Narzędzia

Jak AI może czytać abonentów, taryfy i faktury z LMS i co zyska Wasz lokalny dostawca internetu?

LMS trzyma pełną historię Waszych abonentów, taryf i sieci. AI może z tej bazy wyciągnąć zaległości, zgłoszenia bez terminu i klientów gotowych na wyższy pakiet.

⏱ 10 min czytania · 📅 16.11.2026 · 👁 156 wyświetleń

Podłączenie AI do LMS jest możliwe i dostępne dla każdego operatora, który prowadzi system na własnym serwerze. LMS to projekt open source z otwartą bazą MySQL lub PostgreSQL, więc asystent AI może połączyć się z tą bazą bezpośrednio i odpowiadać na pytania o abonentów, zaległości, taryfy, urządzenia sieciowe i zgłoszenia serwisowe bez żadnej dodatkowej licencji ani modyfikacji systemu. Czyta wyłącznie to, co już tam jest, a Wy decydujecie, co z tymi informacjami zrobić.

Jak wygląda codzienna praca z LMS i gdzie naprawdę ucieka czas

Lokalny operator obsługujący kilkaset albo kilka tysięcy abonentów codziennie staje przed tym samym zestawem pytań. Kto nie zapłacił za ten miesiąc? Które zgłoszenie serwisowe czeka najdłużej bez odpowiedzi? Kto jest na tak starej taryfie, że już dawno mógłby dostać lepszy pakiet? Odpowiedzi są w LMS, ale żeby je znaleźć, ktoś musi otworzyć moduł finansowy, przejrzeć listę dokumentów, ustawić filtry i przejść przez kilka ekranów. Przy małym zespole i kilku setkach klientów takie ręczne przeglądanie potrafi zabrać spory kawałek dnia.

Dochodzi do tego specyfika branży: internet to usługa ciągła. Awaria switcha o 7 rano oznacza telefony od kilkudziesięciu abonentów przed 8. Zanim ktoś sprawdzi w LMS, które urządzenie sieciowe obsługuje których klientów, zebrało kilkanaście minut i kilkadziesiąt połączeń. W tym czasie te same telefony dzwonią dalej.

Miejsca, gdzie czas ucieka najbardziej:

  • Ręczne przeglądanie listy dokumentów w poszukiwaniu przeterminowanych faktur i zestawianie ich z kontaktami do abonentów
  • Sprawdzanie, kto z zaległością ma umowę SLA z krótszym terminem reakcji i powinien dostać kontakt jako pierwszy
  • Zestawianie otwartych zgłoszeń serwisowych z listą abonentów, żeby ustalić kolejność oddzwonienia
  • Ręczne przygotowywanie treści przypomnień o płatności z numerami faktur i kwotami przepisywanymi z systemu
  • Szukanie w strukturze sieci, którzy abonenci siedzą na danym segmencie, gdy pojawia się problem z konkretnym urządzeniem

Żadna z tych czynności nie jest skomplikowana. Ale każda wymaga wejścia do programu, ustawienia filtrów i kliknięcia po kilku ekranach. Przy dużej liczbie abonentów sumuje się to w kilkadziesiąt minut dziennie, często wykonywaną przez kogoś, kto mógłby w tym czasie rozmawiać z klientem albo jechać do awarii.

Co konkretnie da się odczytać z bazy LMS

LMS przechowuje dane w kilku głównych obszarach. Poniżej to, z czego AI korzysta wprost, z nazwami tabel i informacją, co w nich siedzi:

  • Abonenci (tabela customers): imię, nazwisko lub nazwa firmy, adres, numer telefonu, adres e-mail, status konta. Każdy abonent ma swój identyfikator, do którego odwołują się wszystkie inne moduły. Tu też siedzi informacja, czy konto jest aktywne.
  • Taryfy i przypisania (tabele tariffs i assignments): definicje taryf z nazwą, ceną, cyklem rozliczeniowym i rodzajem usługi, oraz historia przypisań: kto od kiedy jest na jakiej taryfie, kiedy przypisanie wygasa lub zostało zmienione. Dzięki temu widać, kto jest na taryfie wycofanej ze sprzedaży dwa lata temu.
  • Dokumenty finansowe (tabela documents): faktury z numerem, datą wystawienia, datą płatności i statusem. Połączone z tabelą operacji kasowych (cash) dają pełny obraz: kiedy wpłynęła płatność, czy pokryła całą należność i jak wyglądała historia rozliczeń za ostatnie miesiące.
  • Urządzenia sieciowe i węzły (tabele netdevices i nodes): lista urządzeń aktywnych w sieci z adresami IP i typem urządzenia. Każdy abonent ma przypisany węzeł sieciowy, co pozwala łączyć awarie urządzeń z listą dotkniętych klientów bez ręcznego przeszukiwania dokumentacji sieci.
  • Zgłoszenia serwisowe: LMS prowadzi własny moduł obsługi zgłoszeń. W bazie są daty otwarcia zgłoszenia, przypisany technik, aktualny status i historia zmian. To wystarczy, żeby wyciągnąć zgłoszenia bez ruchu od określonej liczby dni albo bez przypisanego technika.
  • Saldo i rozrachunki: bieżące saldo każdego abonenta widoczne jako suma operacji kasowych pozwala jednym zapytaniem wyciągnąć listę klientów z ujemnym saldem przekraczającym wskazaną kwotę, z ich danymi kontaktowymi.

