnostní podmínky a hustota cestujících. Následně by ONCF měla škálovat pouze ty aplikace, které splňují dohodnuté minimální výkonnostní standardy. Funkce s příliš velkým počtem falešných poplachů lze dále rozvíjet nebo zrušit. Tato disciplína zabraňuje časté chybě, kdy se pořizuje široká sada funkcí, jejíž praktický výkon nedosahuje slíbených prezentačních výsledků.

Nabídka by měla také zavést robustní strukturu pro data a řízení. To zahrnuje odpovědnost za kvalitu dat, vydávání nových modelů, bezpečnostní aktualizace, ochranu dat, analýzu incidentů a sledování výkonu. Každá funkce umělé inteligence potřebuje v rámci provozu vlastníka firmy. Čistá odpovědnost za IT je nedostatečná, protože důsledky rozhodnutí ovlivňují bezpečnost a řízení provozu.

Systém nakonec vyžaduje nezávislé akceptační testování. Výrobci by si neměli definovat a hodnotit svůj vlastní výkon. Sady testovacích dat, scénáře a klíčové ukazatele výkonnosti musí být řízeny ONCF nebo ověřeny nezávislými orgány. Je zásadní nezohledňovat pouze průměrné hodnoty. Systém může celkově fungovat dobře, ale selhat právě v kritických situacích, jako je silné protisvětlo nebo vysoká hustota davu. Akceptace a průběžné monitorování proto musí být založeny na riziku.

Marocká železniční síť: Proč je inteligentní systémová architektura důležitější než čistě kamerová technologie

Plánovaná strategie umělé inteligence a hypervize není ani pouhým projektem s kamerou, ani důkazem, že marocká železnice bude v budoucnu plně automatizována. Je to příprava na novou digitální vrstvu nad rostoucí železniční sítí. Její potenciál spočívá v kratších reakčních časech, lépe koordinovaných bezpečnostních procesech, větší provozní stabilitě a rozvoji přenositelných technologických znalostí.

Ekonomický úspěch závisí méně na počtu kamer než na kvalitě architektury. 6 000 zařízení a 1 800 jednotek s umělou inteligencí jsou dosažitelné cíle, ale nikoli metriky úspěchu. Klíčovými faktory jsou zamezení provozních narušení, krátké doby odezvy, zvládnutelná míra falešných poplachů, vysoká dostupnost systému a nízké náklady na životní cyklus. Stejně důležité jsou ochrana dat, kybernetická odolnost a možnost pozdější změny poskytovatele nebo modelu.

Z hlediska průmyslové politiky nabízí projekt příležitost k rozvoji marockých odborných znalostí v oblasti počítačového vidění, systémové integrace a kritické infrastruktury. Tato příležitost však bude realizována pouze tehdy, pokud se závaznými stanou otevřené standardy, přenos místních znalostí a měřitelná účast. V opačném případě Maroko zůstane kupcem dovážené platformy a ponese náklady spojené s technologickou závislostí v nadcházejících letech.

Důvod je tedy následující: ONCF má pravdu, když plánuje architekturu systému před rozsáhlým zadáváním veřejných zakázek a prozatím se vzdává rozpoznávání obličeje. Další krok však musí jít nad rámec technického plánu. Je zapotřebí ekonomický a organizační provozní model, který transparentně definuje přínosy, rizika, odpovědnosti a následné náklady. Pokud se to podaří, mohlo by se z malého výběrového řízení stát klíčový projekt pro bezpečnější, efektivnější a digitálně suverénní systém železniční dopravy. Pokud se to nepodaří, hrozí drahá síť kamer, která generuje velké množství dat, ale poskytuje příliš málo spolehlivých nástrojů pro rozhodování.

Rád/a bych sloužil/a jako váš osobní poradce.

Můžete mě kontaktovat na adrese wolfenstein∂xpert.digital nebo

Zavolejte mi na +49 7348 4088 965 .

LinkedIn