美国商业航空业务体系已经成为一大重要国家经济推动引擎——其2016年运营总收入估计为1682亿美元。其中票务营收占整体营收的74．5％，即1252亿美元。另外，2016年美国国内交通运输营收总额占全国生产总值的2．7％。

预计未来二十年内，航空行业的客运量将再翻一倍。目前，各大领先航空公司下在积极探索如何利用AI技术帮助自身进一步满足客户需求、提升运营效率，同时改善速度表现与客户满意度。

为了解美国四大航空公司如何运用AI技术，我们对这一领域作出深入研究，希望能够帮助解答各位商界领袖目前所面临的各类问题，具体包括：

美国航空及达美航空等行业领导者如何运用AI技术？

这些航空公司对AI的应用带来了哪些实际成果？

航空企业对AI技术的应用中表现出哪些趋势——这些趋势又给整个行业的未来带来了怎样的影响？

本篇文章旨在全面介绍四大商业客运航空公司如何运用AI技术。本文对四大航空公司的排名依据各对应财报公布的2016年运营收入高低而定。

在开始对各家企业开展探讨之前，我们首先来聊聊这一研究领域当中出现的各类常见模式。

航空领域中的人工智能——未来展望

目前四大行业领导者所普遍采取的AI应用方式包括：

AI辅助： 通过自然语言进行交互，从而响应客户查询并以语音方式回应国内当前国内航班信息与票务情况（详见后文中的美国航空与联合航空案例分析）。

智能物流： 机器学习算法能够利用数据帮助各企业实现航空自动化运营（详见后文中的西南航空案例）。

面部识别： 面部识别技术目前正被用于执行客户身份验证，并通过信息亭将乘客身份与其托运行李相匹配（详见后文中的达美航空案例）。

在以下正文当中，我们将对各家航空公司的AI技术应用方式作出分别讨论。我们首先从美国航空公司开始——其在2016年全美航空营收排行榜中位列头名。

美国航空公司

2017年，这家制霸全美的航空公司专注于推动其年度应用开发竞赛HackWars——此番竞逐专门面向“人工智能、无人机以及增加与虚拟现实”等技术。作为第四届大赛，本轮HackWars属于为期24小时的马拉松式竞赛，据报道其汇聚了超过700名“设计师、开发人员以及IT专家”。参赛者们分团队展开比拼，各自奋力开发一款能够同时为“客户与员工”带来助益的创新型应用。

本次排名第一的是“阿凡达队（Team Avatar）”，据报道其设计的应用允许用户在进入登机区域之前，首先在机场内或者信息亭处确认行李尺寸。该获奖团队解释称，他们的应用将允许用户“预付与行李托运相关的任何潜在费用”。

可能是出于保护这一创意的思考，美国航空公司方面并没有在其官方视频当中演示“阿凡达队”应用的功能实现方式。不过根据本轮大赛赛程描述当中提到的三项重点，我们猜测该应用很可能利用AI技术开发而成，但这也仅仅只是猜测。TechEmergence网站创始人DanFaggella指出：

“总结来讲，‘HackWars’代表着美国航空以示范性方式积极追求创新（并希望新闻界加以广泛宣传），但这同时亦象征着目前正处于AI技术的新兴阶段：企业都意识到其应当运用AI技术，但却很难回答从哪里入手以及如何运用这两大问题。从本质上讲，美国航空公司至少付出了努力，我们希望未来能够看到更多企业在这方面投入精力与关注。”

达美航空公司

2017年5月，达美公司宣布投入60万美元构建四台自动化自助服务行李检查亭，其中一台甚至引入了面部识别技术。该公司选择了位于圣保罗的明尼阿波利斯国际机场作为这四台自助服务亭的部署地，并宣称该面部识别技术将通过匹配客户面部与护照照片的方式实现客户身份验证。

尽管达美航空公司似乎并没有为这批新的自助行李检查亭发布YouTube视频，但明尼苏达州WCCO－CBS在今年早些时候公开的视频则对这项技术作出了解读：

有证据显示，该航空公司有意将更多自助服务与自动化机制引入其运营体系。具体实证包括其此前“通过FlyDelta APP提供的票务信息亭与登记服务”。

“我们依靠技术举措实现客户服务与运营效率提升，从而在当前的商业环境当中保障竞争优势。举例来说，我们已经并将继续在delta．com、移动应用、机场信息亭、客户服务应用、机场信息显示屏以及其它相关项目当中投入大量资金，同时着力提升这些项目的安全性水平。技术成效、可靠性以及安全性对于我们为客户提供服务的能力而言至关重要。”——来自2017年年度报告

