Rapid Indoor Estimator

Implemented owned by Ericsson
58d ago
Rapid Indoor Estimator används av en del av Ericssons affär som säljer 5G för inomhusbruk där det finns kritisk infrastruktur som sjukhus, fabriker eller kärnkraftverk. 

”För att sälja de här produkterna har vi ett stort antal partner liksom egen direktförsäljning. Tidigare har vi jobbat med ett stort antal mätningar och beräkningar ute i fält för att få en komplett offerering till kunden. Det har krävt i runda slängar fyra personer som jobbar i fyra veckor för en offert och inneburit att vi inte haft möjligheten att komma ut med väldigt många offerter.”

”Vi använde AI för att modellera upp i en kunskapsgraf hur de här smarta telekomingenjörerna tänker och vet om vad det är man behöver mäta och titta på. Det är ingen perfekt kunskap, men vi har lyckats lära av den mänskliga kunskapen och beteendet och fångat det med AI.”

Projekt har rullat under utveckling i två år ungefär och växt sig större och större. 

”Nu är det i skarp produktion i hela Nordamerika och vi tittar på andra regioner i världen också. För det här är väldigt uppskattat.”

Resultatet blev ett säljverktyg där man kan skriva in vilken byggnad eller adress som helst, i USA än så länge. Johan Vallin demonstrerar verktyget med vad det skulle kosta att installera 5G inomhus i Vita Huset och skriver in adressen, får upp Bidens bostad där det mesta redan är ifyllt om byggnadens beskaffenhet och radioförhållanden.

”Om vi går vidare så kommer här upp en offertsspecifikation med komponenter, rack, kablar och allting som man sedan kan skicka ut till kunden. Här kan man alltid gå in som expert och ändra. Det är en princip som jag har i alla mina fall, att det behöver vara en människa-AI-interaktion för att verkligen skapa affärsvärde.” 

Vi har precis sett hela processen på kontoret i Kista utanför Stockholm. Den tog några minuter, istället för fyra veckor för fyra personer i Washington.

”Så med AI kan vi adressera en mycket större del av marknaden med snabbare respons. Det här löser 80-90 procent av det man gjorde under offertarbetet förut.”

Attributes

Optimization, Prediction, Discovery
Graph Neural Networks, Machine Learning