Em uma colaboração inovadora, a Fujitsu Limited e a Headwaters Co., Ltd., uma fornecedora líder de soluções de IA, concluíram com sucesso testes de campo empregando IA generativa para revolucionar a criação de relatórios de entrega para a Japan Airlines Co., Ltd. (JAL) tripulação de cabine. Esses testes, que decorreram de 27 de janeiro a 26 de março de 2025, demonstraram inequivocamente o potencial de economias substanciais de tempo e maior eficiência.
O Desafio dos Relatórios de Entrega
Os membros da tripulação de cabine da JAL tradicionalmente dedicam tempo e esforço significativos à compilação de relatórios de entrega abrangentes. Esses relatórios servem como um canal crucial para a transferência de informações entre as tripulações de cabine sucessivas e a equipe de terra, garantindo um fluxo operacional contínuo. Reconhecendo a oportunidade de otimizar esse processo, Fujitsu e Headwaters embarcaram em um esforço conjunto para alavancar o poder da IA generativa.
Uma Solução Inovadora: IA Generativa Offline
Para superar as limitações de depender da conectividade constante da nuvem, Fujitsu e Headwaters optaram pelo Phi-4 da Microsoft, um modelo de linguagem compacto (SLM) meticulosamente otimizado para ambientes offline. Esta escolha estratégica permitiu o desenvolvimento de um sistema baseado em chat acessível em tablets, facilitando a geração eficiente de relatórios durante e após os voos.
Os ensaios produziram evidências convincentes de que esta solução inovadora capacita a tripulação de cabine a gerar relatórios de alta qualidade, ao mesmo tempo que reduz significativamente o tempo investido na criação de relatórios. Isso se traduz em maior eficiência para a tripulação de cabine da JAL, contribuindo, em última análise, para uma melhor prestação de serviços aos passageiros.
Funções e Responsabilidades
O sucesso desta iniciativa colaborativa dependeu da experiência e contribuições distintas de cada parceiro:
Fujitsu: A empresa desempenhou um papel fundamental na adaptação do Microsoft Phi-4 aos requisitos específicos das tarefas da tripulação de cabine. Aproveitando seu serviço Fujitsu Kozuchi AI, a Fujitsu ajustou meticulosamente o modelo de linguagem usando os dados de relatórios históricos da JAL, garantindo desempenho e relevância ideais.
Headwaters: Headwaters liderou o desenvolvimento de um aplicativo de IA generativa específico para negócios, alimentado por Phi-4. Ao empregar a tecnologia de quantização, a Headwaters permitiu a criação contínua de relatórios em tablets, mesmo em ambientes offline. Além disso, seus consultores de IA forneceram suporte inestimável ao longo do projeto, abrangendo análise de fluxo de trabalho para implementação de IA, implementação e avaliação de testes e gerenciamento ágil do progresso do desenvolvimento. Os engenheiros de IA da empresa também construíram um ambiente de ajuste fino para Fujitsu Kozuchi e forneceram assistência técnica para otimização adaptada ao ambiente de uso exclusivo do cliente.
Insights da Indústria
Shinichi Miyata, Chefe da Unidade de Negócios de Soluções Interindustriais, Grupo de Negócios de Soluções Globais, Fujitsu Limited, enfatizou a importância desta conquista, afirmando: ‘Temos o prazer de anunciar este exemplo de utilização de IA generativa nas operações de cabine da Japan Airlines. Esta prova de conceito conjunta contribui para o avanço da IA generativa em ambientes offline e tem o potencial de transformar operações em vários setores e funções onde o acesso à rede é limitado. O sucesso desta colaboração significativa é resultado das capacidades de proposta excepcionais da Headwaters combinadas com a experiência tecnológica da Fujitsu. No futuro, permanecemos comprometidos em fortalecer nossa parceria para apoiar a expansão dos negócios de nossos clientes e enfrentar os desafios sociais”.
Trajetória Futura
Com base nos resultados promissores dos testes de campo, Fujitsu e Headwaters estão comprometidos em realizar mais testes para abrir caminho para a implantação da produção para a JAL. Seu objetivo final é integrar perfeitamente a solução na plataforma de IA generativa existente da JAL.
Além disso, a Fujitsu prevê a incorporação de SLMs especificamente adaptados a vários tipos de trabalho dentro do Fujitsu Kozuchi, melhorando ainda mais a versatilidade e aplicabilidade do serviço de IA.
Juntos, Fujitsu e Headwaters continuarão a defender a transformação operacional da JAL por meio da aplicação estratégica da IA, abordando desafios críticos, elevando o atendimento ao cliente e enfrentando questões em toda a indústria.
Mergulhando Mais Fundo: Revelando as Nuances da Implementação de IA
A colaboração entre Fujitsu e Headwaters para aprimorar a eficiência operacional da JAL por meio da IA oferece um estudo de caso convincente de como a tecnologia de ponta pode ser aproveitada para enfrentar desafios do mundo real. Vamos analisar os principais elementos que sustentaram o sucesso deste projeto e explorar as implicações mais amplas para a indústria da aviação e além.
