برای ورود هوش مصنوعی به صنعت هواپیمایی، کارمان از انتخاب گذشته و به اجبار رسیده است
اضطرار هوشمندی
گزارش از: ماهور مجد
دیر رسیدن، دیر آگاه شدن و دیر تصمیم گرفتن دولتی‌ها خصلتی است که هم در اعصار مختلف و هم در صنایع گوناگون جلوه کرده است. از نمونه‌های جدید و برجسته آن نیز جاماندگی بخش‌های مختلف حمل‌ونقل و فعالیت‌های لجستیکی در دیجیتالیزیشن، هوشمندی و داده‌محوری است. این تعلل در زمانه‌ای که هر شیوه و ابزاری در حوزه حمل‌ونقل به‌ویژه صنعت هوانوردی به سرعت نور متغیر و متحول می‌شود، پذیرفتنی نیست و به نظام و سیستم مدیریتی بخش خصوصی، دولتی، دانشگاهی و… هشدار می‌دهد که اگر به سمت داده‌کاوی، بهره‌وری داده و استفاده از هوش مصنوعی گام برندارند و به روش‌های مدرن تجهیز نشوند، هوش مصنوعی بنیاد علم، فضل و جایگاهی را که تاکنون کسب کرده‌اند، از جا می‌برد. این در حالی است که گفته می‌شود، استفاده درست و بدون خلل از این ابزار و دستیار هوشمند در هر بخشی از صنعت هوانوردی برای نیروی انسانی آن حوزه، فراغت آورد و اندیشه خطا ببرد.
نظر به این اهمیت، نخستین سمینار هوش مصنوعی و کاربردهای آن در صنعت هواپیمایی در دانشکده صنعت هواپیمایی کشوری برگزار شد. سخنرانان در این سمینار، به معرفی کاربردهای مختلف AI در این صنعت و برشماری چالش‌های این حوزه در ایران پرداختند.
نخستین سمینار تخصصی هوش مصنوعی و کاربردهای آن در صنعت هواپیمایی در حالی در دانشکده صنعت هواپیمایی کشوری برگزار شد و به دنبال ترغیب سه بازیگر اصلی این صنعت – نهاد رگولاتوری (سازمان هواپیمایی کشوری)، شرکت فرودگاه‌ها و ناوبری هوایی ایران و ایرلاین‌ها – به استفاده از داده‌های کلان جهت مدیریت بهتر و تصمیم‌گیری موثرتر در این حوزه بود که بسیاری از کشورها (حتی یمن) چند سالی است که در این راه گام نهاده و نه‌تنها در برخی حوزه‌های مرتبط با صنعت هوایی داده‌محور رفتار و حرکت می‌کنند، بلکه تعدادی از آنها به کمک داده و هوش مصنوعی (AI) در رضایتمندی مسافر، مدیریت فرودگاه‌ها، کاهش تداخلات مسیرهای پروازی و… تحولی شگرف رقم زده و بر رقابت‌پذیری خود در بازار جهانی افزوده‌اند.
در این سمینار، ابتدا تاریخچه‌ای از هوش مصنوعی ارائه و گفته شد که AI پدیده نوظهور و قرن بیست‌ویکمی نیست؛ چراکه در سال ۱۹۵۶ به شاخه‌ای دانشگاهی تبدیل و در سال‌های بعد با چندین موج خوش‌بینی روبه‌رو شد، اما در دهه ۸۰ میلادی به دلیل کمبود بودجه، عدم پیشرفت سخت‌افزاری و نبودن ابرکامپیوترها متوقف شد. از این دوره با نام «زمستان AI» یاد می‌شود. پس از آن با پیشرفت چشمگیر سخت‌افزاری در قرن ۲۱ کار در این حوزه از سرگرفته شد تا اینکه ظرف یک تا دو سال اخیر انقلاب و تحول عظیمی را در جهان رقم زده است.
داده‌های عظیم رهاشده
یکی از سخنرانان این سمینار، دکتر کریم مظاهری، استاد دانشکده هوافضا و عضو هیئت علمی دانشگاه صنعتی شریف بود. او سخنان خود را با بررسی جایگاه مهم و برجسته صنعت هوایی در دنیا در نگاه مدیران از نظر اقتصادی و سیاسی آغاز و اظهار کرد: «این صنعت در GDP اکثر کشورها به صورت مستقیم و غیرمستقیم ۳/۵ درصد اثربخشی دارد و با این میزان اثربخشی در اقتصاد جزء معدود صنایعی است که در ۳۰ سال گذشته به‌طور مستمر رشد ۵ درصدی داشته است. البته سودآوری در این صنعت بر اثر برخی اتفاقات مانند حادثه ۱۱ سپتامبر، رکود اقتصادی ۲۰۰۷ و ۲۰۰۸ و کووید منفی هم شده، اما در مجموع به صورت میانگین سودآوری ۲ درصدی داشته است.»
