W przełomowej współpracy, Fujitsu Limited i Headwaters Co., Ltd., wiodący dostawca rozwiązań AI, z sukcesem zakończyły próby terenowe innowacyjnego rozwiązania generatywnej sztucznej inteligencji (AI). Ta najnowocześniejsza technologia ma na celu usprawnienie i zwiększenie efektywności tworzenia raportów przekazania dla członków personelu pokładowego w Japan Airlines Co., Ltd. (JAL). Próby, które odbyły się od 27 stycznia do 26 marca 2025 r., wykazały znaczące oszczędności czasu i obiecują zrewolucjonizować sposób, w jaki załogi pokładowe zarządzają swoimi procesami pracy.
Wyzwanie Raportów Przekazania
Obecnie członkowie personelu pokładowego JAL inwestują znaczną ilość czasu i wysiłku w tworzenie kompleksowych raportów przekazania. Raporty te są niezbędne do zapewnienia płynnego przepływu informacji między przychodzącymi i wychodzącymi załogami pokładowymi, a także personelem naziemnym. Raporty zazwyczaj zawierają szczegółowe informacje o potrzebach pasażerów, kwestiach bezpieczeństwa, stanie sprzętu i wszelkich innych istotnych informacjach, które należy przekazać. Skrupulatny charakter tych raportów, choć kluczowy dla efektywności operacyjnej i bezpieczeństwa pasażerów, może być czasochłonnym zadaniem, odciągającym cenny czas od bezpośredniej interakcji z pasażerami i innych krytycznych obowiązków.
Fujitsu i Headwaters rozpoznały to wyzwanie i postanowiły opracować rozwiązanie, które złagodziłoby obciążenie członków personelu pokładowego, przy jednoczesnym zachowaniu dokładności i kompletności raportów przekazania. Ich rozwiązanie wykorzystuje moc generatywnej sztucznej inteligencji, aby zautomatyzować i usprawnić proces tworzenia raportów, umożliwiając załogom pokładowym skupienie się na zapewnieniu wyjątkowej obsługi i zapewnieniu dobrego samopoczucia pasażerów.
Innowacyjne Rozwiązanie AI
Aby sprostać wyzwaniu czasochłonnego generowania raportów, Fujitsu i Headwaters wykorzystały możliwości Phi-4 firmy Microsoft, kompaktowego, ale potężnego modelu językowego (SLM), specjalnie zoptymalizowanego do środowisk offline. Ten strategiczny wybór pozwolił im uniknąć potrzeby stosowania dużego modelu językowego (LLM), który wymaga stałej łączności z chmurą. Zamiast tego stworzyli system oparty na czacie, dostępny na tabletach, umożliwiający załogom pokładowym wydajne generowanie raportów zarówno podczas, jak i po locie, nawet w przypadku braku połączenia z Internetem.
Niezależny charakter rozwiązania oferuje kilka kluczowych zalet. Przede wszystkim zapewnia prywatność i bezpieczeństwo danych, ponieważ poufne informacje pozostają w obrębie urządzenia i nie muszą być przesyłane przez sieć. Jest to szczególnie ważne w branży lotniczej, gdzie bezpieczeństwo danych ma ogromne znaczenie.
Po drugie, funkcjonalność offline gwarantuje, że rozwiązanie jest zawsze dostępne, niezależnie od dostępności połączenia internetowego. Jest to kluczowe dla załóg pokładowych, które często działają w obszarach o ograniczonym zasięgu sieci lub bez niego.
Wreszcie, zastosowanie małego modelu językowego (SLM) minimalizuje zasoby obliczeniowe wymagane do uruchomienia sztucznej inteligencji, dzięki czemu nadaje się do wdrażania na tabletach o ograniczonej mocy obliczeniowej i żywotności baterii.
Próby wykazały, że rozwiązanie nie tylko pomaga w tworzeniu wysokiej jakości raportów, ale także znacznie skraca czas poświęcony na generowanie raportów. Przekłada się to na zwiększoną wydajność członków personelu pokładowego, pozwalając im poświęcić więcej czasu na opiekę nad pasażerami i inne istotne zadania.
Role i Odpowiedzialności
Pomyślne wdrożenie tego innowacyjnego rozwiązania było wynikiem współpracy między Fujitsu i Headwaters, przy czym każda firma wnosiła swoją unikalną wiedzę i zasoby.
