Agilización de los flujos de trabajo de JAL: Innovación en IA de Fujitsu y Headwaters
En una colaboración innovadora, Fujitsu Limited y Headwaters Co., Ltd., un proveedor líder de soluciones de IA, han concluido con éxito las pruebas de campo empleando IA generativa para revolucionar la creación de informes de transferencia para la tripulación de cabina de Japan Airlines Co., Ltd. (JAL). Estas pruebas, que abarcaron del 27 de enero al 26 de marzo de 2025, han demostrado inequívocamente el potencial de ahorros de tiempo sustanciales y una mayor eficiencia.
El desafío de los informes de transferencia
Los miembros de la tripulación de cabina de JAL tradicionalmente dedican una cantidad significativa de tiempo y esfuerzo a la recopilación de informes de transferencia exhaustivos. Estos informes sirven como un conducto crucial para la transferencia de información entre sucesivas tripulaciones de cabina y personal de tierra, lo que garantiza un flujo operativo perfecto. Reconociendo la oportunidad de optimizar este proceso, Fujitsu y Headwaters se embarcaron en un esfuerzo conjunto para aprovechar el poder de la IA generativa.
Una solución novedosa: IA generativa sin conexión
Para superar las limitaciones de depender de una conectividad constante a la nube, Fujitsu y Headwaters optaron por Phi-4 de Microsoft, un modelo de lenguaje compacto (SLM) meticulosamente optimizado para entornos sin conexión. Esta elección estratégica permitió el desarrollo de un sistema basado en chat accesible en dispositivos de tableta, lo que facilita la generación eficiente de informes tanto durante como después de los vuelos.
Las pruebas han arrojado evidencia convincente de que esta solución innovadora permite a la tripulación de cabina generar informes de alta calidad al tiempo que reduce significativamente el tiempo invertido en la creación de informes. Esto se traduce en una mayor eficiencia para la tripulación de cabina de JAL, lo que en última instancia contribuye a una mejor prestación de servicios para los pasajeros.
Roles y responsabilidades
El éxito de esta iniciativa de colaboración dependió de la experiencia y las contribuciones distintas de cada socio:
Fujitsu: La empresa desempeñó un papel fundamental en la adaptación de Microsoft Phi-4 a los requisitos específicos de las tareas de la tripulación de cabina. Aprovechando su servicio de IA Fujitsu Kozuchi, Fujitsu afinó meticulosamente el modelo de lenguaje utilizando los datos históricos de informes de JAL, lo que garantiza un rendimiento y una relevancia óptimos.
Headwaters: Headwaters encabezó el desarrollo de una aplicación de IA generativa específica para el negocio impulsada por Phi-4. Al emplear tecnología de cuantificación, Headwaters habilitó la creación de informes sin problemas en dispositivos de tableta incluso en entornos sin conexión. Además, sus consultores de IA brindaron un valioso apoyo durante todo el proyecto, que abarca el análisis del flujo de trabajo para la implementación de IA, la implementación y evaluación de prueba y la gestión ágil del progreso del desarrollo. Los ingenieros de IA de la empresa también construyeron un entorno de ajuste fino para Fujitsu Kozuchi y brindaron asistencia técnica para la optimización adaptada al entorno de uso único del cliente.
Perspectivas de la industria
Shinichi Miyata, jefe de la Unidad de Negocios de Soluciones Intersectoriales, Grupo de Negocios de Soluciones Globales, Fujitsu Limited, enfatizó la importancia de este logro, afirmando: “Nos complace anunciar este ejemplo de utilización de IA generativa en las operaciones de cabina de Japan Airlines. Esta prueba de concepto conjunta contribuye al avance de la IA generativa en entornos sin conexión y tiene el potencial de transformar las operaciones en diversas industrias y roles donde el acceso a la red es limitado. El éxito de esta colaboración significativa es el resultado de las excepcionales capacidades de propuesta de Headwaters combinadas con la experiencia tecnológica de Fujitsu. En el futuro, seguimos comprometidos a fortalecer nuestra asociación para apoyar la expansión comercial de nuestros clientes y abordar los desafíos sociales”.
Trayectoria futura
A partir de los resultados prometedores de las pruebas de campo, Fujitsu y Headwaters se comprometen a realizar más pruebas para allanar el camino para la implementación de la producción para JAL. Su objetivo final es integrar sin problemas la solución en la plataforma de IA generativa existente de JAL.
Además, Fujitsu prevé incorporar SLM específicamente adaptados a varios tipos de trabajo dentro de Fujitsu Kozuchi, lo que mejorará aún más la versatilidad y la aplicabilidad del servicio de IA.
Juntos, Fujitsu y Headwaters continuarán defendiendo la transformación operativa de JAL a través de la aplicación estratégica de la IA, abordando los desafíos críticos, elevando el servicio al cliente y abordando los problemas de toda la industria.
Profundizando: Revelando los matices de la implementación de la IA
La colaboración entre Fujitsu y Headwaters para mejorar la eficiencia operativa de JAL a través de la IA ofrece un estudio de caso convincente sobre cómo se puede aprovechar la tecnología de vanguardia para abordar los desafíos del mundo real. Analicemos los elementos clave que sustentaron el éxito de este proyecto y exploremos las implicaciones más amplias para la industria de la aviación y más allá.
