Dragan Savic
Este artigo foi retirado do artigo “AI & Gestão da água — O que as concessionárias precisam saber agora”. Você encontrará o artigo completo aqui.
O futuro dos chatbots: imaginando uma interface de atendimento mais inteligente para os clientes de água
Você pode ver como o ChatGPT, limitações à parte, pode ter aplicativos úteis quando se trata de chatbots de atendimento ao cliente mais inteligentes no setor de água. A maioria dos chatbots de atendimento ao cliente hoje começa com respostas geradas por computador para perguntas dos clientes. Quando o computador não consegue responder à pergunta do cliente com base em seu banco de dados disponível de perguntas e respostas predefinidas, ele passa o cliente para um humano. Mas esses tipos de chatbots geralmente parecem que você está falando com um computador e, muitas vezes, não são muito úteis.
Se algo como o ChatGPT, no entanto, tivesse acesso a informações de uma organização específica, como uma empresa de água, poderia produzir respostas muito mais relevantes para as perguntas dos clientes, baseando-se em dados de faturamento, dados de clientes e até mesmo dados do sistema de água.
A IA pode ser capaz de responder muito mais a preocupações e perguntas como “A água escorre da minha torneira”, “Minha água é marrom” ou “Por que minha conta é tão alta?” antes de passar o cliente para um humano.
Imagine, por exemplo, um cliente reclamar para um chat assistido por IA com recursos poderosos como o ChatGPT que sua água está saindo lentamente da torneira (devido à baixa pressão). Se tivesse acesso aos dados corretos, poderia fazer uma análise de sentimento para ver se há outros relatos de problemas na mesma área. Em seguida, poderia alertar as tripulações e formular uma resposta útil, como: “Sim, parece que temos um problema naquela área, e temos uma tripulação indo para lá. Elas devem ser feitas em duas horas e o serviço será restabelecido”.
Esse é o tipo de impacto que uma IA como o ChatGPT poderia ter na melhoria dos chatbots de atendimento ao cliente no setor de água, se tivesse acesso aos dados da organização e suas outras limitações, que listamos na primeira seção deste artigo, fossem resolvidas.
Exemplo de conversa do cliente de um utilitário com um chatbot avançado
Computação evolutiva para resolver problemas complexos de projeto de sistemas de distribuição de água (na metade do tempo)
Uma área promissora da IA no setor de água é a computação evolutiva para descobrir projetos ótimos para sistemas de distribuição de água. Isso seria especialmente relevante para iniciativas de planejamento em sistemas de distribuição de água de médio porte, como cidades de 50.000 a 100.000 pessoas. Ele poderia ser usado, por exemplo, para iniciativas de planejamento mestre de longo prazo para otimizar os custos futuros de expansão, manutenção e reparo.
A computação evolutiva é um subcampo da inteligência artificial que resolve problemas altamente complexos com muitas variáveis para algoritmos tradicionais. Como o nome indica, o campo é inspirado nos fundamentos da evolução natural. A computação evolutiva usa algoritmos genéticos que se baseiam em princípios como herança e seleção natural – o padrão de que organismos mais adequados ao seu ambiente propagarão seu material genético e se reproduzirão para se tornarem mais numerosos em seu ambiente.
No setor da água, a computação evolutiva resolve o problema de testar as possibilidades quase infinitas que existem para alcançar um projeto ótimo de sistema de água. Mesmo com 100.000 pés de tubos, por exemplo, se você tivesse que mudar cada tubo para encontrar o projeto mais ideal em termos de eficiência e custo, não há tempo de computação no mundo disponível para fazer isso. Certamente não pode ser feito por um humano. A maioria dos engenheiros só terá tempo para considerar um punhado de soluções de design para um projeto.
A ideia é que a IA possa testar continuamente pequenas mudanças em grandes sistemas complexos, adotando as soluções fortes e alterando as fracas, até que o sistema atinja o que é chamado de “uma solução quase ideal”.
Na verdade, descobriu-se que a computação evolutiva economiza mais da metade do custo e produz soluções melhores do que os projetos produzidos manualmente. A IA baseada em algoritmos genéticos pode nos trazer soluções para problemas de projeto de sistemas de distribuição de água que nosso setor não poderia ter enfrentado no passado sem IA.
IA para operações cotidianas: aprendizado de máquina para detecção de falhas e visão computacional
Detecção de anomalias e falhas
Uma das aplicações mais relevantes da IA nos processos diários de uma concessionária é a detecção de falhas. Este seria um sistema de IA que usa aprendizado de máquina para detectar falhas em um sistema de água antes que cause um problema para o cliente. A forma como funciona é que a IA aprende o que é normal com base no desempenho histórico do sistema. Ele reconhece padrões normais com base na hora do dia, temperatura, estação do ano e outras variáveis e, em seguida, faz uma previsão para o que acontecerá a seguir. Se a previsão for de valor igual ou semelhante ao que seria esperado, então não há problema. Mas se houver uma grande discrepância, ele pode alertar os operadores.
