Fujitsu Limited dan Headwaters Co., Ltd., penyedia solusi AI terkemuka, telah berhasil menyelesaikan uji lapangan menggunakan AI generatif untuk merevolusi pembuatan laporan serah terima untuk awak kabin Japan Airlines Co., Ltd. (JAL). Uji coba ini, yang berlangsung dari 27 Januari hingga 26 Maret 2025, secara tegas menunjukkan potensi penghematan waktu yang substansial dan peningkatan efisiensi.
Tantangan Laporan Serah Terima
Anggota awak kabin JAL secara tradisional menghabiskan banyak waktu dan upaya untuk menyusun laporan serah terima yang komprehensif. Laporan-laporan ini berfungsi sebagai saluran penting untuk transfer informasi antara awak kabin dan staf darat yang berurutan, memastikan kelancaran operasional. Menyadari peluang untuk merampingkan proses ini, Fujitsu dan Headwaters memulai upaya bersama untuk memanfaatkan kekuatan AI generatif.
Solusi Baru: AI Generatif Offline
Untuk mengatasi keterbatasan bergantung pada konektivitas cloud yang konstan, Fujitsu dan Headwaters memilih Phi-4 dari Microsoft, model bahasa ringkas (SLM) yang dioptimalkan dengan cermat untuk lingkungan offline. Pilihan strategis ini memungkinkan pengembangan sistem berbasis obrolan yang dapat diakses pada perangkat tablet, memfasilitasi pembuatan laporan yang efisien baik selama maupun setelah penerbangan.
Uji coba telah menghasilkan bukti kuat bahwa solusi inovatif ini memberdayakan awak kabin untuk menghasilkan laporan berkualitas tinggi sambil secara signifikan mengurangi waktu yang diinvestasikan dalam pembuatan laporan. Ini diterjemahkan menjadi peningkatan efisiensi untuk awak kabin JAL, yang pada akhirnya berkontribusi pada peningkatan penyampaian layanan bagi penumpang.
Peran dan Tanggung Jawab
Keberhasilan inisiatif kolaboratif ini bergantung pada keahlian dan kontribusi yang berbeda dari setiap mitra:
Fujitsu: Perusahaan memainkan peran penting dalam menyesuaikan Microsoft Phi-4 dengan persyaratan khusus tugas-tugas awak kabin. Memanfaatkan layanan Fujitsu Kozuchi AI, Fujitsu dengan cermat menyempurnakan model bahasa menggunakan data laporan historis JAL, memastikan kinerja dan relevansi yang optimal.
Headwaters: Headwaters mempelopori pengembangan aplikasi AI generatif khusus bisnis yang didukung oleh Phi-4. Dengan menggunakan teknologi kuantisasi, Headwaters memungkinkan pembuatan laporan yang lancar pada perangkat tablet bahkan di lingkungan offline. Selain itu, konsultan AI mereka memberikan dukungan yang tak ternilai sepanjang proyek, meliputi analisis alur kerja untuk implementasi AI, implementasi dan evaluasi uji coba, dan manajemen kemajuan pengembangan yang gesit. Insinyur AI perusahaan juga membangun lingkungan penyempurnaan untuk Fujitsu Kozuchi dan memberikan bantuan teknis untuk optimalisasi yang disesuaikan dengan lingkungan penggunaan unik pelanggan.
Wawasan Industri
Shinichi Miyata, Kepala Unit Bisnis Solusi Lintas Industri, Grup Bisnis Solusi Global, Fujitsu Limited, menekankan pentingnya pencapaian ini, dengan menyatakan, ‘Kami senang mengumumkan contoh pemanfaatan AI generatif ini dalam operasi kabin Japan Airlines. Bukti konsep bersama ini berkontribusi pada kemajuan AI generatif di lingkungan offline dan berpotensi mengubah operasi di berbagai industri dan peran di mana akses jaringan terbatas. Keberhasilan kolaborasi yang bermakna ini adalah hasil dari kemampuan proposal luar biasa dari Headwaters yang dikombinasikan dengan keahlian teknologi Fujitsu. Ke depan, kami tetap berkomitmen untuk memperkuat kemitraan kami untuk mendukung ekspansi bisnis pelanggan kami dan mengatasi tantangan masyarakat.’
