Cách các công ty năng lượng dùng Genie và AI để phát hiện và xử lý hành vi trộm cắp điện

Trộm cắp năng lượng là hành vi cố ý sử dụng gas hoặc điện mà không thanh toán, thường bằng cách can thiệp vào công tơ hoặc đường dây cung cấp để mức tiêu thụ không được ghi nhận. Khác với lỗi hóa đơn hay hóa đơn chưa thanh toán, hành vi này liên quan đến việc thay đổi vật lý kết nối, khiến nó trở nên khó phát hiện và tiềm ẩn nhiều nguy hiểm.

Đối với các đội ngũ bảo vệ doanh thu, trộm cắp năng lượng vừa là vấn đề tài chính vừa là vấn đề an toàn. Các công tơ và hệ thống dây điện bị can thiệp có thể gây ra hỏa hoạn và rò rỉ khí gas. Chỉ riêng tại Vương quốc Anh, trộm cắp năng lượng gây thiệt hại hơn 1,4 tỷ bảng Anh mỗi năm, trong khi chỉ có 40% các trường hợp mục tiêu được phát hiện.

Thách thức hiện nay không còn đơn thuần là phát hiện thêm các vụ trộm, vì hầu hết các công ty đã có các mô hình ML (Machine Learning) có thể gắn cờ các tài khoản đáng ngờ. Các đội ngũ cần hợp nhất các hoạt động bảo vệ doanh thu xung quanh một quy trình làm việc được quản trị thống nhất, giúp đẩy nhanh vòng lặp từ việc gắn cờ công tơ đến thu hồi doanh thu và đảm bảo an toàn cho hộ gia đình. Các đội ngũ cần có khả năng diễn giải tín hiệu, ưu tiên điều tra, chuẩn bị cho các đội hiện trường, thu hồi tổn thất và cung cấp cho lãnh đạo các số liệu đáng tin cậy một cách kịp thời.

Một thông tin chi tiết từ ML chưa phải là một kết quả kinh doanh.

Hầu hết các tổ chức đều có thể huấn luyện các mô hình tạo ra những dự đoán hữu ích, chẳng hạn như xác suất khách hàng rời bỏ, điểm số gian lận, dự báo lỗi hoặc điểm rủi ro trộm cắp. Nhưng bản thân điểm số đó không phải là kết quả cuối cùng. Giá trị nằm ở những gì doanh nghiệp thực hiện tiếp theo, và đó là nơi nhiều chương trình ML bị đình trệ. Thông tin chi tiết nằm trên bảng điều khiển, trong khi vẫn cần có người chuyển đổi nó thành hành động thực tế.

Trộm cắp năng lượng là một ví dụ điển hình: để mặc một thông tin chi tiết mà không có hành động xử lý sẽ gây tốn kém cả về tiền bạc lẫn an toàn. Một tài khoản bị gắn cờ không thể tự giải quyết. Ai đó phải đánh giá xem liệu nó có đáng để điều tra hay không, điều phối một chuyến thăm hiện trường an toàn, thu hồi tổn thất, ghi lại kết quả và phản hồi kết quả đó vào mô hình. Khi các bước chuyển giao thủ công kết nối những công việc này, quy trình sẽ chậm lại ngay tại nơi cần tốc độ. Mỗi ngày một vụ việc thực tế bị trì hoãn đồng nghĩa với việc năng lượng bị đánh cắp nhiều hơn và rủi ro an toàn kéo dài thêm.

Do đó, thách thức thực sự không phải là phát hiện mà là vận hành: kết nối việc phát hiện, điều tra, thu hồi và báo cáo thành một vòng lặp được quản trị duy nhất. Trên Databricks, vòng lặp đó chạy trong một Databricks App, với trạng thái vụ việc trực tiếp được lưu trữ trong Lakebase và logic nghiệp vụ chạy trong cùng một lakehouse với dữ liệu nền tảng, được quản trị toàn diện bởi Unity Catalog. Thông tin chi tiết trở thành hành động mà không cần rời khỏi nền tảng.

Hãy xem Daniel Zoccali, Kiến trúc sư Giải pháp Năng lượng tại Databricks, trình bày cách Databricks có thể giúp phát hiện và vận hành các cuộc điều tra trộm cắp năng lượng.

Từ tài khoản bị gắn cờ đến hành động sẵn sàng điều tra.