Fujitsu, wykorzystując swoją usługę Fujitsu Kozuchi AI, wzięło na siebie odpowiedzialność za dostrojenie Microsoft Phi-4 przy użyciu rozległych danych historycznych raportów JAL. Proces ten obejmował szkolenie modelu AI w celu zrozumienia specyficznego języka, terminologii i konwencji formatowania stosowanych w raportach przekazania JAL. Dostosowując model AI do konkretnych potrzeb personelu pokładowego JAL, Fujitsu zapewniło, że generowane raporty będą dokładne, istotne i łatwe do zrozumienia.
Headwaters, z drugiej strony, skupiło się na opracowaniu specyficznej dla biznesu aplikacji generatywnej AI przy użyciu Phi-4. Obejmowało to wykorzystanie technologii kwantyzacji w celu optymalizacji modelu AI pod kątem wydajnego działania na tabletach w środowiskach offline. Konsultanci AI z Headwaters odegrali kluczową rolę w analizie istniejących procesów pracy, identyfikacji obszarów wymagających poprawy i projektowaniu interfejsu użytkownika dla systemu opartego na czacie. Udzielali również wskazówek dotyczących wdrażania AI, przeprowadzali dokładne oceny prób i zarządzali procesem zwinnym rozwoju. Ponadto inżynierowie AI z Headwaters zbudowali środowisko precyzyjnego strojenia dla Fujitsu Kozuchi i zapewnili wsparcie techniczne w zakresie optymalizacji dostosowanej do specyficznego środowiska użytkowania JAL.
Perspektywy Ekspertów
Shinichi Miyata, Dyrektor Jednostki Biznesowej Rozwiązań Międzybranżowych, Global Solutions Business Group, Fujitsu Limited
Shinichi Miyata wyraził swój entuzjazm dla pomyślnego zastosowania generatywnej sztucznej inteligencji w operacjach pokładowych Japan Airlines. Podkreślił on, że wspólny dowód koncepcji jest znaczącym krokiem naprzód w rozwoju wykorzystania generatywnej sztucznej inteligencji w środowiskach offline. Miyata podkreślił potencjał tej technologii do transformacji operacji w różnych branżach i rolach, w których dostęp do sieci jest ograniczony. Sukces współpracy przypisał wyjątkowym możliwościom propozycji Headwaters w połączeniu z wiedzą technologiczną Fujitsu. Patrząc w przyszłość, Miyata powtórzył zaangażowanie Fujitsuwe wzmacnianie partnerstwa z Headwaters w celu wspierania ekspansji biznesowej klientów i rozwiązywania problemów społecznych.
Yosuke Shinoda, CEO, Headwaters Co., Ltd.
Yosuke Shinoda wyraził swój zaszczyt, że może być częścią inicjatywy mającej na celu zademonstrowanie wydajności wykorzystania generatywnej sztucznej inteligencji do raportowania załogi pokładowej wraz z Fujitsu i Japan Airlines (JAL). Podkreślił on zdolność technologii do skrócenia czasu potrzebnego na przygotowanie i poprawianie raportów przekazania, podkreślając jej wielkie obietnice dotyczące dalszego stosowania. Shinoda wyraził wdzięczność firmie Microsoft Japan za jej wyjątkowe możliwości techniczne i wsparcie. Wyraził on chęć dalszej współpracy z Fujitsu w celu wspierania JAL we praktycznym zastosowaniu generatywnej sztucznej inteligencji.
Keisuke Suzuki, Dyrektor Wykonawczy, Kierownik Działu Technologii Cyfrowych, Japan Airlines Co., Ltd.
Keisuke Suzuki wyraził swoje zadowolenie z przeprowadzenia dowodu koncepcji dla generatywnego rozwiązania AI mającego na celu zwiększenie efektywności operacji załogi pokładowej dzięki współpracy z Fujitsu i Headwaters. Podkreślił, że wykorzystując generatywną sztuczną inteligencję, JAL zamierza usprawnić proces tworzenia raportów przekazania i zmniejszyć obciążenie członków personelu pokładowego, umożliwiając im zapewnienie bardziej spersonalizowanej i uważnej obsługi każdemu klientowi. Suzuki wyraził swoje oczekiwanie dalszej poprawy obsługi klienta dzięki tej inicjatywie.
