Rumbo al futuro: La IA en la auditoría de cumplimiento

Con la misión de ofrecer un ferrocarril seguro, fiable y eficiente, Network Rail es uno de los actores más importantes del sector del transporte en el Reino Unido, responsable de miles de millones de viajes de pasajeros y toneladas de mercancías cada año. Para ello, Network Rail mantiene más de 20.000 millas de red ferroviaria en Gran Bretaña, incluyendo vías, agujas, cruces y otros componentes de la infraestructura ferroviaria. Miles de ingenieros de Network Rail trabajan día y noche para mantener esta vasta y compleja red ferroviaria de modo que los pasajeros estén seguros y el ferrocarril funcione sin problemas.

A lo largo de su trabajo diario de mantenimiento, los equipos de obras de vía y señalización intercambian aproximadamente cinco mil llamadas telefónicas. Estas comunicaciones deben cumplir el protocolo de comunicaciones críticas para la seguridad (SCC) de Network Rail, lo que significa que deben ser precisas, breves, claras y profesionales. Estos protocolos contribuyen a que Network Rail logre su objetivo de que todo el mundo vuelva a casa sano y salvo todos los días.

Network Rail quería llevar a cabo un experimento de viabilidad para desarrollar una solución basada en inteligencia artificial (IA) que auditara las llamadas y proporcionara información valiosa sobre el grado de cumplimiento de determinadas llamadas. Esto permitiría a la organización mejorar estas conversaciones vitales y determinar con mayor precisión las necesidades de formación de sus empleados para garantizar el mantenimiento de las normas del SCC. Además, este proyecto de descubrimiento crítico permitiría a Network Rail mejorar continuamente y aprender lecciones que crearían un entorno de trabajo más seguro.

Utilizar la IA para analizar las llamadas

Para determinar y probar adecuadamente la viabilidad de una solución de auditoría basada en IA, Network Rail contrató a Capgemini para combinar su experiencia en el sector con amplios conocimientos técnicos y un largo historial de innovaciones exitosas. Trabajando juntos, los socios iniciaron una revisión del programa previsto, sus objetivos principales y la tecnología disponible con el fin de desarrollar una hoja de ruta clara. Durante este proceso, los responsables de Network Rail explicaron sus procedimientos manuales actuales y proporcionaron doscientos archivos de grabación de llamadas con los que entrenar los modelos de IA, así como el manual SCC de la organización, que ayudó a trazar el mapa de las conversaciones.

Con las partes interesadas de ambos socios a bordo con este plan, el equipo del proyecto desarrolló entonces una herramienta de mapeo de conversaciones que podría probar la viabilidad del enfoque. Como parte de esta solución, Network Rail y Capgemini diseñaron un modelo personalizado de reconocimiento de voz a texto (STT), que incluía un algoritmo personalizado de procesamiento del lenguaje natural (NLP) y métodos de cálculo que analizan las llamadas en función de cuatro parámetros: Claridad, Exhaustividad, Conformidad y Enfoque.

Al final del estudio de viabilidad, el equipo del proyecto presentó un informe detallado que contenía conclusiones, recomendaciones, directrices y las mejores prácticas de IA para analizar las comunicaciones críticas de seguridad. A continuación, Network Rail utilizó la herramienta de forma regular durante un periodo de tres meses para analizar las llamadas grabadas.

Planificar un viaje hacia el futuro

Basándose en varios análisis empresariales y técnicos que se llevaron a cabo sobre la marcha, Network Rail y Capgemini pudieron extraer ciertas conclusiones sobre la viabilidad de la solución. En primer lugar, los modelos de PLN entrenados con datos de prueba funcionaron bien en el análisis de llamadas no conformes y fueron capaces de detectar la información que faltaba en las llamadas del conjunto de datos de prueba. Aunque el ruido de fondo excesivo podía afectar a la claridad de la voz, los modelos de PLN hicieron frente bien a esas distracciones. Además, la solución basada en IA fue capaz de detectar la parte de la duración de una llamada dedicada a una comunicación crítica para la seguridad.

Tras el estudio de viabilidad, Network Rail y Capgemini llegaron a la conclusión de que una solución satisfactoria basada en IA tiene el potencial de apoyar la evaluación del cumplimiento de las normas SCC y puede impulsar una eficiencia sustancialmente mayor. También coincidieron en que los modelos de IA pueden ayudar a la organización a identificar con precisión las recomendaciones de formación para mejorar las comunicaciones críticas para la seguridad, lo que se traduce en un trabajo de mantenimiento más seguro y puntual. Por último, este experimento proporcionó a Network Rail directrices para utilizar éticamente la tecnología de IA para analizar las comunicaciones críticas para la seguridad utilizando las mejores prácticas establecidas.

Con estas recomendaciones, incluida la orientación sobre cómo ampliar el PoC para su despliegue en toda la empresa, Network Rail está ahora preparada para recurrir a esta tecnología basada en IA para garantizar el cumplimiento de las comunicaciones, lo que se traduce en una mayor seguridad de los pasajeros y una mayor eficiencia operativa.