Pular para o conteúdo
Even3

Priorização de canais de retorno com redes neurais LSTM

Trecho de 1 min 51 s de Inteligência Artificial para Redução de Deslocamentos Improcedentes na Distribuidora de Energia Elétrica, gravado no evento Semana da Engenharia Elétrica 2021 - UFRJ.

Assistir à gravação completaNo Even3 Conteúdos · 51 min

Sobre este trecho

Descubra como um modelo de série temporal prevê a capacidade do callback humano para direcionar casos mais críticos e usar URA no restante.

Vai de a da gravação.

O que é dito neste trecho

Eh, o objetivo desse módulo, né, é indicar qual o melhor canal de contato com o cliente. E eu vou ter dois canais de retorno possíveis, né, conforme eu já expliquei, o callback humano e a aura, que é um robozinho ali automático. E esses dois canais de retorno, eles têm uma uma eles têm algumas semelhanças, né, e algumas diferenças muito importantes. Semelhança que os dois acontecem via telefone e a diferença principal aqui o callback humano, ele é muito mais eficaz em evitar deslocamentos improcedentes, mas ele consegue fazer menos ligações do que a aura, né? Eh, e aí essa indicação, né, de de qual canal vai ser indicado para cada incidente, ela vai acontecer eh de acordo com uma previsão que vai ser feita por um modelo inteligente da capacidade de atendimento do callback. Então essa modelagem problema aí de série temporal, né? Então tem aí as ligações, né, do do callback, ou seja, eu vou buscar prever qual a quantidade de de incidentes que a equipe de callback humano vai conseguir atender na próxima hora, por exemplo, né? Eh, e a partir disso eu vou encaminhar para o callback eh a vamos supor que esse modelo previu aí num determinado instante que vão ser 20 incidentes que a equipe de callback vai vai conseguir atender. Eh, então eu vou direcionar para o callback as 20 os 20 incidentes com a chance de gerar um deslocamento improcedente, eh e todos os outros eu vou indicar para a aura, né? Eh, porque ela consegue fazer uma quantidade muito muito muito maior de ligações, né? Então utiliza a previsão desse modelo aí de série temporal para ordenar e determinar qual o canal aí que eu vou utilizar para cada para cada incidente, né? Então aqui é o fluxo do modelo em si. O modelo de de inteligência artificial aí que a gente utilizou é uma rede neural recursiva, né, chamada aí de LSTM.

Outros trechos deste conteúdo