Η χρήση της Τεχνητής Νοημοσύνης από τις αεροπορικές εταιρείες κατά τη διάρκεια ακραίων καιρικών φαινομένων
Η πρόσφατη κακοκαιρία στις Ηνωμένες Πολιτείες έχει δημιουργήσει σημαντικές προκλήσεις για τη βιομηχανία των αερομεταφορών, επηρεάζοντας τα δρομολόγια και τις διαδρομές σε παγκόσμιο επίπεδο. Σε τέτοιες περιπτώσεις, οι αεροπορικές εταιρείες καλούνται να ανταποκριθούν σε ερωτήματα πελατών με πολύ μεγαλύτερη συχνότητα από ό,τι κατά τη διάρκεια των κανονικών λειτουργιών. Επιπλέον, στον τομέα των αερομεταφορών, απαιτούνται γρήγορες επιχειρησιακές αποφάσεις, πάντα μέσα στα αυστηρότερα όρια ασφαλείας. Πολλές αεροπορικές εταιρείες στρέφονται στην γενετική τεχνητή νοημοσύνη (AI) για να τις βοηθήσει σε τέτοιες καταστάσεις, αλλά και γενικότερα, για να γίνουν πιο αποδοτικές και αντιδραστικές οργανώσεις.
Η συμβολή της γενετικής τεχνητής νοημοσύνης στην αποδοτικότητα των αεροπορικών εταιρειών
Πέρυσι, η Air France-KLM δημιούργησε ένα εργοστάσιο γενετικής AI βασισμένο στο cloud για χρήση σε όλη την οργάνωση, το οποίο περιγράφει ως μέσο για την επίτευξη πιο συνεπούς και επαναχρησιμοποιήσιμης ανάπτυξης AI. Σε συνεργασία με την Accenture και το Google Cloud, το εργοστάσιο αυτό χρησιμοποιείται για τη δοκιμή και την εφαρμογή μοντέλων γενετικής AI, παράγοντας μετρήσιμα αποτελέσματα στις επίγειες λειτουργίες, τη μηχανική και τη συντήρηση, καθώς και στις λειτουργίες που αφορούν τους πελάτες. Η συνεργασία αυτή έχει δηλώσει ότι η ανάπτυξη γενετικής AI σε επιχειρησιακό επίπεδο έχει αυξήσει την ταχύτητα ανάπτυξης κατά περισσότερο από 35%.
Η εκπαίδευση των εργαζομένων στην τεχνητή νοημοσύνη και η χρήση της σε ακραίες καιρικές συνθήκες
Το εργοστάσιο AI χρησιμοποιείται επίσης από τους εργαζόμενους, οι οποίοι εκπαιδεύονται στη χρήση εργαλείων AI ώστε να μπορούν να αξιοποιήσουν τη δύναμη των μεγάλων γλωσσικών μοντέλων (LLMs) για να επιφέρουν θετική επίδραση στην επιχείρηση. Η United Airlines, επίσης, εξερευνά τη χρήση της AI στις λειτουργίες της. Σε συνέντευξή του στο CIO.com, ο CIO Jason Birnbaum περιέγραψε την AI ως μέσο για τη μείωση των κύκλων αποφάσεων κατά τη διάρκεια ανωμαλιών στις λειτουργίες, όπως οι πρόσφατες διακοπές λόγω της ακραίας κακοκαιρίας. Η πορεία της εταιρείας στην AI ξεκίνησε με τη χρήση της για την ανταπόκριση σε ερωτήματα επιβατών.
Η επίδραση της τεχνητής νοημοσύνης στην επικοινωνία με τους πελάτες και την αποδοτικότητα των λειτουργιών
Όταν οι πτήσεις καθυστερούν ή ακυρώνονται, οι εκπρόσωποι εξυπηρέτησης πελατών αναμένεται να ανταποκρίνονται γρήγορα και ενημερωτικά, διατηρώντας παράλληλα το στυλ επικοινωνίας που επιβάλλει η εταιρεία. Κατά τη διάρκεια παρατεταμένων περιόδων διαταραχών, η διατήρηση της παραγωγής από αυτό που η εταιρεία ονομάζει “αφηγητές” είναι δύσκολη. Ο Jason Birnbaum ανέφερε ότι, “Λόγω του αριθμού των καθυστερήσεων σε σχέση με τους αφηγητές, δεν μπορούσαμε να έχουμε ένα άτομο να γράφει ένα νέο μήνυμα για κάθε γεγονός. Έτσι, επικεντρωθήκαμε στην προτεραιοποίηση των πιο σημαντικών καταστάσεων. […] Τα δεδομένα ήταν απλά: τα βασικά στοιχεία της πτήσης και η τρέχουσα συνομιλία μεταξύ των συνοδών, των πιλότων, των πρακτόρων της πύλης και των ανθρώπων των επιχειρήσεων που σχετίζονται με την πτήση. Τροφοδοτήσαμε αυτή την πληροφορία — με πρόσθετα δεδομένα για τον καιρό, για παράδειγμα — στο μοντέλο AI, για να δημιουργήσουμε ένα καλό προσχέδιο μηνύματος προς τον πελάτη.”
Η ωριμότητα της τεχνητής νοημοσύνης στις αερομεταφορές και οι μελλοντικές προοπτικές
Η μέτρηση της ωριμότητας της AI από την Boston Consulting Group στις βιομηχανίες τοποθετεί τις αεροπορικές εταιρείες στο “μέσο”, έχοντας μετακινηθεί από λίγο κάτω του μέσου όρου το προηγούμενο έτος. Μόνο μία από τις 36 αεροπορικές εταιρείες που εξετάστηκαν πληρούσε τα υψηλότερα κριτήρια για την προετοιμασία για ένα μέλλον με AI. Η ανάλυση υποδηλώνει ότι μέχρι το 2030, οι αερομεταφορείς που ενσωματώνουν την AI στον πυρήνα των ροών εργασίας τους θα μπορούσαν να επιτύχουν λειτουργικά περιθώρια που είναι 5% έως 6% μονάδες υψηλότερα από εκείνα των ομοίων τους.
Συμπεράσματα και μελλοντικές εφαρμογές της τεχνητής νοημοσύνης στις αερομεταφορές
Εκτιμάται ότι η γενετική AI θα γίνει μέρος του επιχειρησιακού πυρήνα των αεροπορικών εταιρειών και των αεροδρομίων, όπου οι αποφάσεις για τα δρομολόγια, τις κατανομές πληρωμάτων, τις εναλλαγές αεροσκαφών και την ανάκτηση επιβατών πρέπει να λαμβάνονται γρήγορα. Η Microsoft ισχυρίζεται ότι τα συστήματα AI που βασίζονται σε δεδομένα μπορούν να μειώσουν τις βασικές αιτίες καθυστερήσεων πτήσεων έως και 35% μέσω βελτιωμένης πρόβλεψης διαταραχών, περιορίζοντας τις αρνητικές επιπτώσεις της εξάπλωσης των διαταραχών. Οι αεροπορικές εταιρείες που χρησιμοποιούν εξατομίκευση με βάση την AI αναφέρουν αυξήσεις εσόδων περίπου 10% έως 15% ανά επιβάτη, σύμφωνα με τη Microsoft, η οποία επίσης αναφέρει ότι τα εργαλεία που βασίζονται στην AI, όπως οι διεπαφές αυτοεξυπηρέτησης πελατών, μπορούν να οδηγήσουν σε μειώσεις κόστους έως και 30%.