Tadashi Okazaki, Dyrektor Wykonawczy Korporacji, Starszy Dyrektor Zarządzający, Dział Rozwiązań Cloud & AI, Microsoft Japan Co., Ltd.
Tadashi Okazaki wyraził swoją wdzięczność za możliwość zaprezentowania tego przykładu wykorzystania SLM na pokładzie samolotu (offline), przy użyciu Fujitsu Kozuchi dla Japan Airlines. Podkreślił on projekt jako innowacyjną inicjatywę w ramach Microsoft Japan, będącą świadectwem wysokich możliwości technicznych i silnego partnerstwa między Fujitsu i Headwaters. Okazaki wyraził przekonanie, że przyczyni się to do dalszego rozwoju inicjatyw AI Japan Airlines oraz poprawi bezpieczeństwo lotów i japońską gościnność.
Plany na Przyszłość
Opierając się na sukcesie prób terenowych, Fujitsu i Headwaters są zaangażowane w kontynuację wysiłków testowych w kierunku wdrożenia produkcyjnego dla JAL. Ich ostatecznym celem jest zintegrowanie generatywnego rozwiązania AI z istniejącą platformą generatywną AI JAL, tworząc płynny i zintegrowany proces pracy dla członków personelu pokładowego.
Ponadto Fujitsu planuje rozszerzyć możliwości Fujitsu Kozuchi poprzez włączenie SLM dostosowanych do konkretnych rodzajów pracy. Umożliwi to organizacjom wykorzystanie mocy generatywnej sztucznej inteligencji do szerokiego zakresu zadań, od obsługi klienta po analizę danych.
Obie firmy są oddane wspieraniu transformacji operacyjnej JAL poprzez AI, przyczyniając się do rozwiązywania problemów, poprawy obsługi klienta i rozwiązywania wyzwań branżowych. Wierzą, że AI ma potencjał, aby zrewolucjonizować branżę lotniczą, czyniąc ją bardziej wydajną, bezpieczną i zorientowaną na klienta.
Ta współpraca między Fujitsu, Headwaters i Japan Airlines stanowi znaczący krok naprzód w zastosowaniu generatywnej sztucznej inteligencji w branży lotniczej. Wykorzystując moc AI do usprawnienia procesów pracy załogi pokładowej, firmy te torują drogę do przyszłości, w której technologia upoważnia pracowników do zapewniania wyjątkowej obsługi i poprawy ogólnych wrażeń pasażerów. Udane próby terenowe demonstrują potencjał generatywnych rozwiązań AI na urządzeniach do transformacji operacji w różnych branżach, w których dostęp do sieci jest ograniczony, otwierając nowe możliwości w zakresie wydajności, produktywności i innowacji. W miarę jak Fujitsu i Headwaters kontynuują udoskonalanie i rozszerzanie swojej oferty AI, są gotowe odegrać wiodącą rolę w kształtowaniu przyszłości pracy. Rozważmy teraz bardziej szczegółowo niektóre aspekty techniczne tego wdrożenia.
Szczegóły Techniczne Wdrożenia
Wdrożenie generatywnej sztucznej inteligencji (AI) w Japan Airlines (JAL) przez Fujitsu i Headwaters to przedsięwzięcie oparte na kilku kluczowych elementach technologicznych. Zrozumienie tych aspektów technicznych pozwala lepiej docenić innowacyjność i skuteczność tego rozwiązania.
Model Językowy Phi-4
Centralnym elementem tego rozwiązania jest model językowy Phi-4 firmy Microsoft. Phi-4 to mały model językowy (SLM), co oznacza, że w porównaniu do dużych modeli językowych (LLM), takich jak GPT-3 lub LaMDA, ma mniejszą liczbę parametrów. Mimo to, Phi-4 został zoptymalizowany pod kątem wydajności i efektywności w konkretnych zadaniach. Jego kompaktowy rozmiar sprawia, że idealnie nadaje się do uruchamiania na urządzeniach mobilnych, takich jak tablety, bez nadmiernego obciążania zasobów sprzętowych.
