ייעול תהליכי עבודה ב-JAL: חדשנות AI של פוג'יטסו והדווטרס

ייעול תהליכי עבודה ב-JAL: חדשנות AI של פוג’יטסו והדווטרס

בשיתוף פעולה פורץ דרך, פוג’יטסו לימיטד (Fujitsu Limited) וחברת הדווטרס בע”מ (Headwaters Co., Ltd.), ספקית פתרונות AI מובילה, סיימו בהצלחה ניסויי שדה המשתמשים בבינה מלאכותית גנרטיבית כדי לחולל מהפכה ביצירת דוחות מסירה עבור צוותי תא הנוסעים של ג’פאן איירליינס בע”מ (Japan Airlines Co., Ltd. - JAL). ניסויים אלה, שנמשכו מה-27 בינואר עד ה-26 במרץ 2025, הדגימו באופן חד משמעי את הפוטנציאל לחיסכון ניכר בזמן ולשיפור היעילות.

האתגר של דוחות המסירה

חברי צוות תא הנוסעים של JAL מקדישים באופן מסורתי זמן ומאמץ משמעותיים להרכבת דוחות מסירה מקיפים. דוחות אלה משמשים כצינור חיוני להעברת מידע בין צוותי תא נוסעים עוקבים וצוות קרקע, ומבטיחים זרימה תפעולית חלקה. מתוך הכרה בהזדמנות לייעל תהליך זה, פוג’יטסו והדווטרס יצאו למאמץ משותף כדי למנף את העוצמה של AI גנרטיבי.

פתרון חדשני: AI גנרטיבי לא מקוון

כדי להתגבר על המגבלות של הסתמכות על קישוריות ענן קבועה, פוג’יטסו והדווטרס בחרו ב-Phi-4 של מיקרוסופט (Microsoft’s Phi-4), מודל שפה קומפקטי (SLM) המותאם בקפידה לסביבות לא מקוונות. בחירה אסטרטגית זו אפשרה פיתוח של מערכת מבוססת צ’אט הנגישה במכשירי טאבלט, ומקלה על יצירת דוחות יעילה במהלך טיסות ואחריהן.

הניסויים הניבו ראיות משכנעות לכך שפתרון חדשני זה מעצים את צוות תא הנוסעים ליצור דוחות באיכות גבוהה תוך הפחתה משמעותית של הזמן המושקע ביצירת דוחות. זה מתורגם ליעילות מוגברת עבור צוות תא הנוסעים של JAL, ובסופו של דבר תורם לשיפור אספקת השירות לנוסעים.

תפקידים ואחריות

ההצלחה של יוזמה שיתופית זו הייתה תלויה במומחיות ובתרומות הייחודיות של כל שותף:

• פוג’יטסו: החברה מילאה תפקיד מרכזי בהתאמת Microsoft Phi-4 לדרישות הספציפיות של משימות צוות תא הנוסעים. תוך מינוף שירות ה-AI של Fujitsu Kozuchi, פוג’יטסו כוונה בקפידה את מודל השפה באמצעות נתוני הדוחות ההיסטוריים של JAL, והבטיחה ביצועים ורלוונטיות אופטימליים.

• הדווטרס: הדווטרס הובילה את הפיתוח של אפליקציית AI גנרטיבית ספציפית לעסקים המופעלת על ידי Phi-4. על ידי שימוש בטכנולוגיית קוונטיזציה, הדווטרס אפשרה יצירת דוחות חלקה במכשירי טאבלט גם בסביבות לא מקוונות. יתר על כן, יועצי ה-AI שלהם סיפקו תמיכה רבת ערך לאורך כל הפרויקט, כולל ניתוח זרימת עבודה ליישום AI, יישום והערכה של ניסויים וניהול התקדמות פיתוח זריז. מהנדסי ה-AI של החברה בנו גם סביבת כוונון עדין עבור Fujitsu Kozuchi וסיפקו סיוע טכני לייעול המותאם לסביבת השימוש הייחודית של הלקוח.

תובנות בתעשייה

שיניצ’י מיאטה (Shinichi Miyata), ראש יחידת הפתרונות הבין-תעשייתית, קבוצת עסקי הפתרונות הגלובליים, פוג’יטסו לימיטד, הדגיש את המשמעות של הישג זה, באומרו, ‘אנו שמחים להכריז על דוגמה זו של ניצול AI גנרטיבי בפעולות התא של Japan Airlines. הוכחת קונספט משותפת זו תורמת להתקדמות ה-AI הגנרטיבי בסביבות לא מקוונות ויש לה פוטנציאל לשנות פעולות בתעשיות ובתפקידים שונים שבהם הגישה לרשת מוגבלת. ההצלחה של שיתוף פעולה משמעותי זה היא תוצאה של יכולות ההצעה יוצאות הדופן של הדווטרס בשילוב עם המומחיות הטכנולוגית של פוג’יטסו. בהמשך, אנו נשארים מחויבים לחיזוק השותפות שלנו כדי לתמוך בהרחבת העסקים של לקוחותינו ולטפל באתגרים חברתיים.’

