Ако некоја индустрија почувствува огромни негативни последици од Ковид-19 кризата, тоа со сигурност е авиоиндустријата. Во ситуација кога границите беа затворени, а движењето целосно ограничено, финансиските последици за авиокомпаниите беа драстични, а загубите неизбежни. Доказ за ова е разликата во заработката на авиоиндустријата пред почетокот на пандемијата на Ковид-19 во 2019 година, која изнесуваше 818.3 милијарди долари, за во 2020 година таа да се намали на 359.3 милијарди долари.

Авиопревозниците во 2022 година повторно се вратија на старите динамики на летање и функционирање со олеснувањето на мерките. Според информациите од Меѓународната асоцијација за воздушен транспорт (IATA), авиокомпаниите полека закрепнуваат од загубите и во 2022 година тие ќе се намалат на 12 милијарди долари, споредбено со 2021, кога тие изнесуваа 52 милијарди американски долари.

Со подобрувањето на ситуацијата со пандемијата, IATA очекува авиоиндустријата во 2022 година целосно да закрепне, а во Северна Америка да ги направи и првите профити првпат од почетокот на пандемијата.

Важна метрика во оваа индустрија е приходот од патник по километар (RPK или бројот на километри платени од корисник), за кој се проценува дека во 2021 се подобрил за 18 отсто, а се верува дека во 2022 година ќе се подобри за цели 51 отсто.

Клучен елемент во целиот процес на таканареченото закрепнување на авиокомпаниите е вештачката интелигенција (AI). Компаниите кои иновираат и ги користат најновите технологии се во предност пред останатите и се надеваат дека ќе успеат да се вратат на нивоата на заработка како пред пандемијата.

Користењето АI ги менува правилата во оваа индустрија, начинот на кој авиокомпаниите им пристапуваат на податоците, операциите и остварувањето на приходите. Водечките светски авиокомпании веќе користат AI за да ја подобрат ефикасноста на операциите, за да избегнат скапи грешки и да го зголемат задоволството кај корисниците.

AI во авијација

Во суштината на речиси секој бизнис лежат ист вид на предизвици со различна големина. Најчесто еден од тие предизвици е како да се креира агилен процес за ефикасно носење на одлуки. Кога станува збор за авионскиот превоз, има голем број на фактори кои треба да се земат во предвид, а во нивната суштина се податоците: резервирање на билет, број на патници во авионот, тежината на багажот, горивото, храната и пијалаците за патниците, итн. Целиот процес може да се разгледа низ патот што го минува еден патник, а кога тоа ќе се мултиплицира во огромен размер, се добива реалниот предизвик: како целиот процес да биде беспрекорен, а притоа да се одговори на сите потреби на пазарот?

Корисничко задоволство и задржување на клиенти

Унапредувањето на корисничкото искуство и задоволството на клиентите се сегменти во кои AI започнува да прави значителни разлики во авиоиндустријата. 

Вештачката интелигенција може да се користи за оптимизирање на ценовни стратегии, зголемување на задоволството на корисниците и подобрување на целосното искуство со компанијата. Една од потенцијалните употреби на AI е користење на engine кој ги следи однесувањата на корисниците, метадата и историјата на купување, за потоа да создаде многу прецизни, персонализирани понуди. Освен за ваков тип на анализи, AI во авијацијата се користи и за анализирање на реакциите на социјалните мрежи за брендот, од кои потоа се добива значаен фидбек за корисничкото искуство со компанијата.

Авиокомпаниите го подобруваат корисничкото искуство со користење на софтвери за автоматизирање на контактот со корисниците. Иако четботовите за контакт со корисниците се значително подобрени, компанијата Gartner тврди дека напредните виртуелни асистенти (AVA) се иднината за овој тип на комуникација. Овие асистенти користат natural language processing (NLP), што резултира со многу интуитивни разговори и сесии со корисниците, а користат и техники за длабинско и семантичко учење како што е deep neural networks (DNNs).

Дополнително, технологијата за препознавање на лица (facial recognition) отвора можности за усовршување на безбедносните процеси на аеродромите. Сличен пристап се користи и за следење на бројот и начинот на кој луѓето се движат низ аеродромите и за подобро организирање на протокот на патници.

Операции и менаџмент

Што е она што одредува дали една авиокомпанија ќе постави директен патнички лет меѓу одредени градови? Одговорот е многу очигледен, а тоа е фреквенцијата на патници. Некогаш ќе сретнете поврзувања помеѓу градови за кои на прв поглед делува дека е нелогично да се поврзани со авионски летови, но во позадина на таа одлука се податоците. На пример, врз таа одлука влијае бројот на иселеници кои престојуваат во еден град, а потекнуваат од друг. Ако го земете бројот на иселеници, нивната потреба да се вратат дома за поголеми празници и слично, веќе добивате податоци врз кои може да ја поткрепите одлуката за воведување на директен лет. Носењето на таа одлука има статистика зад себе во што влегуваат денови, сезонски настани, демографија, цена на гориво итн.

Поконкретно, постојат повеќе начини на кои авиокомпаниите ги користат податоците за донесување на одредени одлуки и тоа со системи базирани на AI.

За да ги максимизираат приходите, авиокомпаниите ги оптимизираат нивните основни цени за летови кои претходно се пресметани според движењата на патниците и рутите на летање. Цените дополнително се прилагодуваат откако се евалуираат деталите за корисниците и моменталните услови на пазарот. Авиокомпаниите користат многу различни варијабли за да ги одредат цените: дали летот е за време на некој празник, колку слободни места има во авионот итн. Според Џон Мекбрајд, продукт менаџмент директор на PROS, софтверска компанија која соработува со гиганти како „Луфтханза“, „Емирејтс“ и „Саутвест“, некои авиокомпании веќе имаат имплементирано динамични цени при онлајн пребарување на карти.

