Descripciones del producto:
AT&T se dedica a proporcionar a sus 182 millones de clientes móviles comunicaciones seguras, confiables y sin fricciones. Con 10 millones de transacciones cada segundo, adelantarse a los estafadores, desde llamadas automáticas y mensajes de texto hasta juegos y robo de identidad, requiere aprovechar el poder de los datos y la IA para detener los ataques antes de que sucedan. Pero la arquitectura local heredada de AT&T creó complejidad de infraestructura y no logró ofrecer la innovación necesaria para una experiencia óptima del cliente. Al modernizar su infraestructura de datos en la nube con la plataforma de inteligencia de datos de Databricks, AT&T pudo implementar un enfoque unificado para los datos y la IA. Ahora tienen más de 100 modelos de aprendizaje automático en producción que protegen mejor a los clientes y sus negocios, y que usan datos en tiempo real, alertas automáticas y recomendaciones para equipar a los empleados en todas las operaciones de AT&T. Con una arquitectura lakehouse unificada para datos e IA, AT&T ya redujo significativamente el fraude y tiene una hoja de ruta sólida para ofrecer más soluciones basadas en datos que ayudarán a democratizar la IA en toda la empresa.
Superar una arquitectura de datos local heredada
AT&T estuvo operando su entorno local durante años. Mientras utilizaba analítica de datos para diferentes casos de uso, quedó claro que había superado su infraestructura heredada a medida que los tipos y la cantidad de datos se expandían. Las intervenciones críticas en la detección de fraude y seguridad requerían la participación de docenas de equipos en distintos sistemas para, primero, adquirir datos de inteligencia de fraude y, luego, alimentar esos datos a los sistemas de venta minorista, centros de llamadas y sistemas en línea para generar alertas y notificaciones. El proceso fue prolongado, ineficaz, demandaba gran cantidad de recursos y resultaba costoso. Más importante aún, fue reactivo en lugar de proactivo. La tecnología basada en reglas que usaban para detectar el fraude hacía difícil adelantarse a los actores maliciosos, en especial, con el creciente número de intentos de fraude sofisticados que afectaban tanto a los clientes como a su propio negocio.
Similar a la detección de fraude, AT&T también tenía dificultades para obtener los insights en tiempo real y la automatización necesarios para optimizar el despacho. En su sistema heredado, AT&T no podía unificar los puntos de datos para hacer coincidir las habilidades de solución de problemas de un técnico con el problema del cliente y su ubicación. Cada intento fallido de resolver un problema aumentaba los costos operativos y afectaba la experiencia del cliente.
Kate Hopkins, vicepresidenta de AT&T, dice: “Queríamos encargarnos de estas cosas automáticamente”. ¿Cómo podemos detener las llamadas y los mensajes de texto automáticos? ¿Cómo podemos asignar a un técnico con las habilidades adecuadas para resolver un problema, mientras también tomamos en cuenta el tráfico y el clima para predecir cuándo llegará a la casa? No pudimos responder estas preguntas localmente. Estaba claro que habíamos aprovechado en gran medida la tecnología que estaba disponible para nosotros”.
AT&T usa Databricks para prevenir el fraude antes de que suceda
AT&T está utilizando datos e inteligencia artificial para proporcionar soluciones predictivas que protegen a sus clientes del fraude. Pasar de una arquitectura local a un lakehouse basado en la nube permite a AT&T integrar todo tipo de datos, estandarizarlos y luego ejecutar modelos de ML que generan alertas de fraude en tiempo real.
Detener el fraude de forma proactiva con Databricks
AT&T eligió migrar a Databricks Data Intelligence Platform debido a la naturaleza abierta del software y su alineación con la hoja de ruta de Databricks. Kate explica: “Todas las empresas están migrando cargas de trabajo a la nube hasta cierto punto, pero elegimos un camino más audaz”. Con herramientas como Databricks y Delta Lake, podemos obtener los beneficios de la nube más rápido. Mientras que las otras aseguradoras podrían estar haciendo más lift and shift, no creemos que esa sea la fórmula para la transformación. Vamos al siguiente nivel”.
Para lograrlo, AT&T lanzó inicialmente Databricks con su equipo de ciencia de datos. Inyectaron sus datos locales en Delta Lake, trasladaron sus cargas de trabajo a la nube y crearon un Centro de excelencia (CoE) con capacitación y apoyo comunitario para expandir la adopción y la democratización de datos en el futuro. Al enfocarse en la detección de fraudes como su primer caso de uso, el equipo de ciencia de datos pudo desarrollar soluciones predictivas con datos e IA unificados, y una colaboración fluida que detiene el fraude antes de que ocurra. Kate dice: “Podemos ingresar enormes cantidades de datos estructurados y no estructurados provenientes de diferentes sistemas, estandarizarlos y luego construir modelos de aprendizaje automático que emiten alertas y recomendaciones que empoderan a los empleados en nuestros centros de llamadas, tiendas y plataformas en línea”. Aprovechando la experiencia positiva del equipo de ciencia de datos, Databricks se está implementando en las organizaciones de ciencia de datos dentro de las unidades de negocio de AT&T.
Reducir el impacto del fraude antes de que ocurra
Desde que se alejó de su sistema de fraude basado en reglas y creó modelos de ML para la detección automática de fraudes en tiempo real, AT&T redujo el fraude hasta en un 80 % con más de 100 modelos de ML de detección de fraude en producción. “Ahora que nuestra detección de fraude es en tiempo real, podemos ser más astutos que los estafadores y adelantarnos a sus esfuerzos en áreas como el fraude que intenta manipular el sistema, los desbloqueos ilegales, las llamadas y mensajes robotizados, y el robo de identidad”, afirma Hopkins.
La detección de fraude es solo un ejemplo de cómo AT&T puede generar impacto al contar con acceso a datos escalable y democratizado, además de usar IA en Databricks Data Intelligence Platform. De ahora en adelante, AT&T continuará aumentando la adopción para casos de uso que beneficien el despacho, la confiabilidad del servicio, la calidad de la cobertura y el crecimiento de las ventas. Su objetivo es abandonar por completo el lago de datos local de AT&T para 2023.
De cara al futuro, Hopkins dice: “Aún obtenemos muchos beneficios comerciales de la analítica de datos, pero no se comparan con la escala de beneficios que podemos generar cuando aplicamos la IA. Buscamos continuar esa tendencia y acelerarla. Sabemos que hay mucho potencial y ahora podemos hacerlo realidad”.