Flock Safety, оператор мережі камер розпізнавання номерних знаків (ALPR) у США, оголосила про звуження правил доступу до зібраних даних після хвилі критики за використання технології для масового стеження за громадянами. За даними MIT Tech Review, компанія переглядає умови, на яких поліцейські управління та інші установи можуть звертатися до її бази номерних знаків і супутніх метаданих.

Flock будує камерну мережу з AI-розпізнаванням номерних знаків, яку вже використовують тисячі поліцейських департаментів по всій країні — від невеликих містечок до великих метрополій. Модель компанії завжди трималася на одному аргументі: чим більше камер підключено до спільної мережі, тим ефективніше правоохоронці розшукують викрадені автомобілі та підозрюваних. Але саме ця централізація й стала точкою вразливості, коли журналісти й правозахисники почали документувати випадки використання даних поза межами початкового призначення.

Тепер компанія рухається в протилежному напрямку — обмежує, а не розширює доступ. Для індустрії, що звикла продавати «більше даних = кращий продукт», це нетиповий крок, і саме тому він цікавий не лише юристам з приватності, а й розробникам AI-систем, які працюють із чутливими персональними даними.

Що саме змінює Flock у своїх правилах?

За інформацією MIT Tech Review, Flock переглядає внутрішні політики доступу до даних у відповідь на зростаючу суспільну критику щодо стеження. Видання не розкриває вичерпного переліку нових обмежень, але сам факт перегляду підтверджує: тиск з боку регуляторів, журналістів і місцевих громад досяг рівня, коли компанія готова поступитися частиною комерційної гнучкості заради довіри.

Для компаній, що будують продукт на постійному розширенні бази даних і кількості інтеграцій, це рідкісний прецедент добровільного самообмеження — зазвичай такі зміни трапляються вже після судового позову чи законодавчої заборони, а не до них.

Чому виникла критика щодо стеження?

Мережі ALPR-камер на кшталт Flock фіксують не лише номерні знаки, а й час, локацію та маршрут руху авто — і ці записи можуть зберігатися й передаватися між установами. Коли доступ до такого масиву даних відкритий десяткам чи сотням різних відомств, контролювати мету кожного запиту стає практично неможливо. Саме ця відсутність прозорого аудиту, а не сам факт існування камер, і стала головним джерелом суспільного невдоволення, яке змусило Flock переглянути правила.

Що це означає для розробників AI-продуктів?

Кейс Flock — практичний урок для будь-якої команди, що будує AI-системи на основі персональних або локаційних даних, навіть якщо продукт формально призначений для «хорошої» мети — розшуку автомобілів, безпеки району, аналітики трафіку. Це особливо актуально для стартапів, які продають AI-рішення державним і муніципальним замовникам, де контракти часто передбачають доступ до чутливих реєстрів громадян.

Ймовірно, найближчим часом інші постачальники AI-рішень для правоохоронних і муніципальних клієнтів почнуть превентивно переглядати власні політики доступу, щоб не опинитися в центрі подібної хвилі критики.

Висновок AiiN

Кейс Flock показує зміну балансу сил у галузі AI-спостереження: ще кілька років тому основним драйвером продукту було розширення покриття мережі, тепер — здатність довести, що доступ до даних контрольований і обмежений. За нашою оцінкою, для B2G та enterprise AI-продуктів, які працюють із чутливими даними, обмеження доступу поступово стає таким самим конкурентним аргументом у продажах, як і точність моделі — клієнти-держустанови все частіше питають не «що вміє система», а «хто і як може нею скористатися».

Що таке ALPR-камери Flock?

ALPR (automatic license plate recognition) — це камери з AI-розпізнаванням номерних знаків, які автоматично фіксують і зберігають дані про авто, що проїжджають повз. Flock Safety — один з найбільших постачальників таких мереж для поліції та муніципалітетів у США.

Чи стосується це лише поліції?

Ні. Хоча основні клієнти Flock — правоохоронні органи, аналогічні питання доступу й аудиту актуальні для будь-якого AI-продукту, що обробляє локаційні, біометричні чи інші чутливі персональні дані незалежно від галузі.