او گفت: «صنعت هوایی با توجه به مباحثی اعم از افزایش ارتباطات، بازار کار، رفاه، هزینه‌های مسافرت، گردشگری، تجارت خارجی، اثر روی GDP، دیپلماسی و… کوه یخی است که فقط قله آن از زیر آب بیرون آمده، اما کل اقتصاد جامعه را متحول می‌کند.»
مظاهری با اشاره به اینکه در صنعت هوانوردی داخلی منابع زیادی درباره خطوط هوایی و شبکه ارتباط فرودگاهی داریم، خاطرنشان کرد: «بیش از ۵۰ فرودگاه فعال، ۱۳۰ هزار راه هوایی، ۱۵۰ هزار پرواز داخلی و خارجی، ۲۰ میلیون صندلی-پرواز داخلی و ۹ میلیون صندلی-پرواز خارج، منابع چشمگیری است و بخش بزرگی از اقتصاد ما را شامل می‌شود که باید به آن توجه کرد و از آن بهره برد. با این حال، چالش‌هایی نظیر بهره‌وری پایین، فرسودگی ناوگان، ناپایداری درآمدی و ضعف در زیرساخت‌های داده‌محور، مانع از شکوفایی کامل این بخش شده‌اند.»
او همچنین تصریح کرد: «برای بهره‌برداری از این اطلاعات باید به سمت هوش مصنوعی حرکت کنیم. از ۳۰ سال گذشته، اتفاقاتی در دنیا رخ داده و روش‌های سنتی در اداره، مدیریت و اقتصاد آرام آرام جای خود را با روش‌های جدید عوض می‌کند، اما ما همچنان نشسته‌ایم و زمانی که این سیل بنیان هستی ما را با خود ببرد، تازه متوجه می‌شویم که دنیا به چه سمت رفته است.»
از الگوریتم‌های ریاضی به داده‌محوری
سخنان دکتر مظاهری نشان داد که چهار اتفاق اصلی در دنیا رخ داده است. به صورتی که در ۲۰ سال گذشته، در بحث الگوریتم‌های ریاضی به‌شدت توفیقات جدید حاصل شده و مدل‌های جدید به دست آمده، پیشرفت‌ها در حوزه سخت‌افزار شگفتی‌آفرین شده، هوش مصنوعی و شبکه عصبی پیشرفت انفجاری داشته و در آخر هم دسترسی آزاد به داده صورت گرفته است. به بیان بهتر، شبکه‌ای از اتفاقات در دنیا، در حال متحول کردن روش زندگی و روش مدیریت انسان است.
این تحول، سیستمی است و به زیرساختی به نام دیجیتالیزیشن نیاز دارد که در دنیا پیشرفت بسیاری داشته، اما متاسفانه کشور ما در این زمینه در سطح مطلوبی قرار ندارد؛ چراکه استفاده از هوش مصنوعی در کنار دسترسی به داده معنی پیدا می‌کند.
در همین زمینه، این استاد دانشکده هوافضای دانشگاه شریف با طرح این پرسش که صورت مسئله ما در این کار چیست، گفت: «ما داده‌های گوناگونی داریم که سرعت تولید آنها هم بسیار زیاد است، بنابراین باید بتوانیم این داده‌ها را به اطلاعات و دانش تبدیل کنیم. این اتفاق در دنیا به جریان افتاده است، اما ما عقب هستیم. شبکه‌های اجتماعی، اینترنت، ارتباطات و کار با کامپیوتر مرتباً داده تولید می‌کند. همه این داده‌ها متمرکز، جمع و آنالیز می‌شود و در همه حوزه‌ها از جمله حمل‌ونقل هوایی، رفتارشناسی و روان‌شناسی ما را شکل می‌دهد.»
