“Hypervision” dengan arsitektur keamanan yang didukung AI, bukan hanya kamera: Apa yang ada di balik jaringan pengawasan baru Maroko?

Mengatasi pembatalan dan keterlambatan kereta: Inilah cara AI seharusnya menyelamatkan jaringan kereta api Maroko

Program senilai 96 miliar dirham (8,8 miliar euro): Maroko sedang membangun sistem operasi baru untuk jalur kereta apinya

Perusahaan kereta api milik negara Maroko, ONCF, sedang menghadapi transformasi bersejarah. Dengan mempertimbangkan Piala Dunia FIFA 2030 dan jumlah penumpang yang meningkat pesat, negara ini menginvestasikan 96 miliar dirham untuk memperluas jaringan kereta apinya dalam beberapa tahun mendatang. Namun, item yang tampaknya kecil dalam anggaran yang sangat besar ini terbukti menjadi inti sebenarnya dari masa depan digital kereta api: studi kelayakan yang menelan biaya sekitar satu juta dirham dimaksudkan untuk meletakkan dasar bagi arsitektur keselamatan berbasis AI di seluruh negeri.

Dengan 6.000 kamera yang direncanakan – hampir sepertiganya akan diotomatisasi menggunakan kecerdasan buatan – Maroko berencana untuk melakukan lompatan ke apa yang disebut "hipervisi." Ini melibatkan lebih dari sekadar pengawasan video tradisional. Ini tentang mencegah keterlambatan dengan cepat, melindungi infrastruktur penting dari serangan siber, menjaga privasi data dengan sengaja menghindari pengenalan wajah, dan pada akhirnya, menentukan apakah Maroko tetap berdaulat secara teknologi atau menjadi bergantung pada penyedia asing. Artikel berikut ini mengkaji mengapa keputusan arsitektur ini akan menentukan keberhasilan kebijakan ekonomi, operasional, dan industri kereta api Maroko di masa depan.

Jaringan kereta api Maroko bertransformasi menjadi platform keamanan cerdas: Dari proyek kamera hingga pengambilan keputusan sistem

Sekilas, arsitektur pengawasan berbasis AI yang direncanakan oleh perusahaan kereta api negara Maroko, ONCF, tampak sebagai proyek digital yang relatif kecil. Kontrak yang ditenderkan memiliki nilai 1,08 juta dirham dan dimaksudkan untuk mengembangkan strategi nasional pada tahun 2030. Dibandingkan dengan total program investasi ONCF sebesar 96 miliar dirham, jumlah ini hampir tidak signifikan. Namun, dari perspektif ekonomi, akan salah jika menyimpulkan bahwa proyek ini tidak penting. Tender tersebut tidak membiayai implementasi teknis secara lengkap, melainkan pekerjaan konseptual pendahuluan: arsitektur, standar, prioritas, logika integrasi, persyaratan investasi, dan peta jalan implementasi. Fase ini, khususnya, menentukan pemasok mana yang pada akhirnya akan mendapatkan kontrak, seberapa terbuka atau tertutup sistem tersebut, dan berapa biaya jangka panjangnya.

Oleh karena itu, inti dari proyek ini bukanlah pengadaan kamera tambahan. ONCF justru merencanakan transisi dari berbagai solusi pengawasan individual ke sistem keamanan berbasis data yang dikendalikan secara terpusat. Pada tahun 2030, sekitar 6.000 kamera akan dipasang di seluruh jaringan kereta api. Sekitar 30 persen, atau sekitar 1.800 unit, akan secara otomatis menganalisis gambar menggunakan kecerdasan buatan. Kamera yang tersisa akan tetap menjadi sensor konvensional tetapi akan diintegrasikan ke dalam platform yang sama. Kombinasi ini masuk akal secara ekonomi: tidak setiap lokasi membutuhkan daya komputasi yang mahal atau kemampuan analitis yang canggih. Kuncinya adalah memantau area-area yang sangat penting secara cerdas sekaligus mengkonsolidasikan semua sinyal yang relevan ke dalam gambaran menyeluruh.

Oleh karena itu, tender ini merupakan kontrak arsitektur dengan daya tawar yang cukup besar. Sistem yang dirancang dengan baik dapat meningkatkan keamanan, mengurangi waktu henti operasional, memungkinkan penempatan personel yang lebih tepat sasaran, dan memfasilitasi ekspansi di masa mendatang. Sebaliknya, desain yang buruk dapat menyebabkan ketergantungan teknologi, biaya integrasi yang tinggi, kelebihan alarm, dan tanggung jawab yang tidak jelas. Oleh karena itu, harga studi yang rendah tidak boleh disamakan dengan nilai keputusan. Dibandingkan dengan biaya perangkat keras, perangkat lunak, jaringan, penyimpanan, pemeliharaan, dan operasional selanjutnya, upaya perencanaan tergolong kecil. Namun, dampaknya terhadap biaya-biaya tersebut sangat signifikan.

Keamanan sebagai infrastruktur ekonomi

Keselamatan kereta api seringkali dipandang sebagai pusat biaya. Perspektif ini terlalu sempit, karena keselamatan dalam transportasi kereta api sekaligus merupakan prasyarat untuk kapasitas, keandalan, dan kepercayaan. Akses tanpa izin ke rel, benda yang ditinggalkan, kebakaran, kerumunan yang berbahaya, atau halangan di jalur berkecepatan tinggi dapat menyebabkan biaya konsekuensial yang signifikan. Ini termasuk pembatalan kereta, penundaan, evakuasi, pengalihan rute, kerusakan peralatan, penambahan staf, dan kerusakan reputasi. Dalam jaringan yang berkembang, tidak hanya volume lalu lintas dan peluang pendapatan yang meningkat, tetapi juga jumlah potensi gangguan dan konsekuensi ekonomi dari setiap insiden besar.

