«Коммерсант» написал, что запускается пилотный проект по интеграции ИИ-ассистента в жилые комплексы. Нейросеть будет помогать жителям управлять домофонами, камерами и пропусками. «Российская газета» обратилась в Ассоциацию АКОН прокомментировать тему внедрения искусственного интеллекта у представителей УК.
-Может быть, у каких-либо УК уже есть опыт внедрения подобных сервисов или попытки этого? - Как это работает на практике, реально ли полезно жителям, есть ли "подводные камни"?
Ассоциация АКОН публикует полные ответы компаний.
Евгений Бойкачев, директор по продукту компании Диспетчер 24 (ДС24):
Искусственный интеллект — это обширное понятие, в которое входят различные направления: методы анализа данных, обработка естественного языка, распознавание образов, рекомендательные системы и системы принятия решений.
В сфере ЖКХ можно выделить несколько областей применения искусственного интеллекта:
— повышение качества клиентского сервиса,
— системы безопасности и контроль управления доступом,
— системы умного здания и умной квартиры.
Решения Диспетчер 24 ориентированы на автоматизацию и повышение качества клиентского сервиса управляющих компаний, поэтому мы начали экспериментировать с искусственным интеллектом около 5 лет назад.
Первые опыты были в области анализа данных. С помощью методов машинного обучения и процессной аналитики мы старались оптимизировать маршруты заявок для различных причин обращений жителей и сократить сроки выполнения заявок. В нашей системе заявки назначаются на исполнителей и маршрутизируются автоматически без участия человека. Искусственный интеллект позволял сравнить выполнение заявок на различных ЖК и помогал сгенерировать гипотезы. Например, почему заявки в одном ЖК выполняются за 3 дня, а в других стабильно просрочены, хотя причина обращения одна и та же. Некоторые из этих гипотез оказались весьма удачными и помогли нам доработать логику маршрутизации заявок.
Контакт-центр — один из основных продуктов Диспетчер 24. Здесь наш основной фокус на роботизации. Конечно, роботы ещё не скоро полноценно заменят живого оператора, но уже сегодня они эффективно помогают сглаживать пиковые нагрузки на контакт-центр.
Сейчас роботы могут успешно обработать до 80% диалогов в сценариях консультирования жителей по заявкам, оценке качества выполненных работ и приёме показаний счётчиков.
Потенциал искусственного интеллекта в клиентском сервисе ЖКХ только начинает проявляться. Мы уже привыкли к интеллектуальным ассистентам в банкинге, телекоме и ритейле. В перспективе 2-3 лет умные боты станут неотъемлемой частью управляющих компаний в ЖКХ.
- Почему в одном ЖК заявки выполняются за 3 дня, а в другом просрочены?
При обработке каждой заявки в истории фиксируются события (например, смена статуса, звонок исполнителю, комментарий жителя). Последовательность таких событий образует маршрут (чем меньше вариантов маршрутов у одного и того же процесса, тем лучше, значит, процесс стабилен).
Длина маршрута влияет на SLA (Service Level Agreement, соглашение об уровне сервиса) и на итоговую оценку удовлетворённости жителя качеством выполненной заявки.
Например, по причине обращения «Консультация по вопросам начислений и оплаты» на ЖК 1 маршрут будет вида: А1-А2-А3-А4, а на ЖК2: А1-А2-А3-А4-А5-А3-А4-А7. Таких вариаций может быть довольно много.
Процессная аналитика покажет эталонный маршрут выполнения заявки и найдёт аномалии, влияющие на отклонения в других маршрутах.
Например, многократная смена исполнителя, многократное повторное открытие заявки и возвращение в работу, длительное ожидание комментариев коллег или согласование, недозвоны.
Когда работаешь над гипотезами по улучшению сроков выполнения заявок, невооружённым глазом может показаться, что на одном ЖК исполнители загружены меньше, чем на другом. Нужно больше исполнителей или перераспределение заявок между ними.
Процессная аналитика показывает в этом случае, что нагрузка на одного исполнителя не так уж сильно отличается и не является критическим фактором. А вот многократные передачи заявки другим сотрудникам и длительное ожидание комментариев влияют куда сильнее. Как вариант, стоит пересмотреть изначальный выбор исполнителя и назначать заявку более точно, на более подходящего сотрудника.
Такие исследования помогли не только повысить эффективность маршрутов выполнения заявок по определённым причинам обращений, но и на уровне системы заложить логику управления статусами заявок и правами пользователей для минимизации вариантов неоптимальных маршрутов.
Спикер: Сергей Могилевец, генеральный директор УК Новгородская (группа RBI, г. Санкт-Петербург)
Мы используем ИИ в следующих практиках:
1. Анализ клиентских часов с целью выявления эксплуатационных задач.
2. Анализ внутренних инфраструктурных чатов на предмет выполнения задач подрядчиками.
3. Помощь в написании текстов копирайтеров
4. Создание макетов для сезонных тематических материалов
5. Анализ big data, выявление корреляций и закономерностей из клиентских обращений.
6. Контроль качества выполнения обращений роботизацией.
Фото Freepik
📌 Войди в «100 лучших практик управления недвижимостью» на Ярмарке УК