رقابت‌پذیری هوایی در گرو تحول داده‌محور
این استاد دانشگاه بیان کرد: «اگر بخواهیم صنعت هوایی کشورمان را به سطح رقابت‌پذیر جهانی ارتقا دهیم، باید داده‌محور شویم. باید بیاموزیم که تصمیم‌های بزرگ، دیگر نه صرفاً بر اساس تجربه، بلکه با اتکا بر داده‌های بزرگ، تحلیل‌های عمیق و مدل‌سازی‌های پیش‌بینانه گرفته می‌شوند. این در حالی است که در ایران رقابت‌پذیری مخصوصاً با خطوط خارجی تعطیل شده و محال است مرزهای هوایی کشور باز و تحریم‌ها لغو شود و شرکت‌های ما بتوانند با آنها وارد رقابت شوند. در آن شرایط، ظرف مدت زمان بسیار کوتاهی همه شرکت‌ها از بین می‌روند؛ مگر به ابزارها، نرم‌افزارها و سخت‌افزارهای آنها دست یابند.»
او با بیان اینکه این فعالیت‌ها در کشورهای پیشرفته از جمله ایالات‌متحده به صورت گسترده بیش از ۴۰ سال است که با هدف افزایش درآمد و بهره‌وری آغاز شده، گفت: «نقطه شروع آن در حمل‌ونقل هوایی، خطوط هوایی نبودند، بلکه شرکت بوئینگ بوده است. این شرکت برای اینکه بتواند هواپیماهایش را آسان‌تر بفروشد، با استفاده از دیتا شناسایی رفتار و خواسته‌های مردم را آغاز کرد تا بداند که چرا مردم یک بلیت خاص را می‌خرند اما دیگری را نمی‌خرند. او این اطلاعات را در طراحی هواپیماهای خود لحاظ و به خطوط هوایی اعلام کرد که من بر اساس این مطالعات، می‌دانم که استقبال مسافر از این نوع هواپیما بیشتر است و با خرید آن می‌توانید بلیت بیشتری بفروشید.»
دکتر مظاهری با اشاره به اینکه در دهه ۹۰ میلادی در دانشکده هوافضا در دانشگاه MIT یک مرکز برای شناسایی رفتار مسافران ایجاد شده است که متاسفانه ما از وجود چنین مراکزی تهی هستیم، گفت: «دیتاهای تولیدشده در این مرکز می‌تواند بازار شرکت‌های هواپیمایی و حتی هواپیماسازی را متحول کند.»
مظاهری همچنین تاکید کرد: «ما برای این کار، چالش‌های سخت‌افزار مناسب، الگوریتم‌های هوشمند، دسترسی به داده کلان و داده‌های بازار رقابتی داریم که در دانشگاه کار روی این موارد مزیت‌آفرین نیست و به صنعت برمی‌گردد. این گونه مسائل چندوجهی و راهبردی هستند و فناوری سطح بالا می‌خواهند و در بازار رقابتی قرار دارند، به همین دلیل، بعید است کارهای انفرادی به نتیجه مفید برسد.»
او یادآور شد: «در دنیا تداخل میان مسیرهای پروازی و هات‌اسپات‌ها را با هوش مصنوعی کاهش می‌دهند، حتی در لیبی هم به این حوزه وارد شده‌اند، در استرالیا تخمین بازار و برنامه‌ریزی بر اساس آن فقط توسط AI صورت می‌گیرد. به این ترتیب، بازار مسافرت‌های هوایی کشورشان را پیش‌بینی و با دیتای واقعی مقایسه کردند و بر اساس آن در قریب به ۱۰۰ درصد مواقع به نتایج درست دست یافتند. در هند برای به دست آوردن رضایتمندی مشتری به سراغ هوش مصنوعی رفتند و رقابت‌پذیری خود را بسیار افزایش دادند.»
ضرورت به‌کارگیری داده‌ها توسط استارت‌آپ‌ها
در ادامه، مهندس پویان رازانی، فارغ‌التحصیل مدیریت توسعه کسب‌وکار در صنعت هواپیمایی از دانشگاه آکسفورد و با سابقه کار در شرکت‌هایی مثل ویرجین آتلانتیک، اتحاد، پگاسوس و… مقوله بازرگانی را در صنعت هوایی قلب تپنده دانست که بقای هر شرکتی به آن وابسته است.
او درباره کاربرد این ابزار در حوزه بازرگانی این صنعت گفت: «سال ۲۰۲۳ هوش مصنوعی در صنعت هوایی حدود ۴۱۰ میلیون دلار ارزش داشت و پیش‌بینی می‌شود با رشد ۴۷ درصدی تا سال ۲۰۳۰ میلادی به ۱/۶ بیلیون دلار بالغ شود.»
