A Conntour levanta US$ 7 milhões da General Catalyst e da YC para uma solução de busca em vídeos de segurança baseada em IA

O setor de tecnologia de vigilância está atualmente sob escrutínio, embora não pelas razões mais favoráveis. Controvérsias surgiram depois que a Agência de Imigração e Alfândega dos EUA (ICE) teria acessado a rede de câmeras da Flock para fins de vigilância, e a fabricante de câmeras domésticas Ring enfrentou críticas por desenvolver recursos que permitem às autoridades policiais solicitar imagens da vizinhança aos proprietários. Esses acontecimentos geraram um amplo debate sobre segurança, privacidade e a ética do monitoramento.

No entanto, a controvérsia não diminui a demanda do mercado. Os avanços contínuos em modelos de visão-linguagem estão impulsionando o crescimento de empresas que ajudam outras empresas a supervisionar suas instalações de forma mais eficaz.

Matan Goldner, cofundador e CEO da startup de vigilância por vídeo Conntour, reconhece que as considerações éticas são sérias o suficiente para que sua empresa seja altamente seletiva em relação aos seus clientes. Embora isso possa parecer contraintuitivo para uma startup com apenas dois anos de existência, Goldner afirma que a Conntour pode se dar ao luxo de ser seletiva porque já conta com várias grandes entidades governamentais e de capital aberto entre seus clientes, incluindo o Departamento Central de Narcóticos de Cingapura.

“O fato de termos clientes tão grandes nos permite selecioná-los e manter o controle. Nós realmente controlamos quem está usando o sistema, qual é o caso de uso, e podemos selecionar o que consideramos moral e, é claro, legal. Usamos todo o nosso discernimento e tomamos decisões com base em clientes específicos com os quais nos sentimos à vontade para trabalhar, pois sabemos como eles vão usar o produto”, disse Goldner ao TechCrunch em uma entrevista exclusiva.

Essa tração fez mais do que apenas permitir que a Conntour fosse seletiva. Os investidores perceberam: a startup recentemente levantou uma rodada de investimentos iniciais de US$ 7 milhões da General Catalyst, Y Combinator, SV Angel e Liquid 2 Ventures.

Goldner disse que a rodada foi fechada em 72 horas. “Acho que agendei cerca de 90 reuniões em uns oito dias, e logo após três dias — começamos na segunda-feira e, na tarde de quarta-feira, já tínhamos concluído”, disse ele.

A exigência da Conntour pode muito bem ser justificada, especialmente considerando o poder das ferramentas modernas de IA nesse campo. A plataforma de vídeo da empresa usa modelos de IA para permitir que o pessoal de segurança consulte as imagens das câmeras em linguagem natural, localizando qualquer objeto, pessoa ou situação em tempo real — essencialmente um mecanismo de busca semelhante ao do Google, adaptado para vídeos de segurança. Ela também pode monitorar ameaças de forma autônoma com base em regras predefinidas e gerar alertas automáticos.

Ao contrário dos sistemas legados que dependem de definições ou parâmetros rígidos para detectar objetos, padrões de movimento ou comportamentos específicos, a Conntour afirma que seu sistema utiliza modelos de linguagem natural e de visão computacional, oferecendo alta flexibilidade e usabilidade. Um usuário pode perguntar: “Encontre instâncias de alguém de tênis passando uma bolsa no saguão”, e o sistema da Conntour rapidamente analisa todas as imagens gravadas ou transmissões ao vivo para retornar resultados relevantes.

Uma captura de tela da plataforma da Conntour em ação. Créditos da imagem: Conntour

Como a plataforma integra modelos de IA, os usuários podem simplesmente fazer perguntas sobre as imagens e receber respostas em texto, acompanhadas dos clipes de vídeo relevantes, bem como gerar relatórios de incidentes.

O principal diferencial da empresa, no entanto, é sua escalabilidade. Goldner explicou que a plataforma difere de outros serviços de busca de vídeo com IA porque foi projetada para se escalar com eficiência para sistemas com milhares de feeds de câmera. Na verdade, disse ele, o sistema da Conntour pode monitorar até 50 feeds de câmera em uma única GPU de consumo, como a RTX 4090 da Nvidia.

A empresa consegue isso empregando múltiplos modelos e sistemas lógicos, determinando então qual combinação requer o mínimo de poder de computação para produzir os melhores resultados para cada consulta do usuário.

A Conntour afirma que seu sistema pode ser implantado inteiramente no local, totalmente na nuvem ou em uma combinação de ambos. Ele pode se integrar à maioria dos sistemas de segurança existentes ou funcionar como uma plataforma de vigilância completa e independente.

Ainda assim, o setor de vigilância por vídeo enfrenta há muito tempo um desafio persistente: a qualidade da vigilância depende da qualidade das imagens capturadas. É difícil discernir detalhes em um estacionamento mal iluminado gravado por uma câmera de baixa resolução com lente suja, por exemplo.

Goldner afirma que a Conntour se protege contra isso fornecendo uma pontuação de confiança junto com seus resultados de pesquisa. Se a imagem da câmera de origem não tiver qualidade suficiente, o sistema retorna resultados com baixos níveis de confiança.

Olhando para o futuro, Goldner afirma que o maior desafio técnico é trazer toda a capacidade dos grandes modelos de linguagem para o sistema, mantendo a eficiência.

“Temos duas coisas que queremos fazer ao mesmo tempo, e elas se contradizem. Por um lado, queremos oferecer total flexibilidade de linguagem natural, no estilo LLM, para que você possa perguntar qualquer coisa. Por outro lado, há a eficiência — queremos que ele use muito poucos recursos, porque processar milhares de feeds é simplesmente insano. Essa contradição é a maior barreira técnica e o maior problema em nossa área, e é o que estamos trabalhando muito para resolver.”