{"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\/es\/cases\/orange-visual-recognition-ai-solution-improves-orange-france-call-out-service-quality\/","title":{"rendered":" NARANJA Francia<\/span> Soluci\u00f3n AI de reconocimiento visual al servicio de la calidad de la intervenci\u00f3n t\u00e9cnica de Orange France"},"content":{"rendered":"

Una aplicaci\u00f3n basada en IA permite a los instaladores de fibra verificar f\u00e1cilmente el cumplimiento de la intervenci\u00f3n<\/h2><\/div>

Orange, empresa de telecomunicaciones l\u00edder en Francia y Europa, emprendi\u00f3 en 2020 una transformaci\u00f3n basada en la Inteligencia Artificial. Esta nueva visi\u00f3n de la data y la IA pretende ayudar a los miles de t\u00e9cnicos, ingenieros y otras profesiones empleadas por el grupo con tareas que son demasiado complejas para que los humanos las gestionen solos. Al mismo tiempo, tambi\u00e9n se puso en marcha una revisi\u00f3n de la normativa que rige los productos data.<\/p>\n

Para poner en pr\u00e1ctica su nueva estrategia, Orange se hizo acompa\u00f1ar 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 t\u00e9cnicas y transformar el negocio aprovechando el potencial de la data y la IA.<\/p>\n

Entre estos casos de uso construidos conjuntamente se encuentra una soluci\u00f3n de IA dise\u00f1ada para ayudar a los t\u00e9cnicos de Orange a conectar a los clientes a la red de fibra. Esta soluci\u00f3n, integrada en la aplicaci\u00f3n del t\u00e9cnico, verifica que ninguna de sus intervenciones en los equipos de la red genere \u201cdefectos\u201d o \u201cno conformidades\u201d, que a menudo son la causa de la creciente degradaci\u00f3n de la red de fibra en Francia.<\/p>\n<\/div>

\n
\u201cEn 2022, aumentamos el n\u00famero de conexiones en 23% en comparaci\u00f3n con 2021. Este crecimiento sostenido ha provocado un aumento de las aver\u00edas notificadas. Por ello ARCEP<\/a>\u00a0hizo obligatorio, en el verano de 2021, tomar fotograf\u00edas antes y despu\u00e9s de cada intervenci\u00f3n.<\/div>\n
Estas im\u00e1genes tienen un triple objetivo: vigilar, intervenir lo antes posible en caso de problema y penalizar a los operadores que se encuentren en falta.<\/div>\n
Para Orange, esta normativa requiere el an\u00e1lisis de 20.000 fotos diarias. Una tarea imposible de realizar r\u00e1pidamente y sin fallos sin la ayuda de la IA\u201d.\u201d<\/div>\n
M\u00e9d\u00e9ric Chomel, VP Data, IA y Automatizaci\u00f3n en Orange Francia<\/div>\n<\/blockquote>\n<\/div>

Una soluci\u00f3n de IA basada en el reconocimiento de im\u00e1genes<\/h2><\/div>

Pedir a los t\u00e9cnicos que verifiquen numerosos puntos de control en el lugar de trabajo o disponer de suficientes recursos humanos dedicados a analizar las 20.000 im\u00e1genes que se generan cada d\u00eda no es una soluci\u00f3n viable. Llevar\u00eda demasiado tiempo, ser\u00eda demasiado costoso y no estar\u00eda a prueba de errores. Adem\u00e1s, el muestreo no es una opci\u00f3n, ya que deben verificarse todas y cada una de las intervenciones.<\/p>\n