او با بیان اینکه استارت‌آپ‌ها باید از این موج ایجاد شده برای رشد هوش مصنوعی به‌منظور کارآفرینی و توسعه کسب‌وکار بهره ببرند، گفت: «هیچ ایرلاینی به جهت سنگینی بدنه نمی‌تواند خودش کار را به سمت به‌کارگیری Data Science ببرد و دپارتمان جدید داشته باشد و تصمیم و روش نادرست را عوض کند، اما یک استارت‌آپ به عنوان شرکت بیرونی می‌تواند این اطلاعات را به ایرلاین‌ها تزریق کند.»
این کارآفرین در صنعت هواپیمایی یادآور شد: «ایرلاین‌های آمریکایی و اروپایی اقدامات زیادی در زمینه استفاده از AI داشته‌اند؛ حتی در زمینه تجربه مسافر نیز این ابزار هوشمند می‌تواند مددرسان باشد، مثلاً در ایرلاین امارات با توجه به عادات مشتری که توسط AI تحلیل می‌شود، پیشنهادهایی برای مسافران ارسال شده و آنها را به استفاده از این خط هوایی ترغیب می‌کند. این هوش مصنوعی جدید ۶/۵ درصد افزایش فروش برای امارات ایرلاین ایجاد کرده که در پروازهای امارات رقم بسیار بالایی است. علاوه بر آن، باید بدانیم که این فناوری جدید می‌تواند در قالب چت‌بات به ما خدمت ارائه کند. به صورتی که شبانه‌روز یک ربات روی سایت ایرلاین پاسخگوی مشتریان باشد و موجب شود آن شرکت در سرویس‌دهی به مشتری، منابع انسانی خود را بهینه کند.»
او خدمات فرودگاهی فرودگاه آتلانتا را در آمریکا کاملاً هوشمند خواند و اظهار کرد که در این فرودگاه، همه رفتارهای مسافر از لحظه ورود تا سوار شدن به هواپیما تحلیل می‌شود، اما نه فقط با هدف افزایش امنیت بلکه برای کسب درآمد از راه شناسایی، آنالیز و گرفتن خروجی از رفتار مسافر. این روش به‌اندازه‌ای موثر بوده که مسافران بعد از تجربه هوشمندسازی فرودگاه گفته‌اند که با توجه به خدماتی که از AI گرفته شده، استرس آنها کم شده است؛ چراکه این ابزار توانسته به مسافر در زمینه برنامه‌ریزی برای سفر کمک کند و تجربه فرودگاهی و پرواز او را ارتقا دهد.
رازانی در ادامه سخنانش به تحول در سیستم مدیریت ارتباط با مشتری (CRM) اشاره و خاطرنشان کرد: «سیستمی که در این زمینه تا سال پیش استفاده می‌شد، دیگر وجود خارجی ندارد و شرکت‌هایی توانستند در این بازار دوام بیاورند که CRM خود را بر پایه AI قرار دادند؛ بنابراین مسافری که ۲۰ سال پیش هیولایی غیرقابل پیش‌بینی برای هر ایرلاین محسوب می‌شد، اکنون کاملاً شناخته‌شده است. عادات سفر، مقاصد سفر، عادات رفتاری، حرفه، زمان‌بندی سفر، سفرهای کاری یا خانوادگی و… یک مسافر برای ایرلاین روشن است. در نتیجه نقاط قوت و ضعف مسافر را شناسایی کرده و او را هدف تبلیغات قرار داده و به استفاده بیشتر از آن ایرلاین ترغیب می‌کند.»
به گفته رازانی؛ تعمیر و نگهداری هواپیما، تامین به‌موقع قطعات، گزارش خرابی هواپیما، زمان‌بندی مفید تیم‌های مهندسی، صرفه‌جویی در زمان تعمیرات، بهینه‌سازی مصرف سوخت، برنامه‌ریزی برای بهره‌وری بهتر از کرو و تیم زمینی و… از دیگر کاربردهای AI در صنعت هوایی است.
کیلومترها از دنیا عقب افتاده‌ایم
با همه این تفاسیر، باید دید که آیا سازمان هواپیمای کشوری و ایرلاین‌ها به این حوزه ورود کرده و در این زمینه فعالیت داشته‌اند یا خیر؟ همچنین آیا قوانین ما اجازه می‌دهد که در حوزه هوایی به سمت استفاده از هوش مصنوعی برویم؟ در همین رابطه، علیرضا نیکویی، مشاور ریاست سازمان هواپیمایی به این پرسش‌ها چنین پاسخ داد: «ما به مرحله‌ای رسیده‌ایم که دیگر بحث قانون و مقررات مطرح نیست، بلکه استفاده از این فناوری مثل نفس کشیدن است که هیچ قانونی نگفته کسی می‌تواند نفس بکشد یا نه. این کار امری اجباری است، ما همین الان هم کیلومترها از مسیری که دنیا سپری کرده است، عقبیم؛ بنابراین اگر باز هم غفلت ورزیم دیگر توان رسیدن به مسیر را از دست می‌دهیم.»
