ORANGE France Soluzione AI di riconoscimento visivo al servizio della qualità dell'intervento tecnico di Orange France

Orange, azienda di telecomunicazioni leader in Francia e in Europa, ha intrapreso una trasformazione basata sull'intelligenza artificiale nel 2020. Questa nuova visione dei dati e dell'IA mira ad aiutare le migliaia di tecnici, ingegneri e altre professioni impiegate dal gruppo a svolgere compiti troppo complessi che l'uomo può gestire da solo. Allo stesso tempo, è stata avviata una revisione delle norme che regolano i prodotti di dati.

Per attuare la nuova strategia, Orange è stata accompagnata dalla società di consulenza di servizi dati Artefact. Insieme, le due aziende hanno industrializzato numerosi casi d'uso per supportare le Business Unit del gruppo, facilitare il processo decisionale tecnico e trasformare l'attività realizzando il potenziale dei dati e dell'IA.

Tra questi casi d'uso costruiti congiuntamente c'è una soluzione di intelligenza artificiale progettata per assistere i tecnici di Orange nella connessione dei clienti alla rete in fibra. Questa soluzione, integrata nell'applicazione del tecnico, verifica che nessuno dei suoi interventi sulle apparecchiature di rete generi "difetti" o "non conformità", che sono spesso la causa del crescente degrado della rete in fibra in Francia.

"Nel 2022 abbiamo aumentato il numero di connessioni del 23% rispetto al 2021. Questa crescita sostenuta ha portato a un aumento dei malfunzionamenti segnalati. Per questo motivo l'ARCEP ha reso obbligatorio, nell'estate del 2021, lo scatto di fotografie prima e dopo ogni intervento.

Queste immagini hanno un triplice obiettivo: monitorare, intervenire il più rapidamente possibile in caso di problemi e sanzionare gli operatori trovati in difetto.

Per Orange, questo regolamento richiede l'analisi di 20.000 foto al giorno. Un compito impossibile da svolgere in modo rapido e impeccabile senza l'assistenza dell'IA".

Médéric Chomel, VP Data, AI & Automation di Orange France

Chiedere ai tecnici di verificare numerosi punti di controllo in cantiere o di avere sufficienti risorse umane dedicate all'analisi delle 20.000 immagini generate ogni giorno non è una soluzione praticabile. Sarebbe troppo dispendioso in termini di tempo e di costi e non sarebbe a prova di errore. Inoltre, il campionamento non è un'opzione possibile, poiché ogni singolo intervento deve essere verificato.

Per esaminare queste decine di migliaia di foto al giorno (10.000 interventi x 2 - 10 foto), Orange e Artefact hanno sviluppato un modello algoritmico che utilizza il riconoscimento delle immagini (computer vision). I tecnici, tramite la loro applicazione mobile, inviano le loro foto a un motore di intelligenza artificiale che verifica quasi in tempo reale se il loro lavoro è conforme. Se il tecnico non è d'accordo con le raccomandazioni della macchina, è libero di ignorarle. L'intelligenza artificiale è perfettamente integrata nel flusso di lavoro del tecnico.

Il progetto è stato guidato da un team multidisciplinare con un mix di profili provenienti sia da Orange che da Artefact. È stato creato un gruppo di lavoro composto dal Product Owner, da data scientist, ingegneri, utenti ed esperti di altre professioni per lavorare alla realizzazione della soluzione.

Il tempo è stato il primo problema affrontato dal team responsabile del progetto. Orange aveva solo nove mesi per implementare la prima versione della soluzione. Per questo motivo hanno deciso di basare parte del progetto sul "transfer learning", un metodo che prevede l'utilizzo di modelli preesistenti già in uso all'interno dell'azienda o disponibili come open source. I team di Artefact hanno quindi rielaborato questi modelli attraverso la riqualificazione, l'etichettatura e la pre-elaborazione, per ridurre i tempi di consegna, e ne hanno sviluppati altri da zero.