Para revisar diariamente estas decenas de miles de fotos (10.000 intervenciones x 2 - 10 fotos), Orange y Artefact desarrollaron un modelo algor\u00edtmico que utiliza el reconocimiento de im\u00e1genes (visi\u00f3n por ordenador). Los t\u00e9cnicos, a trav\u00e9s de su aplicaci\u00f3n m\u00f3vil, env\u00edan sus fotos a un motor artificial intelligence que comprueba casi en tiempo real si su trabajo es conforme. Si el t\u00e9cnico no est\u00e1 de acuerdo con las recomendaciones de la m\u00e1quina, es libre de ignorarlas. La IA est\u00e1 perfectamente integrada en el flujo de trabajo del t\u00e9cnico.<\/p>\n<\/div>

Factores de \u00e9xito: calidad data, equipos multidisciplinares, modelo de aprendizaje por transferencia<\/h2><\/div>

El proyecto fue dirigido por un equipo multidisciplinar con una mezcla de perfiles tanto de Orange como de Artefact. Se cre\u00f3 un equipo de caracter\u00edsticas compuesto por el propietario del producto, cient\u00edficos de data, ingenieros, usuarios y expertos de otras profesiones para trabajar en la entrega de la soluci\u00f3n.<\/p>\n

El tiempo fue el primer problema al que se enfrent\u00f3 el equipo encargado del proyecto. Orange s\u00f3lo dispon\u00eda de nueve meses para desplegar la primera versi\u00f3n de su soluci\u00f3n. Por eso decidieron basar parte del proyecto en el \u201caprendizaje por transferencia\u201d, un m\u00e9todo que consiste en utilizar modelos preexistentes ya en uso en la empresa o disponibles como c\u00f3digo abierto. A continuaci\u00f3n, los equipos de Artefact reelaboraron estos modelos mediante reentrenamiento, etiquetado y preprocesamiento, para acortar el plazo de entrega, y tambi\u00e9n desarrollaron varios otros desde cero.<\/p>\n

A continuaci\u00f3n, el equipo analiz\u00f3 los tiempos de respuesta de diferentes soluciones de visi\u00f3n por ordenador. Algunas soluciones del mercado procesaban las im\u00e1genes en siete o incluso ocho minutos, mientras que el tiempo objetivo era de tres segundos. La aplicaci\u00f3n debe lanzarse cuando el t\u00e9cnico est\u00e9 a punto de abandonar el lugar. No es pr\u00e1ctico pedirle que espere 10 minutos para comprobar la conformidad de su instalaci\u00f3n. Para reducir al m\u00e1ximo la latencia, se paralelizan los c\u00e1lculos. As\u00ed, varios modelos se ejecutan al mismo tiempo para obtener resultados en tiempo casi real.<\/p>\n

El tercer reto, pero sin duda no el menor, fue la precisi\u00f3n del an\u00e1lisis. Para garantizar la m\u00e1xima precisi\u00f3n, hubo que suministrar al algoritmo una enorme cantidad de fotos conformes y no conformes. El etiquetado de estas im\u00e1genes corri\u00f3 a cargo de una empresa asociada llamada Isahit, que fue capaz de procesar 80.000 fotos en tres meses de desarrollo respetando la confidencialidad data.<\/p>\n<\/div>

\n
\u201cEste proyecto forma parte de la estrategia de transformaci\u00f3n de la IA a largo plazo de Orange. Hemos empaquetado el c\u00f3digo para que pueda reutilizarse en futuros casos de uso en los que sea necesario el reconocimiento de im\u00e1genes. Este producto de IA ya se ha reutilizado para ayudar a los t\u00e9cnicos de fibra en otro campo de operaciones.\u201d<\/div>\n
Vincent Luciani, cofundador y director general del grupo Artefact.<\/div>\n<\/blockquote>\n<\/div>

Gesti\u00f3n del cambio: fomentar la adopci\u00f3n de la aplicaci\u00f3n por parte del usuario final<\/h2><\/div>

Para comprender su forma de trabajar, los t\u00e9cnicos han formado parte del proyecto desde el principio . Esto permiti\u00f3 al equipo de desarrollo identificar varios puntos, uno de los cuales es crucial: la aplicaci\u00f3n no debe percibirse como un medio para controlar el trabajo de los t\u00e9cnicos, sino como una herramienta para facilitar su trabajo diario.<\/p>\n