Manfaat ekonomi dari analitik video cerdas terutama berasal dari kecepatan. Kamera tidak secara otomatis mencegah suatu insiden, tetapi dapat mempersingkat waktu antara terjadinya, deteksi, penilaian, dan respons. Kerangka waktu ini sangat penting dalam transportasi kereta api karena gangguan lokal dapat dengan cepat memengaruhi jadwal, koneksi, dan bagian jalur kereta api selanjutnya. Deteksi dini seseorang di jalur kereta api atau identifikasi tepat waktu terhadap suatu rintangan memungkinkan intervensi terkontrol sebelum masalah keselamatan meningkat menjadi insiden operasional besar. Manfaatnya kemudian meluas melampaui sekadar mencegah kerusakan; manfaat tersebut juga mencakup pengurangan penundaan dan pemanfaatan kapasitas infrastruktur yang langka secara lebih stabil.

Selain itu, ada efek kepercayaan. Penumpang mengevaluasi sistem kereta api tidak hanya berdasarkan kecepatan dan harga, tetapi juga berdasarkan persepsi keamanan, keandalan, dan ketertiban. Hal ini terutama berlaku untuk stasiun kereta api utama, rute komuter yang ramai, dan acara internasional besar. Maroko sedang mempersiapkan jaringan transportasinya untuk beban yang jauh lebih tinggi, sebagian terkait dengan Piala Dunia FIFA 2030. Oleh karena itu, manajemen keamanan modern secara tidak langsung dapat memperkuat penerimaan layanan baru. Meskipun tidak secara otomatis meningkatkan permintaan, hal ini mengurangi hambatan utama dalam menggunakan transportasi umum.

Pada saat yang sama, manfaatnya harus dinilai secara realistis. Analisis video tidak menjamin keamanan. Ini menggeser fokus dari pengamatan reaktif ke pengenalan pola proaktif. Apakah ini menghasilkan nilai tambah ekonomi bergantung pada apakah alarm diprioritaskan secara andal, ditinjau oleh personel yang berkualifikasi, dan diterjemahkan ke dalam proses operasional yang efektif. Algoritma tanpa alur kerja operasional yang jelas menghasilkan data, tetapi belum tentu keamanan.

Pertumbuhan meningkatkan tekanan untuk bertindak

Proyek ini bertepatan dengan periode pertumbuhan yang kuat dalam transportasi kereta api Maroko. ONCF mengangkut sekitar 55,1 juta penumpang pada tahun 2024, dibandingkan dengan 38,5 juta pada tahun 2019. Ini menunjukkan peningkatan sekitar 43 persen dalam lima tahun, meskipun periode ini terdampak oleh pandemi dan konsekuensinya. Jumlah penumpang mencapai sekitar 55,6 juta pada tahun 2025. Meskipun pertumbuhan telah melambat dari tingkat yang tinggi, tren jangka panjang tetap jelas: kereta api semakin penting sebagai moda transportasi, dan perluasan yang direncanakan dimaksudkan untuk membuka skala yang lebih besar.

Perkembangan pendapatan juga menunjukkan peningkatan relevansi ekonomi. Pendapatan ONCF pada tahun 2024 adalah 4,82 miliar dirham, sekitar 11 persen lebih tinggi dari tahun sebelumnya. Angkutan penumpang menghasilkan 2,763 miliar dirham, delapan persen lebih banyak daripada tahun 2023. Pada tahun 2025, total pendapatan melampaui lima miliar dirham untuk pertama kalinya. Angka-angka ini menunjukkan bahwa kereta api bukan hanya proyek infrastruktur negara, tetapi penyedia layanan mobilitas dan logistik yang berkembang dengan tuntutan operasional yang meningkat.

Perkembangan ini sangat terlihat pada layanan kereta api berkecepatan tinggi. Pada tahun 2024, Al Boraq mengangkut sekitar 5,5 juta penumpang dan menghasilkan pendapatan sekitar 780 juta dirham. Pada tahun 2025, jumlah ini meningkat menjadi sekitar 5,6 juta penumpang, sementara pendapatan mencapai sekitar 848 juta dirham. Dengan demikian, meskipun Al Boraq hanya mengangkut sekitar sepersepuluh dari jumlah penumpang pada tahun 2024, kereta ini menghasilkan pendapatan penumpang yang jauh lebih besar, yaitu lebih dari seperempatnya. Hal ini menunjukkan pendapatan rata-rata per penumpang yang lebih tinggi dan pentingnya strategis layanan kereta api jarak jauh berkualitas tinggi.

Hal ini menghasilkan efek penskalaan yang jelas untuk arsitektur keamanan. Dengan meningkatnya lalu lintas, jumlah kontak, kepadatan stasiun, kompleksitas transfer, dan nilai operasi tanpa gangguan semuanya meningkat. Sistem pemantauan yang tampaknya memadai untuk jaringan saat ini dapat mencapai batas organisasi dan teknisnya hanya dalam beberapa tahun. Oleh karena itu, perencanaan hingga tahun 2030 tidak hanya harus mencerminkan kebutuhan saat ini tetapi juga memperhitungkan beban puncak, stasiun baru, tambahan armada kereta api, layanan regional, dan perluasan jalur kereta api kecepatan tinggi.