Việc vận hành một thông tin chi tiết bắt đầu bằng việc diễn giải. Chuyên viên phân tích sàng lọc một tài khoản bị gắn cờ không phải là một nhà khoa học dữ liệu, và ngay cả một điểm số rủi ro tổng hợp chính xác cũng có thể không giải thích được phải làm gì tiếp theo. Một con số đơn thuần có thể khiến các đội ngũ đi nhầm hướng vào các kết quả dương tính giả và tiêu tốn năng lực hiện trường vốn đã khan hiếm. Đó là lý do tại sao quy trình làm việc kết hợp điểm số với bản tóm tắt vụ việc do AI tạo ra, được cung cấp thông qua Databricks Model Serving và quản trị bởi Unity Gateway, giải thích bằng ngôn ngữ đơn giản lý do tại sao tài khoản đó bị gắn cờ. Một quá trình đánh giá thủ công dài dòng trở thành một sự đánh giá nhanh chóng và nhất quán.

Sau đó, chuyên viên phân tích có thể chuyển từ diễn giải sang thực thi. Thay vì mất nhiều ngày để thu thập bằng chứng và chuẩn bị các chi tiết tuân thủ, họ tạo ra một báo cáo sẵn sàng điều phối dựa trên kiến thức từ lakehouse. Báo cáo này bao gồm các bước tiếp theo được khuyến nghị, danh sách kiểm tra bằng chứng và các lưu ý an toàn để kỹ sư đến nơi với sự chuẩn bị kỹ lưỡng. Vì quy trình làm việc chạy dưới dạng một Databricks App, nó đưa vụ việc vượt ra ngoài tài liệu và đi vào các hệ thống doanh nghiệp mà đội ngũ đang sử dụng.

Lakebase giữ cho quy trình phản hồi theo thời gian thực. Là lớp giao dịch Postgres của nền tảng, nó lưu trữ các kết quả đầu ra đã được chấm điểm và trạng thái vụ việc trực tiếp, cho phép ứng dụng đọc và ghi các cập nhật với độ trễ thấp. Khi việc thu hồi được xác nhận, tổng số tiền sẽ cập nhật ngay lập tức. Và vì mô hình chạy thông qua Unity Gateway, các đội ngũ có thể chọn hoặc thay đổi mô hình cơ sở thông qua cấu hình thay vì phải tái thiết kế quy trình làm việc.

Các câu trả lời đáng tin cậy cũng quan trọng như các hành động nhanh chóng.

Tốc độ vận hành cũng cần sự minh bạch đối với cấp điều hành. Các nhà lãnh đạo bảo vệ doanh thu cần theo dõi việc thu hồi so với mục tiêu và trả lời các câu hỏi của CFO mà không cần chờ đợi báo cáo.

Genie One cho phép các nhà lãnh đạo đặt câu hỏi bằng tiếng Anh đơn giản và nhận được câu trả lời dựa trên các định nghĩa số liệu trong Unity Catalog. Điều đó có nghĩa là các thước đo như "doanh thu thu hồi được" và "tỷ lệ chính xác" có ý nghĩa nhất quán, trong khi các đội ngũ có thể kiểm tra cách mỗi con số được tạo ra. Các ngữ nghĩa được quản trị tương tự cho phép Agent Bricks Multi-Agent Supervisor tự động hóa gói báo cáo cuối tháng cho hội đồng quản trị bằng cách điều phối các truy vấn Genie và trả về kết quả có thể truy xuất nguồn gốc, sẵn sàng cho hội đồng quản trị. Các chuyên viên phân tích có thể dành thời gian để cải thiện các mô hình thay vì lắp ghép các slide.

Quản trị là trọng tâm của nền tảng, không phải là việc làm thêm sau đó.

Quản trị là bắt buộc khi điều tra trộm cắp năng lượng. Tại Vương quốc Anh, Khung Truy cập và Quyền riêng tư Dữ liệu của Ofgem và Quy tắc Cân bằng và Quyết toán của ELEXON quản lý cách dữ liệu năng lượng được truy cập và sử dụng. Với việc Ofgem tích cực điều tra sự tuân thủ của các nhà cung cấp, quản trị không phải là một mối quan tâm lý thuyết, mà là một yêu cầu về vận hành và quy định.

Khi các mô hình, điểm cuối phục vụ (serving endpoints) và tập dữ liệu được đăng ký trong Unity Catalog với các trường được gắn nhãn là PII (Thông tin nhận dạng cá nhân), các đội ngũ có thể truy xuất nguồn gốc dữ liệu đến các mô hình tiêu thụ nó, kiểm toán việc sử dụng và áp dụng các rào cản cũng như kiểm soát truy cập ở cấp độ mô hình. Việc định tuyến các lệnh gọi thông qua Unity Gateway giúp giữ dữ liệu, PII và các câu lệnh (prompts) trong phạm vi bảo mật của tổ chức, đồng thời cung cấp khả năng hiển thị chi phí AI cho mỗi cuộc điều tra. Các câu trả lời đáng tin cậy, có thể giải thích được và được kiểm soát truy cập là những yếu tố giúp việc áp dụng AI trở nên khả thi trong một hoạt động có quy định.