Trajektori Masa Depan
Berdasarkan hasil uji lapangan yang menjanjikan, Fujitsu dan Headwaters berkomitmen untuk mengejar pengujian lebih lanjut untuk membuka jalan bagi penyebaran produksi untuk JAL. Tujuan utama mereka adalah untuk mengintegrasikan solusi tersebut dengan mulus ke dalam platform AI generatif JAL yang ada.
Selain itu, Fujitsu membayangkan untuk memasukkan SLM yang secara khusus disesuaikan dengan berbagai jenis pekerjaan dalam Fujitsu Kozuchi, yang selanjutnya meningkatkan keserbagunaan dan penerapan layanan AI.
Bersama-sama, Fujitsu dan Headwaters akan terus memperjuangkan transformasi operasional JAL melalui penerapan strategis AI, mengatasi tantangan kritis, meningkatkan layanan pelanggan, dan mengatasi masalah di seluruh industri.
Menggali Lebih Dalam: Mengungkap Nuansa Implementasi AI
Kolaborasi antara Fujitsu dan Headwaters untuk meningkatkan efisiensi operasional JAL melalui AI menawarkan studi kasus yang menarik tentang bagaimana teknologi mutakhir dapat dimanfaatkan untuk mengatasi tantangan dunia nyata. Mari kita bedah elemen-elemen kunci yang mendasari keberhasilan proyek ini dan jelajahi implikasi yang lebih luas bagi industri penerbangan dan sekitarnya.
Pilihan Strategis Model Bahasa Kecil (SLM)
Keputusan untuk menggunakan Phi-4 dari Microsoft, model bahasa kecil (SLM), alih-alih model bahasa besar (LLM), adalah langkah strategis yang cerdas. LLM, meskipun memiliki kemampuan yang mengesankan, biasanya membutuhkan sumber daya komputasi yang substansial dan konektivitas konstan ke server cloud. Ini menimbulkan tantangan yang signifikan di lingkungan di mana akses jaringan tidak dapat diandalkan atau tidak ada, seperti selama penerbangan.
SLM, di sisi lain, dirancang untuk beroperasi secara efisien pada perangkat dengan daya pemrosesan dan kapasitas penyimpanan yang terbatas. Phi-4, khususnya, telah dioptimalkan dengan cermat untuk lingkungan offline, menjadikannya pilihan ideal untuk proyek JAL. Pendekatan ini tidak hanya memastikan bahwa awak kabin dapat mengakses sistem pembuatan laporan bertenaga AI terlepas dari ketersediaan jaringan, tetapi juga mengurangi ketergantungan pada infrastruktur cloud yang mahal.
Penyempurnaan untuk Kekhususan Domain
Meskipun SLM menawarkan keuntungan operasi offline, mereka seringkali kekurangan keluasan pengetahuan dan pemahaman kontekstual dari rekan-rekan mereka yang lebih besar. Untuk mengatasi keterbatasan ini, Fujitsu menggunakan layanan Kozuchi AI-nya untuk menyempurnakan Phi-4 menggunakan data laporan historis JAL.
Penyempurnaan melibatkan pelatihan model bahasa yang telah dilatih sebelumnya pada dataset tertentu untuk meningkatkan kinerjanya pada tugas tertentu atau dalam domain tertentu. Dalam hal ini, dengan mengekspos Phi-4 ke banyak laporan masa lalu JAL, Fujitsu memungkinkan model untuk mempelajari nuansa pelaporan awak kabin, termasuk terminologi khusus, konvensi pemformatan, dan masalah umum yang dihadapi selama penerbangan.
Penyempurnaan khusus domain ini secara signifikan meningkatkan akurasi dan relevansi laporan yang dihasilkan AI, memastikan bahwa mereka memenuhi persyaratan ketat dari prosedur operasional JAL.
Teknologi Kuantisasi untuk Peningkatan Efisiensi
Kontribusi Headwaters untuk proyek ini melampaui pengembangan aplikasi berbasis obrolan. Perusahaan juga menggunakan teknologi kuantisasi untuk lebih mengoptimalkan kinerja Phi-4 pada perangkat tablet.
