Nang Magsimula ang AI na Sagutin ang 119: Ang Paglilipat ng Teknolohiya sa Likod ng mga Tawag para sa Saklolo

Alas-dos y medya ng umaga nang pumasok ang isang tawag sa dispatch center. Mabilis magsalita ang tumatawag habang may iba namang sumisigaw sa background; habang pinapakalma ng dispatcher ang caller, sinusubukan din nitong alamin ang address. Pagdating ng ika-apatnapung segundo ng tawag, lumitaw ang isang linya ng paalala sa screen ng dispatcher: Posibleng huminto ang pagtibok ng puso, iminumungkahing gabayan kaagad ang pagsasagawa ng CPR.

Hindi ang dispatcher ang gumawa sa desisyong ito, kundi isang modelong nakikinig sa parehong tawag.

Ilang taon nang gumagana ang mga ganitong sistema sa ilang dispatch center sa Estados Unidos at Denmark. Ipinapakita nito nang sabay ang pinaka-kapanipaniwalang mukha ng pagpasok ng AI sa mga pampublikong serbisyo, pati na rin ang mukhang pinakakailangang bantayan.

Konteksto ng Kaganapan

Magkatulad ang kinakaharap na problema ng mga emergency dispatch center sa buong mundo: kulang sa tauhan, mataas ang turnover rate, mahaba ang panahon ng pagsasanay, at bawat tawag ay hindi dapat magka-mali. Nagkaroon ng matinding kakulangan ng tao sa mga dispatch center sa iba't ibang county sa US nitong mga nakaraang taon, kaya humaba ang oras ng paghintay sa tawag—sa mga sitwasyong gaya ng pag-arrest ng puso na ang survival rate ay binibilang sa minuto, ang oras ng paghintay ay katumbas ng buhay.

Kaya naman ang larangang ito na dating napaka-konserbatibo ay naging isang larangan kung saan napaka-aktibo ng pagpasok ng AI. Humigit-kumulang sa apat na uri nahahati ang ruta ng teknolohiya.

Ang unang uri ay ang real-time na pagbasa habang nasa tawag. Sinusuri ng machine learning platform ng Corti ang mga tumatakbong tawag, kinikilala ang mga kritikal na sitwasyon tulad ng paghinto ng pagtibok ng puso, at nagbibigay-babala sa dispatcher. Ang Seattle Fire Department ay isa sa mga mas maagang nagpatupad nito.

Ang pangalawang uri ay ang pag-uri (triage) ng mga tawag na hindi pang-emergency. Ang malaking bahagi ng mga tawag na natatanggap ng dispatch center ay sa katunayan ay hindi nangangailangan ng agarang pagpapadala ng tulong—mga reklamo sa ingay, ilegal na pagparada, pag-uousap sa proseso. Ang Aurelian ay dalubhasa sa pag-automate sa bahaging ito, kaya ang mga totoong emergency na tawag ay hindi na kailangang pumila. Ang startup na ito na taga-Seattle ay nakakumpleto ng $14 milyong Series A funding noong Agosto 2025.

Ang pangatlong uri ay ang muling pagsusulat ng buong platform ng pagtanggap at pag-dispatch. Ipinagmamalaki ng Carbyne ang Next-Generation 911 (NG911), habang pinagsasama naman ng Mark43 ang dispatch, mga rekord, mobile end, at analytics sa iisang cloud system, kasama pa ang ReportAI na kusang gumagawa ng draft ng mga ulat at BriefAI na nag-aayos ng mga briefing sa trabaho. Ayon sa opisyal, naipatupad na ito sa mahigit 300 ahensya.

Ang pang-apat na uri ay ang pag-integrate ng mga datos sa pagitan ng mga sistema. Ito ang pinaka-hindi kapansin-pansin ngunit pinakamahalaga: ang ginagawa ng Peregrine ay pagdurugtong-dugtong sa mahigit sampung luma at hindi magkakomunikasyong sistema ng pulisya at bumbero, nililinis at inaayos ang mga ito, upang makita ng mga duty officer ang kumpletong konteksto sa isang lugar lamang. Kamakailan ay natapos nito ang $250 milyong Series D funding.

