IA para Clasificación de Instalaciones y Predicción de Riesgos en Telecomunicaciones

En los despliegues masivos de telecomunicaciones, una instalación deficiente puede derivar en quejas, visitas repetidas y pérdida de confianza. Uno de los mayores operadores del Reino Unido nos planteó un reto: identificar instalaciones de alto riesgo antes de que ocurran fallos.

El Desafío

El cliente enfrentaba:

• Más de 100.000 instalaciones al año, muchas con problemas
• Registros no estructurados de tipos de instalación (etiquetado manual e inconsistente)
• Sin visibilidad sobre qué prácticas generaban más fallos
• Costes crecientes por intervenciones repetidas y pérdida de satisfacción del cliente

Nuestro Enfoque

Creamos un sistema de IA en dos etapas:

• Clasificación del tipo de instalación

  • Conjunto de datos con imágenes históricas de instalaciones
  • Entrenamiento de modelo CNN (ResNet) para clasificar por foto
  • Precisión del 92% en 8 categorías predefinidas

• Predicción del riesgo de fallo

  • Combinación de tipos clasificados por imagen con registros de fallos
  • Modelo probabilístico (XGBoost) para estimar la probabilidad de fallo
  • Panel interno con estimaciones en tiempo real y reglas de alerta

Resultados

En solo 6 semanas:

• 52% de reducción en retrabajos por fallos en regiones piloto
• 88% de precisión en identificar instalaciones de riesgo
• Mejora en formación y estandarización de buenas prácticas
• Priorización de calidad basada en datos para auditorías

Lecciones Clave

• La visión por IA extrae valor de imágenes ya existentes
• El modelado de riesgo con datos históricos permite alertas tempranas
• Los técnicos reaccionaron bien al feedback basado en puntuaciones

Próximos Pasos

Se está escalando el sistema a nuevos tipos de instalación y explorando su integración en aplicaciones móviles de técnicos para retroalimentación en vivo.

Este caso demuestra cómo la visión por computadora combinada con analítica estructurada mejora la calidad, reduce costes y ofrece una experiencia más confiable.