В EDOTCO Group ИИ помогает выбирать зоны для развития телеком-сети. Компания собирает в одной системе сведения о покрытии, спросе, рельефе и уже работающей инфраструктуре. Раньше команде планирования требовалось ждать подготовку нужных данных от специалистов по данным от трёх дней до недели. Теперь помощник NaPA GPT отвечает на вопрос обычным языком и за минуты строит ранжированный список подходящих зон.
Такой сценарий полезен там, где решение зависит от нескольких источников, а сотрудник тратит время на поиск, сверку и сбор таблиц. ИИ для планирования инфраструктуры не выбирает место сам. Он быстро показывает варианты по заданным правилам, а человек проверяет их и принимает решение.
Почему планирование занимало столько времени
При выборе места для новой вышки нужно совместить разные данные. Важны слабые участки покрытия, плотность населения, рост нагрузки и особенности местности. До внедрения NaPA GPT планировщики EDOTCO обращались к команде специалистов по данным, чтобы получить подготовленную выборку. На сложный запрос уходило от трёх дней до недели.
Компания уже собрала эти сведения в платформе NaPA. Платформа помогает найти пробелы в покрытии, сравнить возможные места и оценить варианты развития сети. Однако сама по себе общая база не снимает вопрос: где искать нужный ответ и как сформулировать выборку.
Что делает помощник
NaPA GPT подключён к рабочим и географическим данным EDOTCO. Планировщик может описать задачу своими словами, например попросить показать районы с наибольшим потенциалом для новой инфраструктуры. Система учитывает заранее заданные условия и выдаёт список зон по приоритету.
Ответ появляется за минуты. Затем сотрудник может уточнить запрос: добавить близость к транспортному коридору или выбрать районы с активной застройкой. Помощник ускоряет поиск вариантов, но не отменяет проверку. Решение о вложениях остаётся за командой, которая знает ограничения проекта и местные условия.
Что можно взять для другого бизнеса
Этот кейс хорошо показывает границу полезного ИИ-помощника. Сначала компании нужно собрать актуальные источники и договориться о правилах, по которым система отбирает варианты. Потом сотрудник получает ответ в привычной форме и видит, на каких данных он построен.
Для проектирования похожий подход пригодится при подготовке вариантов, поиске сведений в документации и первичной проверке входных данных. Начать лучше с одного повторяющегося запроса. Если ответ можно сверить по понятным правилам, команда быстро увидит, где ИИ экономит время, а где ему требуется передать задачу человеку.