מסלול עתידי

בהתבסס על התוצאות המבטיחות של ניסויי השדה, פוג’יטסו והדווטרס מחויבות להמשיך בבדיקות נוספות כדי לסלול את הדרך לפריסה בייצור עבור JAL. המטרה הסופית שלהם היא לשלב בצורה חלקה את הפתרון בפלטפורמת ה-AI הגנרטיבית הקיימת של JAL.

בנוסף, פוג’יטסו חוזה לשלב SLM-ים המותאמים במיוחד לסוגי עבודה שונים בתוך Fujitsu Kozuchi, ולשפר עוד יותר את הרבגוניות והישימות של שירות ה-AI.

יחד, פוג’יטסו והדווטרס ימשיכו לתמוך בשינוי התפעולי של JAL באמצעות היישום האסטרטגי של AI, טיפול באתגרים קריטיים, העלאת שירות הלקוחות והתמודדות עם סוגיות כלל-תעשייתיות.

חדירה עמוקה יותר: חשיפת הניואנסים של יישום AI

שיתוף הפעולה בין פוג’יטסו והדווטרס לשיפור היעילות התפעולית של JAL באמצעות AI מציע מחקר מקרה משכנע כיצד ניתן לרתום טכנולוגיה מתקדמת כדי לטפל באתגרים בעולם האמיתי. בואו ננתח את מרכיבי המפתח שתמכו בהצלחת פרויקט זה ונחקור את ההשלכות הרחבות יותר עבור תעשיית התעופה ומעבר לה.

1. הבחירה האסטרטגית של מודל שפה קטן (SLM)

ההחלטה להשתמש ב-Phi-4 של מיקרוסופט (Microsoft’s Phi-4), מודל שפה קטן (SLM), במקום מודל שפה גדול (LLM), הייתה מהלך אסטרטגי. LLM-ים, תוך התהדרות ביכולות מרשימות, דורשים בדרך כלל משאבי מחשוב ניכרים וקישוריות קבועה לשרתי ענן. זה מהווה אתגר משמעותי בסביבות שבהן גישה לרשת אינה אמינה או לא קיימת, כגון במהלך טיסות.

SLM-ים, לעומת זאת, מתוכננים לפעול ביעילות במכשירים עם כוח עיבוד וקיבולת אחסון מוגבלים. Phi-4, בפרט, מותאם בקפידה לסביבות לא מקוונות, מה שהופך אותו לבחירה אידיאלית עבור פרויקט JAL. גישה זו לא רק מבטיחה שצוות תא הנוסעים יוכל לגשת למערכת ליצירת הדוחות המופעלת באמצעות AI ללא קשר לזמינות הרשת, אלא גם מפחיתה את ההסתמכות על תשתית ענן יקרה.

2. כוונון עדין עבור ספציפיות לתחום

בעוד SLM-ים מציעים את היתרון של פעולה לא מקוונת, לעתים קרובות חסר להם רוחב הידע וההבנה ההקשרית של עמיתיהם הגדולים יותר. כדי לטפל במגבלה זו, פוג’יטסו השתמשה בשירות ה-AI של Kozuchi כדי לכוונן את Phi-4 באמצעות נתוני הדוחות ההיסטוריים של JAL.

כוונון עדין כולל אימון מודל שפה שאומן מראש על מערך נתונים ספציפי כדי לשפר את הביצועים שלו במשימה מסוימת או בתוך תחום ספציפי. במקרה זה, על ידי חשיפת Phi-4 לשפע של דוחות העבר של JAL, פוג’יטסו אפשרה למודל ללמוד את הניואנסים של דיווחי צוות תא הנוסעים, כולל המינוח הספציפי, מוסכמות העיצוב והסוגיות הנפוצות שנתקלים בהן במהלך טיסות.

כוונון עדין ספציפי לתחום זה שיפר משמעותית את הדיוק והרלוונטיות של הדוחות שנוצרו באמצעות AI, והבטיח שהם עומדים בדרישות המחמירות של נהלי התפעול של JAL.

