Cada equipo WOW Machines lleva incorporado un Agente AI interno con acceso simultaneo a las camaras del sitio, los sensores de la consola (presencia, barra, billetero, pinpad), las transacciones de cobro y las estadisticas historicas del estacionamiento. Cruza esas senales en tiempo real para detectar tanto secuencias operativas anomalas como comportamientos sospechosos que no calzan con la operacion legitima. Plataforma Ultrapark con patente provisional registrada, operando hoy en mas de 200 sitios LATAM.
El Agente AI interno de cada equipo combina la informacion de los sensores de la consola con las camaras del sitio para verificar que cada operacion vehicular se comporta como una operacion legitima. Cuando algo se sale de los patrones esperados -- en orden, en tiempo, en correspondencia entre lo que ve la camara y lo que registra el sensor -- el agente lo marca como posible fraude o comportamiento sospechoso.
Cada evento detectado se registra con su evidencia (video, frames LPR, cobros asociados) y se ejecuta la regla configurada por el operador del sitio: alerta, bloqueo, escalado a supervisor, o combinacion segun el nivel de confianza.
Sensor de barra detecta dos vehiculos sin que la barrera haya cerrado y vuelto a abrir entre uno y otro. El Agente AI interno correlaciona contra placas LPR y eventos de cobro. Si solo hubo un evento de paso valido, el segundo vehiculo va a alerta + lista negra.
Confidencia de OCR baja, formato fuera del patron mexicano, o placa identica vista en dos puntos imposibles en pocos minutos. Las placas confirmadas como alteradas entran en la lista negra de la red y son bloqueadas en cualquier otro sitio WOW Machines / WOW Machines del cliente.
Una placa registra dos entradas consecutivas sin una salida intermedia. Anomalia clasica de ticket clonado o aprovechamiento de barrera. Bloqueo automatico + escalacion al operador.
Inicio de cobro en PPA sin transaccion concluida (timeout, cancel, fault), seguido de un intento de salida. El Agente AI interno detecta el desbalance y bloquea hasta resolucion.
Aplicacion de convenios fuera de horario, descuentos a vehiculos no autorizados, o uso de tarjetas de cortesia en patrones anomalos. Cruzamos cada cobro contra las reglas configuradas en tiempo real.
Un usuario que entra y sale 20 veces en un dia, vehiculos que pasan horas en zona de carga, uso de salida de emergencia en horario normal. Anomalias detectadas por el baseline aprendido de cada sitio.
Fraude clasico de cabina: el operario emite un ticket y, sin que haya entrado un vehiculo de verdad, le da salida inmediata cobrando minimo (o cero) y embolsando lo que pague otro usuario. El Agente AI interno detecta el comportamiento anomalo cruzando informacion de sensores, camaras y patrones de tiempo. Alerta + retencion de evidencia + escalacion al supervisor.
Otro fraude de cabina: el operario (o un complice) presenta una placa metalica frente a la camara para que el sistema crea que entro un vehiculo y emita ticket. El Agente AI interno cruza dos fuentes de vision para descartar esto: (1) un modelo AI vision local sobre el frame frontal valida que hay un vehiculo real en la imagen, no solo un objeto plano, y (2) la camara de piso confirma que efectivamente paso un vehiculo por encima. Si cualquiera de las dos fuentes no detecta vehiculo, el ticket queda en estado de revision y se notifica al supervisor.
La verificacion de secuencia es solo la primera capa. Los Agentes AI internos tambien procesan en paralelo el video de las camaras del sitio, los sensores fisicos de cada equipo, los flujos de transaccion y las estadisticas historicas del estacionamiento (baselines aprendidos del propio sitio). Eso les permite detectar situaciones que no rompen la secuencia operativa pero igualmente son sospechosas:
Cruce de camara + sensor de presencia + ausencia de transaccion: alguien permanece cerca de un punto de pago automatico sin operarlo durante varios minutos. Tipico patron de observacion para fraude futuro o de intento de manipulacion del equipo.
Las camaras y sensores del sitio detectan un comportamiento incompatible con un cruce vehicular normal: alguien entra al estacionamiento a pie por una zona vehicular sin pago.
Estadistica historica + camaras: un vehiculo permanece en el mismo cupo durante un periodo muy superior al baseline del sitio. Posible abandono, robo, o uso indebido de cupo. El agente alerta al supervisor con foto del vehiculo y dias acumulados.