Przy instalacji LMS na własnym serwerze cała ta struktura jest dostępna bezpośrednio w bazie. Schemat tabel jest jawny, bo LMS to projekt open source: można go sprawdzić w dokumentacji na lms.org.pl lub w repozytorium kodu. Jeden praktyczny detal: starsze albo mocno dostosowane instalacje LMS potrafią mieć lokalnie dodane kolumny albo niestandardowe rozszerzenia tabel. Przed pierwszym wdrożeniem zawsze sprawdzamy schemat konkretnej instalacji, nie tylko dokumentację projektu.

Jak fizycznie podłączyć AI do LMS: baza danych, nie API

LMS nie oferuje rozbudowanego, publicznie udokumentowanego API REST przeznaczonego do zewnętrznych integracji. Projekt jest rozwijany jako narzędzie z własnym interfejsem webowym i komunikacja z zewnętrznymi systemami nie jest jego główną funkcją. Oznacza to, że zamiast szukać nieistniejącej bramki API, podchodzimy bezpośrednio do bazy danych. Przy open source i własnym serwerze to nie jest obejście: to po prostu najkrótsza droga do danych.

Jak to wygląda krok po kroku:

  • Konto bazodanowe tylko do odczytu: na serwerze, gdzie działa LMS, administrator tworzy nowego użytkownika MySQL lub PostgreSQL z uprawnieniami SELECT na wybranych tabelach. Bez INSERT, UPDATE, DELETE, bez dostępu do tabeli użytkowników systemu i haseł. Jeśli chcecie zawęzić jeszcze bardziej, można ograniczyć dostęp do konkretnych tabel: customers, tariffs, assignments, documents, cash, netdevices, nodes.
  • Połączenie z sieci lokalnej lub przez tunel: asystent AI łączy się z bazą z serwera w tej samej sieci albo przez zaszyfrowany tunel SSH. Nie otwieracie portu bazy na internet.
  • Brak ingerencji w działanie LMS: odczyty SQL nie wpływają na pracę systemu. Zapytania analityczne można uruchamiać w godzinach o niskim obciążeniu, żeby nie konkurować z pracą samego LMS w ciągu dnia.
  • Co przygotowujecie przed startem: listę tabel, z których chcecie korzystać, zrzut schematu bez danych do opisania struktury asystentowi, oraz przykładowe zapytania na pierwsze dwa lub trzy scenariusze.

Czego nie robicie: nie instalujecie wtyczek w LMS, nie modyfikujecie kodu systemu, nie potrzebujecie żadnej aktualizacji LMS. Zmiany dotyczą wyłącznie Waszego serwera bazodanowego i konfiguracji asystenta.

Sześć scenariuszy, w których AI odciąża operatora już od pierwszego tygodnia

Zaległości z kontekstem, nie tylko lista. Zamiast wyciągać samą listę niezapłaconych faktur, asystent łączy ją z historią płatności abonenta. U jednego klienta okazało się, że spora część zaległości to abonenci regularnie płacący z tygodniowym opóźnieniem: żadne wezwania do nich nie były potrzebne. AI oddzielało tę grupę od faktycznych dłużników. Pytanie "Pokaż abonentów z zaległością powyżej 30 dni, którzy w poprzednich 12 miesiącach płacili regularnie" dawało zupełnie inną listę niż zwykły filtr na saldzie w ekranie LMS.

Awaria urządzenia: lista dotkniętych abonentów w kilka sekund. Switch przestał odpowiadać. Zamiast ręcznego szukania, który switch obsługuje którą ulicę, asystent łączy tabelę urządzeń z przypisaniami abonentów przez węzły sieciowe i wyciąga: ilu klientów, ich numery telefonów, kto ma umowę SLA z priorytetem. Technik dostaje gotową listę do obdzwonienia, nie czeka na przejrzenie kilku ekranów.