Kuantisasi adalah teknik yang mengurangi jejak memori dan persyaratan komputasi dari jaringan saraf dengan merepresentasikan parameternya menggunakan lebih sedikit bit. Misalnya, alih-alih menggunakan angka floating-point 32-bit, parameter model dapat direpresentasikan menggunakan integer 8-bit.
Pengurangan presisi ini datang dengan sedikit biaya dalam akurasi, tetapi trade-off seringkali sepadan dalam hal peningkatan kecepatan dan pengurangan konsumsi memori. Dengan mengkuantisasi Phi-4, Headwaters memastikan bahwa model AI dapat berjalan dengan lancar dan efisien pada sumber daya terbatas dari perangkat tablet, memberikan pengalaman pengguna yang mulus bagi awak kabin.
Pengembangan Agile dan Keahlian Kolaboratif
Keberhasilan proyek JAL juga disebabkan oleh metodologi pengembangan agile yang digunakan oleh Headwaters dan semangat kolaboratif dari kemitraan Fujitsu-Headwaters.
Pengembangan Agile menekankan pengembangan iteratif, umpan balik yang sering, dan kolaborasi erat antara para pemangku kepentingan. Pendekatan ini memungkinkan tim proyek untuk dengan cepat beradaptasi dengan perubahan persyaratan dan mengatasi tantangan yang tidak terduga.
Keahlian pelengkap dari Fujitsu dan Headwaters juga sangat penting untuk keberhasilan proyek. Fujitsu membawa pemahaman mendalamnya tentang teknologi AI dan layanan Kozuchi AI-nya, sementara Headwaters menyumbangkan keahliannya dalam pengembangan aplikasi AI, analisis alur kerja, dan manajemen proyek agile. Sinergi keterampilan dan pengetahuan ini memungkinkan tim untuk mengembangkan solusi yang benar-benar inovatif dan efektif.
Implikasi yang Lebih Luas bagi Industri Penerbangan
Proyek JAL menawarkan sekilas tentang masa depan AI di industri penerbangan. Dengan mengotomatiskan tugas-tugas rutin, seperti pembuatan laporan, AI dapat membebaskan awak kabin untuk fokus pada tanggung jawab yang lebih penting, seperti keselamatan penumpang dan layanan pelanggan.
Selain itu, AI dapat digunakan untuk meningkatkan efisiensi operasional di berbagai bidang lain, termasuk:
- Pemeliharaan prediktif: AI dapat menganalisis data sensor dari pesawat untuk memprediksi kapan pemeliharaan diperlukan, mengurangi waktu henti dan meningkatkan keselamatan.
- Optimasi rute: AI dapat menganalisis pola cuaca, kondisi lalu lintas, dan faktor-faktor lain untuk mengoptimalkan rute penerbangan, menghemat bahan bakar dan mengurangi waktu perjalanan.
- Layanan pelanggan: Chatbot bertenaga AI dapat memberikan dukungan instan kepada penumpang, menjawab pertanyaan, menyelesaikan masalah, dan memberikan rekomendasi yang dipersonalisasi.
Seiring teknologi AI terus berkembang, potensinya untuk mengubah industri penerbangan sangat besar. Proyek JAL berfungsi sebagai contoh berharga tentang bagaimana AI dapat digunakan untuk meningkatkan efisiensi, meningkatkan keselamatan, dan meningkatkan pengalaman penumpang.
Melampaui Penerbangan: Keserbagunaan AI Offline
Keberhasilan proyek Fujitsu-Headwaters untuk JAL menggarisbawahi penerapan solusi AI offline yang lebih luas di berbagai industri dan sektor. Kemampuan untuk menyebarkan model AI di lingkungan dengan konektivitas jaringan terbatas atau tidak ada membuka dunia kemungkinan bagi organisasi yang ingin memanfaatkan kekuatan AI di lingkungan terpencil atau menantang.