达美公司宣称，以上提到的原有创新举措已经有效简化了客户在机场当中的行动距离，同时“大大提升了客户满意度”。然而，该航空公司在发布的新闻稿中并没有提供任何与具体客户反馈相关的数据。

西南航空公司

尽管与西南航空公司相关的AI采用证据较为有限，但仍有部分迹象表明该公司正在利用机器学习技术改善自身运营成效。西南航空公司航空运营保障部前任主管JeffHamlet指出，他和他的团队曾利用时间序列分析与模式识别等机器学习技术提升数据挖掘能力。

所谓时间序列分析，是指一种根据时间顺序对一系列数据点进行评估的方法。这类分析方法通常被用于发现数年中蕴含的趋势或者模式。

Hamlet解释称，这些方案使他的团队得以从飞行员的数据报告当中发现潜在飞行故障问题，并及时将这些调查结果转发至航班目的地的空中交通管制人员手中。Hamlet认为，这种及时发布报告分析结果的能力将有助于避免安全事故的发生。

美国联合航空公司

2017年9月，美国联合航空公司宣布与Amazon Alexa建立联合项目“联合技术（Unitedskill）”。根据相关报道，该款应用将允许Alexa用户直接使用自然语言提出与美联航航班相关的常见问题，并快速获得答案。

截图内容来自美联航公司公布其Alexa合作项目的官方博文

一旦用户将“联合技术”添加至其现有Alexa应用当中，其即可直接向Alexa询问与航班状况、航班时间与设施等相关的常见问题。通过联合技术，Alexa将能够处理（但不限于）以下常见语音指令：

－ “Alexa，问美联航：959号航班的状态如何？”

－“Alexa，问美联航：869号航班提供Wi－Fi吗？”

－“Alexa，让美联航为我登记。”

不过这款应用仍然存在一些局限。举例来说，语音指令必须以非常具体的方式进行表达，且其中部分功能（例如航班登记）仅限于国内航班。

根据Amazon网站上发布的评估内容，截至目前联合技术应用的市场反响可谓喜忧参半。部分客户抱怨称其会提供错误的起飞时间，且经常无法对“航班号”等重要元素作出正确理解。

作为整合Alexa功能的先驱航空企业，我们可以理解美联航需要经历必要的学习曲线才能走向成熟。我们也期待看到Amazon如何随时间推移而逐步完善自身，并将持续关注这一历史性合作最终能够给两家企业带来怎样的互惠成效。

商业航空领域的AI思维方式

在航空领域，各商业航空公司正在积极探索AI技术的潜力，并将其整合至自身客户服务、机场以及航班运营等多个层面当中。根据国际航空运输协会发布的年度报告，机场发展将成为其中一大极为重要的施展平台。

该协会预计，未来十五年当中，机场发展成本——特别是改善其现代基建与实现运营现代化的相关投入——将超过1万亿美元。因此，创新工作将成为这部分努力当中极为关键的组成部分。具体来讲，AI与自助服务机场信息亭乃至各类应用应该会成为航空行业未来发展中密不可分的重要支柱。

在航空领域，数据的传输与翻译亦是实现市场竞争与安全飞行的基础之一。美国航空航天局航空安全计划项目经理AshokN． Srivastava与西南航空公司前飞行运营保障部门主管Jeff Hamlet表示，只有通过持续创建新型算法，方能够成就具备实效的数据管理能力。

这些算法或者应用将通过调整以切实解决由飞行员、联邦航空局（简称FAA）以及其它航空领域相关方的新问题。更具体地讲，数据传输的具体策略与程序对于航空业机器学习技术的未来发展至关重要。

因此，可以肯定的是机器学习算法将在未来继续发挥重要作用，并使得各领先航空公司将其数据解释结果转化为能够提升自身市场竞争优势的宝贵资源。

同样重要的是，机器学习与人工智能技术的发展还将带来可观的就业机遇与积极的经济影响。作为繁荣且价值数十亿美元的新兴行业，预计未来二十年内，其将给商业航空人才市场带来广泛而持久的需求增长。而全球范围内的经济扩张亦有助于各航空公司“进一步扩大机群规模与航班规划水平”，从而满足不断增长的消费需求。2016年，航空业在整体供应链当中预计可提供6770万个相关就业机会，并在全球范围内产生了高达3万亿美元的经济增值。

尽管目前各大主要商业客运航空公司已经相对较早地开始采用AI技术，但从整体行业来讲，其在创新与自动化层面的探索仍然不够充分。我们也将继续关注AI技术如何进一步兴起，亦坚信未来几年内这一领域中将不断出现更为广泛的实施与尝试举措。