Program senilai 96 miliar dirham

Proyek AI hanya dapat dipahami dalam konteks siklus investasi yang lebih besar. ONCF berencana untuk menghabiskan total 96 miliar dirham hingga tahun 2030. Dari jumlah tersebut, 53 miliar dirham dialokasikan untuk infrastruktur dan peralatan jalur kereta api cepat sepanjang kurang lebih 430 kilometer dari Kenitra melalui Rabat dan Casablanca ke Marrakech. Sebanyak 29 miliar dirham lainnya dialokasikan untuk 168 kereta baru. Sisa 14 miliar dirham akan digunakan untuk modernisasi, stabilisasi, dan pengembangan lebih lanjut jaringan yang ada, serta persiapan untuk layanan transit cepat regional.

Skala proyek ini menggambarkan mengapa strategi keamanan harus didefinisikan sejak awal. Platform video dan hipervisi masa depan tidak boleh dipasang kemudian pada infrastruktur yang sudah ada. Platform tersebut harus diintegrasikan ke dalam perencanaan stasiun, jaringan komunikasi, pusat operasi, kendaraan, pasokan daya, proses pemeliharaan, dan keamanan siber. Semakin lambat antarmuka didefinisikan, semakin mahal biaya pemasangan kemudian. Dari perspektif siklus hidup, oleh karena itu masuk akal untuk merancang arsitektur keamanan digital secara paralel dengan pengembangan infrastruktur fisik.

Program secara keseluruhan juga mengubah peran ONCF. Dari operator kereta api nasional dengan jaringan yang relatif terkonsentrasi, ONCF semakin menjadi penyedia mobilitas terintegrasi untuk transportasi berkecepatan tinggi, jarak jauh, regional, dan metropolitan. Layanan yang lebih sering, mirip dengan RER, direncanakan untuk Casablanca, Rabat, dan Marrakech. Hal ini akan meningkatkan frekuensi layanan dan perputaran penumpang, sekaligus mengurangi waktu yang tersedia untuk pengambilan keputusan operasional. Sistem keamanan kemudian perlu memantau tidak hanya objek individual tetapi juga pola pergerakan di berbagai lokasi dan mengumpulkan informasi secara real time.

Ekspansi ini memiliki dimensi kebijakan industri. Program perkeretaapian besar menciptakan permintaan akan layanan konstruksi, teknologi persinyalan, sarana perkeretaapian, telekomunikasi, perangkat lunak, pemeliharaan, dan pelatihan. Strategi pemantauan dapat memengaruhi seberapa besar nilai tambah ini dihasilkan di Maroko. Jika antarmuka terbuka, keahlian integrasi lokal, dan standar yang dapat ditransfer diperlukan, perusahaan Maroko dapat terlibat dalam pengoperasian, adaptasi, dan pengembangan lebih lanjut dalam jangka panjang. Sebaliknya, jika solusi terpadu dan eksklusif dibeli, ada risiko bahwa sebagian besar penciptaan nilai digital akan tetap terikat secara permanen pada penyedia asing.

Hypervision sebagai sistem operasi baru

Istilah hipervisi menggambarkan integrasi berbagai sistem pemantauan dan alarm ke dalam satu platform terpadu. Secara praktis, ini berarti bahwa gambar kamera, peringatan AI, data kontrol akses, alarm kebakaran, peringatan teknis, dan berpotensi data operasional lainnya tidak lagi diproses dalam aplikasi terpisah. Sebaliknya, dibuatlah gambaran umum yang terpadu, memungkinkan peristiwa untuk dinilai, diprioritaskan, dan diteruskan ke pihak berwenang yang sesuai.

Keuntungan ekonomi terletak pada pengurangan gesekan organisasi. Dalam sistem yang terfragmentasi, personel harus mengkonsolidasikan informasi dari berbagai antarmuka. Tanggung jawab bisa menjadi tidak jelas, peringatan diproses dua kali, atau tidak diteruskan tepat waktu. Platform pusat dapat mengurangi hambatan media ini. Platform ini memungkinkan proses yang terstandarisasi, tingkat eskalasi yang seragam, dan dokumentasi yang dapat dilacak. Hal ini memungkinkan pusat kendali regional dan pusat keamanan nasional untuk bertindak secara terkoordinasi tanpa harus memusatkan setiap keputusan sepenuhnya.

Namun, sentralisasi membawa risiko baru. Sebuah platform yang menghubungkan banyak sistem menjadi simpul kritis tersendiri. Kegagalan teknis, serangan siber, atau kesalahan konfigurasi dapat memengaruhi sebagian besar jaringan secara bersamaan. Oleh karena itu, sistem tersebut membutuhkan redundansi, zona keamanan terpisah, prosedur operasi darurat, dan kemampuan respons lokal. Hypervision tidak boleh disamakan dengan ketergantungan terpusat sepenuhnya. Arsitektur yang kuat harus menggabungkan pengawasan terpusat dengan ketahanan terdesentralisasi.

Besarnya volume informasi juga menghadirkan tantangan. 6.000 kamera terus-menerus menghasilkan aliran data yang besar. Jika semua rekaman disimpan secara permanen dan dianalisis secara terpusat dalam resolusi tinggi, kebutuhan akan bandwidth, penyimpanan, dan daya komputasi akan meningkat secara signifikan. Arsitektur bertingkat biasanya lebih ekonomis. Analisis tertentu dapat dilakukan langsung di kamera atau di komputer lokal, sementara hanya peristiwa, metadata, atau urutan video yang relevan yang dikirimkan ke sistem pusat. Pemrosesan di tepi jaringan (edge ​​processing) ini mengurangi biaya transmisi dan dapat mempersingkat waktu respons. Namun, hal ini mempersulit pemeliharaan dan manajemen keamanan karena perangkat yang lebih cerdas perlu dioperasikan di lapangan.

