Мне посчастливилось наблюдать развитие Data Science в телекоме почти на протяжении двадцати лет. Я помню, как все начиналось с классических историй: например, определить, какой тарифный план предложить клиенту. Но за последние 10 лет применение Data Science ушло практически во все аспекты того, что делает телеком-оператор.
Персонализация предложений
В каком-то смысле в телекоме можно проследить своеобразное Data-древо.
Все начиналось с ML (Machine Learning). Алгоритмы машинного обучения используют исторические данные в качестве входных данных для прогнозирования новых выходных значений.
За последние пару лет технологии искусственного интеллекта стали уже более продвинутыми. Применение Data Science ушло далеко за пределы классического ML. Но к этому всему мы шли постепенно.
Речевые технологии
Телеком-оператор — это огромный «контактный центр». Очевидно, что прослушать все записи разговоров клиентов с нашими сотрудниками физически невозможно. И здесь на помощь как раз пришли речевые технологии, которые позволяют это делать автоматизировано. Благодаря этому мы можем понять, на что чаще всего жалуются клиенты, был ли клиент доволен ответом оператора и решилась ли его проблема. Дальше мы можем оптимизировать работу кол-центра, делиться с сотрудниками своими выводами и указывать, на что стоит обращать внимание.
Речевые модели также позволили разгрузить людей. Например, чтобы узнать ваш баланс или другую информацию о вашем тарифе, вам больше не нужно ожидать на линии оператора. Позвонив по номеру 0611 в справочную билайна, на все интересующие вас вопросы по вашему мобильному номеру постарается ответить робот.
Не для кого ни секрет, что сейчас голосовые роботы достигли серьезного уровня. Первую минуту мы можем даже не понимать, что говорим не с человеком. Раньше разговор с роботом был очевиден — он «заикался», пропадал, медленно повторял одни и те же слова. Сейчас же продвинутые голосовые ассистенты натурально и эффективно общаются с человеком, помогая ему решать определенные задачи.
Компьютерное зрение
У билайна есть большая ритейл-сеть, где, естественно, в целях безопасности висят камеры. Посмотреть все записи из наших офисов и магазинов за сутки не в силах даже большой группе людей. Однако это может сделать искусственный интеллект. ИИ в реальном времени сообщит о том, что в какой-то точке пошло что-то не так. Вот реальный пример: в офис продаж приходит клиент, а сотрудник занимается своими делами, вместо того чтобы его обслуживать. Мы бы, возможно, никогда не узнали о таком отношении к клиенту, если бы только не взяли записи именно из этой точки и не просматривали их часами.
Компьютерное зрение также помогает разместить маркетинговые материалы внутри магазина. Ведь когда клиенты приходят в магазин, хочется понимать, куда они смотрят первым делом. Понять это — важная задача для ретейла, а самостоятельно прийти к какому-то заключению здесь очень сложно. Сейчас благодаря новым инструментам и технологиям узнать это можно за два клика. Одна простая задача, решенная с помощью ИИ, может повысить эффективность как самой компании, так и маркетинговых коммуникаций в ритейле.
Предиктивные модели
С начала 2023 года билайн полностью перешел на оперативную схему определения ошибок на сети при помощи алгоритмов машинного обучения. Это новый уровень обслуживания оборудования в телекоме. Наш «Виртуальный эксперт по качеству» следит за работой каждого из сотен тысяч сетевых элементов. Он предсказывает количество обращений от клиентов на основе истории сопоставления жалоб и ошибок за предыдущий год. Это позволяет решать потенциальные инциденты до того, как их почувствует клиент. На основе оценки объема выявленных проблем и их классификации рассчитывается так называемый «уровень здоровья»: как для всей сети билайна, так и для каждого филиала в отдельности.
Новые горизонты
На основе своих данных и собственной экспертизы в Data Science мы смогли создать продукты и выйти далеко за пределы телеком-индустрии. Например, мы открыли для себя горизонты применения нейросетей в медицине. Вместе с Сеченовским университетом нам удалось построить модели, которые позволяют на основе снимков МРТ тазобедренного сустава с точностью свыше 80% понимать, какая изображена патология.
На протяжении более 10 лет мы предоставляем свои технологии поисково-спасательному отряду «Лиза Алерт». Так, на основе сверточных нейронных сетей была разработана технология «Beeline AI — поиск людей». Она призвана распознавать человека и следы его присутствия на тысячах снимков с дронов. Это ускоряет процесс поисков и экономит силы людей.
У нас много решений для госсектора и бизнеса. Это и речевая, видео- и геоаналитика. Нейросети билайна умеют искать мусор во дворах, находить ямы на дорогах и указывать их размер, помогают тушить лесные пожары; определяют, какие туристы посещают те или иные регионы и какие локации им интересны, сообщают о проблемах на производстве и многое другое. Бизнес или госорганизация может прийти со своим запросом, и мы подберем или создадим оптимальное решение.
Искусственный интеллект в телекоме получает развитие, появляются все новые и новые кейсы, и кто знает, чем этот список примеров может пополниться завтра.