1. La elección estratégica de un modelo de lenguaje pequeño (SLM)
La decisión de emplear Phi-4 de Microsoft, un modelo de lenguaje pequeño (SLM), en lugar de un modelo de lenguaje grande (LLM), fue una obra maestra estratégica. Los LLM, si bien cuentan con capacidades impresionantes, normalmente requieren recursos computacionales sustanciales y conectividad constante a los servidores en la nube. Esto plantea un desafío importante en entornos donde el acceso a la red no es confiable o no existe, como durante los vuelos.
Los SLM, por otro lado, están diseñados para operar de manera eficiente en dispositivos con potencia de procesamiento y capacidad de almacenamiento limitadas. Phi-4, en particular, se ha optimizado meticulosamente para entornos sin conexión, lo que lo convierte en una opción ideal para el proyecto JAL. Este enfoque no solo garantiza que la tripulación de cabina pueda acceder al sistema de generación de informes impulsado por IA independientemente de la disponibilidad de la red, sino que también reduce la dependencia de una infraestructura de nube costosa.
2. Ajuste fino para la especificidad del dominio
Si bien los SLM ofrecen la ventaja del funcionamiento sin conexión, a menudo carecen de la amplitud de conocimiento y la comprensión contextual de sus contrapartes más grandes. Para abordar esta limitación, Fujitsu empleó su servicio de IA Kozuchi para ajustar Phi-4 utilizando los datos históricos de informes de JAL.
El ajuste fino implica entrenar un modelo de lenguaje pre-entrenado en un conjunto de datos específico para mejorar su rendimiento en una tarea en particular o dentro de un dominio específico. En este caso, al exponer a Phi-4 a una gran cantidad de informes pasados de JAL, Fujitsu permitió que el modelo aprendiera los matices de los informes de la tripulación de cabina, incluida la terminología específica, las convenciones de formato y los problemas comunes encontrados durante los vuelos.
Este ajuste fino específico del dominio mejoró significativamente la precisión y la relevancia de los informes generados por la IA, lo que garantiza que cumplan con los estrictos requisitos de los procedimientos operativos de JAL.
3. Tecnología de cuantificación para una mayor eficiencia
La contribución de Headwaters al proyecto se extendió más allá del desarrollo de la aplicación basada en chat. La empresa también empleó tecnología de cuantificación para optimizar aún más el rendimiento de Phi-4 en dispositivos de tableta.
La cuantificación es una técnica que reduce la huella de memoria y los requisitos computacionales de una red neuronal al representar sus parámetros utilizando menos bits. Por ejemplo, en lugar de usar números de punto flotante de 32 bits, los parámetros del modelo podrían representarse usando enteros de 8 bits.
Esta reducción en la precisión tiene un ligero costo en precisión, pero la compensación a menudo vale la pena en términos de velocidad mejorada y consumo de memoria reducido. Al cuantificar Phi-4, Headwaters se aseguró de que el modelo de IA pudiera ejecutarse sin problemas y de manera eficiente en los recursos limitados de los dispositivos de tableta, lo que brinda una experiencia de usuario perfecta para la tripulación de cabina.
4. Desarrollo ágil y experiencia colaborativa
El éxito del proyecto JAL también fue atribuible a la metodología de desarrollo ágil empleada por Headwaters y al espíritu de colaboración de la asociación Fujitsu-Headwaters.
El desarrollo ágil enfatiza el desarrollo iterativo, la retroalimentación frecuente y la estrecha colaboración entre las partes interesadas. Este enfoque permitió al equipo del proyecto adaptarse rápidamente a los requisitos cambiantes y abordar los desafíos imprevistos.
La experiencia complementaria de Fujitsu y Headwaters también fue crucial para el éxito del proyecto. Fujitsu aportó su profundo conocimiento de la tecnología de IA y su servicio de IA Kozuchi, mientras que Headwaters contribuyó con su experiencia en el desarrollo de aplicaciones de IA, el análisis del flujo de trabajo y la gestión ágil de proyectos. Esta sinergia de habilidades y conocimientos permitió al equipo desarrollar una solución verdaderamente innovadora y eficaz.
Las implicaciones más amplias para la industria de la aviación
El proyecto JAL ofrece una visión del futuro de la IA en la industria de la aviación. Al automatizar las tareas rutinarias, como la generación de informes, la IA puede liberar a la tripulación de cabina para que se concentre en responsabilidades más importantes, como la seguridad de los pasajeros y el servicio al cliente.
Además, la IA se puede utilizar para mejorar la eficiencia operativa en una variedad de otras áreas, que incluyen:
- Mantenimiento predictivo: La IA puede analizar los datos de los sensores de las aeronaves para predecir cuándo se requiere mantenimiento, lo que reduce el tiempo de inactividad y mejora la seguridad.
- Optimización de rutas: La IA puede analizar patrones climáticos, condiciones de tráfico y otros factores para optimizar las rutas de vuelo, lo que ahorra combustible y reduce el tiempo de viaje.
