Около 90 тысяч камер Flock уже работают в США, и для многих городов это произошло почти без публичной дискуссии. Проблема не в самой камере на столбе, а в том, что камеры Flock превращают разрозненные снимки машин в общую карту передвижений, которую можно искать по номеру, цвету, модели и даже наклейкам на бампере.
Об этом пишет ZDNet в материале от 21 июля 2026 года. Издание описывает ситуацию на примере небольших городов в штате Нью-Йорк: журналистка обнаружила, что такие системы уже стоят не только в крупных агломерациях, но и в населенных пунктах с населением около 11 тысяч человек. Для русскоязычной IT-аудитории здесь важен не американский локальный сюжет сам по себе, а знакомый технологический паттерн: AI-наблюдение приходит не как громкий федеральный проект, а как тихая SaaS-интеграция для муниципалитетов, школ, бизнеса и жилых сообществ.
Flock Safety говорит, что у нее более 12 тысяч клиентов. Публичные оценки, на которые ссылается ZDNet, указывают примерно на 90 тысяч брендированных камер Flock по стране. Причем речь не только о полиции. Системы могут ставить бизнесы, учебные заведения и ассоциации домовладельцев. Отдельный нюанс в том, что сеть Flock не ограничивается собственным железом. Ее ПО может интегрироваться с камерами партнеров, включая Motorola, через платформы вроде CommandCentral Aware и API. На практике это означает простую вещь: чем больше разных камер подключено к общей панели поиска, тем меньше значения имеет, кто именно купил устройство и где оно висит.
Сами Falcon-камеры, о которых идет речь в статье, не измеряют скорость. Они делают примерно от шести до двенадцати статичных снимков при каждом проезде автомобиля, после чего система автоматического распознавания номеров и машинного обучения извлекает признаки. Среди них номерной знак, марка, модель, цвет, тип кузова, направление движения, видимые повреждения, нештатные диски, стикеры и другие отличительные детали. Сооснователь и CISO компании TrustNet Тревор Хорвиц пояснил ZDNet, что такие признаки становятся поисковыми полями: следователям не обязательно знать номер целиком, достаточно части номера или набора характеристик автомобиля. Для разработчиков это почти учебный пример того, как компьютерное зрение расширяет запрос из точного совпадения в вероятностный поиск по признакам.
Ключевой риск начинается там, где одиночное событие превращается в историю перемещений. Кэтрин Крамп, профессор технологического права и директор Samuelson Law, Technology, and Public Policy Clinic в UC Berkeley, объясняет разницу предельно ясно: один факт фиксации машины в конкретной точке и в конкретное время еще не меняет правила игры, но сеть камер уже создает подробную хронику маршрутов. Если автомобиль попал в кадр возле магазина, затем у школы, а потом на дороге домой, система может восстановить цепочку без слежки в реальном времени. Отсюда следует вывод, неприятный не только для правозащитников: данные о поездках быстро превращаются в данные о месте работы, месте жительства, религиозных практиках, круге общения и повседневных привычках. И все это собирается без отдельного осознанного согласия большинства людей, которые просто едут по обычной дороге.
При этом Flock продает не один тип устройств. Компания утверждает, что Falcon не отслеживает людей и не использует распознавание лиц. Но у нее есть камера Condor с поворотом, наклоном и зумом, которая умеет обнаруживать и сопровождать человека. В статье упоминается режим Guardian Mode: он может быть настроен на детекцию людей, отслеживание их перемещений, приближение и запись видео в высоком разрешении. Это важная развилка для рынка. Пока в публичной коммуникации поставщики любят разделять «безобидное» распознавание машин и более чувствительное наблюдение за людьми, на уровне продуктовой линейки эти режимы часто живут рядом и управляются из общей системы. Для заказчика это удобно. Для гражданина разница между “мы не следим за людьми” и “у нас есть другой модуль, который это делает” выглядит уже не такой содержательной.
Отдельный слой риска связан не только с тем, что система видит, но и с тем, как именно этим пользуются. ZDNet пишет, что изображения и связанные с ними данные не хранятся в самих дорожных камерах: они отправляются по сотовой сети в облачную систему Flock, где уполномоченные пользователи ищут записи через дашборд. Компания говорит, что данные размещаются в Amazon Web Services, шифруются и обычно удаляются через 30 дней. Но облако само по себе не решает вопрос доверия. Наоборот, единое хранилище делает особенно важными контроль доступа, журналирование, аудит запросов и защиту от инсайдеров. Если у вас есть централизованная база перемещений, она неизбежно становится интересной не только полиции, но и злоумышленникам, и любому сотруднику с лишним любопытством.
Еще одна претензия касается того, как AI меняет сам сценарий использования таких данных. Когда базы ALPR раньше искались офицером под конкретное расследование, это хотя бы ограничивало масштаб. Когда поверх архива появляется поиск по паттернам и «подозрительной активности», система начинает подталкивать операторов к превентивной аналитике. Крамп в разговоре с ZDNet прямо предупреждает о риске профайлинга и ошибочных выводов. Простой пример из статьи: полиция теоретически может попросить систему пометить автомобили, которые часто появляются рядом с протестной акцией, даже если никакого преступления не было. Для IT-рынка это знакомая история про сдвиг продукта от реактивного инструмента к предиктивному, где бизнес-логика развивается быстрее, чем нормы контроля.
Наконец, есть и социальный аспект внедрения. Журналистка ZDNet впервые обратила внимание на тему после истории в деревне Саранак-Лейк: жители протестовали прошлой весной, власти пересмотрели решение и в итоге расторгли контракт с Flock Safety, после чего камеры сняли. Но этот случай скорее исключение. В большинстве городов подобные системы появляются почти бесшумно: их легко принять за обычные дорожные камеры, они крепятся на столбах, питаются от батарей или солнечных панелей и передают данные не по Wi‑Fi, а через сотовую связь. Для муниципальных заказчиков это почти идеальный формат внедрения: быстро, без тяжелой инфраструктуры и без долгого объяснения жителям, что именно теперь собирается и как это потом можно искать.
Главный вопрос здесь уже не в том, будут ли такие системы масштабироваться, а в том, кто и на каком уровне успеет навязать им правила до того, как архитектура наблюдения станет нормой по умолчанию. Когда камеры Flock продаются как удобный сервис безопасности, спор быстро уходит из плоскости «нужны ли камеры» в куда более жесткую плоскость: кто имеет право собирать маршрутную историю миллионов людей, по каким основаниям и с какой проверяемостью. Подробности исходного разбора можно посмотреть в материале .