Abonenci na taryfach wycofanych ze sprzedaży. Operator dwa lata temu zmienił siatkę taryf, ale część klientów zostaje na starych pakietach dopóty, dopóki sami nie zadzwonią. AI przeglądając przypisania do taryf oznaczonych jako nieaktywne, przygotowuje listę z propozycją rozmowy handlowej. Typowo wygląda to tak, że kilka nazwisk z tej listy to stali klienci, z którymi nikt nie rozmawiał od lat i którzy chętnie przejdą na wyższy pakiet, bo po prostu nikt im tego nie zaproponował.

Zgłoszenia serwisowe bez ruchu od wielu dni. AI sprawdza daty otwarcia i ostatniej zmiany statusu każdego zgłoszenia. Sprawy, gdzie od ostatniej aktualizacji minęło więcej niż ustalona liczba dni, trafiają na listę do przeglądu przez kierownika. Zapytanie można ustawić tak, żeby odrębnie pokazywało zgłoszenia przypisane do konkretnego technika i te, które nadal nie mają nikogo przypisanego.

Gotowy tekst wezwania do zapłaty dla konkretnego abonenta. Pracownik biura pyta: "Napisz wezwanie do Jana Kowalskiego, faktury z ostatnich trzech miesięcy". AI wyciąga z bazy numery faktur, daty wystawienia, kwoty, łączną zaległość i formułuje gotowy tekst z konkretnymi danymi. Pracownik sprawdza i wysyła. Nie przepisuje danych ręcznie, nie ryzykuje pomyłki w kwocie ani numerze dokumentu.

Podgląd skali przed planowaną przerwą techniczną. Przed oknem serwisowym na danym segmencie AI zestawia: ilu abonentów straci dostęp, którzy z nich mają umowy SLA wymagające powiadomienia z wyprzedzeniem i jakie są ich adresy e-mail. Zamiast kilku ekranów w LMS: jedno pytanie, gotowa lista do powiadomień.

Co zostaje u człowieka i gdzie są granice

AI przy połączeniu z LMS w trybie odczytu nie zmienia żadnych danych. Nie wystawia faktur, nie modyfikuje taryf, nie zamyka zgłoszeń, nie odcina dostępu. Każda decyzja operacyjna przechodzi przez człowieka w biurze albo technika w terenie.

Gdzie AI ma realne ograniczenia:

  • Wpłaty gotówkowe wprowadzone z opóźnieniem: AI widzi stan bazy w chwili zapytania. Abonent, który zapłacił wcześniej tego ranka, a wpłata nie trafiła jeszcze do LMS, pojawi się jako dłużnik.
  • Uzgodnienia poza systemem: obietnica zapłaty złożona telefonicznie, termin odroczony ustnie, notatka na kartce. AI po prostu tego nie zna.
  • Ocena zamiaru abonenta: czy spóźnienie to chwilowy brak środków, czy sygnał rezygnacji z usługi. Tu potrzebna jest rozmowa człowieka z klientem.
  • Decyzja o odcięciu usługi: nawet przy jasno przekroczonej zaległości decyzja należy do operatora. AI przygotuje uzasadnioną listę, ale jej nie zatwierdzi.
  • Kwestie prawne i umowne: interpretacja zapisów konkretnej umowy, ocena podstaw do wypowiedzenia, weryfikacja danych przed formalnym pismem.

Od czego zaczynamy: wdrożenie krok po kroku

Wdrożenie u operatora korzystającego z LMS można zamknąć w kilku etapach, bez długiego projektu IT:

  • Krok 1: Inwentaryzacja instalacji. Sprawdzacie, na jakim serwerze działa LMS (dedykowany, VPS, własna maszyna na siedzibie), jaka wersja bazy (MySQL, MariaDB, PostgreSQL) i kto ma dostęp administracyjny do serwera. To zazwyczaj jedna rozmowa z osobą, która instalowała system.
  • Krok 2: Konto tylko do odczytu. Administrator bazy tworzy nowego użytkownika z uprawnieniami SELECT na tabelach: customers, tariffs, assignments, documents, cash, netdevices, nodes i tabelach zgłoszeń. Bez dostępu do tabel konfiguracyjnych i haseł użytkowników LMS.
  • Krok 3: Mapowanie danych. Piszemy pierwsze zapytania testowe: zaległości powyżej 30 dni, aktywni abonenci na wybranych taryfach, lista otwartych zgłoszeń. Sprawdzamy, czy wyniki zgadzają się z tym, co operator widzi w interfejsie LMS, i wyłapujemy lokalne niestandardowe kolumny albo inaczej zorganizowane dane.
  • Krok 4: Dwa lub trzy pierwsze scenariusze. Zamiast od razu wdrażać wszystko, zaczynamy od scenariuszy, które przynoszą natychmiastową wartość. Zazwyczaj to zaległości i awarie. Po dwóch tygodniach oceniacie, co działało dobrze, i dokładacie kolejne.
  • Krok 5: Ustalenie procedury w biurze. Kto zadaje pytania asystentowi, jak zatwierdza wyniki przed podjęciem działania i kto odpowiada za aktualność danych w LMS po każdej operacji. Bez tego kroku nawet najlepiej skonfigurowane połączenie będzie dawać wyniki, na które nikt nie reaguje.

