Este artículo fue tomado del documento “IA y gestión del agua: lo que las empresas de servicios públicos necesitan saber ahora”. Encontrarás el artículo completo aquí.
El futuro de los chatbots: imaginando una interfaz de servicio al cliente más inteligente para los clientes del agua
Puede ver cómo ChatGPT, dejando a un lado las limitaciones , podría tener aplicaciones útiles cuando se trata de chatbots de servicio al cliente más inteligentes en el sector del agua. La mayoría de los chatbots de servicio al cliente de hoy en día comienzan con respuestas generadas por computadora a las preguntas de los clientes. Cuando la computadora no puede responder a la pregunta del cliente basándose en su base de datos disponible de preguntas y respuestas preestablecidas, pasará el cliente a un humano. Pero este tipo de chatbots a menudo se sienten como si estuvieras hablando con una computadora, y a menudo no son muy útiles.
Sin embargo, si algo como ChatGPT tuviera acceso a la información de una organización en particular, como una compañía de agua, podría producir respuestas mucho más relevantes a las preguntas de los clientes al recurrir a los datos de facturación, los datos de los clientes e incluso los datos del sistema de agua.
La IA puede obtener mucho más respuestas a inquietudes y preguntas como “El agua sale de mi grifo”, “Mi agua es marrón” o “¿Por qué mi factura es tan alta?” antes de pasar el cliente a un humano.
Imagine, por ejemplo, que un cliente se queja en un chat asistido por IA con potentes capacidades como ChatGPT de que su agua sale lentamente del grifo (debido a la baja presión). Si tuviera acceso a los datos correctos, podría hacer un análisis de sentimiento para ver si hay otros informes de problemas en la misma área. Luego podría alertar a las tripulaciones y formular una respuesta útil, como: “Sí, parece que tenemos un problema en esa área, y tenemos una tripulación que se dirige allí. Deben hacerse en dos horas y su servicio será restaurado”.
Ese es el tipo de impacto que una IA como ChatGPT podría tener en la mejora de los chat bots de atención al cliente en el sector del agua, si tuviera acceso a los datos de la organización y se resolvieran sus otras limitaciones, que enumeramos en la primera sección de este documento.
Ejemplo de conversación del cliente de una empresa de servicios públicos con un chatbot avanzado
Computación evolutiva para resolver problemas complejos de diseño de sistemas de distribución de agua (en la mitad del tiempo)
Un área prometedora de la IA en el sector del agua es la computación evolutiva para descubrir diseños óptimos para los sistemas de distribución de agua. Esto sería especialmente relevante para las iniciativas de planificación en sistemas de distribución de agua de tamaño mediano, como ciudades de 50,000 a 100,000 personas. Podría utilizarse, por ejemplo, para iniciativas de planificación maestra a largo plazo para optimizar los costos futuros de expansión, mantenimiento y reparación.
La computación evolutiva es un subcampo de la inteligencia artificial que resuelve problemas altamente complejos con demasiadas variables para los algoritmos tradicionales. Como su nombre lo indica, el campo está inspirado en los fundamentos de la evolución natural. La computación evolutiva utiliza algoritmos genéticos que se basan en principios como la herencia y la selección natural, el estándar de que los organismos más adecuados a su entorno propagarán su material genético y se reproducirán para ser más numerosos en su entorno.
En el sector del agua, la computación evolutiva resuelve el problema de probar las posibilidades casi infinitas que existen para lograr un diseño óptimo del sistema de agua. Incluso con 100,000 pies de tuberías, por ejemplo, si tuviera que cambiar todas y cada una de las tuberías por turnos para encontrar el diseño más óptimo en términos de eficiencia y costo, no hay tiempo de computación en el mundo disponible para hacerlo. Ciertamente no puede ser hecho por un humano. La mayoría de los ingenieros solo tendrán tiempo para considerar un puñado de soluciones de diseño para un proyecto.
La idea es que la IA pueda probar continuamente pequeños cambios en sistemas grandes y complejos, adoptando las soluciones fuertes y cambiando las débiles, hasta que el sistema alcance lo que se llama “una solución casi óptima”.
De hecho, se ha descubierto que la computación evolutiva ahorra más de la mitad del costo y produce mejores soluciones que los diseños producidos manualmente. La IA basada en algoritmos genéticos puede aportarnos soluciones a los problemas de diseño de sistemas de distribución de agua que nuestro sector no podría haber abordado en el pasado sin la IA.