As\u00ed pues, para garantizar que los usuarios finales se sientan c\u00f3modos con la aplicaci\u00f3n y que \u00e9sta haya sido dise\u00f1ada de forma \u00e9tica, el equipo trabaj\u00f3 en dos aspectos.<\/p>\n

En primer lugar, los t\u00e9cnicos deben poder mantener el control sobre la m\u00e1quina e ir en contra de sus recomendaciones. Por eso, la explicabilidad de los resultados devueltos por el modelo era un valor fundamental. Si el modelo encuentra una o varias no conformidades, la IA debe especificar qu\u00e9 \u00e1rea o \u00e1reas se ven afectadas.<\/p>\n

Despu\u00e9s, una vez que estuvo lista una primera versi\u00f3n de la aplicaci\u00f3n, el equipo la hizo probar por 50 t\u00e9cnicos voluntarios. Esto permiti\u00f3 al equipo recoger las opiniones pertinentes para poder mejorar los modelos. A modo de ejemplo, las condiciones en las 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 llev\u00f3 al equipo de caracter\u00edsticas a mejorar la aceptabilidad del algoritmo. Se redujo el rendimiento del modelo para evitar contradecir lo que ve el ser humano.<\/p>\n<\/div>

Para Vincent Luciani, cofundador y director general del grupo Artefact<\/strong>,<\/p>\n

\n
\u201cTodos nuestros proyectos de IA est\u00e1n dise\u00f1ados para respetar los siete principios fundamentales para el uso \u00e9tico de la IA establecidos por un grupo de expertos de la Comisi\u00f3n Europea. El primero de estos valores es el control humano. Hemos situado a los t\u00e9cnicos en el centro del proyecto para asegurarnos de que esta nueva soluci\u00f3n facilite su vida cotidiana y no obstaculice su autonom\u00eda. Esto tambi\u00e9n ha sido crucial para su adopci\u00f3n por parte de todos los instaladores de Orange\u201d.\u201d<\/div>\n<\/blockquote>\n<\/div>

Un \u00e9xito que forma parte de una estrategia de transformaci\u00f3n global a trav\u00e9s de la IA<\/h2><\/div>

En s\u00f3lo nueve meses, esta nueva aplicaci\u00f3n fue dise\u00f1ada, probada, corregida e industrializada a gran escala. Fue una verdadera proeza t\u00e9cnica y humana, ya que la herramienta ha sido adoptada por los 10.000 t\u00e9cnicos desplegados cada d\u00eda en Francia.<\/p>\n

Esta aplicaci\u00f3n es s\u00f3lo uno de los 150 casos de uso desarrollados por Orange en los \u00faltimos dos a\u00f1os como parte de su transformaci\u00f3n a trav\u00e9s de la IA. Desde entonces, Orange -junto con Artefact<\/a> - ha puesto en producci\u00f3n 15 nuevos modelos para apoyar otras funciones, como las ventas o el servicio al cliente.<\/p>\n<\/div>

\n
\u201cLa normativa sobre la artificial intelligence est\u00e1 en proceso de elaboraci\u00f3n. Nuestra transformaci\u00f3n, utilizando data e IA, pretende ser respetuosa con la privacidad, beneficiar a los seres humanos y a su entorno, y ser imparcial. Por ello, esta estrategia se anticipa en la medida de lo posible a los futuros cambios normativos. Debemos recordar que este tipo de proyectos no son s\u00f3lo t\u00e9cnicos; los seres humanos son el mayor factor de su \u00e9xito\u201d.\u201d<\/div>\n
M\u00e9d\u00e9ric Chomel, VP Data, IA y Automatizaci\u00f3n en Orange Francia.<\/div>\n<\/blockquote>\n<\/div><\/div><\/div><\/div><\/article>