Il team ha quindi esaminato i tempi di risposta di diverse soluzioni di computer vision. Alcune soluzioni presenti sul mercato elaboravano le immagini in sette o addirittura otto minuti, mentre il tempo previsto era di tre secondi. L'applicazione deve essere lanciata quando il tecnico sta per lasciare il sito. Non è pratico chiedere al tecnico di aspettare 10 minuti per verificare la conformità della sua installazione. Per ridurre il più possibile la latenza, i calcoli sono parallelizzati. In questo modo, diversi modelli vengono eseguiti contemporaneamente per ottenere risultati in tempo quasi reale.

La terza sfida, ma certamente non la meno importante, è stata la precisione dell'analisi. Per garantire la massima precisione, è stato necessario fornire all'algoritmo un'enorme quantità di foto conformi e non conformi. L'etichettatura di queste immagini è stata effettuata da una società partner chiamata Isahit, che è stata in grado di elaborare 80.000 foto in tre mesi di sviluppo, rispettando la riservatezza dei dati.

"Questo progetto fa parte della strategia di trasformazione AI a lungo termine di Orange. Abbiamo confezionato il codice in modo che possa essere riutilizzato in casi d'uso futuri in cui è necessario il riconoscimento delle immagini. Questo prodotto AI è già stato riutilizzato per supportare i tecnici della fibra in un altro settore operativo".

Vincent Luciani, cofondatore e CEO del gruppo Artefact .

Per capire il loro modo di lavorare, i tecnici hanno fatto parte del progetto fin dall'inizio. Questo ha permesso al team di sviluppo di identificare diversi punti, uno dei quali è fondamentale: l'applicazione non deve essere percepita come un mezzo per controllare il lavoro dei tecnici, ma come uno strumento per facilitare il loro lavoro quotidiano.

Quindi, per garantire che gli utenti finali si trovino a proprio agio con l'applicazione e che questa sia stata progettata in modo etico, il team ha lavorato su due aspetti.

In primo luogo, i tecnici devono essere in grado di mantenere il controllo sulla macchina e di andare contro le sue raccomandazioni. Per questo motivo la spiegabilità dei risultati restituiti dal modello era un valore fondamentale. Se il modello rileva una o più non conformità, l'IA deve specificare quale o quali aree sono interessate.

Poi, una volta pronta una prima versione dell'applicazione, il team l'ha fatta testare a 50 tecnici volontari. Questo ha permesso al team di raccogliere feedback rilevanti per migliorare i modelli. Ad esempio, le condizioni in cui sono state scattate le foto possono portare a confondere i cavi di colore arancione (di Orange) con quelli di colore rosso (della concorrenza). Il ripetersi di questo errore ha indotto il team a migliorare l'accettabilità dell'algoritmo. Le prestazioni del modello sono state ridotte per evitare di contraddire ciò che vede l'uomo.

Per Vincent Luciani, cofondatore e CEO del gruppo Artefact ,

"Tutti i nostri progetti di IA sono concepiti per rispettare i sette principi fondamentali per l'uso etico dell'IA stabiliti da un gruppo di esperti della Commissione europea. Il primo di questi valori è il controllo umano. Abbiamo posto i tecnici al centro del progetto per garantire che questa nuova soluzione faciliti la loro vita quotidiana e non ostacoli la loro autonomia. Questo è stato fondamentale anche per la sua adozione da parte di tutti gli installatori Orange".

In soli nove mesi, questa nuova applicazione è stata progettata, testata, corretta e industrializzata su larga scala. Si è trattato di una vera e propria impresa tecnica e umana, poiché lo strumento è stato adottato dai 10.000 tecnici impiegati ogni giorno in Francia.

Questa applicazione è solo uno dei 150 casi d'uso sviluppati da Orange negli ultimi due anni nell'ambito della sua trasformazione attraverso l'intelligenza artificiale. Da allora, Orange - insieme a Artefact - ha messo in produzione 15 nuovi modelli per supportare altre funzioni, come le vendite o il servizio clienti.

"Le normative sull'intelligenza artificiale sono in fase di elaborazione. La nostra trasformazione, utilizzando i dati e l'IA, intende rispettare la privacy, apportare benefici agli esseri umani e al loro ambiente ed essere imparziale. Per questo motivo la presente strategia anticipa il più possibile le future modifiche normative. Dobbiamo ricordare che questo tipo di progetti non sono solo tecnici; gli esseri umani sono il fattore più importante per il loro successo".

Médéric Chomel, VP Data, AI & Automation di Orange France.