ORANGE France AI solución de reconocimiento visual al servicio de la calidad de intervención técnica de Orange France

Orange, líder de las telecomunicaciones Compañia en Francia y Europa, emprendió en 2020 una transformación basada en Inteligencia Artificial. Esta nueva visión de data y AI pretende ayudar a los miles de técnicos, ingenieros y otras profesiones empleadas por el grupo con tareas que son demasiado complejas para que los humanos las gestionen solos. Al mismo tiempo, también se ha puesto en marcha una revisión de la normativa que regula los productos de data .

Para poner en práctica su nueva estrategia, Orange se hizo acompañar de la consultora de servicios data Artefact . Juntas, las dos empresas industrializaron numerosos casos de uso para apoyar a las Unidades de Negocio del grupo, facilitar la toma de decisiones técnicas y transformar el negocio aprovechando el potencial de data y AI.

Entre estos casos de uso construidos conjuntamente se encuentra una solución AI diseñada para ayudar a los técnicos de Orange a conectar a los clientes a la red de fibra. Esta solución, integrada en la aplicación del técnico, verifica que ninguna de sus intervenciones en los equipos de la red genera "defectos" o "no conformidades", que suelen ser la causa de la creciente degradación de la red de fibra en Francia.

"En 2022, aumentamos el número de conexiones en un 23% con respecto a 2021. Este crecimiento sostenido ha provocado un aumento de las averías notificadas. Por eso ARCEP hizo obligatorio, en verano de 2021, tomar fotos antes y después de cada intervención.

Estas imágenes tienen un triple objetivo: vigilar, intervenir lo antes posible en caso de problema y sancionar a los operadores culpables.

Para Orange, esta normativa exige el análisis de 20.000 fotos diarias. Una tarea imposible de realizar rápidamente y sin fallos sin la ayuda de AI ".

Médéric Chomel, VP Data, AI & Automation en Orange Francia

Pedir a los técnicos que verifiquen numerosos puntos de control en el lugar de trabajo o disponer de suficientes recursos humanos dedicados a analizar las 20.000 imágenes que se generan cada día no es una solución viable. Llevaría demasiado tiempo, sería demasiado costoso y no estaría exento de errores. Además, el muestreo no es una opción, ya que hay que verificar todas y cada una de las intervenciones.

Para revisar estas decenas de miles de fotos diarias (10 000 intervenciones x 2 - 10 fotos), Orange y Artefact desarrollaron un modelo algorítmico que utiliza el reconocimiento de imágenes (visión por ordenador). Los técnicos, a través de su aplicación móvil, envían sus fotos a un motor Inteligencia Artificial que comprueba casi en tiempo real si su trabajo es conforme. Si el técnico no está de acuerdo con las recomendaciones de la máquina, puede ignorarlas. AI se integra perfectamente en el flujo de trabajo del técnico.

El proyecto fue dirigido por un equipo multidisciplinar con una mezcla de perfiles tanto de Orange como de Artefact. Se creó un equipo de características compuesto por el propietario del producto, científicos de data , ingenieros, usuarios y expertos de otras profesiones para trabajar en la entrega de la solución.

El tiempo fue el primer problema al que se enfrentó el equipo encargado del proyecto. Orange sólo disponía de nueve meses para desplegar la primera versión de su solución. Por eso decidieron basar parte del proyecto en el "aprendizaje por transferencia", un método que consiste en utilizar modelos preexistentes ya en uso en Compañia, o disponibles como código abierto. A continuación, los equipos de Artefact reelaboraron estos modelos mediante reentrenamiento, etiquetado y preprocesamiento, para acortar el plazo de entrega, y también desarrollaron varios otros desde cero.