Layanan Kesehatan di Daerah Terpencil
Di masyarakat pedesaan atau yang kurang terlayani, penyedia layanan kesehatan sering menghadapi tantangan terkait dengan akses terbatas ke konektivitas internet yang andal. Solusi AI offline dapat memberdayakan penyedia ini dengan alat diagnostik, rekomendasi pengobatan, dan kemampuan pemantauan pasien, bahkan tanpa koneksi internet yang stabil.
Misalnya, algoritma pengenalan gambar bertenaga AI dapat digunakan pada perangkat portabel untuk membantu pekerja kesehatan dalam mengidentifikasi penyakit dari gambar medis, seperti sinar-X atau CT scan. Demikian pula, sistem pendukung keputusan berbasis AI dapat memberikan panduan tentang protokol pengobatan berdasarkan gejala pasien dan riwayat medis, bahkan di daerah di mana akses ke keahlian spesialis terbatas.
Pertanian di Negara Berkembang
Petani di negara berkembang seringkali kekurangan akses ke informasi dan teknologi pertanian terbaru. Solusi AI offline dapat menjembatani kesenjangan ini dengan memberi petani rekomendasi yang dipersonalisasi tentang pemilihan tanaman, teknik irigasi, dan strategi pengendalian hama, bahkan tanpa akses internet.
Alat analisis gambar bertenaga AI dapat digunakan untuk menilai kesehatan tanaman, mengidentifikasi penyakit tanaman, dan mendeteksi infestasi hama, memungkinkan petani untuk mengambil tindakan tepat waktu untuk melindungi hasil panen mereka. Selain itu, model prakiraan cuaca berbasis AI dapat memberi petani prakiraan cuaca yang akurat dan terlokalisasi, membantu mereka membuat keputusan yang tepat tentang penanaman, pemanenan, dan irigasi.
Bantuan Bencana dan Tanggap Darurat
Setelah bencana alam, seperti gempa bumi, banjir, atau badai, infrastruktur komunikasi seringkali terganggu, sehingga sulit bagi pekerja penyelamat untuk mengoordinasikan upaya mereka dan memberikan bantuan kepada mereka yang membutuhkan. Solusi AI offline dapat memainkan peran penting dalam situasi ini dengan menyediakan pekerja penyelamat dengan alat untuk kesadaran situasional, penilaian kerusakan, dan alokasi sumber daya.
Algoritma pengenalan gambar bertenaga AI dapat digunakan untuk menganalisis citra satelit atau rekaman drone untuk menilai tingkat kerusakan dan mengidentifikasi area di mana bantuan paling dibutuhkan. Demikian pula, platform komunikasi berbasis AI dapat memungkinkan pekerja penyelamat untuk berkomunikasi satu sama lain dan dengan komunitas yang terkena dampak, bahkan tanpa konektivitas seluler atau internet.
Manufaktur dan Otomasi Industri
Di pabrik manufaktur dan fasilitas industri, konektivitas internet yang andal tidak selalu dijamin, terutama di daerah terpencil atau di lingkungan dengan interferensi elektromagnetik. Solusi AI offline dapat memungkinkan produsen untuk mengotomatiskan berbagai proses, seperti kontrol kualitas, pemeliharaan prediktif, dan manajemen inventaris, bahkan tanpa koneksi internet yang stabil.
Sistem visi bertenaga AI dapat digunakan untuk memeriksa produk untuk cacat, memastikan bahwa hanya barang berkualitas tinggi yang dikirim ke pelanggan. Demikian pula, model pemeliharaan prediktif berbasis AI dapat menganalisis data sensor dari peralatan untuk memprediksi kapan pemeliharaan diperlukan, mengurangi waktu henti dan meningkatkan produktivitas.
Proyek Fujitsu-Headwaters untuk JAL berfungsi sebagai demonstrasi yang menarik tentang kekuatan dan keserbagunaan solusi AI offline. Seiring teknologi AI terus maju, kita dapat berharap untuk melihat aplikasi solusi AI offline yang lebih inovatif di berbagai industri dan sektor, memberdayakan organisasi untuk memecahkan masalah dunia nyata dan meningkatkan kehidupan masyarakat, terlepas dari akses mereka ke konektivitas internet.