{"id":68571,"date":"2024-03-14T10:56:00","date_gmt":"2024-03-14T10:56:00","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=cases&p=68571"},"modified":"2024-09-24T11:40:25","modified_gmt":"2024-09-24T10:40:25","slug":"orange-visual-recognition-ai-solution-improves-orange-france-call-out-service-quality","status":"publish","type":"cases","link":"https:\/\/www.artefact.com\/br\/cases\/orange-visual-recognition-ai-solution-improves-orange-france-call-out-service-quality\/","title":{"rendered":" LARANJA Fran\u00e7a<\/span> Solu\u00e7\u00e3o de IA de reconhecimento visual a servi\u00e7o da qualidade da interven\u00e7\u00e3o t\u00e9cnica da Orange France"},"content":{"rendered":"

O aplicativo baseado em IA permite que os instaladores de fibra verifiquem facilmente a conformidade da interven\u00e7\u00e3o<\/h2><\/div>

A Orange, empresa l\u00edder em telecomunica\u00e7\u00f5es na Fran\u00e7a e na Europa, empreendeu uma transforma\u00e7\u00e3o baseada em Intelig\u00eancia Artificial em 2020. Essa nova vis\u00e3o para o data e a IA tem como objetivo ajudar os milhares de t\u00e9cnicos, engenheiros e outras profiss\u00f5es empregadas pelo grupo em tarefas que s\u00e3o complexas demais para serem gerenciadas apenas por humanos. Ao mesmo tempo, tamb\u00e9m foi lan\u00e7ada uma revis\u00e3o dos regulamentos que regem os produtos data.<\/p>\n

Para implementar sua nova estrat\u00e9gia, a Orange foi acompanhada pela empresa de consultoria de servi\u00e7os data Artefact. Juntos, os dois neg\u00f3cios industrializaram v\u00e1rios casos de uso para dar suporte \u00e0s unidades de neg\u00f3cios do grupo, facilitar a tomada de decis\u00f5es t\u00e9cnicas e transformar os neg\u00f3cios ao perceber o potencial do data e da IA.<\/p>\n

Entre esses casos de uso constru\u00eddos em conjunto est\u00e1 uma solu\u00e7\u00e3o de IA projetada para auxiliar os t\u00e9cnicos da Orange na conex\u00e3o de clientes \u00e0 rede de fibra. Essa solu\u00e7\u00e3o, integrada ao aplicativo do t\u00e9cnico, verifica se nenhuma de suas interven\u00e7\u00f5es no equipamento de rede gera \u201cdefeitos\u201d ou \u201cn\u00e3o conformidades\u201d, que muitas vezes s\u00e3o a causa da crescente degrada\u00e7\u00e3o da rede de fibra na Fran\u00e7a.<\/p>\n<\/div>

\n
\u201cEm 2022, aumentamos o n\u00famero de conex\u00f5es em 23% em compara\u00e7\u00e3o com 2021. Esse crescimento sustentado levou a um aumento nos casos de mau funcionamento relatados. \u00c9 por isso que o ARCEP<\/a>\u00a0tornou obrigat\u00f3rio, no ver\u00e3o de 2021, tirar fotos antes e depois de cada interven\u00e7\u00e3o.<\/div>\n
Essas imagens t\u00eam um triplo objetivo: monitorar, intervir o mais r\u00e1pido poss\u00edvel no caso de um problema e penalizar os operadores considerados culpados.<\/div>\n
Para a Orange, esse regulamento exige a an\u00e1lise de 20.000 fotos diariamente. Uma tarefa imposs\u00edvel de ser realizada de forma r\u00e1pida e sem falhas sem a assist\u00eancia da IA.\u201d<\/div>\n
M\u00e9d\u00e9ric Chomel, VP Data, IA e Automa\u00e7\u00e3o da Orange France<\/div>\n<\/blockquote>\n<\/div>

Uma solu\u00e7\u00e3o de IA baseada no reconhecimento de imagens<\/h2><\/div>

Pedir aos t\u00e9cnicos que verifiquem v\u00e1rios pontos de controle no local de trabalho ou ter recursos humanos suficientes para analisar as 20.000 imagens geradas todos os dias n\u00e3o \u00e9 uma solu\u00e7\u00e3o vi\u00e1vel. Isso consumiria muito tempo, seria muito caro e n\u00e3o seria \u00e0 prova de erros. Al\u00e9m disso, a amostragem n\u00e3o \u00e9 uma op\u00e7\u00e3o, pois toda e qualquer interven\u00e7\u00e3o deve ser verificada.<\/p>\n