Di mana kecerdasan buatan menciptakan manfaat

Aplikasi yang direncanakan berfokus pada situasi spesifik yang relevan secara operasional. Ini termasuk mendeteksi akses tanpa izin, memantau kerumunan, mengidentifikasi objek yang ditinggalkan, dan mengamati kereta api. Pada jalur berkecepatan tinggi, hewan, rintangan, atau objek di rel juga dapat dideteksi. Di stasiun kereta api, kepadatan, arah pergerakan, dan kemacetan dapat dianalisis. Dengan demikian, proyek ini beroperasi di bidang di mana visi komputer dapat menghasilkan manfaat yang terukur, asalkan model tersebut disesuaikan dengan kondisi lokal.

Deteksi intrusi sangat relevan karena jalur kereta api mencakup area luas yang sulit diamankan sepenuhnya. Sistem ini dapat memantau zona yang ditentukan dan melaporkan pergerakan yang tidak biasa pada waktu tertentu atau dalam kondisi tertentu. Keunggulannya dibandingkan deteksi gerakan sederhana adalah sistem modern dapat membedakan antara manusia, kendaraan, hewan, dan faktor lingkungan. Idealnya, ini mengurangi alarm palsu yang disebabkan oleh bayangan, hujan, vegetasi, atau perubahan cahaya.

Analisis kerumunan memiliki tujuan yang berbeda. Analisis ini kurang berfokus pada individu dan lebih pada kepadatan dan arus. Jika sejumlah besar orang berkumpul di sebuah peron atau muncul arus yang berlawanan, pusat kendali dapat bereaksi lebih awal, mengatur akses, mengerahkan staf, atau menyesuaikan informasi penumpang. Manfaatnya berkaitan dengan keselamatan dan operasional. Distribusi penumpang yang lebih baik dapat menstabilkan waktu tunggu dan mencegah situasi kritis di tepi peron.

Mendeteksi benda-benda yang ditinggalkan tanpa pengawasan terdengar sederhana, tetapi secara teknis cukup menantang. Stasiun kereta api adalah lingkungan yang dinamis dengan barang bawaan, peralatan kebersihan, pedagang, dan visibilitas yang berubah-ubah. Sistem yang dapat digunakan harus mampu membedakan apakah suatu benda benar-benar ditinggalkan tanpa pengawasan, berapa lama benda tersebut berada di sana, dan apakah benda tersebut menghalangi area yang relevan. Tanpa kalibrasi yang cermat, kemungkinan akan terjadi banyak kesalahan deteksi. Oleh karena itu, keberhasilan ekonomi tidak bergantung pada daftar fitur yang paling panjang, tetapi lebih pada beberapa aplikasi yang berfungsi andal dengan ambang batas yang jelas.

Di sini Anda akan mempelajari bagaimana perusahaan Anda dapat mengimplementasikan solusi AI yang disesuaikan dengan cepat, aman, dan tanpa hambatan masuk yang tinggi.

Platform AI terkelola adalah solusi lengkap dan bebas khawatir Anda untuk kecerdasan buatan. Alih-alih berurusan dengan teknologi yang kompleks, infrastruktur yang mahal, dan proses pengembangan yang panjang, Anda menerima solusi siap pakai yang disesuaikan dengan kebutuhan Anda dari mitra khusus – seringkali hanya dalam beberapa hari.

Keunggulan utama secara sekilas:

⚡ Implementasi cepat: Dari ide hingga aplikasi siap pakai dalam hitungan hari, bukan bulan. Kami menghadirkan solusi praktis yang menciptakan nilai tambah langsung.

🔒 Keamanan data maksimal: Data sensitif Anda tetap aman. Kami menjamin pemrosesan yang aman dan sesuai peraturan tanpa membagikan data dengan pihak ketiga.

💸 Tanpa risiko finansial: Anda hanya membayar untuk hasil. Investasi awal yang tinggi untuk perangkat keras, perangkat lunak, atau personel sepenuhnya dihilangkan.

🎯 Fokus pada bisnis inti Anda: Konsentrasikan pada apa yang Anda kuasai. Kami mengurus seluruh implementasi teknis, pengoperasian, dan pemeliharaan solusi AI Anda.

📈 Tahan masa depan & dapat diskalakan: AI Anda tumbuh bersama Anda. Kami memastikan optimasi dan skalabilitas berkelanjutan, serta secara fleksibel menyesuaikan model dengan kebutuhan baru.

Informasi selengkapnya di sini:

• Platform AI Terkelola

Harga yang diremehkan akibat alarm palsu

Metrik bisnis utama untuk sistem pemantauan AI bukanlah tingkat deteksi teoretisnya di laboratorium. Yang penting adalah rasio antara deteksi yang relevan, kejadian yang terlewatkan, dan alarm palsu dalam operasi dunia nyata. Sebuah sistem dapat sangat sensitif di atas kertas tetapi menawarkan sedikit manfaat jika terus-menerus melaporkan situasi yang tidak berbahaya. Setiap peringatan membutuhkan perhatian. Terlalu banyak alarm palsu menyebabkan kelelahan alarm: karyawan bereaksi lebih lambat, mengabaikan peringatan, atau mengembangkan solusi sementara yang tidak resmi.