За да ги зголемат приходите преку продажба на авиобилети, а притоа сите летови да бидат целосно исполнети, авиокомпаниите го спроведуваат и процесот наречен „оптимизација на цени“ (pricing optimization). Тука се користат историски податоци како што се претходни букирања на патникот, дистанцата на летот, подготвеноста за плаќање на патникот и слично.

Уште еден дел од авиоиндустријата каде се користи AI е предвидувањето на откажани летови. Откажувањата зависат од голем број на фактори, вкучувајќи ги временските услови и метежот на аеродромите. Во овој случај, предвидувачките анализи и вештачката интелигенција може да се аплицираат за да се анализираат податоци во реално време за да се предвидат откажувањата, времињата на полетување и да им овозможат на корисниците да ги презакажат летовите на време.

Трошоците за работна сила (членовите на екипажите за летање) на најголемите американски авиони пораснаа и често ја надминуваат границата од 1.3 милијарди долари годишно. Станува збор за вториот најголем оперативен трошок за авиокомпаниите, по трошоците кои ги имаат за гориво. Анализата на Big Data им помага на компаниите да го најдат оптималниот начин на организирање на екипажите, за да го максимизираат нивното време и задоволство од работните места.

Машинското учење исто така помага и во транспортната авиоиндустрија. На пример, моделите за предвидување може да направат прогноза за тоа дали одреден продукт ќе биде транспортиран на време и да ги најдат најоптималните рути за транспорт. Дополнително, интелигентните системи можат да идентификуваат потенцијални инциденти и да ја зголемат ефикасноста на операциите.

Humans & Machines

Еден од многуте бенефити од AI во авиоиндустријата се проширува и на полето за контрола на летање. Машинското учење не се користи за да ги замени контролорите на летови. Наместо тоа, има за цел да ги автоматизира повторливите, предвидливи задачи, за да им овозможат на луѓето кои работат на оваа позиција да се фокусираат на покомплексните и поважни задачи. Во август 2021 година, владата на Велика Британија одобри буџет од 3 милиони фунти за партнерство меѓу Институтот Алан Тјуринг и NATS (Национален сервис за воздухопловен сообраќај) за имплементирање на тестирања на првиот во историјата AI систем за воздухопловна контрола наречен Project Bluebird.

Составувањето на интердисциплинарен тим на data scientists, data engineers и математичари има за цел да истражи како системите за вештачка интелигенција можат да работат заеднички со луѓето за да креираат систем за воздухопловна контрола кој е интуитивен, самоодржлив и со низок ризик за користење. Во овој проект, алгоритмите за машинско учење и data science се користат за да предложат заеднички акции со тимовите за контрола на летови, вклучувајќи и следење на политиките за климатски промени и постигнување на нула емисии на штетни гасови до 2050 година, преку подобро оптимизирани рути за летање и намалување на потрошувачката на гориво.

Автономни машини и подобри процеси

Додека целосно беспилотните авиони сè уште се далечна идинина, постојат неколку истражувања од авиогигантите „Ербас“ и „Боинг“ кои ја развиваат идејата за овој тип на летала. Во декември 2020 година, „Боинг“ го заврши тестирањето на пет летала без екипаж кои користат AI алгоритми. Од компанијата веруваат ова тестирање ќе ја придвижува технологијата на автономни летала во следните години. Во меѓувреме, постои можност технологијата која ја користат да се насочи во правец на автоматизирање на други типови на процеси на аеродромите, како движењето на приземјените авиони на пистите, товарање на багаж, дополнување на гориво, чистење и безбедносни процедури.

„Ербас“ како една од водечките компании во авиоиндустријата, користи AI за да анализира податоци кои доаѓаат од повеќе различни фабрики, кои потоа предвидуваат потенцијални варијации во процесите на производство. Тоа им овозможува порано да ги забележат проблемите, а некогаш и целосно да ги превенираат. Предвидувањата помагаат и при заштеда на пари на долг рок, бидејќи компаниите точно можат да ги оптимизираат промените на деловите и поправките.

Храна и пијалаци

Потребите за храна што треба да се задоволат за летови кои траат два часа и летови кои траат повеќе од осум часа се различни. Планирањето на потребите за храна може да биде комплексен процес, а за негово организирање помагаат историските податоци. Според податоците на simpleflying.com, дури 20 отсто од храната која се служи на летовите на годишно ниво завршува како отпад.

За да се минимизира беспотребното фрлање на храна и финансиските загуби, авиокомпаниите анализираат историски податоци од претходни летови за да ги адаптираат идните понуди. Колку е поголема понудата на летот, толку пософистицирани алгоритми се потребни за перфектно да се избалансира понудата и побарувачката за храна и пијалаци во авионите.

Во јуни 2020 година, британската компанија easyJet најави дека има за цел да стане авиокомпанија која најмногу ги користи податоците и во таа насока започна соработка со британската фирма за вештачка интелигенција Black Swan, за заеднички да ги анализираат нивните потреби за храна.

Што е следно?

Користењето на вештачката интелигенција со сигурност уште подлабоко ќе навлегува во сите сектори од авиоиндустријата, без разлика дали станува збор за контролата на летови, организацијата на процесите, продажбата на билети или контактот со корисниците. Иако можеби најспектакуларно звучат насловите за автономните летала, бенефитите од AI се сестрани и играат огромна улога во многу други сектори од оваа комплексна индустрија. Генералниот интерес и суштинско разбирање на процесите и корисноста од AI, машинското учење и длабинското учење иако константно се зголемува, сè уште не е на највисоко ниво. Во моментов токму податоците и нивната обработка се двигателот за константно подобрување на авиоиндустријата.