Kapansin-pansin ang bilis ng integrasyon sa industriya. Binili ng Axon ang Prepared na gumagawa rin ng 911 AI noong 2025, at binili ang Carbyne sa valuation na $625 milyon—ang larangang ito ay lumilipat mula sa magulong kompetisyon ng mga startup patungo sa oligopolyo.

Mga Pangunahing Punto ng Pagkakataong Ito

• Ang papel ng AI ay pantulong, hindi desisyon: Ang disenyo ng lahat ng kasalukuyang sistema ay "magbigay-babala sa dispatcher," at ang huling desisyon ay nananatili pa rin sa tao. Ang linyang ito ay kailangang panatilihin sa mga high-risk na larangan.
• Ang natitipid ay pangunahing oras sa dokumentasyon: Ang pinakamaraming reklamo ng mga tauhan ng pulisya at bumbero ay ang paggawa pa ng ulat bago umuwi. Ang mga feature tulad ng ReportAI at BriefAI ay direktang tumatama sa sakit na ito, sa halip na palitan ang pagpapasya sa unang linya.
• Mas mahirap ang integration ng datos kaysa sa mga modelo: Gumagamit ang Peregrine ng paraan ng pagpapadala ng mga inhinyero sa mismong site ng kliyente para sa pag-deploy, dahil ang mga format ng datos sa pampublikong sektor ay napakagulo para maproseso nang malayo. Walangshortcut dito.
• Totoo rin ang mga kontrobersya: Ang ShotSpotter na pagtukoy ng putok ng baril sa ilalim ng SoundThinking ay matagal nang pinagdududahan sa mataas na false alarm rate at cost-effectiveness; tinapos o binawasan ng mga lungsod tulad ng Chicago ang kanilang mga kontrata. Kapag sinimulan nang idepersonal ng mga algoritmo kung saan pupunta ang mga pulis, kinakailangan ang debate sa lipunan.

Pagsusuri sa Epekto sa Merkado

Para sa mga gumagamit sa Taiwan: Limitado ang mararamdaman sa maikling panahon. Ang mga sistema ng 119 at 110 sa Taiwan ay iba ang arkitektura sa US, at wala ring ganitong uri ng detalye ng NG911. Ang tunay na posibleng maunang lumitaw ay ang "pag-uri ng mga kasong hindi pang-emergency" — ang awtomasyon ng mga serbisyong tulad ng citizen hotline 1999. Mas mababa ang technical threshold nito kaysa sa emergency dispatch, at mas mababa rin ang panganib.

Para sa mga aplikasyon sa negosyo: Kapansin-pansin ang spillover effect ng alon na ito ng teknolohiya. Totoo ang pangangailangan para sa kaligtasan sa mga pasilidad sa emergency room ng ospital, mga malalaking pasilidad, at mga pasukan sa campus. Ang walk-through weapon detection na tulad ng kay Athena Security, pati na ang pagkilala sa plaka at insidente ng Rekor, ay lumalawak patungo sa mga larangang medikal at pangkalakalan. Hindi biro ang mga insidente ng karahasan sa mga ospital sa Taiwan, kaya may tunay na pangangailangan dito.

Para sa mga developer: Ang totoong pagkakataon ay nasa layer ng integrasyon sa halip na sa layer ng modelo. Ang antas ng pagkapira-piraso ng mga sistema sa pampublikong sektor sa Taiwan ay hindi natatalo sa US; kung sino ang makakapagdugtong ng mga umiiral na datos, makakapag-align sa kahulugan (semantics), at makakapagbigay ng madaling hanaping interface, siya ang magkakaroon ng halaga. Mataas ang threshold, at mataas din ang retention o "stickiness."

Mga Trend sa Hinaharap na Pag-unlad

Inaasahan ko na sa susunod na dalawa hanggang tatlong taon, dadaan ito sa tatlong direksyon.

Una ay mula sa pagbibigay-babala patungo sa mga draft. Hindi lamang nagbibigay-paalala ang AI na "maaari itong maging pag-arrest ng puso," kundi direktang isinusulat ang buong draft ng rekord ng kaso, at ang tao na lamang ang magkukumpirma. Ang antas ng pagtanggap sa automation ng dokumentasyon ay mas mataas kaysa sa automation ng desisyon, kaya ito muna ang mangunguna.

