Оптимизация рабочих процессов JAL: AI-инновации от Fujitsu и Headwaters
В рамках новаторского сотрудничества Fujitsu Limited и Headwaters Co., Ltd., ведущий поставщик AI-решений, успешно завершили полевые испытания, применяя генеративный AI для революционного создания отчетов о передаче смены для экипажей Japan Airlines Co., Ltd. (JAL). Эти испытания, проходившие с 27 января по 26 марта 2025 года, однозначно продемонстрировали потенциал значительной экономии времени и повышения эффективности.
Задача отчетов о передаче смены
Члены экипажа JAL традиционно тратят значительное время и усилия на составление всеобъемлющих отчетов о передаче смены. Эти отчеты служат важным каналом для передачи информации между сменяющими друг друга экипажами и наземным персоналом, обеспечивая бесперебойный оперативный процесс. Признавая возможность оптимизации этого процесса, Fujitsu и Headwaters предприняли совместные усилия по использованию возможностей генеративного AI.
Новое решение: автономный генеративный AI
Чтобы преодолеть ограничения, связанные с зависимостью от постоянного подключения к облаку, Fujitsu и Headwaters выбрали Phi-4 от Microsoft, компактную языковую модель (SLM), тщательно оптимизированную для автономных сред. Этот стратегический выбор позволил разработать систему на основе чата, доступную на планшетных устройствах, что облегчает эффективное создание отчетов как во время, так и после полетов.
Испытания предоставили убедительные доказательства того, что это инновационное решение позволяет экипажу создавать высококачественные отчеты, значительно сокращая время, затрачиваемое на их создание. Это приводит к повышению эффективности работы экипажа JAL, что в конечном итоге способствует улучшению качества обслуживания пассажиров.
Роли и обязанности
Успех этой совместной инициативы зависел от особого опыта и вклада каждого партнера:
Fujitsu: Компания сыграла ключевую роль в адаптации Microsoft Phi-4 к конкретным требованиям задач экипажа. Используя свой AI-сервис Fujitsu Kozuchi, Fujitsu тщательно настроила языковую модель, используя исторические данные отчетов JAL, обеспечивая оптимальную производительность и релевантность.
Headwaters: Headwaters возглавила разработку специализированного для бизнеса приложения генеративного AI на базе Phi-4. Используя технологию квантования, Headwaters обеспечила бесперебойное создание отчетов на планшетных устройствах даже в автономных средах. Кроме того, их AI-консультанты оказали неоценимую поддержку на протяжении всего проекта, включая анализ рабочих процессов для внедрения AI, реализацию и оценку испытаний, а также гибкое управление ходом разработки. AI-инженеры компании также создали среду тонкой настройки для Fujitsu Kozuchi и оказали техническую помощь для оптимизации, адаптированной к уникальной среде использования клиента.
Анализ отрасли
Синичи Мията, руководитель подразделения межотраслевых решений Global Solutions Business Group, Fujitsu Limited, подчеркнул важность этого достижения, заявив: ‘Мы рады объявить об этом примере использования генеративного AI в работе экипажей Japan Airlines. Эта совместная концепция способствует развитию генеративного AI в автономных средах и может преобразовать операции в различных отраслях и ролях, где доступ к сети ограничен. Успех этого значимого сотрудничества является результатом исключительных возможностей Headwaters по подготовке предложений в сочетании с технологическим опытом Fujitsu. В будущем мы по-прежнему будем стремиться к укреплению нашего партнерства, чтобы поддержать расширение бизнеса наших клиентов и решить социальные проблемы’.
Будущая траектория
Опираясь на многообещающие результаты полевых испытаний, Fujitsu и Headwaters привержены проведению дальнейших испытаний, чтобы подготовить почву для производственного внедрения для JAL. Их конечная цель - плавно интегрировать решение в существующую платформу генеративного AI JAL.
Кроме того, Fujitsu планирует включить SLM, специально адаптированные для различных видов работ, в Fujitsu Kozuchi, что еще больше расширит универсальность и применимость AI-сервиса.
Вместе Fujitsu и Headwaters продолжат поддерживать операционную трансформацию JAL посредством стратегического применения AI, решения критических задач, повышения качества обслуживания клиентов и решения общеотраслевых проблем.
Более глубокое погружение: раскрытие нюансов внедрения AI
Сотрудничество между Fujitsu и Headwaters по повышению операционной эффективности JAL с помощью AI предлагает убедительный пример того, как передовые технологии могут быть использованы для решения реальных задач. Давайте разберем ключевые элементы, лежащие в основе успеха этого проекта, и изучим более широкие последствия для авиационной отрасли и за ее пределами.
