Разработчики интегрировали ИИ в оптические рефлектометры, сделав ставку на сокращение эксплуатационных затрат операторов. Внедрение встроенного ИИ-помощника позволило в 3 раза сократить сроки освоения оборудования и снизить расходы на обучение персонала на 30%. Скорость обнаружения и диагностики неисправностей на сетях ВОЛС выросла в 10 раз, а среднее время восстановления (MTTR) уменьшилось на треть.

И если ранее для работы с рефлектометром требовались месяцы теории в учебном центре и 2–3 года практики с наставником, то теперь начинающий специалист достигает качественного уровня за несколько месяцев. ИИ автоматически интерпретирует рефлектограмму, выбирает параметры измерения и минимизирует риск пропуска дефектов.

«Это ведет к прямому снижению затрат операторов, — комментирует разработчик системы, основатель Fibertool Николай Хорьков. — Фокус обучения смещается с механики работы с прибором на развитие навыков анализа данных, проверки достоверности выводов ИИ и принятия решений». Бюджет перераспределяеться с базового тренинга на задачи операционной эффективности.

ИИ обучен на массиве данных от провайдеров и телеком-компаний — историях строительства, авариях и ремонтах. Система анализирует параметры сети и прошлые кейсы, выявляя скрытые аномалии. «Это позволяет идентифицировать потенциальную проблему до реального сбоя, — поясняет Хорьков. — Открываются возможности для оптимизации маршрутов выездных бригад, планирования графиков ТО и управления складскими запасами комплектующих, что даёт совокупную экономию операционных затрат».

В дальнейшем на основе разработанной ИИ-модели планируется создать открытую модульную систему мониторинга ВОЛС и опубликовать код на одной из российских платформ. Это позволит сторонним разработчикам адаптировать решение под конкретные задачи, создав конкурентную альтернативу дорогостоящим закрытым импортным системам мониторинга.