3. טכנולוגיית קוונטיזציה ליעילות משופרת

התרומה של הדווטרס לפרויקט התרחבה מעבר לפיתוח האפליקציה מבוססת הצ’אט. החברה השתמשה גם בטכנולוגיית קוונטיזציה כדי לייעל עוד יותר את הביצועים של Phi-4 במכשירי טאבלט.

קוונטיזציה היא טכניקה המפחיתה את טביעת הרגל הזיכרון ואת דרישות החישוב של רשת עצבית על ידי ייצוג הפרמטרים שלה באמצעות פחות ביטים. לדוגמה, במקום להשתמש במספרי נקודה צפה של 32 סיביות, ניתן לייצג את הפרמטרים של המודל באמצעות מספרים שלמים של 8 סיביות.

הפחתה זו בדיוק מגיעה במחיר קל בדיוק, אך לעתים קרובות הכדאיות משתלמת מבחינת מהירות משופרת וצריכת זיכרון מופחתת. על ידי קוונטיזציה של Phi-4, הדווטרס הבטיחה שמודל ה-AI יוכל לפעול בצורה חלקה ויעילה על המשאבים המוגבלים של מכשירי הטאבלט, תוך מתן חוויית משתמש חלקה לצוות תא הנוסעים.

4. פיתוח זריז ומומחיות שיתופית

ההצלחה של פרויקט JAL יוחסה גם למתודולוגיית הפיתוח הזריזה שהועסקה על ידי הדווטרס ולרוח השיתופית של השותפות פוג’יטסו-הדווטרס.

פיתוח זריז מדגיש פיתוח איטרטיבי, משוב תכוף ושיתוף פעולה הדוק בין בעלי עניין. גישה זו אפשרה לצוות הפרויקט להסתגל במהירות לדרישות משתנות ולטפל באתגרים בלתי צפויים.

המומחיות המשתלבת של פוג’יטסו והדווטרס הייתה גם היא חיונית להצלחת הפרויקט. פוג’יטסו הביאה את ההבנה העמוקה שלה בטכנולוגיית AI ואת שירות ה-AI של Kozuchi, בעוד הדווטרס תרמה את המומחיות שלה בפיתוח יישומי AI, ניתוח זרימת עבודה וניהול פרויקטים זריזים. סינרגיה זו של מיומנויות וידע אפשרה לצוות לפתח פתרון חדשני ויעיל באמת.

ההשלכות הרחבות יותר עבור תעשיית התעופה

פרויקט JAL מציע הצצה לעתיד ה-AI בתעשיית התעופה. על ידי אוטומציה של משימות שגרתיות, כגון יצירת דוחות, AI יכול לפנות את צוות תא הנוסעים כדי להתמקד באחריות חשובה יותר, כגון בטיחות הנוסעים ושירות הלקוחות.

בנוסף, ניתן להשתמש ב-AI כדי לשפר את היעילות התפעולית בתחומים רבים אחרים, כולל:

• תחזוקה ניבויית: AI יכול לנתח נתוני חיישנים מכלי טיס כדי לחזות מתי נדרשת תחזוקה, תוך הפחתת זמן ההשבתה ושיפור הבטיחות.
• ייעול מסלול: AI יכול לנתח דפוסי מזג אוויר, תנאי תנועה וגורמים אחרים כדי לייעל את מסלולי הטיסה, לחסוך בדלק ולהפחית את זמן הנסיעה.
• שירות לקוחות: צ’אטבוטים המופעלים באמצעות AI יכולים לספק תמיכה מיידית לנוסעים, לענות על שאלות, לפתור בעיות ולספק המלצות מותאמות אישית.

ככל שטכנולוגיית ה-AI ממשיכה להתפתח, הפוטנציאל שלה לשנות את תעשיית התעופה הוא עצום. פרויקט JAL משמש דוגמה חשובה כיצד ניתן להשתמש ב-AI כדי לשפר את היעילות, לשפר את הבטיחות ולהעלות את חוויית הנוסעים.

מעבר לתעופה: הרבגוניות של AI לא מקוון

ההצלחה של פרויקט פוג’יטסו-הדווטרס עבור JAL מדגישה את הישימות הרחבה יותר של פתרונות AI לא מקוונים בתעשיות ומגזרים שונים. היכולת לפרוס מודלים של AI בסביבות עם קישוריות רשת מוגבלת או ללא קישוריות פותחת עולם של אפשרויות עבור ארגונים המבקשים למנף את העוצמה של AI במסגרות מרוחקות או מאתגרות.