Biaya akibat alarm palsu sangat beragam. Biaya tersebut meliputi hilangnya waktu kerja di pusat kendali, pengerahan pasukan keamanan yang tidak perlu, potensi gangguan operasional, dan penurunan kepercayaan terhadap teknologi. Sebaliknya, sistem yang disetel terlalu rendah dapat melewatkan bahaya yang sebenarnya. Oleh karena itu, optimasi bukanlah prosedur teknis sekali saja, melainkan proses operasional yang berkelanjutan. Ambang batas harus disesuaikan dengan lokasi, waktu, kondisi cuaca, dan jenis kejadian. Peron yang ramai pada hari libur menghadirkan tantangan yang berbeda dibandingkan dengan depo pada malam hari.

Untuk proses tender, ini berarti klaim kinerja harus diuji menggunakan skenario dunia nyata. Pemasok tidak hanya harus menunjukkan bahwa model mereka dapat mengenali objek, tetapi juga membuktikan seberapa andal model tersebut beroperasi di bawah kondisi pencahayaan, iklim, dan lalu lintas Maroko. Debu, panas, pencahayaan latar, sudut kamera yang bervariasi, dan kepadatan pejalan kaki yang tinggi semuanya memengaruhi kinerja. Oleh karena itu, proyek percontohan di beberapa lokasi tipikal lebih bernilai ekonomis daripada pemilihan yang hanya berdasarkan spesifikasi pabrikan.

Sistem indikator kinerja utama (KPI) yang menggabungkan metrik teknis dan operasional akan bermanfaat. Ini termasuk jumlah alarm yang relevan, waktu pengujian rata-rata, tingkat alarm palsu, insiden yang terdeteksi, menit waktu henti yang dihindari, dan ketersediaan sistem secara keseluruhan. Hanya kombinasi ini yang memungkinkan penentuan apakah investasi tersebut benar-benar produktif. Tingkat deteksi yang tinggi tanpa peningkatan waktu respons hanya akan menjadi keberhasilan teknis, tetapi belum menjadi keberhasilan ekonomi.

Perlindungan data sebagai masalah kepercayaan

Dokumen tender, sebagaimana adanya saat ini, tidak mencakup pengenalan wajah. Keterbatasan ini memiliki signifikansi strategis. Pengenalan wajah akan membuat proyek jauh lebih kompleks dari perspektif hukum, etika, dan teknis. Untuk aplikasi utama yang direncanakan, identitas individu tidaklah penting. Sistem harus mengenali bahwa seseorang berada di area terlarang atau bahwa kerumunan telah mencapai kepadatan kritis. Sistem tidak perlu mengetahui siapa orang tersebut.

Menghindari identifikasi biometrik dapat mendorong penerimaan dan mendukung prinsip minimalisasi data. Meskipun demikian, pengawasan video tradisional dan berbasis AI tetap merupakan pelanggaran privasi. Maroko memiliki kerangka hukum untuk perlindungan data pribadi dalam Undang-Undang 09-08; Komisi Perlindungan Data Nasional (CNDP) mengawasi implementasinya. Bagi ONCF, hal ini memerlukan tujuan yang jelas, periode penyimpanan yang diatur, akses yang terkontrol, dan akuntabilitas yang transparan.

Secara ekonomi, perlindungan data bukan sekadar biaya tambahan. Regulasi yang tidak jelas dapat menunda proyek, menimbulkan penolakan, dan memaksa modifikasi di kemudian hari. Mengintegrasikan perlindungan data dan keamanan informasi ke dalam arsitektur sejak awal mengurangi risiko kepatuhan dan reputasi jangka panjang. Ini termasuk memisahkan analitik langsung dari pengarsipan, menerapkan konsep penghapusan otomatis, mencatat akses, enkripsi, dan membatasi akses hanya kepada personel yang berwenang.

Pembatasan tujuan sangat penting. Sebuah platform yang awalnya dirancang untuk deteksi intrusi dan ancaman secara teknis dapat digunakan kemudian untuk analisis perilaku yang lebih luas. Perluasan penggunaan secara bertahap ini membawa risiko politik dan sosial. Oleh karena itu, fungsi baru tidak boleh dilegitimasi hanya berdasarkan kelayakan teknis. Setiap perluasan memerlukan penilaian manfaat-risiko yang terpisah, dasar hukum, dan persetujuan yang jelas. Dengan demikian, secara eksplisit menahan diri dari pengenalan wajah adalah titik awal yang masuk akal, tetapi hanya kredibel jika dijamin oleh pengamanan teknis dan organisasi.

Keamanan siber menjadi tugas inti

Dengan setiap kamera yang terhubung ke jaringan, permukaan serangan digital semakin luas. Kamera, komputer lokal, komponen jaringan, penyimpanan, antarmuka, dan platform pusat semuanya dapat mengandung kerentanan. Serangan dapat mencegat rekaman, menonaktifkan perangkat, menekan alarm, atau menghasilkan laporan palsu. Yang sangat penting adalah manipulasi yang tidak terdeteksi. Meskipun kegagalan sistem total biasanya terdeteksi dengan cepat, perubahan data atau model yang tidak terdeteksi dapat menyebabkan keputusan yang salah secara permanen.

Oleh karena itu, arsitektur keamanan harus melindungi kerahasiaan, ketersediaan, dan integritas secara setara. Tidak cukup hanya mengamankan data video dari akses yang tidak sah. ONCF juga harus memastikan bahwa kamera tersebut asli, versi perangkat lunak diverifikasi, model tidak diubah tanpa terdeteksi, dan alarm berasal dari sumber yang tepercaya. Segmentasi jaringan sangat penting dalam hal ini: Titik akhir yang disusupi tidak boleh dapat memberikan akses langsung ke sistem kontrol yang sangat penting.