- Servicio al cliente: Los chatbots impulsados por IA pueden brindar soporte instantáneo a los pasajeros, responder preguntas, resolver problemas y brindar recomendaciones personalizadas.
A medida que la tecnología de IA continúa evolucionando, su potencial para transformar la industria de la aviación es inmenso. El proyecto JAL sirve como un valioso ejemplo de cómo la IA se puede utilizar para mejorar la eficiencia, mejorar la seguridad y elevar la experiencia del pasajero.
Más allá de la aviación: la versatilidad de la IA sin conexión
El éxito del proyecto Fujitsu-Headwaters para JAL subraya la aplicabilidad más amplia de las soluciones de IA sin conexión en diversas industrias y sectores. La capacidad de implementar modelos de IA en entornos con conectividad de red limitada o nula abre un mundo de posibilidades para las organizaciones que buscan aprovechar el poder de la IA en entornos remotos o desafiantes.
1. Atención médica en áreas remotas
En las comunidades rurales o desatendidas, los proveedores de atención médica a menudo enfrentan desafíos relacionados con el acceso limitado a una conectividad a Internet confiable. Las soluciones de IA sin conexión pueden empoderar a estos proveedores con herramientas de diagnóstico, recomendaciones de tratamiento y capacidades de monitoreo de pacientes, incluso en ausencia de una conexión a Internet estable.
Por ejemplo, los algoritmos de reconocimiento de imágenes impulsados por IA se pueden implementar en dispositivos portátiles para ayudar a los trabajadores de la salud a identificar enfermedades a partir de imágenes médicas, como radiografías o tomografías computarizadas. De manera similar, los sistemas de apoyo a la toma de decisiones impulsados por IA pueden proporcionar orientación sobre los protocolos de tratamiento basados en los síntomas del paciente y el historial médico, incluso en áreas donde el acceso a la experiencia de especialistas es limitado.
2. Agricultura en países en desarrollo
Los agricultores en los países en desarrollo a menudo carecen de acceso a la información y las tecnologías agrícolas más recientes. Las soluciones de IA sin conexión pueden cerrar esta brecha al proporcionar a los agricultores recomendaciones personalizadas sobre la selección de cultivos, las técnicas de riego y las estrategias de control de plagas, incluso sin acceso a Internet.
Las herramientas de análisis de imágenes impulsadas por IA se pueden utilizar para evaluar la salud de los cultivos, identificar enfermedades de las plantas y detectar infestaciones de plagas, lo que permite a los agricultores tomar medidas oportunas para proteger sus rendimientos. Además, los modelos de pronóstico del tiempo impulsados por IA pueden proporcionar a los agricultores predicciones meteorológicas precisas y localizadas, lo que les ayuda a tomar decisiones informadas sobre la siembra, la cosecha y el riego.
3. Socorro en casos de desastre y respuesta de emergencia
Tras las catástrofes naturales, como terremotos, inundaciones o huracanes, la infraestructura de comunicación a menudo se interrumpe, lo que dificulta que los trabajadores de rescate coordinen sus esfuerzos y brinden asistencia a los necesitados. Las soluciones de IA sin conexión pueden desempeñar un papel crucial en estas situaciones al proporcionar a los trabajadores de rescate herramientas para la conciencia situacional, la evaluación de daños y la asignación de recursos.
Los algoritmos de reconocimiento de imágenes impulsados por IA se pueden utilizar para analizar imágenes de satélite o imágenes de drones para evaluar el alcance de los daños e identificar las áreas donde la asistencia es más urgentemente necesaria. De manera similar, las plataformas de comunicación impulsadas por IA pueden permitir que los trabajadores de rescate se comuniquen entre sí y con las comunidades afectadas, incluso en ausencia de conectividad celular o a Internet.
4. Automatización industrial y de fabricación
En las plantas de fabricación y las instalaciones industriales, la conectividad a Internet confiable no siempre está garantizada, particularmente en áreas remotas o en entornos con interferencia electromagnética. Las soluciones de IA sin conexión pueden permitir a los fabricantes automatizar varios procesos, como el control de calidad, el mantenimiento predictivo y la gestión de inventario, incluso sin una conexión a Internet estable.
Los sistemas de visión impulsados por IA se pueden utilizar para inspeccionar productos en busca de defectos, lo que garantiza que solo se envíen artículos de alta calidad a los clientes. De manera similar, los modelos de mantenimiento predictivo impulsados por IA pueden analizar los datos de los sensores del equipo para predecir cuándo se requiere mantenimiento, lo que reduce el tiempo de inactividad y mejora la productividad.
El proyecto Fujitsu-Headwaters para JAL sirve como una demostración convincente del poder y la versatilidad de las soluciones de IA sin conexión. A medida que la tecnología de IA continúa avanzando, podemos esperar ver aún más aplicaciones innovadoras de IA sin conexión en una amplia gama de industrias y sectores, lo que permite a las organizaciones resolver problemas del mundo real y mejorar la vida de las personas, independientemente de su acceso a la conectividad a Internet.