ДОБРОДЕЙ / Энергетика и сбытовые компании
Заранее увидеть риск неоплаты и понять его причины.
Для прогноза нужна отдельная ML-модель на истории компании. Языковая модель помогает читать результаты, искать документы и готовить черновики для сотрудников.
Обсудить задачуПРИМЕРЫ ПРИМЕНЕНИЯ
01
ИИ-ПОМОЩНИК
Список рисков → план работы специалиста
- Что даём системе
- Прогноз, сумма задолженности и разрешённые правила взаимодействия.
- Что получаем
- Очередь для ручной проверки и черновики напоминаний по утверждённым шаблонам.
- Что проверяем
- Сотрудник проверяет данные. Прогноз сам по себе не запускает взыскание или ограничение подачи энергии.
02
ИИ-ПОМОЩНИК
Обращение потребителя → проверяемый ответ
- Что даём системе
- Вопрос, доступные сведения лицевого счёта и действующие регламенты.
- Что получаем
- Черновик ответа с основанием и перечнем сведений, которые нужно уточнить.
- Что проверяем
- Персональные данные разграничиваются по правам. Ответ проверяет ответственный сотрудник.
03
ML / МАШИННОЕ ОБУЧЕНИЕ
Очередь проверки риска неоплаты
- Что даём системе
- Обезличенная история начислений, платежей и просрочек. Для каждого прогноза используются только сведения, известные на его дату.
- Что получаем
- Список счетов по уровню риска с факторами оценки и очередью ручной проверки.
- Что проверяем
- Проверяем на более позднем периоде: сколько будущих просрочек попало в выбранную очередь и сколько было ложных сигналов. Сравниваем с текущим правилом отбора. Оценку строит отдельная ML-модель. Языковой помощник объясняет отчёт. Прогноз не запускает взыскание или ограничение подачи энергии.
04
ML / МАШИННОЕ ОБУЧЕНИЕ
План потребления по дням
- Что даём системе
- История потребления по группам с датами, календарь, доступный на дату расчёта прогноз погоды. Для промышленного клиента — согласованный график работы.
- Что получаем
- Прогноз потребления по дням и группам с диапазоном неопределённости для планирования.
- Что проверяем
- На отложенных неделях сравниваем ошибку с прогнозом по аналогичному дню прошлой недели. Отдельно проверяем праздники и пики нагрузки. Цифры в таблице условные. План утверждает специалист; прогноз пересчитывается при обновлении входных сведений.
05
ML / МАШИННОЕ ОБУЧЕНИЕ
Необычные изменения в показаниях
- Что даём системе
- Временные ряды показаний, интервалы передачи, сведения о замене приборов и известных сбоях. Для обучения и проверки — подтверждённые специалистами события.
- Что получаем
- Очередь необычных показаний с интервалами и основаниями для проверки качества данных.
- Что проверяем
- Измеряем долю подтверждённых сигналов и нагрузку на проверяющих. Сравниваем с действующими пороговыми правилами. Аномалия может означать сбой связи, замену счётчика или изменение режима. Она сама по себе не доказывает нарушение.
Это возможные сценарии внедрения, а не отчёты о выполненных проектах. Объём работ, доступ к данным и критерии результата согласуем до запуска.