1. Стратегический выбор малой языковой модели (SLM)
Решение использовать Phi-4 от Microsoft, малую языковую модель (SLM), вместо большой языковой модели (LLM), было стратегическим ходом. LLM, обладая впечатляющими возможностями, обычно требуют значительных вычислительных ресурсов и постоянного подключения к облачным серверам. Это представляет собой серьезную проблему в средах, где доступ к сети ненадежен или отсутствует, например, во время полетов.
SLM, с другой стороны, предназначены для эффективной работы на устройствах с ограниченной вычислительной мощностью и объемом памяти. Phi-4, в частности, была тщательно оптимизирована для автономных сред, что делает ее идеальным выбором для проекта JAL. Этот подход не только гарантирует, что экипаж может получить доступ к системе создания отчетов на основе AI независимо от доступности сети, но и снижает зависимость от дорогостоящей облачной инфраструктуры.
2. Тонкая настройка для предметной специфики
Хотя SLM предлагают преимущество автономной работы, им часто не хватает широты знаний и контекстного понимания, присущих их более крупным аналогам. Чтобы решить эту проблему, Fujitsu использовала свой AI-сервис Kozuchi для тонкой настройки Phi-4 с использованием исторических данных отчетов JAL.
Тонкая настройка включает в себя обучение предварительно обученной языковой модели на конкретном наборе данных для улучшения ее производительности для конкретной задачи или в определенной области. В данном случае, предоставив Phi-4 множество прошлых отчетов JAL, Fujitsu позволила модели изучить нюансы отчетности экипажа, включая конкретную терминологию, соглашения о форматировании и общие проблемы, возникающие во время полетов.
Эта предметно-ориентированная тонкая настройка значительно повысила точность и релевантность отчетов, созданных AI, гарантируя, что они соответствуют строгим требованиям операционных процедур JAL.
3. Технология квантования для повышения эффективности
Вклад Headwaters в проект вышел за рамки разработки приложения на основе чата. Компания также использовала технологию квантования для дальнейшей оптимизации производительности Phi-4 на планшетных устройствах.
Квантование - это метод, который уменьшает объем памяти и вычислительные требования нейронной сети, представляя ее параметры с использованием меньшего количества битов. Например, вместо использования 32-битных чисел с плавающей запятой параметры модели могут быть представлены с использованием 8-битных целых чисел.
Это снижение точности приводит к небольшому снижению точности, но компромисс часто стоит того с точки зрения повышения скорости и снижения потребления памяти. Квантуя Phi-4, Headwaters обеспечила плавную и эффективную работу AI-модели на ограниченных ресурсах планшетных устройств, обеспечивая бесперебойный пользовательский опыт для экипажа.
4. Гибкая разработка и совместный опыт
Успех проекта JAL также был обусловлен методологией гибкой разработки, используемой Headwaters, и духом сотрудничества партнерства Fujitsu-Headwaters.
Гибкая разработка делает упор на итеративную разработку, частую обратную связь и тесное сотрудничество между заинтересованными сторонами. Этот подход позволил команде проекта быстро адаптироваться к меняющимся требованиям и решать непредвиденные задачи.
Дополнительный опыт Fujitsu и Headwaters также имел решающее значение для успеха проекта. Fujitsu привнесла глубокое понимание AI-технологий и свой AI-сервис Kozuchi, а Headwaters внесла свой опыт в разработку AI-приложений, анализ рабочих процессов и гибкое управление проектами. Эта синергия навыков и знаний позволила команде разработать действительно инновационное и эффективное решение.
Более широкие последствия для авиационной отрасли
Проект JAL предлагает заглянуть в будущее AI в авиационной отрасли. Автоматизируя рутинные задачи, такие как создание отчетов, AI может освободить экипаж, чтобы сосредоточиться на более важных обязанностях, таких как безопасность пассажиров и обслуживание клиентов.
Кроме того, AI можно использовать для повышения операционной эффективности в различных других областях, включая:
- Прогнозное обслуживание: AI может анализировать данные датчиков с самолетов, чтобы предсказать, когда требуется обслуживание, сокращая время простоя и повышая безопасность.
- Оптимизация маршрута: AI может анализировать погодные условия, дорожную ситуацию и другие факторы для оптимизации маршрутов полетов, экономя топливо и сокращая время в пути.