Fujitsu Kozuchi AI
Fujitsu Kozuchi AI to usługa oferowana przez Fujitsu, która umożliwia dostrajanie modeli językowych do specyficznych potrzeb biznesowych. W przypadku JAL, Fujitsu wykorzystało Kozuchi AI do dostrojenia Phi-4 przy użyciu danych historycznych raportów JAL. Proces ten polegał na trenowaniu modelu na dużej ilości danych z poprzednich raportów przekazania, aby model nauczył się specyficznego języka, terminologii i formatowania używanego przez JAL. Dostrojenie modelu gwarantuje, że generowane raporty będą dokładne, istotne i zrozumiałe dla personelu pokładowego.
Technologia Kwantyzacji
Headwaters zastosowało technologię kwantyzacji w celu optymalizacji modelu Phi-4 pod kątem wydajnego działania na tabletach w środowiskach offline. Kwantyzacja to technika redukcji rozmiaru modelu i jego zapotrzebowania na zasoby obliczeniowe poprzez zmniejszenie precyzji wag modelu. Na przykład, zamiast używać wag 32-bitowych, kwantyzacja może zmniejszyć je do 8-bitowych lub nawet 4-bitowych. Chociaż kwantyzacja może potencjalnie obniżyć dokładność modelu, Headwaters starannie dostosowało parametry kwantyzacji, aby zminimalizować wpływ na jakość generowanych raportów.
Aplikacja Oparta na Czacie
Headwaters opracowało aplikację opartą na czacie, która umożliwia personelowi pokładowemu interakcję z modelem AI. Aplikacja została zaprojektowana tak, aby była intuicyjna i łatwa w użyciu, nawet dla osób, które nie mają doświadczenia z technologią AI. Personel pokładowy może po prostu wprowadzać informacje do czatu, a model AI generuje na ich podstawie raport przekazania.
Funkcjonalność Offline
Kluczową cechą tego rozwiązania jest jego zdolność do działania w trybie offline. Oznacza to, że personel pokładowy może generować raporty nawet wtedy, gdy nie ma połączenia z Internetem. Funkcjonalność offline jest szczególnie ważna w branży lotniczej, ponieważ loty często odbywają się w obszarach o ograniczonym zasięgu sieci lub bez niego.
Bezpieczeństwo Danych
Bezpieczeństwo danych jest priorytetem w branży lotniczej. Dlatego rozwiązanie Fujitsu i Headwaters zostało zaprojektowane tak, aby zapewnić bezpieczeństwo poufnych informacji. Ponieważ model AI działa na urządzeniu, dane nie muszą być przesyłane przez sieć, co minimalizuje ryzyko naruszenia bezpieczeństwa.
Korzyści z Wdrożenia AI
Wdrożenie generatywnej sztucznej inteligencji (AI) w Japan Airlines (JAL) przynosi szereg korzyści zarówno dla personelu pokładowego, jak i dla samej firmy.
Oszczędność Czasu
Najbardziej oczywistą korzyścią jest oszczędność czasu. Generowanie raportów przekazania jest czasochłonnym zadaniem, które może odciągnąć personel pokładowy od innych ważnych obowiązków. Dzięki automatyzacji procesu tworzenia raportów za pomocą AI, personel pokładowy może zaoszczędzić znaczną ilość czasu, którą można wykorzystać na opiekę nad pasażerami i inne istotne zadania.
Zwiększona Wydajność
Oszczędność czasu przekłada się na zwiększoną wydajność. Personel pokładowy może wykonywać więcej zadań w krótszym czasie, co prowadzi do lepszej obsługi pasażerów i sprawniejszej pracy.
Poprawiona Dokładność
Model AI został wytrenowany na danych historycznych raportów JAL, co oznacza, że jest w stanie generować raporty, które są dokładne i zgodne z konwencjami formatowania JAL. Eliminuje to ryzyko błędów i niespójności, które mogą wystąpić podczas ręcznego tworzenia raportów.
Zwiększona Spójność
Model AI zapewnia, że wszystkie raporty przekazania są spójne i zawierają te same informacje. Ułatwia to personelowi naziemnemu szybkie i łatwe zrozumienie informacji zawartych w raporcie.