Risiko lain terletak pada rantai pasokan. Sistem sebesar ini kemungkinan akan mencakup komponen dari berbagai produsen. Pembaruan, pemeliharaan jarak jauh, dan layanan cloud dapat menciptakan ketergantungan yang melampaui jangka waktu kontrak awal. Oleh karena itu, tender harus mensyaratkan pembaruan keamanan di seluruh siklus hidup, proses manajemen kerentanan yang transparan, kemampuan pemulihan bencana lokal, dan hak akses yang jelas. Kemampuan untuk mengganti komponen individual tanpa mengganti seluruh platform juga merupakan faktor kunci untuk keamanan dan efektivitas biaya.

Ketahanan siber menimbulkan biaya tambahan tetapi bukan merupakan tingkat kualitas opsional. Semakin banyak keputusan keamanan yang diotomatisasi dan disentralisasi, semakin besar potensi kerusakan akibat manipulasi digital. Oleh karena itu, proyek ini tidak boleh dianggap hanya sebagai pengadaan kamera dengan keamanan TI yang ditambahkan kemudian. Ini adalah sistem siber-fisik di mana keputusan digital dapat memengaruhi arus lalu lintas dunia nyata.

Arsitektur terbuka melawan ketergantungan pada vendor tertentu

Pertanyaan pengadaan yang paling penting secara strategis adalah apakah ONCF memilih platform modular terbuka atau sistem tertutup yang serba ada. Solusi eksklusif dapat diimplementasikan lebih cepat pada awalnya karena perangkat keras, perangkat lunak, dan dukungan berasal dari satu sumber. Namun, biaya peralihan yang tinggi dapat muncul dalam jangka panjang. Jika kamera, model analisis, penyimpanan, dan antarmuka pengguna terikat erat pada satu vendor, penggantian selanjutnya menjadi mahal dan berisiko.

Dengan jangka waktu hingga tahun 2030 dan masa operasional yang diharapkan jauh lebih lama, fleksibilitas teknologi sangat penting. Model AI berkembang pesat, sementara infrastruktur kereta api dan kamera sering digunakan selama sepuluh tahun atau lebih. Oleh karena itu, arsitektur harus memungkinkan pembaruan atau penggantian komponen analisis tanpa membangun kembali seluruh sistem. Antarmuka yang terstandarisasi, format data yang terdokumentasi, dan hak kepemilikan yang jelas atas konfigurasi dan data operasional sangat penting untuk hal ini.

Namun, keterbukaan bukan berarti menggabungkan sebanyak mungkin penyedia tanpa tanggung jawab pusat. Fragmentasi yang berlebihan meningkatkan risiko integrasi dan mempersulit pemecahan masalah. Arsitektur platform yang terdefinisi dengan jelas dengan standar yang mengikat tetapi modul yang kompetitif akan lebih ekonomis. ONCF harus mempertahankan kendali atas model data, antarmuka, dan aturan keamanan, sementara penyedia khusus dapat memberikan fungsi individual.

Biaya keluar juga harus dimasukkan dalam analisis biaya-manfaat. Harga pembelian terendah dapat menjadi mahal selama siklus hidup produk jika lisensi, penyimpanan, pemeliharaan, atau peningkatan hanya tersedia dalam kondisi monopoli. Oleh karena itu, total biaya operasional harus dievaluasi setidaknya selama sepuluh tahun. Ini termasuk tidak hanya perangkat keras dan perangkat lunak, tetapi juga energi, transfer data, pelatihan, pembaruan produk, keamanan siber, suku cadang, dukungan, dan migrasi. Konsep yang baik harus membuat biaya tersembunyi ini terlihat.

Peluang bagi ekonomi digital Maroko

Proyek ini sejalan dengan strategi nasional Maroko, "Maroc IA 2030," yang memposisikan kecerdasan buatan sebagai pendorong pertumbuhan dan kedaulatan. Negara ini menargetkan kontribusi ekonomi tambahan sebesar 100 miliar dirham dari AI pada tahun 2030, penciptaan 50.000 lapangan kerja langsung dan tidak langsung, serta pelatihan atau sertifikasi 200.000 orang dalam keterampilan AI. Tujuan-tujuan tersebut ambisius dan tidak secara otomatis dapat dicapai. Namun, proyek infrastruktur seperti sistem ONCF dapat bertindak sebagai pendorong permintaan yang nyata jika penciptaan nilai lokal dipertimbangkan secara sistematis.

Pengaruh lokal terbesar bukanlah pada produksi kamera standar. Pengaruh tersebut terletak pada integrasi sistem, rekayasa data, adaptasi model, keamanan siber, pemeliharaan, dan desain proses operasional. Universitas-universitas Maroko, perusahaan teknologi, dan perusahaan rintisan dapat mengerjakan kumpulan data, prosedur pengujian, dan aplikasi yang relevan secara lokal. Hal ini akan menghasilkan pengetahuan yang nantinya dapat ditransfer ke pelabuhan, bandara, pabrik industri, pusat logistik, dan sistem transportasi perkotaan.

Prasyaratnya adalah proses pengadaan yang tidak mereduksi transfer teknologi menjadi surat pernyataan niat yang tidak mengikat. Kontrak dapat mencakup pelatihan, kemampuan dukungan lokal, pengembangan bersama, kewajiban dokumentasi, dan transfer keahlian secara bertahap. Sama pentingnya adalah akses ke data pelatihan dan pengujian yang dianonimkan atau terkontrol. Tanpa akses data, perusahaan lokal seringkali terbatas pada layanan instalasi dan pemeliharaan dasar, sementara kemampuan perangkat lunak dan analitik yang lebih berharga tetap berada di luar negeri.