1. שירותי בריאות באזורים מרוחקים

בקהילות כפריות או חסרות שירות, ספקי שירותי בריאות מתמודדים לעתים קרובות עם אתגרים הקשורים לגישה מוגבלת לקישוריות אינטרנט אמינה. פתרונות AI לא מקוונים יכולים להעצים את הספקים הללו בכלי אבחון, המלצות טיפול ויכולות ניטור חולים, גם בהיעדר חיבור אינטרנט יציב.

לדוגמה, ניתן לפרוס אלגוריתמים של זיהוי תמונות המופעלים באמצעות AI במכשירים ניידים כדי לסייע לעובדי בריאות בזיהוי מחלות מתמונות רפואיות, כגון צילומי רנטגן או סריקות CT. באופן דומה, מערכות תומכות החלטות מונעות AI יכולות לספק הנחיות לגבי פרוטוקולי טיפול המבוססים על תסמיני מטופלים והיסטוריה רפואית, גם באזורים שבהם הגישה למומחיות מומחים מוגבלת.

2. חקלאות במדינות מתפתחות

לחקלאים במדינות מתפתחות חסרה לעתים קרובות גישה למידע ולטכנולוגיות חקלאיות עדכניות ביותר. פתרונות AI לא מקוונים יכולים לגשר על פער זה על ידי מתן המלצות מותאמות אישית לחקלאים לגבי בחירת יבולים, טכניקות השקיה ואסטרטגיות הדברת מזיקים, גם ללא גישה לאינטרנט.

ניתן להשתמש בכלי ניתוח תמונות המופעלים באמצעות AI כדי להעריך את בריאות היבול, לזהות מחלות צמחים ולזהות נגיעות מזיקים, ולאפשר לחקלאים לנקוט פעולה בזמן כדי להגן על התשואות שלהם. יתר על כן, מודלים של חיזוי מזג אוויר המונעים על ידי AI יכולים לספק לחקלאים תחזיות מזג אוויר מדויקות ומקומיות, ולעזור להם לקבל החלטות מושכלות לגבי שתילה, קטיף והשקיה.

3. סיוע באסונות ותגובת חירום

בעקבות אסונות טבע, כגון רעידות אדמה, שיטפונות או הוריקנים, תשתית התקשורת מופרעת לעתים קרובות, מה שמקשה על צוותי הצלה לתאם את מאמציהם ולספק סיוע לנזקקים. פתרונות AI לא מקוונים יכולים למלא תפקיד מכריע במצבים אלה על ידי מתן כלים לצוותי הצלה למודעות למצב, הערכת נזקים והקצאת משאבים.

ניתן להשתמש באלגוריתמים של זיהוי תמונות המופעלים באמצעות AI כדי לנתח תמונות לוויין או צילומי מזל’ט כדי להעריך את היקף הנזק ולזהות אזורים שבהם נדרש סיוע בדחיפות הגדולה ביותר. באופן דומה, פלטפורמות תקשורת המונעות על ידי AI יכולות לאפשר לצוותי הצלה לתקשר זה עם זה ועם קהילות שנפגעו, גם בהיעדר קישוריות סלולרית או אינטרנטית.

4. ייצור ואוטומציה תעשייתית

במפעלי ייצור ובמתקנים תעשייתיים, קישוריות אינטרנט אמינה אינה מובטחת תמיד, במיוחד באזורים מרוחקים או בסביבות עם הפרעות אלקטרומגנטיות. פתרונות AI לא מקוונים יכולים לאפשר ליצרנים לבצע אוטומציה של תהליכים שונים, כגון בקרת איכות, תחזוקה ניבויית וניהול מלאי, גם ללא חיבור אינטרנט יציב.

ניתן להשתמש במערכות ראייה המופעלות באמצעות AI כדי לבדוק מוצרים לאיתור פגמים, ולהבטיח שרק פריטים באיכות גבוהה נשלחים ללקוחות. באופן דומה, מודלים של תחזוקה ניבויית המונעים על ידי AI יכולים לנתח נתוני חיישנים מציוד כדי לחזות מתי נדרשת תחזוקה, תוך הפחתת זמן ההשבתה ושיפור הפרודוקטיביות.

פרויקט פוג’יטסו-הדווטרס עבור JAL משמש הדגמה משכנעת לעוצמה ולרבגוניות של פתרונות AI לא מקוונים. ככל שטכנולוגיית ה-AI ממשיכה להתקדם, אנו יכולים לצפות לראות יישומים חדשניים עוד יותר של AI לא מקוון על פני מגוון רחב של תעשיות ומגזרים, ולהעצים ארגונים לפתור בעיות בעולם האמיתי ולשפר את חייהם של אנשים, ללא קשר לגישה שלהם לקישוריות לאינטרנט.