- Обслуживание клиентов: Чат-боты на базе AI могут оказывать немедленную поддержку пассажирам, отвечать на вопросы, решать проблемы и предоставлять персонализированные рекомендации.
Поскольку AI-технологии продолжают развиваться, его потенциал для преобразования авиационной отрасли огромен. Проект JAL служит ценным примером того, как AI можно использовать для повышения эффективности, повышения безопасности и улучшения обслуживания пассажиров.
За пределами авиации: универсальность автономного AI
Успех проекта Fujitsu-Headwaters для JAL подчеркивает более широкую применимость автономных AI-решений в различных отраслях и секторах. Возможность развертывать AI-модели в средах с ограниченным или отсутствующим сетевым подключением открывает мир возможностей для организаций, стремящихся использовать возможности AI в удаленных или сложных условиях.
1. Здравоохранение в отдаленных районах
В сельских или недостаточно обслуживаемых общинах поставщики медицинских услуг часто сталкиваются с проблемами, связанными с ограниченным доступом к надежному подключению к Интернету. Автономные AI-решения могут предоставить этим поставщикам инструменты для диагностики, рекомендации по лечению и возможности мониторинга пациентов, даже в отсутствие стабильного подключения к Интернету.
Например, алгоритмы распознавания изображений на основе AI можно развернуть на портативных устройствах, чтобы помочь медицинским работникам в выявлении заболеваний по медицинским изображениям, таким как рентгеновские снимки или компьютерная томография. Аналогичным образом, системы поддержки принятия решений на основе AI могут предоставлять рекомендации по протоколам лечения на основе симптомов пациента и истории болезни, даже в районах, где доступ к специализированному опыту ограничен.
2. Сельское хозяйство в развивающихся странах
Фермеры в развивающихся странах часто не имеют доступа к последней сельскохозяйственной информации и технологиям. Автономные AI-решения могут устранить этот пробел, предоставляя фермерам персонализированные рекомендации по выбору культур, методам орошения и стратегиям борьбы с вредителями, даже без доступа к Интернету.
Инструменты анализа изображений на основе AI можно использовать для оценки здоровья урожая, выявления болезней растений и обнаружения заражений вредителями, что позволяет фермерам своевременно принимать меры для защиты своих урожаев. Кроме того, модели прогнозирования погоды на основе AI могут предоставлять фермерам точные и локализованные прогнозы погоды, помогая им принимать обоснованные решения о посадке, сборе урожая и орошении.
3. Ликвидация последствий стихийных бедствий и реагирование на чрезвычайные ситуации
После стихийных бедствий, таких как землетрясения, наводнения или ураганы, коммуникационная инфраструктура часто нарушается, что затрудняет координацию усилий спасателей и оказание помощи нуждающимся. Автономные AI-решения могут сыграть решающую роль в этих ситуациях, предоставляя спасателям инструменты для ситуационной осведомленности, оценки ущерба и распределения ресурсов.
Алгоритмы распознавания изображений на основе AI можно использовать для анализа спутниковых снимков или кадров, снятых дронами, для оценки масштабов ущерба и выявления районов, где помощь наиболее срочно необходима. Аналогичным образом, коммуникационные платформы на основе AI могут позволить спасателям общаться друг с другом и с пострадавшими общинами, даже в отсутствие сотовой связи или подключения к Интернету.
4. Производство и промышленная автоматизация
На производственных предприятиях и промышленных объектах надежное подключение к Интернету не всегда гарантируется, особенно в отдаленных районах или в средах с электромагнитными помехами. Автономные AI-решения могут позволить производителям автоматизировать различные процессы, такие как контроль качества, прогнозное обслуживание и управление запасами, даже без стабильного подключения к Интернету.
Системы технического зрения на основе AI можно использовать для проверки продукции на наличие дефектов, гарантируя, что клиентам отправляются только высококачественные товары. Аналогичным образом, модели прогнозного обслуживания на основе AI могут анализировать данные датчиков с оборудования, чтобы предсказать, когда требуется обслуживание, сокращая время простоя и повышая производительность.
Проект Fujitsu-Headwaters для JAL служит убедительной демонстрацией мощности и универсальности автономных AI-решений. Поскольку AI-технологии продолжают развиваться, мы можем ожидать еще больше инновационных применений автономного AI в широком спектре отраслей и секторов, позволяя организациям решать реальные проблемы и улучшать жизнь людей, независимо от их доступа к подключению к Интернету.