نیکویی در سخنان خود به مورد تایید نبودن اصالت مدارک مورد استفاده در تداوم صلاحیت پرواز یک هواپیما و قطعات به دلایل مختلفی که مهم‌ترین آن تحریم است، اشاره و خاطرنشان کرد: «با این حال، هوش مصنوعی می‌تواند اصالت مدارکی را که در مدیریت تداوم صلاحیت پرواز وجود دارد، تایید کند. در حال حاضر، در دنیا این کار انجام می‌شود اما متاسفانه نرم‌افزار و سخت‌افزار ما برای این کار در پایین‌ترین سطح خودش در صنعت است. این در حالی است که توجه به کاربردهای هوش مصنوعی در ایران مربوط به چند سال اخیر نیست، بلکه از سال ۱۳۵۱ در دانشگاه صنعتی شریف تدریس می‌شد.»
AI انتخاب نیست؛ اضطرار است
دیگر سخنران این سمینار، دکتر خلیل‌اله معمارزاده (محمد معمار)، مشاور و کارشناس بهینه‌سازی فرایندهای صنعت هوانوردی بود. او سخنان خود را با طرح پرسشی بنیادین آغاز کرد که امروزه صنعت حمل‌ونقل هوایی ایران با چه چالش‌هایی مواجه است و چه چیزی بیش از هر عامل دیگری مانع پیشرفت است؟ و تیر هدف سخنان خود را به سمت «شیوه تصمیم‌گیری» نشانه گرفت، شیوه‌ای که اغلب بر استنباط‌های شخصی استوار است تا اعداد و داده‌ها و حقایق. او افزود: «در کشوری زندگی می‌کنیم که هنوز بر سر تشخیص ۳ درد اصلی این صنعت توافقی حاصل نشده، چه برسد به درمان آن و هر کس بنا بر تصورات و دیدگاه شخصی خود به موضوع راهکارهای توسعه صنعت هوانوردی و حمل‌ونقل هوایی ایران نگاه و یکی از مشکلات کمبود ناوگان، فرسودگی ناوگان، تحریم، کمبود بودجه و … را با اولویت‌های مختلف بیان می‌کند و همین ما را از تحلیل واقعی بازمی‌دارد؛ زیرا با داده و واقعیت بیگانه‌ایم.»
او در اثبات این سخنان، از پزشکان مثال آورد که علی‌رغم تفاوت‌های فردی، در تفسیر آزمایش خون معمولاً به توافق می‌رسند، چون به داده‌ها تکیه می‌کنند، نه ذهنیات خودشان.
معمارزاده با اشاره به اینکه اگر اعداد را می‌شناختیم تقابلمان با دنیا به این صورت نبود و به جای ایده‌آل‌گرایی، واقع‌بین‌تر بودیم؛ خاطرنشان کرد: «فضای ذهنی ما انتزاعی و فلسفی هست، حتی در درک مفاهیم نیز مشکل داریم تا جایی که برای ایمنی به تعداد افراد حاضر در صنعت هوایی کشور، تعاریف متفاوت وجود دارد. در حالی که اگر می‌خواهیم مشکلات ما شناسایی و رفع شود و کیفیت تصمیماتمان بالاتر رود، چاره‌ای نداریم جز اینکه بر اساس درک و فهمی مشترک مبتنی بر اعداد و داده سخن بگوییم و تصمیم بگیریم.»
معمارزاده با بیان اینکه باید بدانیم چگونه داده را به ابزار تبدیل کنیم و از هوش مصنوعی بهره بگیریم، گفت: «در دنیا اتفاقات زیادی در حال رخ دادن است و هرچه پیش می‌رویم تکامل یک چرخه تحول سریع‌تر و در زمان کمتر رخ می‌دهد. باید بدانیم که پارادایم اول حدود ۶۰ سال طول کشیده است، اما در ۲۰ سال اخیر به‌اندازه‌ای تغییر و تحولات عظیمی در این صنعت رخ داده که اکنون اگر یک فرد، یک ماه خودش را با وضعیت موجود به‌روز نکند، از چرخه هستی حرفه‌ای خارج می‌شود. اکنون دیگر موضوع هوش مصنوعی در صنعت هوایی انتخاب نیست، بلکه اضطرار است. شرایطی به وجود آمده است که دیگر نمی‌توانیم انتخاب کنیم، بلکه مجبور هستیم و باید به سراغ AI برویم.»