Por exemplo, imagine que um cano estoura em algum lugar do seu sistema de distribuição no meio da noite e seu sistema de IA detecta um problema. Ele poderia então alertar uma equipe para ir repará-lo antes que cause problemas para o cliente. Pela manhã, o cliente liga o chuveiro sem nem saber que havia um problema.
Combinar esse tipo de sistema de análise e alerta orientado por IA com um modelo de linguagem natural generativo como o ChatGPT, e utilitários com recursos limitados, especialmente utilitários menores que podem não ter o departamento de análise interno que um utilitário maior geralmente tem, pode ver um enorme benefício.
Vemos esse tipo de aprendizado de máquina e recursos de processamento de linguagem natural surgindo na indústria de gerenciamento de água com ferramentas como o Qatium, por exemplo, que tem um assistente digital “Q” que fornece alertas para anomalias como zonas de pressão anormais, níveis de tanque, vazões e outras operações diárias importantes.
Visão computacional
Como discutido anteriormente, uma aplicação de IA de aprendizado profundo que vemos cada vez mais no setor de água hoje é a visão computacional. A visão computacional usa aprendizado profundo para analisar vídeos e fotografias para detectar anomalias, vazamentos e falhas muito mais rápido e com mais precisão do que a análise tradicionalmente tripulada por humanos.
A IA de aprendizagem profunda é extremamente boa, e rápida, no aprendizado de características visuais de tubos. Ele pode caracterizar imperfeições de uma forma metódica que os humanos simplesmente não têm largura de banda para fazer. O aprendizado profundo baseado em imagens pode se basear em seu imenso conjunto de dados para ser capaz de identificar se, por exemplo, a filmagem está mostrando um acúmulo de detritos ou se é realmente uma quebra ou deslizamento em uma conexão de tubulação. Mesmo que os humanos não cometessem erros, depois de duas ou três horas olhando para esse tipo de filmagem, ela perde todo o sentido. Mas o aprendizado de máquina profundo não tem esse problema, tornando-se uma aplicação muito boa para dados de Circuito Fechado de Televisão (CFTV). Há até mesmo aplicações recentes em que modelos de aprendizagem profunda baseados em imagem usam imagens de CFTV para analisar a densidade de gotas de chuva para reconhecer a intensidade da precipitação, o que tem implicações importantes para respostas rápidas de gerenciamento de inundações.
O que vem por aí para as aplicações de IA no setor de água?
A robótica tem um futuro claro na indústria de gestão da água. Nossa indústria lida com infraestrutura que é difícil e, às vezes, perigosa de monitorar, acessar, inspecionar e entender em virtude de estar enterrada no subsolo. E embora os robôs desempenhem um papel fundamental em outras indústrias onde é muito difícil, perigoso ou disruptivo para os humanos viajarem para coletar dados, o setor de água ainda não aproveitou totalmente a robótica.
Ainda assim, vimos alguns movimentos em direção à robótica na indústria da água. Por exemplo, foram desenvolvidos dispositivos que as pessoas jogam em canos para coletar dados para detecção de vazamentos. Os dispositivos não ficam nos canos; Eles são deixados em um local e depois coletados em outro local, para que os dados possam ser colhidos e analisados.
Mas, no futuro, devemos ver mais robôs autônomos que permanecem em um sistema de água indefinidamente, rastejando através de uma rede de tubulação e continuamente coletando e enviando dados para serem analisados com análises de IA para obter informações em uma rede.
Como mencionado anteriormente, os avanços na IA do setor de água são limitados porque, um, não somos uma indústria de alto lucro e, dois, somos avessos ao risco porque nossos sistemas de água são essenciais para a saúde humana. Portanto, embora a robótica e a IA sejam um futuro lógico para soluções de gerenciamento de água, nosso progresso nessa direção é mais lento do que em outras indústrias. Ainda assim, devemos ser otimistas sobre as empolgantes aplicações potenciais de futuras soluções de IA em nosso setor.
#QatiumExperts
A Qatium é co-criada com especialistas e líderes de pensamento da indústria da água. Criamos conteúdo para ajudar utilitários de todos os tamanhos a enfrentar os desafios atuais e futuros.
Dragan Savic, CEO do KWR Water Research Institute, é conselheiro da Qatium.
