Hoppa till innehållet
Nödsamtal
Visa originalbild , Öppnas i nytt fönster/flik

Forskningssamarbete ska minska risken för missförstånd vid nödsamtal

Publicerad: 1 februari 2022

Luleåföretaget Skyresponse och Luleå tekniska universitet samarbetar för att med hjälp av AI utveckla automatisk transkription av nödsamtal.

Påskyndar analysen av nödsamtal
Nödlinjer är under högt tryck och tar emot samtal som ofta är bullriga eller av dålig kvalitet, eller kommer från uppringare som talar en annan dialekt eller ett annat modersmål än operatören. Dessa faktorer kan äventyra operatörernas förmåga att förstå samtalen och reagera därefter. 

I sådana situationer skulle operatörerna kunna dra stor nytta av stöd i form av brusreducering och automatisk transkribering i realtid. Dessutom skulle automatiskt skapad transkribering ha den ytterligare fördelen att det påskyndar analysen av nödsamtal och förbättringen av samtalshanteringsprotokoll.

Underlätta larmoperatörernas dagliga arbete
​Målet med projektet är att ta de första stegen mot ett automatiskt transkriptionssystem som i realtid skulle hjälpa nödsamtalsoperatörer under nödsamtal och som skulle underlätta analysen av dessa samtal i efterhand.

Erik Mattsson som arbetar inom Applied research and development på Skyresponse, säger:
“Den här förstudien med Luleå tekniska universitet och AI-projektet Applied AI DIH North är kompetenshöjande för Skyresponse och har potential att underlätta larmoperatörernas dagliga arbete."

Han fortsätter.
"Det handlar om att finjustera förtränade modeller för tal till text. En förhoppning är att det i förlängningen ska möjliggöra en tjänst som transkriberar larmsamtalen löpande. En annan förhoppning är att AI-modellen kan lära sig att höra vad den som larmar säger och minska risken för missförstånd och eventuell fördröjning i att vidta åtgärder. De vi vill undersöka är om modellen kan detektera vad som sägs bättre än operatören själv vid otydlit ljud.”

Larmhantering för olika typer av larm
Skyresponse tillhandahåller larmhantering. Det handlar om trygghetslarm för äldre och sjuka, personlarm för dem som kan utsättas för hot eller riskfyllda situationer, men även larm inom uppkopplade Smart buildings och andra IoT områden. Ett exempel är sensorer som registrerar rökutveckling då systemet skickar det vidare till rätt person och larmcentral, som sedan gör en bedömning och kan sända ut brandkår, väktare eller annan personal till platsen.

AI-bedömning av larm
Långsiktigt hoppas företaget att arbetet kommer att ligga till grunden för automatisk översättning av röstdata, ex. från ett minoritetsspråk till svenska, för att kunna ta emot och agera på alla röstlarm, oavsett språkkompetens på larmcentralen.

Erik Mattsson avslutar:
"En mer futuristisk tanke är att vi med AI-teknik på sikt kan skapa modeller som lär sig känna igen semantiken i samtalet, lär sig föra en dialog med den som ringer samt lär sig förstå vilka de relevanta åtgärderna är.”