Jak rozwinąłem system AI do zbierania odczytów liczników.
Mieszkaniec nie musi logować się do portalu ani wypełniać formularza. Dzwoni pod wskazany numer i przekazuje odczyty wodomierzy, ciepłomierzy lub liczników energii agentowi głosowemu AI. Rozmowa może odbywać się po łotewsku, rosyjsku, angielsku, polsku lub litewsku.
To jednak dopiero początek procesu. Dane z rozmowy muszą jeszcze zostać bezpiecznie zapisane, połączone z odpowiednim mieszkaniem i licznikiem, sprawdzone, a następnie przygotowane dla działu rozliczeń.
Właśnie ten etap rozwoju systemu przejąłem.
Od działającej koncepcji do procesu biznesowego
Pierwsza faza projektu potwierdziła, że agent głosowy może skutecznie zbierać odczyty przez telefon. Kolejnym krokiem było dostosowanie rozwiązania do rzeczywistych warunków: przerwanych połączeń, różnych sposobów podawania adresów, opisowych nazw liczników i wartości rozpoznanych z mowy.
Rozbudowałem aplikację tak, aby każda rozmowa uruchamiała spójny, kontrolowany przepływ danych – od telefonu mieszkańca do pliku gotowego do dalszej obsługi.
Jak działa cały proces
- Mieszkaniec dzwoni i podaje odczyty. Agent AI prowadzi rozmowę w wybranym języku i zbiera potrzebne informacje.
- System zabezpiecza dane rozmowy. Surowe dane oraz transkrypcja są zapisywane niezależnie od dalszego przetwarzania.
- Odczyty są porządkowane. Aplikacja rozpoznaje typ licznika, wartość, mieszkanie oraz dostępne informacje o urządzeniu.
- Reguły biznesowe kontrolują jakość. System sprawdza zakres wartości, dopasowuje licznik i kieruje niejednoznaczne przypadki do weryfikacji.
- Operator otrzymuje gotowy plik. Dane można filtrować, sprawdzać i eksportować do dalszych rozliczeń.
AI tam, gdzie rzeczywiście pomaga
Model językowy pełni w tym rozwiązaniu konkretną rolę. Jeśli rozmowa zawiera odczyty, ale nie zostały one przekazane w ustrukturyzowanej formie, AI potrafi odzyskać je z transkrypcji wraz z fragmentem wypowiedzi stanowiącym podstawę do weryfikacji.
Nie wszystkie decyzje warto jednak oddawać modelowi. Dopasowanie mieszkania, kontrola zakresu odczytu i wybór właściwego licznika opierają się przede wszystkim na danych oraz jasno określonej hierarchii reguł. AI pomaga interpretować mowę, a logika biznesowa pilnuje przewidywalności procesu.
To połączenie jest kluczowe w systemach, które pracują na rzeczywistych danych klientów.
Zweryfikowane dane wracają do procesu
Ważnym elementem drugiego etapu był również mechanizm importowania plików zweryfikowanych przez firmę. Poprawione adresy, numery liczników i przypisania do zarządców wracają do bazy i wspierają obsługę kolejnego okresu.
Dzięki temu system nie działa w oderwaniu od codziennej pracy operatorów. Każdy cykl pozwala uzupełnić dane klientów i zwiększyć liczbę odczytów, które można przypisać automatycznie. Po wdrożeniu drugiego etapu numer licznika z bazy był dostępny dla 94% odczytów.
Efekt: AI włączone w realną operację
Rezultatem nie jest kolejny demonstracyjny chatbot, ale działający proces biznesowy. Agent głosowy ułatwia kontakt mieszkańcom, aplikacja porządkuje informacje, reguły chronią jakość danych, a operator zachowuje kontrolę nad przypadkami wymagającymi decyzji.
Projekt pokazuje też, gdzie zastosowanie AI daje największą wartość: nie jako samodzielny dodatek, lecz jako część dobrze zaprojektowanego systemu, połączonego z bazą klientów, weryfikacją i dalszym procesem rozliczeniowym.
Technologie: Python, Django, MySQL, ElevenLabs, modele językowe, webhooki, XLSX/CSV.