Wdrożenie nie wymaga ani aktualizacji LMS, ani zakupu dodatkowych modułów, ani zgody producenta. Wszystko opiera się na tym, co już macie w bazie i na serwerze.

Jeśli prowadzicie operatora na LMS i chcecie sprawdzić, które scenariusze pasują do Waszej konkretnej instalacji, umówcie się na 15 minut rozmowy. Możemy też pokazać Wam, jak wyglądają realne wdrożenia u firm usługowych z podobnym zakresem danych: bez ogólnych prezentacji, z konkretnymi pytaniami o Wasz system i Waszą bazę.

Chcecie to u siebie?

Na osobnej stronie rozpisaliśmy, co dokładnie podłączamy w LAN Management System, o co możecie wtedy pytać asystenta i ile kosztuje wdrożenie.

Co podłączamy i ile to kosztuje →

Najczęstsze pytania

Czy LMS LAN Management System ma API do integracji z zewnętrznymi narzędziami?

LMS to projekt open source oparty na PHP z bazą MySQL lub PostgreSQL. Oficjalnego, publicznie udokumentowanego REST API przeznaczonego do zewnętrznych integracji projekt nie oferuje jako głównej funkcji. Praktyczna droga to połączenie tylko do odczytu bezpośrednio z bazą danych, co przy własnym serwerze jest bezpieczne i wystarczające na start.

Czy AI może automatycznie wysyłać wezwania do zapłaty z danych w LMS?

Na starcie asystent pracuje wyłącznie w trybie odczytu: przygotowuje gotowy tekst wezwania i listę odbiorców z konkretnymi kwotami i numerami faktur, ale wysyłkę zatwierdza operator. Automatyzacja wysyłki to kolejny etap, który wdrożycie po sprawdzeniu jakości przygotowanych wiadomości na realnych danych.

Co zrobi AI, gdy abonent zapłacił gotówką, ale wpłata nie trafiła jeszcze do LMS?

AI widzi dokładnie to, co jest w bazie w chwili zapytania. Abonent, którego płatność nie została jeszcze wprowadzona do systemu, pojawi się jako zalegający. Dlatego przed podjęciem działania na podstawie listy od AI zawsze warto sprawdzić datę ostatniego wpisu w kasie.

Czy podłączenie AI do bazy LMS jest bezpieczne dla danych abonentów?

Przy dedykowanym koncie bazodanowym z uprawnieniami SELECT na wybranych tabelach, bez dostępu do haseł i bez możliwości zapisu, AI nie zmienia ani nie eksportuje danych poza Wasz serwer. Połączenie odbywa się z sieci lokalnej lub przez szyfrowany tunel, nie przez otwarty port w internecie.

Czy wdrożenie wymaga aktualizacji LMS albo kupowania dodatkowych modułów?

Nie. Podłączenie AI opiera się wyłącznie na bazie danych, którą LMS już prowadzi. Nie modyfikujecie kodu systemu, nie instalujecie wtyczek i nie potrzebujecie żadnej zmiany w samej instalacji LMS.

Wolicie napisać

Pokażemy to na Waszych danych z LAN Management System

Jedno zdanie wystarczy: czego szukacie w LAN Management System albo co ma się dziać samo. Odpiszemy, co podłączymy i od czego zacząć.

Opracowanie: zespół redAi z wykorzystaniem narzędzi AI.

Następny krok

Podłączymy LAN Management System do AI u Was

15 minut rozmowy: mówicie, czego szukacie w danych, my mówimy, co wyciągniemy z LAN Management System, ile to potrwa i czego potrzebujemy po Waszej stronie.

  • Bezpłatna prezentacjaAI na Waszych zadaniach, nie na slajdach.
  • Dostęp tego samego dniaZespół od razu pracuje we własnym portalu.
  • Do 2 tygodni testówPłacicie dopiero po decyzji.

Może Was też zainteresować