Las camaras estiman velocidad del vehiculo a la salida. Una velocidad muy superior al baseline (huida) genera alerta inmediata. Util en casos de salida sin pago o de operario que abre barrera sin cobrar para que el vehiculo escape rapido.
Cruce de placas + transacciones historicas: una misma placa entra y sale multiples veces con tarifa minima o tarifa cero. Patron tipico de empleado que usa el sitio fuera del convenio autorizado o de operario que esta dando salida sin cobro real.
Sensor de salida de emergencia activado fuera de eventos reales de emergencia, sobre todo si coincide con horarios de baja vigilancia. Camara confirma si fue uso legitimo o evasion deliberada.
Camara + sensores de vibracion/apertura: alguien intenta abrir el gabinete del PPA, golpea el billetero, o presenta objetos para confundir la lectura LPR. El agente registra el evento y alerta antes de que el ataque comprometa el equipo.
Estadistica de cobro vs estado del billetero/hopper: ratio anomalo entre cobros aceptados y devoluciones, depositos que no calzan con cobros, o desbalance entre billetes ingresados y cambios entregados. Posible manipulacion interna del sistema de efectivo.
Capa de seguridad: la camara de piso captura el chasis del vehiculo y el Agente AI interno (con vision LLM) detecta si hay personas escondidas debajo, objetos no estructurales atados al chasis, o modificaciones atipicas. Util para sitios con requerimientos de seguridad alta. Ver ejemplo real →
Tres fuentes de informacion en un solo cerebro. Lo que hace posible detectar estos comportamientos es que el Agente AI interno no es un sistema de seguridad separado: es el mismo agente que coordina la operacion del sitio y tiene acceso simultaneo a camaras, sensores y historico. Por eso puede distinguir entre el operario que hace su trabajo normal y el operario que hace algo fuera de patron.
En los operadores que migraron a Ultrapark hemos observado un patron consistente: los fraudes detectados son muchos mas en los primeros 30 a 60 dias que despues. La razon es simple y conocida en seguridad operativa: una vez que los operarios saben que hay control real sobre cada paso de la operacion, el fraude no se vuelve mas inteligente, simplemente baja.
Tres implicaciones para usted:
Cuando una placa se confirma como fraudulenta (tailgating, alteracion, doble entrada), el agente la reporta a la lista negra compartida de la plataforma, que se propaga a toda la red de instalaciones WOW Machines / WOW Machines del cliente (o solo a las propias del operador, segun politica). En el momento que esa placa intente entrar en cualquier sitio de la red, el agente local de ese equipo la rechaza inmediatamente.
Esto convierte un fraude detectado una vez en una proteccion permanente. Es una capacidad que solo tiene sentido cuando todos los sitios corren la misma plataforma, y es la razon principal por la que Ultrapark fue disenado como red, no como instalacion aislada.
Configurable por tipo de fraude y por umbral de confianza. Por defecto, eventos de alta confianza bloquean la salida y alertan al operador. Eventos de confianza media escalan a humano para decision. Eventos de confianza baja se loguean pero no afectan operacion.
El sistema esta entrenado con casos reales de campo. Una placa sucia con OCR de confianza baja no genera bloqueo: pide confirmacion al operador. Vehiculos atipicos (camion en estacionamiento de centro comercial) generan flag pero no bloqueo: tu equipo decide.
Cuando una placa se confirma como fraudulenta, ingresa a una lista negra que se propaga a todos los sitios WOW Machines / WOW Machines del cliente. La proxima vez que esa placa intente entrar en cualquier sitio de la red, el agente local lo bloquea sin consultar al operador. Las listas se sincronizan via nube pero cada equipo tiene una copia local para operar offline.
Para cada evento de fraude: foto LPR de entrada y salida, video del evento con segundos antes y despues, log de transacciones, decision del agente con razon (ej: "tailgating: 2 vehiculos cruzaron, 1 evento de cobro"), timestamp y geolocalizacion. Exportable como PDF para soporte de reclamos.
El agente cruza la informacion de sensores y camaras para detectar comportamientos anomalos. Cuando dos vehiculos cruzan en un patron que no corresponde con una operacion legitima independiente, el agente lo marca como tailgating y aplica la regla configurada por el operador.
Si, con limitaciones. En lots abiertos sin barrera, la deteccion por secuencia de sensores no aplica, pero si funcionan: pago no completado, placas en lista negra, uso indebido de convenios y patrones anomalos detectados por baseline. Hablemos para evaluar tu caso.