Lepsza Obsługa Klienta
Dzięki temu, że personel pokładowy ma więcej czasu na opiekę nad pasażerami, mogą oni zapewnić lepszą obsługę klienta. Mogą poświęcić więcej czasu na interakcję z pasażerami, odpowiadanie na ich pytania i rozwiązywanie ich problemów.
Zwiększone Bezpieczeństwo
Dokładne i spójne raporty przekazania mogą przyczynić się do zwiększenia bezpieczeństwa. Raporty te zawierają ważne informacje o potrzebach pasażerów, kwestiach bezpieczeństwa i stanie sprzętu. Upewniając się, że te informacje są dokładne i łatwo dostępne, personel pokładowy może lepiej reagować na sytuacje awaryjne i zapobiegać wypadkom.
Przyszłe Kierunki Rozwoju
Fujitsu i Headwaters planują kontynuować rozwój i ulepszanie swojego rozwiązania AI dla JAL. Oto niektóre z przyszłych kierunków rozwoju:
Integracja z Platformą AI JAL
Ostatecznym celem jest zintegrowanie generatywnego rozwiązania AI z istniejącą platformą AI JAL. Utworzy to płynny i zintegrowany proces pracy dla personelu pokładowego.
Wprowadzenie SLM Dostosowanych do Konkretnych Rodzajów Pracy
Fujitsu planuje rozszerzyć możliwości Fujitsu Kozuchi poprzez wprowadzenie SLM dostosowanych do konkretnych rodzajów pracy. Umożliwi to organizacjom wykorzystanie mocy generatywnej sztucznej inteligencji do szerokiego zakresu zadań, od obsługi klienta po analizę danych.
Ulepszenia Algorytmów AI
Fujitsu i Headwaters będą kontynuować ulepszanie algorytmów AI, aby poprawić dokładność, wydajność i spójność generowanych raportów.
Rozwój Nowych Funkcji
Będą również badać możliwości rozwoju nowych funkcji dla aplikacji AI, takich jak możliwość generowania raportów w różnych językach.
Wpływ na Branżę Lotniczą
Wdrożenie generatywnej sztucznej inteligencji (AI) w Japan Airlines (JAL) przez Fujitsu i Headwaters może mieć znaczący wpływ na branżę lotniczą.
Ustanowienie Nowego Standardu
To wdrożenie może ustanowić nowy standard dla wykorzystania AI w branży lotniczej. Inne linie lotnicze mogą być zachęcone do wprowadzenia podobnych rozwiązań, aby poprawić wydajność, obniżyć koszty i poprawić obsługę klienta.
Stymulacja Innowacji
Sukces tego wdrożenia może stymulować innowacje w dziedzinie AI dla branży lotniczej. Inne firmy mogą być zachęcone do opracowania nowych i innowacyjnych rozwiązań AI, które mogą rozwiązać inne wyzwania stojące przed branżą.
Wpływ na Kształtowanie Przyszłości Pracy
Ten projekt ilustruje, jak sztuczna inteligencja może być wykorzystywana do automatyzacji powtarzalnych i czasochłonnych zadań, co pozwala pracownikom skupić się na bardziej wartościowych i satysfakcjonujących aspektach ich pracy. To podkreśla potencjał AI do zmiany przyszłości pracy w branży lotniczej i innych branżach.
Podsumowanie
Wdrożenie generatywnej sztucznej inteligencji (AI) w Japan Airlines (JAL) przez Fujitsu i Headwaters to przykład innowacyjnego zastosowania technologii AI do rozwiązywania konkretnych wyzwań biznesowych. Rozwiązanie to przynosi szereg korzyści, w tym oszczędność czasu, zwiększoną wydajność, poprawioną dokładność, zwiększoną spójność, lepszą obsługę klienta i zwiększone bezpieczeństwo. Fujitsu i Headwaters planują kontynuować rozwój i ulepszanie swojego rozwiązania AI, a jego wpływ na branżę lotniczą może być znaczący. Ten projekt jest dowodem na to, jak AI może być wykorzystywana do poprawy efektywności, obniżenia kosztów i poprawy obsługi klienta w różnych branżach. W miarę jak technologia AI staje się coraz bardziej zaawansowana, możemy oczekiwać, że w przyszłości zobaczymy jeszcze więcej innowacyjnych zastosowań AI w branży lotniczej i innych branżach.