Para analisar essas dezenas de milhares de fotos diariamente (10.000 interven\u00e7\u00f5es x 2 - 10 fotos), a Orange e o Artefact desenvolveram um modelo algor\u00edtmico usando reconhecimento de imagem (vis\u00e3o computacional). Os t\u00e9cnicos, por meio de seu aplicativo m\u00f3vel, enviam suas fotos para um mecanismo do artificial intelligence que verifica, quase em tempo real, se o trabalho est\u00e1 em conformidade. Se o t\u00e9cnico n\u00e3o concordar com as recomenda\u00e7\u00f5es da m\u00e1quina, ele poder\u00e1 ignor\u00e1-las. A IA est\u00e1 perfeitamente integrada ao fluxo de trabalho do t\u00e9cnico.<\/p>\n<\/div>

Fatores de sucesso: qualidade data, equipes multidisciplinares, modelo de transfer\u00eancia de aprendizagem<\/h2><\/div>

O projeto foi liderado por uma equipe multidisciplinar com uma mistura de perfis da Orange e da Artefact. Foi criada uma equipe de recursos, composta pelo propriet\u00e1rio do produto, cientistas do data, engenheiros, usu\u00e1rios e especialistas de outras profiss\u00f5es para trabalhar na entrega da solu\u00e7\u00e3o.<\/p>\n

O tempo foi o primeiro problema enfrentado pela equipe respons\u00e1vel pelo projeto. A Orange tinha apenas nove meses para implementar a primeira vers\u00e3o de sua solu\u00e7\u00e3o. Por isso, eles decidiram basear parte do projeto na \u201caprendizagem por transfer\u00eancia\u201d, um m\u00e9todo de usar modelos pr\u00e9-existentes j\u00e1 em uso na empresa ou dispon\u00edveis como c\u00f3digo aberto. As equipes do Artefact retrabalharam esses modelos por meio de retreinamento, rotulagem e pr\u00e9-processamento, para reduzir o tempo de entrega, e tamb\u00e9m desenvolveram v\u00e1rios outros a partir do zero.<\/p>\n

Em seguida, a equipe analisou os tempos de resposta de diferentes solu\u00e7\u00f5es de vis\u00e3o computacional. Algumas solu\u00e7\u00f5es no mercado processavam imagens em sete ou at\u00e9 oito minutos, enquanto o tempo desejado era de tr\u00eas segundos. O aplicativo deve ser iniciado quando o t\u00e9cnico estiver prestes a deixar o local. N\u00e3o \u00e9 pr\u00e1tico pedir \u00e0 pessoa que espere 10 minutos para verificar a conformidade de sua instala\u00e7\u00e3o. Para reduzir a lat\u00eancia o m\u00e1ximo poss\u00edvel, os c\u00e1lculos s\u00e3o paralelizados. Assim, v\u00e1rios modelos s\u00e3o executados ao mesmo tempo para obter resultados em tempo quase real.<\/p>\n

O terceiro desafio, mas certamente n\u00e3o o menor, foi a precis\u00e3o da an\u00e1lise. Para garantir a precis\u00e3o m\u00e1xima, o algoritmo teve que ser fornecido com uma grande quantidade de fotos compat\u00edveis e n\u00e3o compat\u00edveis. A rotulagem dessas imagens foi realizada por uma empresa parceira chamada Isahit, que conseguiu processar 80.000 fotos em tr\u00eas meses de desenvolvimento, respeitando a confidencialidade do data.<\/p>\n<\/div>

\n
\u201cEsse projeto faz parte da estrat\u00e9gia de transforma\u00e7\u00e3o de IA de longo prazo da Orange. N\u00f3s empacotamos o c\u00f3digo para que ele possa ser reutilizado em casos de uso futuro em que o reconhecimento de imagem seja necess\u00e1rio. Esse produto de IA j\u00e1 foi reutilizado para dar suporte a t\u00e9cnicos de fibra em outro campo de opera\u00e7\u00f5es.\u201d<\/div>\n
Vincent Luciani, cofundador e CEO do grupo Artefact.<\/div>\n<\/blockquote>\n<\/div>

Gerenciamento de mudan\u00e7as: incentivar a ado\u00e7\u00e3o do aplicativo pelo usu\u00e1rio final<\/h2><\/div>