او با تاکید بر اینکه برای داشتن گفت‌وگوهای تخصصی و منسجم درباره AI در صنعت هوانوردی ایران، ابتدا باید بر سر مفاهیم پایه به تفاهم برسیم، بیان کرد: «هوش مصنوعی، از تحلیل داده‌ها آغاز می‌شود و به تصمیم‌گیری‌های هوشمندانه می‌انجامد. این مسیر از داده (Data) به اطلاعات (Information)، دانش (Knowledge) و در نهایت به خرد (Wisdom) می‌رسد؛ مفهومی که با عنوان «پله‌های بلوغ تحلیل» یعنی توصیفی، تشخیصی، پیش‌بینی و تجویزی نیز شناخته می‌شود.»
او در ادامه تشریح کرد: «یادگیری ماشین (ML) زیرمجموعه‌ای از AI است که با استفاده از داده‌های گذشته، الگوهایی را شناسایی و آینده را پیش‌بینی می‌کند و با علوم داده و آمار و احتمالات و مدل‌های ریاضی همپوشانی دارد. یادگیری عمیق (DL) و شبکه‌های عصبی (NN) نیز نسخه‌های پیشرفته‌تری هستند که زیر مجموعه‌های هوش مصنوعی در نگاهی کلان محسوب می‌شوند و می‌توانند الگوهای پیچیده‌تری را تشخیص دهند، مانند تشخیص زود هنگام خرابی یا علل ریشه‌ای خرابی‌ها و تاخیرات مکرر، تحلیل رفتار کرو مبتنی بر FDM، شناسایی چهره افراد مشکوک در فرودگاه، مدیریت هوشمند پارکینگ‌ها و ساختمان‌های فرودگاهی، مدیریت اسلات‌های فرودگاهی، مدیریت اپرون فرودگاه‌ها، حذف نوارهای کاغذی در برج کنترل ترافیک هوایی، مدیریت هوشمند موقعیت و قصد پرواز هواپیماها با دقت بالاتر جهت کاهش بار کاری و ذهنی کنترلر ترافیک هوایی و پیشگیری از نرمالایز شدن کنترلرهای ترافیک هوایی در رویدادهای پرمخاطره جدی مکرر، برنامه‌ریزی فصلی و هفتگی و روزانه پروازها، پیش‌بینی انواع تاخیرها، بهینه‌سازی فروش و توزیع بهینه و خودکار ظرفیت صندلی‌های یک پرواز در بالاترین شناسه‌های نرخی، تنظیم برنامه خودکار کروی پروازی، مدیریت سلامت قطعات، ارتقای امنیت فرودگاه‌ها، تعامل با مسافران از طریق چت‌بات‌ها و حذف کال‌سنترهای شرکت‌های هواپیمایی و اطلاعات پرواز در فرودگاه‌ها در قالب دستیار مجازی سفر مبتنی بر سوپراپلیکیشن فرودگاهی.»
هوشمندها دیگران را به زانو درمی‌آورند
او با تکیه بر سوابق متعدد مستقیم اجرایی تخصصی بیش از دو دهه خود در کاهش هزینه‌ها، افزایش درآمدها و استقرار مراکز کنترل عملیات موسوم به OCC و همچنین برنامه‌ریزی، مشاوره و آموزش در شرکت‌های هواپیمایی و فرودگاه‌ها، با اشاره به اینکه AI در شرکت‌های هواپیمایی به‌سرعت در حال تحول است، تاکید کرد: «در آینده نزدیک، شرکت‌های هواپیمایی ایرانی که سرمایه‌گذاری مناسبی در این زمینه می‌کنند، سایر شرکت‌ها حتی بزرگ‌ترها را به زانو در خواهند آورد.»
معمارزاده افزود: «تاکنون ایرلاین‌ها با بهره‌گیری از فناوری‌های هوش مصنوعی، بهبودهای چشمگیری در کارایی، ایمنی و تجربه مشتریان حاصل کرده‌اند که ارزان‌ترین و اثربخش‌ترین کاربرد همان کال‌سنتر و چت‌بات‌های هوشمند با مسافر است. در این کاربرد، شرکت‌های هواپیمایی و فرودگاه‌ها با استفاده از AI، خدمات مشتریان و مسافران را به صورت شخصی‌سازی‌شده ارائه می‌دهند.»