Mô hình tương tự giúp vận hành bất kỳ thông tin chi tiết nào từ ML.

Mô hình này mở rộng ra ngoài phạm vi trộm cắp năng lượng. Về cơ bản, đó là một cách có thể lặp lại để biến kết quả đầu ra của mô hình thành hành động: Lakeflow chuyển đổi dữ liệu thô thành các đặc trưng, các mô hình được huấn luyện và phục vụ trên nền tảng, và các kết quả đầu ra được ghi vào Lakebase cho một ứng dụng vận hành. Genie One và Databricks SQL trả lời các câu hỏi của lãnh đạo, trong khi các tác nhân (agents) tự động hóa việc báo cáo. Tất cả đều nằm trong một Databricks App được quản trị chạy trên nền tảng tính toán serverless.

Thay đổi mô hình và các tín hiệu, và cùng một vòng lặp khép kín đó có thể hỗ trợ cho gian lận yêu cầu bảo hiểm, bảo trì dự đoán, gian lận thanh toán hoặc can thiệp khách hàng rời bỏ. Cơ hội không chỉ đơn thuần là một điểm số tốt hơn; mà là hành động dựa trên điểm số đó nhanh hơn, trong một quy trình làm việc được quản trị duy nhất, nơi việc phát hiện, điều tra, phân tích và báo cáo củng cố lẫn nhau. Giá trị của AI không chỉ nằm ở mô hình, mà còn ở quy trình kinh doanh được xây dựng xung quanh nó.

Bạn đã sẵn sàng tìm hiểu thêm? Hãy xem bản demo đầy đủ và phần phân tích chuyên sâu từ Diễn đàn Công nghiệp Năng lượng Ảo của chúng tôi: Thúc đẩy quá trình chuyển đổi năng lượng với dữ liệu hợp nhất, thông tin chi tiết theo thời gian thực và AI ở quy mô lớn.

Trộm cắp năng lượng là gì?

Trộm cắp năng lượng là hành vi cố ý sử dụng gas hoặc điện mà không thanh toán, thường thông qua việc can thiệp vào công tơ hoặc kết nối bất hợp pháp. Nó khác biệt với lỗi hóa đơn hoặc hóa đơn chưa thanh toán và có thể tạo ra những rủi ro an toàn nghiêm trọng.

Databricks có thể giúp phát hiện trộm cắp năng lượng như thế nào?

Databricks kết nối việc chấm điểm ML với một Databricks App được quản trị để điều tra và thu hồi. Quy trình làm việc có thể tạo tóm tắt vụ việc, ưu tiên điều tra, chuẩn bị báo cáo sẵn sàng điều phối, theo dõi thu hồi và cung cấp các phân tích cho cấp điều hành. Lakehouse cung cấp nền tảng dữ liệu, trong khi Lakebase lưu trữ trạng thái vụ việc trực tiếp cho các ứng dụng vận hành phản hồi nhanh.

AI hỗ trợ các cuộc điều tra trộm cắp năng lượng như thế nào?

AI có thể giải thích các tài khoản bị gắn cờ, đưa ra bằng chứng, khuyến nghị các bước tiếp theo và chuẩn bị báo cáo hiện trường. Các chuyên viên phân tích và kỹ sư vẫn chịu trách nhiệm về an toàn, tuân thủ và thực thi.

Các nhà lãnh đạo có thể đặt câu hỏi về việc thu hồi bằng ngôn ngữ tự nhiên không?

Có. Genie One cung cấp câu trả lời dựa trên dữ liệu được quản trị và các định nghĩa được chia sẻ, bao gồm các số liệu như doanh thu thu hồi được, khối lượng điều tra, tỷ lệ thu hồi và độ chính xác.

AI có thay thế các chuyên viên phân tích bảo vệ doanh thu hoặc kỹ sư hiện trường không?

Không. AI đẩy nhanh quá trình sàng lọc và báo cáo, trong khi con người đưa ra các quyết định đòi hỏi sự phán đoán, diễn giải quy định, xử lý khách hàng và thực thi tại hiện trường.

Bài gốc còn tiếp — xem tiếp tại bài gốc ↗