Maroko juga dapat menggunakan proyek ini sebagai tolok ukur untuk pasar Afrika. Banyak negara menghadapi tantangan serupa: kota-kota yang berkembang, peningkatan permintaan lalu lintas, sumber daya keamanan yang terbatas, dan infrastruktur yang ada yang heterogen. Solusi modular, tahan iklim, dan hemat biaya dapat menciptakan keahlian yang dapat diekspor. Namun, proyek ONCF harus memberikan hasil yang dapat dibuktikan. Sistem bergengsi tanpa indikator kinerja yang transparan akan kurang berharga sebagai tolok ukur dibandingkan pendekatan yang lebih kecil dan efektif secara terukur.

Produktivitas, bukan pengurangan staf

Pengawasan berbasis AI sering dikaitkan dengan penghematan biaya personel keamanan. Harapan ini hanya sebagian realistis. Sistem dengan 6.000 kamera dan banyak peringatan otomatis masih membutuhkan orang untuk menilai kejadian, memicu tindakan, memelihara teknologi, dan memantau model. Manfaat ekonomi lebih terletak pada peningkatan produktivitas daripada sekadar pengurangan staf.

Pengawasan video tradisional kurang efektif karena manusia hanya dapat memantau sejumlah gambar yang terbatas secara cermat. AI dapat menyortir sejumlah besar rekaman dan menandai situasi yang mencolok. Hal ini menggeser fokus dari pengamatan terus-menerus ke evaluasi yang berkualitas. Ini dapat meningkatkan efektivitas tim yang ada dan membatasi kebutuhan staf tambahan yang akan muncul akibat perluasan jaringan dan peningkatan jumlah penumpang.

Pada saat yang sama, profil pekerjaan baru bermunculan. Analis pusat kendali, spesialis data dan AI, profesional keamanan siber, integrator sistem, dan tim pemeliharaan teknis sangat dibutuhkan. Karyawan yang ada perlu pelatihan untuk memahami keterbatasan sistem. Menganggap peringatan AI sebagai kebenaran objektif dapat menyebabkan keputusan yang sama berbahayanya dengan mereka yang mengabaikan semua peringatan. Oleh karena itu, pengawasan manusia berarti lebih dari sekadar konfirmasi formal. Hal itu membutuhkan kompetensi, waktu, dan wewenang pengambilan keputusan yang jelas.

Pengorganisasian kerja dan teknologi harus dirancang bersama. Memperkenalkan aplikasi baru tanpa menyesuaikan proses, model shift, dan tanggung jawab akan meningkatkan beban kerja. Terutama selama fase implementasi, menjalankan sistem lama dan sistem baru secara paralel dapat menciptakan pekerjaan tambahan. Oleh karena itu, analisis biaya-manfaat harus mempertimbangkan biaya transisi dan kurva pembelajaran. Peningkatan produktivitas jarang terjadi pada hari pertama operasi; peningkatan tersebut muncul melalui kalibrasi, pelatihan, dan rutinitas organisasi.

Realita pembiayaan dan neraca keuangan

Upaya investasi tersebut menghadapi struktur keuangan yang sudah sangat bergantung pada infrastruktur. Pada akhir tahun 2024, ONCF melaporkan utang keuangan sekitar 36,5 miliar dirham, dengan sekitar 71 persen di antaranya disebabkan oleh infrastruktur. Bersamaan dengan itu, perusahaan menghasilkan EBITDA sebesar 1,949 miliar dirham pada tahun 2024 dan kapasitas pembiayaan sendiri sekitar 501 juta dirham. Kerugian bersih untuk tahun tersebut sekitar 1,373 miliar dirham, terutama karena depresiasi dan biaya pembiayaan infrastruktur. Menurut ONCF, hasilnya akan positif tanpa biaya modal infrastruktur.

Angka-angka ini menggambarkan masalah umum pada sistem kereta api milik negara: Meskipun operasinya mungkin efisien secara ekonomi, infrastruktur yang padat modal menimbulkan beban akuntansi dan keuangan yang tinggi. Oleh karena itu, program senilai 96 miliar dirham tidak dapat dibiayai hanya dari surplus saat ini. Suntikan modal pemerintah, pinjaman dari lembaga keuangan internasional, dan struktur pembiayaan jangka panjang tetap sangat penting.

Hal ini menuntut perencanaan siklus hidup yang ketat untuk sistem pemantauan. Pengadaan perangkat keras awal hanyalah salah satu komponen biaya. Biaya berkelanjutan untuk lisensi, penyimpanan, konektivitas, energi, pemeliharaan, dan pembaruan dapat mencapai tingkat yang substansial selama bertahun-tahun. Jika biaya operasional ini diremehkan selama fase perencanaan, hasilnya akan berupa infrastruktur digital yang fungsinya terbatas karena kendala anggaran. Ini akan menjadi masalah yang sangat besar karena platform keamanan membutuhkan pemeliharaan berkelanjutan dan tidak dapat tetap tidak berubah setelah selesai seperti proyek konstruksi sekali waktu.