این کارشناس صنعت هوانوردی با ارجاع به تجربیات موفق جهانی گفت: «۶۰ درصد از آنها از AI برای بهبود خدمات مشتری استفاده می‌کنند و ۵۵ درصد از مسافران ترجیح می‌دهند از چت‌بات‌های مجهز به AI برای پرس‌وجوهای رزرو و کسب اطلاعات فرودگاهی و سفر استفاده کنند. این فناوری همچنین به بهبود سرگرمی‌های پروازی و افزایش رضایت مسافران کمک می‌کند حتی در حالت پرواز با همان گوشی‌های تلفن همراه تا جایی که حتی دیگر به صفحه نمایشگر پشت صندلی مسافران در هواپیماها هم نیازی نیست.»
او با ارجاع به پژوهش خود در ژورنال‌های معتبر گفت: «هوش مصنوعی می‌تواند مصرف سوخت را تا ۱۵ درصد، هزینه‌های نگهداری را تا ۳۰ درصد، تأخیرات پروازی را تا ۳۰ درصد و لغو پروازها را تا ۲۰ درصد کاهش دهد و سیستم‌های مدیریت ایمنی را تا ۲۰ درصد بهبود بخشد.»
معمارزاده با اشاره به امکان مدیریت قیمت‌گذاری، افزایش درآمدها و عایدی، به شرط استفاده از هوش مصنوعی گفت: «این در حالی است که شرکت‌های هواپیمایی ایرانی تا ۲/۵ درصد میزان کل درآمد، پرت‌های درآمدی دارند. علاوه بر این، با استفاده از مدل‌های قیمت‌گذاری پویا مبتنی بر هوش مصنوعی در همین سامانه‌های نیم‌بند رزرواسیون CRS ایرلاین‌های ایرانی می‌توان درآمد را تا ۱۰ درصد افزایش داد و دقت مدیریت درآمد و عایدی را نیز تا ۵۰ درصد بهبود داد.»
این کارشناس با بیان اینکه با استفاده از این ابزار، کارایی غربالگری امنیتی فرودگاه‌ها نیز تا ۳۰ درصد افزایش یافته است، تصریح کرد: «AI به شرکت‌های هواپیمایی امکان می‌دهد تا نگهداری هواپیما را به صورت پیش‌بینانه انجام دهند. با استفاده از AI، وظایف نگهداری هواپیما تا ۹۰ درصد، رویدادهای نگهداری برنامه‌ریزی‌نشده تا ۴۵ درصد، رویدادها و حوادث هواپیما تا ۱۵ درصد و خرابی‌های پرتکرار موتورهای جت تا ۵۰ درصد کاهش یافته‌اند و در عین حال قابلیت اطمینان هواپیما نیز تا ۲۵ درصد افزایش یافته است و به تبع آن میزان ساعات دسترسی به هواپیماهای فعال پروازی Utilization افزایش متناسبی با بهبود همین قابلیت اطمینان داشته است. همچنین رویکرد نوین در تعمیر و نگهداری هواپیماها و ناوگان هوایی با استفاده از هوش مصنوعی از مبتنی بر رفع نواقص و خرابی‌ها به حفظ سلامت آنها تغییر کرده است.»
به گفته معمارزاده؛ در مدیریت پرسنل و عملیات زمینی، AI کارایی برنامه‌ریزی و رضایت کرو و نیز عدالت ساعت پروازی و مسیر تا ۱۵ درصد بهبود یافته و زمان گراندتایم تا ۳۰ درصد کاهش و زمان انتظار مسافران در فرودگاه تا ۲۵ درصد کاهش یافته است.
او در ادامه راهکارهای خود را در قالب اکوسیستم پیشنهادی هوش مصنوعی برای کلیه اجزاء سیستم هوانوردی ارائه داد و زمان‌بندی‌های هر یک از اقدام‌های اجرایی این نقشه راه را بیان کرد.
معمارزاده با تشریح معماری سامانه هوشمند مدیریت فرودگاهی گفت: «ما در شرکت فرودگاه‌ها و ناوبری هوایی ایران بهتر است اهتمام ویژه‌ای به بهینه‌سازی پایگاه داده‌ای متمرکز فرودگاهی (AODB) داشته باشیم و به سمت نسل‌های آتی دوم و سوم فرودگاه‌های هوشمند حرکت کنیم و نقش سوپراپلیکیشن فرودگاهی را به عنوان یک سکوی جامع تجارت الکترونیک مشابه همان اماکن و عرصه‌های تجاری فرودگاهی جدی بگیریم تا از محل غفلت روزانه آن ضررهای سنگینی را به مصالح عمومی مردم تحمیل نکنیم.»