A continuación, el equipo analizó los tiempos de respuesta de distintas soluciones de visión por ordenador. Algunas soluciones del mercado procesaban imágenes en siete o incluso ocho minutos, mientras que el tiempo objetivo era de tres segundos. La aplicación debe iniciarse cuando el técnico esté a punto de abandonar el lugar. No es práctico pedirle que espere 10 minutos para comprobar la conformidad de su instalación. Para reducir al máximo la latencia, se paralelizan los cálculos. Así, varios modelos se ejecutan al mismo tiempo para obtener resultados en tiempo casi real.

El tercer reto, pero sin duda no el menor, era la precisión del análisis. Para garantizar la máxima precisión, hubo que suministrar al algoritmo una enorme cantidad de fotos conformes y no conformes. El etiquetado de estas imágenes corrió a cargo de un socio Compañia llamado Isahit, que fue capaz de procesar 80.000 fotos en tres meses de desarrollo respetando la confidencialidad de data .

"Este proyecto forma parte de la estrategia de transformación a largo plazo de Orange AI . Hemos empaquetado el código para que pueda reutilizarse en futuros casos de uso en los que sea necesario el reconocimiento de imágenes. Este producto de AI ya se ha reutilizado para ayudar a los técnicos de fibra en otro campo de operaciones."

Vincent Luciani, cofundador y director general del grupo Artefact .

Para entender su forma de trabajar, los técnicos han formado parte del proyecto desde el principio . Esto permitió al equipo de desarrollo identificar varios puntos, uno de los cuales es crucial: la aplicación no debe percibirse como un medio para controlar el trabajo de los técnicos, sino como una herramienta para facilitar su trabajo diario.

Así que, para asegurarse de que los usuarios finales se sienten cómodos con la aplicación y de que ha sido diseñada éticamente, el equipo trabajó en dos aspectos.

En primer lugar, los técnicos deben poder mantener el control sobre la máquina e ir en contra de sus recomendaciones. Por eso la explicabilidad de los resultados devueltos por el modelo era un valor esencial. Si el modelo detecta una o varias no conformidades, la dirección AI debe especificar qué área o áreas se ven afectadas.

Después, una vez lista una primera versión de la aplicación, el equipo la hizo probar por 50 técnicos voluntarios. Esto permitió al equipo recoger las opiniones pertinentes para poder mejorar los modelos. Por ejemplo, las condiciones en que se toman las fotos pueden llevar a confundir los cables de color naranja (de Orange) con los de color rojo (de la competencia). La recurrencia de este error llevó al equipo de características a mejorar la aceptabilidad del algoritmo. Se redujo el rendimiento del modelo para evitar contradecir lo que ve el ser humano.

Para Vincent Luciani, cofundador y director general del grupo Artefact ,

"Todos nuestros proyectos AI están diseñados para respetar los siete principios fundamentales para el uso ético de AI establecidos por un grupo de expertos de la Comisión Europea. El primero de estos valores es el control humano. Hemos situado a los técnicos en el centro del proyecto para que esta nueva solución facilite su vida cotidiana y no obstaculice su autonomía. Esto también ha sido crucial para su adopción por parte de todos los instaladores de Orange".

En solo nueve meses, esta nueva aplicación se diseñó, probó, corrigió e industrializó a gran escala. Ha sido una verdadera proeza técnica y humana, ya que la herramienta ha sido adoptada por los 10.000 técnicos desplegados cada día en Francia.

Esta aplicación es sólo uno de los 150 casos de uso desarrollados por Orange en los últimos dos años como parte de su transformación a través de AI. Desde entonces, Orange -junto con Artefact - ha puesto en producción 15 nuevos modelos para apoyar otras funciones, como ventas o atención al cliente.

"La normativa sobre Inteligencia Artificial está en proceso de elaboración. Nuestra transformación, mediante data y AI, pretende ser respetuosa con la intimidad, beneficiosa para el ser humano y su entorno, e imparcial. Por ello, esta estrategia se anticipa en la medida de lo posible a futuros cambios normativos. Debemos recordar que este tipo de proyectos no son sólo técnicos; los seres humanos son el mayor factor de su éxito".

Médéric Chomel, Vicepresidente Data, AI & Automation en Orange Francia.