Pangalawa, aabot ang regulasyon. Inilagay na ng batas sa AI ng European Union ang paggamit sa pagpapatupad ng batas bilang mataas na panganib, at sunud-sunod ding nagpapatas ng batas ang iba't ibang estado sa US para magtakda ng mga limitasyon sa panahon ng pag-iimbak ng data ng pagkilala sa plaka (license plate recognition). Malapit nang matapos ang yugto kung saan nauuna ang teknolohiya at nahuhuli ang mga alituntunin.

Pangatlo, magpapatuloy ang integrasyon at pagsasanib (M&A). Ang sunud-sunod na pagbili ng Axon sa Prepared at Carbyne ay simula lamang. Mas gusto ng pagbili sa pampublikong sektor ang iisang solong bintana, at ang istrukturang ito ang pipilit sa mga supplier na magsama-sama tungo sa mga malalaking platform.

Konklusyon at Puna mula sa TheAI學院

Sa proseso ng pagsulat ng paksang ito, ang pinaka-nakapukaw sa aking pansin ay hindi kung gaano kalupit ang teknolohiya, kundi ang mga numerong nagpapakita ng benepisyo ng mga sistemang ito ay halos lahat galing mismo sa mga tagagawa (vendors). Ang mga pahayag tulad ng "nabawasan ang oras ng pagtugon ng dalawang digit na porsyento" o "bumaba ng 45% ang malalaking krimen" ay dapat magkaroon ng independiyenteng beripikasyon sa antas ng pampublikong patakaran, ngunit sa ngayon ay karamihan ay wala. Ganito sumibol ang kontrobersya sa ShotSpotter: hindi sa walang silbi ang teknolohiya, kundi ang inaangking benepisyo ay hindi kayang suportahan ang inilaang gastos at kapalit sa lipunan.

Puna: Ang tunay na dapat itanong sa pagpasok ng AI sa pampublikong kaligtasan ay hindi kung "tumpak ba ito," kundi "sino ang magbeberipika, gaano katagal ilalagay ang datos, sino ang maaaring maghanap, at may naiwan bang rekord pagkatapos maghanap" — may solusyon ang mga teknikal na problema, ngunit walang karaniwang sagot ang mga problema sa pamamahala (governance).

Mga konkretong mungkahi para sa mga mambabasa sa Taiwan: Kung ikaw ay nasa pampublikong sektor o sa kaugnay na supply chain, ang pinaka-nararapat na pagtuunan ng puhunan ngayon ay hindi ang pagmamadaling mag-aplay ng modelo, kundi ang pag-aayos nang malinis sa mga datos na hawak mo — kahulugan ng mga column, pagtutugma ng mga code, patakaran sa pag-iimbak. Malinaw ang karanasan sa US: ang mga ahensyang hindi naayos ang ilalim ng datos ay halos lahat nauwi sa kawalan ng direksyon ang mga proyektong AI. Kung ikaw ay isang ordinaryong mamamayan, ang nararapat mong abangan ay ang mga kasunod na patakaran sa privacy ng indibidwal: kapag lumaganap na ang pagkilala sa plaka at pagsusuri ng imahe, direktang makakaapekto sa ating araw-araw ang "gaano katagal iimbak ang datos at sino ang may karapatang maghanap," at ito ang yugto kung saan dapat magsalita bago pa mabuo ang sistema. Para sa higit pang impormasyon tungkol sa mga kaugnay na tool, maaari mong tingnan ang Kategorya ng AI Public Safety and Response sa site.

Mga Pinagmumulan ng Datos

• Opisyal na Website ng Mark43 (Linyang produkto, bilang ng mga ahensyang nagpatupad)
• Opisyal na Website ng Peregrine (Posisyon sa platform, paraan ng pag-deploy)
• Opisyal na Website ng SoundThinking (Paliwanag sa mga produkto tulad ng ShotSpotter)

Inayos ayon sa pampublikong impormasyon at nakasalalay sa opisyal. Ang mga numerong naglalahad ng bisa na inihayag ng mga tagagawa sa teksto ay hindi dumaan sa independiyenteng ikatlong partido para ma-verify; mangyaring tandaan ito kapag sumisipi.