او همچنین با ارائه این چکیده از عملکرد و توانایی هوش مصنوعی در صنعت هوایی در دنیا، از سازمان هواپیمایی خواست تا از AI برای نظارت و بازرسی، ممیزی، تحویل گزارش‌های ایمنی و پیش‌بینی‌های ریسک استفاده کند و نقش نظارتی را چابک‌تر و هوشمندتر انجام دهد.
این کارشناس هوانوردی با اشاره به سیر تکاملی نظارت رگولاتور از نظارت عملکردمحور، ریسک‌محور، انطباق‌محور و نهایتاً داده‌محور، توضیح داد: «هوش مصنوعی، کاهش هزینه، افزایش درآمد و به‌تبع آن افزایش سود را در پی دارد. با این حال برای ما عجیب است که وقتی به شرکت‌های هواپیمایی چگونگی استفاده از امکانات هوش مصنوعی را به‌منظور کاهش هزینه و افزایش درآمد پیشنهاد می‌دهیم، استقبال نمی‌کنند.»
او به التهاب و تب ایجاد شده در جوامع برای به‌کارگیری هوش مصنوعی اشاره کرد و این تب را ناشی از شیفتگی افراطی به فناوری خواند و گفت: «در سال‌های اخیر، بسیاری از سازمان‌ها، شرکت‌ها و نهادهای دولتی در سراسر جهان به دنبال بهره‌گیری از ظرفیت‌های هوش مصنوعی برای بهبود عملکرد، کاهش هزینه‌ها و افزایش بهره‌وری بوده‌اند. اما تجربه نشان داده است که شیفتگی افراطی به مقوله فناوری، بدون فراهم‌سازی زیرساخت‌های لازم و تعریف مسیر منطقی برای پیاده‌سازی، نه‌تنها به نتایج مطلوب نمی‌رسد، بلکه می‌تواند عملکرد سیستم‌های موجود را هم مختل کرده و منابع سازمان را به‌سادگی هدر دهد. این مسئله در صنایعی مانند هوانوردی و حمل‌ونقل هوایی که با حجم بالای داده‌های پیچیده، فرآیندهای تکراری و عملیات‌های حساس و ایمنی‌محور سروکار دارند، از اهمیت دوچندان برخوردار است.»
اروپا AI را در صنعت هوایی راهبری می‌کند
در آخر نیز، مهندس رضا میرزاخانی، مدیرعامل شرکت افق پرواز ناوران و مشاور صنعت هواپیمایی با نگاه به اقدامات انجام شده در دنیا در حوزه حمل‌ونقل به‌ویژه صنعت هوایی گفت: «در کمیسیون اتحادیه اروپا، به غیر از سرمایه‌گذاری جداگانه شرکت‌های خصوصی و کشورها به صورت مستقل برای خودشان، مبلغی بالغ بر یک میلیارد یورو سالیانه در حوزه AI سرمایه‌گذاری می‌کنند که این رقم با کمک شرکت‌های خصوصی و کشورهای عضو در ۱۰ سال آینده به مبلغ ۲۰ میلیارد یورو می‌رسد.»
او با اشاره به اینکه اتحادیه اروپا در حوزه هوش مصنوعی یک استراتژی با چهار محور اصلی دارد، اظهار کرد: «اول اینکه بتواند شرایط لازم را برای توسعه به‌کارگیری هوش مصنوعی از جمله ایجاد چهارچوب مقرراتی داشته باشد و نوآوری را تجمیع و در عین حال ایمنی و اخلاق را تایید کند؛ چراکه این سند انسان‌محور است و اخلاق و ایمنی در آن حرف اول را می‌زند. دوم اینکه اتحادیه اروپا را به قطب جهانی در این موضوع تبدیل کند و اکوسیستمی را از استارت‌آپ‌ها و شرکت‌های کوچک در کنار هم جمع کند تا بتواند نقش قطبیت خود را حفظ کند.»
میرزاخانی سومین محور را اطمینان‌دهی برای در خدمت بودن هوش مصنوعی دانست و افزود: «در نهایت بخش برتری و رهبری و راهبردی این استراتژی برای اروپا است که در نظر دارد در دنیا نقشی راهبردی در این حوزه به ویژه در بخش حمل‌ونقل هوایی داشته باشد.»
