Як штучний інтелект допомагає міським службам працювати зі скаргами жителів
Не працює ліхтар біля будинку, переповнені сміттєві баки, прорвало водопровід або зламалася лавка у дворі. З такими проблемами жителі українських міст щодня звертаються до комунальних служб. У великих громадах за день можуть надходити сотні повідомлень. Кожне потрібно зареєструвати, передати відповідальним працівникам і простежити, щоб проблему справді усунули. На практиці звернення нерідко затримуються ще на етапі розподілу між службами. Через це навіть заміна перегорілої лампи може розтягнутися на кілька днів.
Штучний інтелект може взяти на себе частину роботи зі зверненнями мешканців. Наприклад, коли людина повідомляє про прорив труби чи несправний ліхтар, система аналізує текст, знаходить адресу та визначає, кому передати заявку. Для цього можна використовувати Google Cloud Vertex AI — платформу, яка допомагає створювати та впроваджувати рішення на основі штучного інтелекту. Детальніше про її можливості можна дізнатися з матеріалів фахівців McCloud, які спеціалізуються на хмарних технологіях. Такий підхід дозволяє комунальним службам витрачати менше часу на сортування повідомлень і швидко реагувати на проблеми, про які повідомляють містяни.
Що відбувається зі зверненням після його надсилання
Мешканець може повідомити про проблему через контакт-центр міста, електронною поштою, мобільним додатком або спеціальну форму яка доступна на сайті громади. Проблема передається оператору який має її дослідити та визначити відповідний відділ.
Звучить просто, поки повідомлення сформульоване чітко. Наприклад, людина вказала адресу будинку, номер під'їзду та написала, що на третьому поверсі не працює освітлення. Таку заявку легко класифікувати. Проте мешканці часто описують ситуацію звичайними словами, припускаються помилок або об'єднують кілька проблем в одному повідомленні.
Типовий випадок: "На нашій вулиці знову темно, біля зупинки автобуса нічого не видно і звисають дроти". Оператор повинен встановити точне місце розташування, перевірити чи це проблема освітлення вулиці і бути обережним щодо можливої небезпеки від пошкоджених дротів. Модель штучного інтелекту може класифікувати текст і дати пропозиції щодо категорії звіту. Появлення дротів може стати причиною для того, щоб позначити повідомлення як небезпечне. Але остаточне рішення щодо надзвичайної ситуації залежить від диспетчера або відповідної служби. Класифікація допоможе визначити повторювані звіти. Якщо п’ятнадцять громадян повідомили про відсутність води в одному будинку протягом усього дня то система об'єднує всі ці звіти в один інцидент. Кожен звіт був зафіксований і громадяни будуть проінформовані про хід роботи.
Як працює автоматичне сортування заявок
Для запуску такої системи недостатньо підключити чат-бота до міського сайту. Потрібна структурована база адрес, перелік комунальних підприємств, правила визначення відповідальних служб і доступ до актуальних статусів заявок.
Штучний інтелект виконує конкретні операції:
Аналізує текст повідомлення. Визначає проблему, адресу, згадані об'єкти та можливу терміновість.
Пропонує відповідального виконавця. Направляє заявку до потрібного підрозділу згідно з установленими правилами.
Виявляє схожі звернення. Допомагає знаходити повідомлення про один інцидент, навіть коли мешканці описують його різними словами.
Готує відповіді заявникам. Формує повідомлення на основі підтвердженого статусу робіт, яке за потреби перевіряє оператор.
Упорядковує статистику. Показує кількість звернень за районами, категоріями проблем і термінами виконання.
Давайте розглянемо випадок в одному з районів Вінниці.Після дощу деякі люди з різних будинків телефонують і кажуть що у їхніх районах затоплення.Деякі з цих дзвінків роблять по телефону а інші — за допомогою онлайн форми.Система може розпізнавати назви вулиць і групувати дзвінки.
На електронній карті можна відобразити кількість заявок, час першого повідомлення та поточний стан їх опрацювання. Диспетчер отримує інформацію для координації виїзних бригад, а керівництво бачить загальну ситуацію.
Важлива деталь: штучний інтелект не визначає технічний стан мереж без відповідних даних. Якщо мешканці скаржаться на слабкий напір води, алгоритм може зафіксувати проблему та її географію. Причину встановлюють спеціалісти після перевірки обладнання й показників системи водопостачання.
Чому якість міських даних має значення
Найскладнішим аспектом впровадження є обробка інформації яка вже існує в інфраструктурі міста. Адреси можуть зберігатися в різних форматах, деякі програми все ще можуть існувати у вигляді таблиць, а історія виконаних завдань може зберігатися окремо в муніципальних підприємствах.
Наприклад одна і та ж вулиця може мати дві назви — стару і нову. Якщо система не враховує перейменування, вона ризикує створити два окремі записи для одного місця. Подібні ситуації виникають із номерами будинків, назвами провулків і територіями нових житлових комплексів.
Перед автоматизацією необхідно впорядкувати кілька основних наборів даних:
адресний довідник із чинними назвами вулиць;
перелік комунальних об'єктів та зон відповідальності;
історію звернень із підтвердженими категоріями;
статуси заявок і результати виконаних робіт.
Особливу увагу слід приділяти персональним даним.Електронні листи можуть містити номери телефонів, адреси, імена тощо. Персональні дані мають бути доступні лише залежно від посади працівника. Для цілей навчання та тестування моделей можна використовувати анонімізовані дані коли персональні дані не потрібні.
Окреме питання — помилки автоматичного аналізу. Алгоритм може неправильно визначити адресу або не розпізнати незвичне формулювання. Тому система повинна дозволяти оператору виправити категорію звернення, змінити виконавця та переглянути початковий текст повідомлення.
Із чого громаді починати автоматизацію
Не обов'язково одразу змінювати всі завдання контактного центру. Краще почати з одного типу запитів де всі процедури чітко визначені, наприклад як несправні вуличні ліхтарі або громадські об'єкти.
Спочатку фахівці аналізують історичні заявки. Визначають, які дані надходять від мешканців, скільки повідомлень потребують ручного уточнення та які помилки найчастіше виникають під час маршрутизації. Потім модель тестують на зверненнях, для яких уже відомі правильні категорії та відповідальні служби.
Результати потрібно оцінювати за конкретними показниками. Серед них — частка правильно класифікованих повідомлень, кількість помилкових перенаправлень, середній час реєстрації та частка заявок, які повернули на уточнення.
Припустимо, що оператор витрачає дві хвилини на обробку запиту. Якщо є 300 запитів, то загальний час обробки складе десять годин. З автоматизацією процедури середній час обробки зменшиться до однієї хвилини, таким чином економія складе п’ять годин на день. Це гіпотетичний розрахунок і не гарантує жодного результату автоматизації.
Звільнений час персонал може витратити на розв’язання складних справ, спілкування з жителями та моніторинг неповних заявок. Моніторинг виконання цих запитів має залишатися основною функцією контактного центру. Ефект такої автоматизації буде досить банальним з точки зору жителя: повідомлення зареєстроване, номер заявки відомий, визначено відповідну службу і контролюється статус заявки без додаткових дзвінків.
А якщо проблема не вирішена в встановлений термін, то буде затримка й інформація буде передана відповідній особі. Штучний інтелект не потрібен міським службам просто через його існування. Міські служби потребують процесу обробки запитів коли повідомлення не втрачаються, визначається відповідальність за виконання і житель знає що відбувається з його заявкою.
НА ПРАВАХ РЕКЛАМИ