1. A Escolha Estratégica de um Pequeno Modelo de Linguagem (SLM)
A decisão de empregar o Phi-4 da Microsoft, um pequeno modelo de linguagem (SLM), em vez de um modelo de linguagem grande (LLM), foi um golpe de mestre estratégico. Os LLMs, embora possuam capacidades impressionantes, normalmente exigem recursos computacionais substanciais e conectividade constante aos servidores em nuvem. Isso representa um desafio significativo em ambientes onde o acesso à rede não é confiável ou inexistente, como durante os voos.
Os SLMs, por outro lado, são projetados para operar com eficiência em dispositivos com poder de processamento e capacidade de armazenamento limitados. O Phi-4, em particular, foi meticulosamente otimizado para ambientes offline, tornando-o uma escolha ideal para o projeto JAL. Esta abordagem não só garante que a tripulação de cabine possa aceder ao sistema de geração de relatórios baseado em IA, independentemente da disponibilidade da rede, mas também reduz a dependência de infraestruturas de nuvem dispendiosas.
2. Ajuste Fino para Especificidade de Domínio
Embora os SLMs ofereçam a vantagem da operação offline, eles geralmente carecem da amplitude de conhecimento e compreensão contextual de seus equivalentes maiores. Para resolver esta limitação, a Fujitsu empregou o seu serviço Kozuchi AI para ajustar o Phi-4 utilizando os dados de relatórios históricos da JAL.
O ajuste fino envolve treinar um modelo de linguagem pré-treinado em um conjunto de dados específico para melhorar seu desempenho em uma tarefa específica ou dentro de um domínio específico. Neste caso, ao expor o Phi-4 a uma riqueza de relatórios passados da JAL, a Fujitsu permitiu que o modelo aprendesse as nuances dos relatórios da tripulação de cabine, incluindo a terminologia específica, as convenções de formatação e os problemas comuns encontrados durante os voos.
Este ajuste fino específico do domínio melhorou significativamente a precisão e a relevância dos relatórios gerados por IA, garantindo que eles atendessem aos requisitos rigorosos dos procedimentos operacionais da JAL.
3. Tecnologia de Quantização para Maior Eficiência
A contribuição da Headwaters para o projeto estendeu-se além do desenvolvimento do aplicativo baseado em chat. A empresa também empregou tecnologia de quantização para otimizar ainda mais o desempenho do Phi-4 em tablets.
A quantização é uma técnica que reduz a pegada de memória e os requisitos computacionais de uma rede neural, representando seus parâmetros usando menos bits. Por exemplo, em vez de usar números de ponto flutuante de 32 bits, os parâmetros do modelo podem ser representados usando inteiros de 8 bits.
Essa redução na precisão tem um ligeiro custo em precisão, mas a compensação geralmente vale a pena em termos de velocidade aprimorada e consumo de memória reduzido. Ao quantizar o Phi-4, a Headwaters garantiu que o modelo de IA pudesse ser executado de forma suave e eficiente nos recursos limitados dos tablets, proporcionando uma experiência de usuário perfeita para a tripulação de cabine.
4. Desenvolvimento Ágil e Expertise Colaborativa
O sucesso do projeto JAL também foi atribuído à metodologia de desenvolvimento ágil empregada pela Headwaters e ao espírito colaborativo da parceria Fujitsu-Headwaters.
O desenvolvimento ágil enfatiza o desenvolvimento iterativo, o feedback frequente e a estreita colaboração entre as partes interessadas. Esta abordagem permitiu que a equipe do projeto se adaptasse rapidamente aos requisitos em mudança e resolvesse desafios imprevistos.
A experiência complementar da Fujitsu e da Headwaters também foi crucial para o sucesso do projeto. A Fujitsu trouxe seu profundo conhecimento da tecnologia de IA e seu serviço Kozuchi AI, enquanto a Headwaters contribuiu com sua experiência no desenvolvimento de aplicativos de IA, análise de fluxo de trabalho e gerenciamento ágil de projetos. Esta sinergia de habilidades e conhecimentos permitiu à equipe desenvolver uma solução verdadeiramente inovadora e eficaz.
As Implicações Mais Amplas para a Indústria da Aviação
O projeto JAL oferece um vislumbre do futuro da IA na indústria da aviação. Ao automatizar tarefas de rotina, como a geração de relatórios, a IA pode libertar a tripulação de cabine para se concentrar em responsabilidades mais importantes, como a segurança dos passageiros e o atendimento ao cliente.
Além disso, a IA pode ser usada para melhorar a eficiência operacional em diversas outras áreas, incluindo:
- Manutenção preditiva: A IA pode analisar dados de sensores de aeronaves para prever quando a manutenção é necessária, reduzindo o tempo de inatividade e melhorando a segurança.