Pada saat yang sama, proyek tersebut tidak boleh dievaluasi hanya berdasarkan pendapatan langsung. Investasi keamanan menghasilkan manfaat terutama melalui pencegahan kerusakan, operasi yang lebih stabil, dan peningkatan pemanfaatan. Oleh karena itu, analisis biaya-manfaat yang kuat harus menggunakan skenario: Berapa banyak insiden relevan yang terjadi, seberapa cepat insiden tersebut terdeteksi, biaya apa yang dapat dihindari akibat keterlambatan atau kerusakan, dan bagaimana biaya asuransi, personel, atau pemeliharaan berubah? Tanpa asumsi tersebut, evaluasi ekonomi tetap terlalu abstrak.

Dari studi hingga implementasi yang kuat

Fase perencanaan selama empat bulan harus diakhiri dengan prioritas yang jelas. Tidak semua 6.000 kamera dan tidak semua fungsi AI perlu diimplementasikan secara bersamaan. Pendekatan bertahap mengurangi risiko teknologi dan finansial. Awalnya, lokasi harus dipilih di tempat-tempat yang kebutuhan keamanannya tinggi, ketersediaan datanya baik, dan manfaatnya terukur. Ini dapat mencakup stasiun kereta api yang ramai, bagian jalur kereta api berkecepatan tinggi tertentu, depo, dan titik akses yang dikenal.

Selama fase uji coba, model harus diuji dalam kondisi dunia nyata. Musim yang berbeda, waktu dalam sehari, kondisi cuaca, dan kepadatan penumpang sangat penting. Setelah itu, ONCF hanya boleh meningkatkan skala aplikasi yang memenuhi standar kinerja minimum yang telah disepakati. Fitur dengan terlalu banyak alarm palsu dapat dikembangkan lebih lanjut atau dibuang. Disiplin ini mencegah kesalahan umum dalam membeli serangkaian fitur yang luas tetapi kinerja praktisnya jauh dari yang dijanjikan.

Tender tersebut juga harus menetapkan struktur data dan tata kelola yang kuat. Ini mencakup tanggung jawab atas kualitas data, peluncuran model baru, pembaruan keamanan, perlindungan data, analisis insiden, dan pemantauan kinerja. Setiap fungsi AI membutuhkan pemilik bisnis dalam operasionalnya. Tanggung jawab TI semata tidak cukup karena konsekuensi dari keputusan tersebut berdampak pada keselamatan dan manajemen lalu lintas.

Terakhir, sistem ini memerlukan pengujian penerimaan independen. Produsen tidak boleh menentukan dan mengevaluasi kinerja mereka sendiri. Kumpulan data uji, skenario, dan indikator kinerja utama harus dikendalikan oleh ONCF atau diverifikasi oleh badan independen. Sangat penting untuk tidak hanya mempertimbangkan nilai rata-rata. Suatu sistem dapat berkinerja baik secara keseluruhan tetapi gagal tepat pada situasi kritis, seperti pencahayaan latar yang kuat atau kepadatan kerumunan yang tinggi. Oleh karena itu, penerimaan dan pemantauan berkelanjutan harus berbasis risiko.

Jaringan kereta api Maroko: Mengapa arsitektur sistem yang cerdas lebih penting daripada teknologi kamera semata

Strategi AI dan hipervisi yang direncanakan bukanlah sekadar proyek kamera atau bukti bahwa perkeretaapian Maroko akan sepenuhnya otomatis di masa depan. Ini adalah persiapan untuk lapisan digital baru di atas jaringan kereta api yang terus berkembang. Potensinya terletak pada waktu respons yang lebih cepat, proses keselamatan yang lebih terkoordinasi, stabilitas operasional yang lebih besar, dan pengembangan keahlian teknologi yang dapat ditransfer.

Keberhasilan ekonomi lebih bergantung pada kualitas arsitektur daripada jumlah kamera. 6.000 perangkat dan 1.800 unit yang didukung AI adalah target yang dapat dicapai, tetapi bukan metrik keberhasilan. Faktor-faktor penting meliputi: menghindari gangguan operasional, waktu respons yang singkat, tingkat alarm palsu yang terkendali, ketersediaan sistem yang tinggi, dan biaya siklus hidup yang rendah. Sama pentingnya adalah perlindungan data, ketahanan siber, dan kemampuan untuk beralih penyedia atau model di kemudian hari.

Dari perspektif kebijakan industri, proyek ini menawarkan peluang untuk membangun keahlian Maroko di bidang visi komputer, integrasi sistem, dan infrastruktur kritis. Namun, peluang ini hanya akan terwujud jika standar terbuka, transfer pengetahuan lokal, dan partisipasi yang terukur menjadi hal yang wajib. Jika tidak, Maroko akan tetap menjadi pembeli platform impor dan menanggung biaya ketergantungan teknologi selama bertahun-tahun mendatang.

Oleh karena itu, alasannya adalah: ONCF tepat merencanakan arsitektur sistem sebelum pengadaan skala besar dan menunda penggunaan pengenalan wajah untuk sementara waktu. Namun, langkah selanjutnya harus melampaui cetak biru teknis. Yang dibutuhkan adalah model operasional ekonomi dan organisasi yang membuat manfaat, risiko, tanggung jawab, dan biaya tindak lanjut menjadi transparan. Jika ini berhasil, tender kecil ini dapat menjadi proyek kunci untuk sistem transportasi kereta api yang lebih aman, efisien, dan berdaulat secara digital. Jika gagal, ada risiko jaringan kamera yang mahal yang menghasilkan sejumlah besar data tetapi menyediakan terlalu sedikit alat pengambilan keputusan yang andal.

Saya akan dengan senang hati menjadi penasihat pribadi Anda.

Anda dapat menghubungi saya di wolfenstein∂xpert.digital atau

Hubungi saya di +49 7348 4088 965 .

LinkedIn