Заявки, приборы учёта, аварии - на данных, которые уже собираются
Нейросети в ЖКХ решают задачи, где всё упирается в объём данных: заявки жителей, показания приборов учёта, диспетчерские журналы. Ниже - направления, по которым мы работаем с управляющими компаниями и ресурсоснабжающими организациями.
Что мы внедряем
Заявки
Классификация обращений, маршрутизация в службы, автоответы жителям.
Как это работает
Обращение приходит из приложения, чата или с телефона
Модель определяет тему и службу
Житель получает ответ, заявка уходит исполнителю
Что получаете
Заявка попадает в нужную службу без ручной сортировки.
Приборы учёта
Поиск аномалий в показаниях, выявление недоучёта и утечек.
Как это работает
Берём историю показаний по домам
Модель находит нетипичные значения
Список адресов уходит на проверку
Что получаете
Проверки идут по адресам с аномалией, а не по всему фонду.
Аварии
Нейросети в ЖКХ прогнозируют отказы сетей по истории ремонтов и телеметрии.
Как это работает
Собираем историю ремонтов и данные телеметрии
Модель оценивает риск по участкам
Ремонт планируется по участкам с высоким риском
Что получаете
Плановый ремонт идёт туда, где авария вероятнее.
Диспетчерская
Автоматизация процессов ЖКХ: сводки, отчётность, контроль сроков.
Как это работает
Данные заявок и работ сводятся в одном месте
Сводка и отчёт собираются автоматически
Просроченные заявки подсвечиваются
Что получаете
Сводка готова к началу смены, сроки на виду.
Направления
Применение нейросетей в ЖКХ начинается с заявок - там быстрее всего виден эффект. Нейросети в ЖКХ работают на ваших данных, без обучения на чужих архивах. Нейросети в ЖКХ не требуют новых датчиков: хватает того, что уже собирается.
Данные и системы
ИИ в сфере ЖКХ подключается к ГИС ЖКХ, биллингу и системам диспетчеризации через API. ИИ в сфере ЖКХ не требует замены учётного контура. Нагрузку на диспетчерскую ИИ в сфере ЖКХ снижает в первую очередь. Цифровизация коммунальных услуг упирается в качество ввода: если заявки принимаются голосом и нигде не фиксируются, обучать модель не на чем.
Что нужно от заказчика
Архив заявок хотя бы за год, доступ к биллингу, ответственный со стороны диспетчерской. ИИ в сфере ЖКХ без этого не запускается. Работает ИИ в сфере ЖКХ и в небольших УК. Нейросети в ЖКХ дообучаются на ваших обращениях по мере работы.
Внедрение
Внедрение ИИ в ЖКХ занимает 6-14 недель. Внедрение ИИ в ЖКХ начинается с аудита обращений и данных приборов учёта.
Этапы внедрения
Внедрение ИИ в ЖКХ идёт через пилот на одном фонде - метрика подтверждается до тиража. Внедрение ИИ в ЖКХ завершается регламентами и обучением диспетчеров. Внедрение ИИ в ЖКХ окупается на фонде от нескольких десятков домов.
Эффект
Повышение эффективности ЖКХ с помощью ИИ измеряется сроком закрытия заявки и долей повторных обращений. Инновации для систем ЖКХ приживаются там, где у сценария есть владелец. ИИ в ЖКХ даёт результат уже на первом фонде, без тиража на всю сеть.
Расскажите о задаче - на аудите отберём сценарии и назовём сроки.
Мой проект - тематический сайт знакомств. Я оцениваю его как проект высокого уровня сложности: очень непросто найти разработчиков, которые могли бы его реализовать. Я работал с командой Глеба в течение более двух лет с перерывами, которые были связаны исключительно с моим финансовым состоянием. По итогу могу сказать, что вполне доволен проделанной работой. Ребята знают своё дело, с хорошей коммуникабельностью, и всегда помогут советом. В данный момент вся основная работа сделана, сайт находится в рабочем состоянии и набирает пользователей. Есть идеи по добавлению новых функций, и если я решусь на это, то буду реализовывать их и дальше с этой командой.
ОИ
Команда Глеба была профессиональной, оперативно реагировали на любые возникающие вопросы и шли навстречу в рабочих моментах. В ходе работы с командой были реализованы части и компоненты масштабного сервиса AI LMS платформы.
АМ
Мы разрабатывали несколько сервисов, часть из них запускалась в формате MVP: в частности, автоматизировали обработку запросов корпоративных заказчиков на аренду спортивных площадок. Команда проекта была на связи, и мы активно двигались по нашим требованиям. Достаточно оперативно реализовали и запустили продукт. Спасибо команде!
Н
Обращались в YAVVI за доработками нашего сайта pakpakych.ru. Стек у нас не самый простой: Django, GarpixCMS и React SPA. До этого несколько подрядчиков ограничивались общими рекомендациями «в вакууме».
Ребята зашли иначе: сначала провели полноценный технический аудит, разобрали каждый из 26 пунктов нашего ТЗ и по каждому написали, что уже реализовано, чего нет и почему. Отдельно ценно, что не стали продавать нам лишние работы, а честно указали, где функционал в проекте уже есть и где два пункта дублируют друг друга. По ходу аудита нашли критичную проблему, о которой мы не подозревали, и одна эта находка окупила всю работу.
По каждой задаче была вилка часов и тип работ, никаких «примерно месяц», всё проверялось руками и подтверждалось инструментами. Каждая доработка выведена в админку, это принципиально: мы получили не разовый результат, а инструмент, плюс обучение нашей команды. Рекомендую тем, у кого нетиповой стек и нужен подрядчик, который сначала разберётся, а потом делает. Продолжаем сотрудничество.
Обсудим вашузадачу
Вам необязательно иметь чёткую задачу. Оставьте контакты, и мы разберём ваши текущие бизнес-процессы и честно покажем, где внедрение технологий даст реальный финансовый результат.