IA para operaciones diarias: aprendizaje automático para detección de fallos y visión artificial
Detección de fallos y anomalías
Una de las aplicaciones más relevantes de la IA en los procesos diarios de una empresa de servicios públicos es la detección de fallos. Este sería un sistema de IA que utiliza el aprendizaje automático para detectar fallas en un sistema de agua antes de que cause un problema para el cliente. La forma en que funciona es que la IA aprende lo que es normal en función del rendimiento histórico del sistema. Reconoce patrones normales basados en la hora del día, la temperatura, la estación y otras variables, y luego hace una predicción de lo que sucederá a continuación. Si la predicción es de igual o similar valor a lo que esperaría, entonces no hay problema. Pero si hay una gran discrepancia, entonces puede alertar a los operadores.
Por ejemplo, imagine que una tubería estalla en algún lugar de su sistema de distribución en medio de la noche, y su sistema de IA detecta un problema. Luego podría alertar a un equipo para que vaya a repararlo antes de que cause problemas al cliente. Por la mañana, el cliente enciende la ducha sin siquiera saber que había un problema.
Combine este tipo de análisis impulsado por IA y sistema de alerta con un modelo de lenguaje natural generativo como ChatGPT, y las empresas de servicios públicos con recursos limitados, especialmente las empresas de servicios públicos más pequeñas que pueden no tener el departamento de análisis interno que a menudo tiene una empresa de servicios públicos más grande, podría ver un gran beneficio.
Vemos este tipo de capacidades de aprendizaje automático y procesamiento de lenguaje natural emergentes en la industria de la gestión del agua con herramientas como Qatium, por ejemplo, que tiene un asistente digital “Q” que proporciona alertas para anomalías como zonas de presión anormales, niveles de tanques, flujos y otras operaciones diarias importantes.
Visión artificial
Como se discutió anteriormente, una aplicación de IA de aprendizaje profundo que vemos cada vez más en el sector del agua hoy en día es la visión por computadora. La visión artificial utiliza el aprendizaje profundo para analizar videos y fotografías para detectar anomalías, fugas y fallas mucho más rápido y con más precisión que el análisis tradicionalmente tripulado por humanos.
La IA de aprendizaje profundo es extremadamente buena y rápida para aprender las características visuales de las tuberías. Puede caracterizar las imperfecciones de una manera metódica que los humanos simplemente no tienen el ancho de banda para hacer. El aprendizaje profundo basado en imágenes puede recurrir a su inmenso conjunto de datos para poder identificar si, por ejemplo, el metraje muestra una acumulación de escombros o si en realidad es una rotura o deslizamiento en una conexión de tubería. Incluso si los humanos no cometieron errores, después de dos o tres horas de mirar este tipo de imágenes, pierde todo significado. Pero el aprendizaje automático profundo no tiene ese problema, por lo que es una muy buena aplicación para datos de circuito cerrado de televisión (CCTV). Incluso hay aplicaciones recientes en las que los modelos de aprendizaje profundo basados en imágenes utilizan imágenes de CCTV para analizar la densidad de las gotas de lluvia para reconocer la intensidad de la lluvia, lo que tiene implicaciones importantes para las respuestas rápidas de gestión de inundaciones.
¿Qué sigue para las aplicaciones de IA en el sector del agua?
La robótica tiene un futuro claro en la industria de la gestión del agua. Nuestra industria se ocupa de la infraestructura que es difícil y a veces peligrosa de monitorear, acceder, inspeccionar y comprender en virtud de que está enterrada bajo tierra. Y aunque los robots desempeñan un papel clave en otras industrias donde es demasiado difícil, peligroso o perjudicial para los humanos viajar para recopilar datos, el sector del agua aún no ha aprovechado completamente la robótica.
Aún así, hemos visto algunos movimientos hacia la robótica en la industria del agua. Por ejemplo, se han desarrollado dispositivos que las personas dejan caer en tuberías para recopilar datos para la detección de fugas. Los dispositivos no permanecen en las tuberías; Se dejan en un lugar y luego se recogen en otro lugar, para que los datos puedan ser recolectados y analizados.
Pero en el futuro, deberíamos ver más robots autónomos que permanezcan en un sistema de agua indefinidamente, arrastrándose a través de una red de tuberías y recopilando y enviando datos continuamente para ser analizados con análisis de IA para obtener información en una red.
Como se mencionó anteriormente, los avances en la IA del sector del agua están limitados porque, primero, no somos una industria de altos beneficios y, dos, somos reacios al riesgo porque nuestros sistemas de agua son esenciales para la salud humana. Entonces, aunque la robótica y la IA son un futuro lógico para las soluciones de gestión del agua, nuestro progreso en esa dirección es más lento que en otras industrias. Aún así, debemos ser optimistas sobre las emocionantes aplicaciones potenciales de las futuras soluciones de IA en nuestro sector.
#QatiumExperts
Qatium está co-creado con expertos y líderes de opinión de la industria del agua. Creamos contenido para ayudar a las empresas de servicios públicos de todos los tamaños a enfrentar los desafíos actuales y futuros.
Dragan Savic, director ejecutivo del Instituto de Investigación del Agua KWR, es asesor de Qatium.