Para entender sua maneira de trabalhar, os t\u00e9cnicos fizeram parte do projeto desde o in\u00edcio. Isso permitiu que a equipe de desenvolvimento identificasse v\u00e1rios pontos, um dos quais \u00e9 crucial: o aplicativo n\u00e3o deve ser visto como um meio de controlar o trabalho dos t\u00e9cnicos, mas como uma ferramenta para facilitar o trabalho di\u00e1rio deles.<\/p>\n

Portanto, para garantir que os usu\u00e1rios finais se sintam confort\u00e1veis com o aplicativo e que ele tenha sido projetado de forma \u00e9tica, a equipe trabalhou em dois aspectos.<\/p>\n

Primeiro, os t\u00e9cnicos devem ser capazes de manter o controle sobre a m\u00e1quina e ir contra suas recomenda\u00e7\u00f5es. \u00c9 por isso que a explicabilidade dos resultados retornados pelo modelo era um valor fundamental. Se o modelo encontrar uma ou mais n\u00e3o conformidades, a IA deve especificar qual \u00e1rea ou \u00e1reas s\u00e3o afetadas.<\/p>\n

Depois, quando a primeira vers\u00e3o do aplicativo ficou pronta, a equipe fez com que ela fosse testada por 50 t\u00e9cnicos volunt\u00e1rios. Isso permitiu que a equipe coletasse feedback relevante para que pudesse aprimorar os modelos. Por exemplo, as condi\u00e7\u00f5es em que as fotos s\u00e3o tiradas podem levar \u00e0 confus\u00e3o entre cabos de cor laranja (da Orange) e cabos de cor vermelha (concorrentes). A recorr\u00eancia desse erro levou a equipe de recursos a melhorar a aceitabilidade do algoritmo. O desempenho do modelo foi reduzido para evitar contradizer o que o ser humano v\u00ea.<\/p>\n<\/div>

Para Vincent Luciani, cofundador e CEO do grupo Artefact<\/strong>,<\/p>\n

\n
\u201cTodos os nossos projetos de IA s\u00e3o projetados para respeitar os sete princ\u00edpios fundamentais para o uso \u00e9tico da IA estabelecidos por um grupo de especialistas da Comiss\u00e3o Europeia. O primeiro desses valores \u00e9 o controle humano. Colocamos os t\u00e9cnicos no centro do projeto para garantir que essa nova solu\u00e7\u00e3o facilite suas vidas di\u00e1rias e n\u00e3o prejudique sua autonomia. Isso tamb\u00e9m foi crucial para sua ado\u00e7\u00e3o por todos os instaladores da Orange.\u201d<\/div>\n<\/blockquote>\n<\/div>

Um sucesso que faz parte de uma estrat\u00e9gia de transforma\u00e7\u00e3o global por meio da IA<\/h2><\/div>

Em apenas nove meses, esse novo aplicativo foi projetado, testado, corrigido e industrializado em grande escala. Foi uma verdadeira fa\u00e7anha t\u00e9cnica e humana, j\u00e1 que a ferramenta foi adotada pelos 10.000 t\u00e9cnicos empregados todos os dias na Fran\u00e7a.<\/p>\n

Esse aplicativo \u00e9 apenas um dos 150 casos de uso desenvolvidos pela Orange nos \u00faltimos dois anos como parte de sua transforma\u00e7\u00e3o por meio da IA. Desde ent\u00e3o, a Orange - juntamente com a Artefact<\/a> - colocou 15 novos modelos em produ\u00e7\u00e3o para dar suporte a outras fun\u00e7\u00f5es, como vendas ou atendimento ao cliente.<\/p>\n<\/div>

\n
\u201cAs regulamenta\u00e7\u00f5es sobre o artificial intelligence est\u00e3o em processo de desenvolvimento. Nossa transforma\u00e7\u00e3o, usando o data e a IA, tem como objetivo respeitar a privacidade, beneficiar os seres humanos e seu ambiente e ser imparcial. \u00c9 por isso que essa estrat\u00e9gia antecipa, na medida do poss\u00edvel, futuras mudan\u00e7as regulat\u00f3rias. Devemos nos lembrar de que esse tipo de projeto n\u00e3o \u00e9 apenas t\u00e9cnico; os seres humanos s\u00e3o o maior fator de sucesso\u201d.\u201d<\/div>\n
M\u00e9d\u00e9ric Chomel, VP Data, AI & Automation da Orange France.<\/div>\n<\/blockquote>\n<\/div><\/div><\/div><\/div><\/article>