- Otimização de rota: A IA pode analisar padrões climáticos, condições de tráfego e outros fatores para otimizar rotas de voo, economizando combustível e reduzindo o tempo de viagem.
- Atendimento ao cliente: Chatbots com tecnologia de IA podem fornecer suporte instantâneo aos passageiros, respondendo a perguntas, resolvendo problemas e fornecendo recomendações personalizadas.
À medida que a tecnologia de IA continua a evoluir, seu potencial para transformar a indústria da aviação é imenso. O projeto JAL serve como um exemplo valioso de como a IA pode ser usada para melhorar a eficiência, aumentar a segurança e elevar a experiência do passageiro.
Além da Aviação: A Versatilidade da IA Offline
O sucesso do projeto Fujitsu-Headwaters para a JAL sublinha a aplicabilidade mais ampla das soluções de IA offline em vários setores e setores. A capacidade de implantar modelos de IA em ambientes com conectividade de rede limitada ou inexistente abre um mundo de possibilidades para organizações que buscam alavancar o poder da IA em ambientes remotos ou desafiadores.
1. Assistência Médica em Áreas Remotas
Em comunidades rurais ou carentes, os prestadores de cuidados de saúde enfrentam frequentemente desafios relacionados com o acesso limitado a uma conectividade de Internet fiável. As soluções de IA offline podem capacitar esses prestadores com ferramentas de diagnóstico, recomendações de tratamento e capacidades de monitorização de pacientes, mesmo na ausência de uma ligação à Internet estável.
Por exemplo, algoritmos de reconhecimento de imagem alimentados por IA podem ser implantados em dispositivos portáteis para ajudar os profissionais de saúde a identificar doenças a partir de imagens médicas, como raios-X ou tomografias computadorizadas. Da mesma forma, os sistemas de suporte à decisão orientados por IA podem fornecer orientação sobre protocolos de tratamento com base nos sintomas do paciente e no histórico médico, mesmo em áreas onde o acesso à experiência especializada é limitado.
2. Agricultura em Países em Desenvolvimento
Os agricultores nos países em desenvolvimento geralmente não têm acesso às informações e tecnologias agrícolas mais recentes. As soluções de IA offline podem colmatar esta lacuna, fornecendo aos agricultores recomendações personalizadas sobre a seleção de culturas, técnicas de irrigação e estratégias de controlo de pragas, mesmo sem acesso à Internet.
Ferramentas de análise de imagem alimentadas por IA podem ser usadas para avaliar a saúde das culturas, identificar doenças de plantas e detetar infestações de pragas, permitindo que os agricultores tomem medidas oportunas para proteger seus rendimentos. Além disso, os modelos de previsão meteorológica orientados por IA podem fornecer aos agricultores previsões meteorológicas precisas e localizadas, ajudando-os a tomar decisões informadas sobre plantio, colheita e irrigação.
3. Ajuda Humanitária e Resposta a Emergências
Após desastres naturais, como terremotos, inundações ou furacões, a infraestrutura de comunicação é frequentemente interrompida, dificultando a coordenação dos esforços dos trabalhadores de resgate e a prestação de assistência aos necessitados. As soluções de IA offline podem desempenhar um papel crucial nessas situações, fornecendo aos trabalhadores de resgate ferramentas para consciência situacional, avaliação de danos e alocação de recursos.
Algoritmos de reconhecimento de imagem alimentados por IA podem ser usados para analisar imagens de satélite ou filmagens de drones para avaliar a extensão dos danos e identificar áreas onde a assistência é mais urgentemente necessária. Da mesma forma, as plataformas de comunicação orientadas por IA podem permitir que os trabalhadores de resgate comuniquem entre si e com as comunidades afetadas, mesmo na ausência de conectividade celular ou de Internet.
4. Manufatura e Automação Industrial
Em fábricas e instalações industriais, a conectividade confiável com a Internet nem sempre é garantida, principalmente em áreas remotas ou em ambientes com interferência eletromagnética. As soluções de IA offline podem permitir que os fabricantes automatizem vários processos, como controlo de qualidade, manutenção preditiva e gestão de inventário, mesmo sem uma conexão de Internet estável.
Sistemas de visão alimentados por IA podem ser usados para inspecionar produtos em busca de defeitos, garantindo que apenas itens de alta qualidade sejam enviados aos clientes. Da mesma forma, modelos de manutenção preditiva orientados por IA podem analisar dados de sensores de equipamentos para prever quando a manutenção é necessária, reduzindo o tempo de inatividade e melhorando a produtividade.
O projeto Fujitsu-Headwaters para a JAL serve como uma demonstração convincente do poder e versatilidade das soluções de IA offline. À medida que a tecnologia de IA continua a avançar, podemos esperar ver ainda mais aplicações inovadoras de IA offline em uma ampla variedade de indústrias e setores, capacitando as organizações a resolver problemas do mundo real e melhorar a vida das pessoas, independentemente do seu acesso à conectividade com a Internet.