El uso de la inteligencia artificial en la aviación va más allá de los chatbots de atención al cliente y las herramientas de comparación de precios para viajeros. Aunque estas aplicaciones definitivamente se mantendrán y se volverán ubicuas, la verdadera disrupción vendrá al optimizar las áreas «duras» de la aviación: desde la gestión de ingresos hasta la evaluación de la probabilidad de una huelga.
El presidente de Avia Solutions Group, Gediminas Ziemelis, comparte sus predicciones sobre las áreas donde la IA en la aviación marcará una gran diferencia.
1- Desbloqueando la verdadera tarificación dinámica
En el negocio de las aerolíneas, la gestión de ingresos nunca ha sido un juego fácil, pero las apuestas son aún más altas en el mundo post-COVID. Según IATA, el margen de beneficio promedio por pasajero hoy es realmente muy ajustado, solo USD 2.25, en comparación con cifras de dos dígitos en 2019.
La IA puede ayudar a mejorar la difícil tarea de analizar datos históricos y calcular el precio correcto, teniendo en cuenta la ubicación del cliente y una miríada de otros factores. Si bien es probable que las aerolíneas más grandes opten por desarrollar sus propias soluciones internamente, ya hay un número creciente de transportistas que se asocian con empresas como AirGain, una solución predictiva impulsada por IA con un lago de datos que cubre 6 mil millones de puntos de precio.
2- Mantenimiento de la salud del motor
El mantenimiento predictivo ha sido una parte integral del MRO durante bastante tiempo, con sensores que ayudan a las aerolíneas a determinar cuándo y qué necesita ser reparado o reemplazado. La Inteligencia Artificial puede usar tanto datos de sensores en tiempo real como patrones de fallos históricos predictivos para reducir el tiempo de inactividad y los costos generales de mantenimiento.
Un estudio reciente realizado por el Centro para el Desarrollo Avanzado de Sistemas de Aviación (CAASD) de la Universidad de Maryland encontró que el mantenimiento predictivo puede reducir los costos operativos de las aeronaves hasta en un 20%. La IA ya está causando revuelo en este campo.
Por ejemplo, Lufthansa Technik ha elevado el mantenimiento de aeronaves con sus sistemas de mantenimiento predictivo impulsados por IA. Su solución Condition Analytics emplea algoritmos de aprendizaje automático para analizar datos de sensores de diversos componentes de aeronaves, prediciendo necesidades de mantenimiento con una precisión notable.
La creación de los llamados «gemelos digitales», réplicas virtuales perfectas que cambian sus parámetros según el desgaste del componente físico, los técnicos de MRO utilizan gemelos digitales para mantenimiento predictivo y para detectar anomalías comparando datos de sensores del mundo real con los datos generados por gemelos digitales.
3- Planificar rutas más eficientes
Según IATA, las aerolíneas gastarán USD 215 mil millones este año, lo que representa alrededor del 28% de los gastos operativos, que pueden reducirse con una planificación de rutas más eficiente.
Numerosas variables (incluida la congestión del tráfico aéreo, patrones climáticos rápidamente cambiantes y costos fluctuantes del combustible) hacen que la planificación de rutas sea una tarea compleja y exigente, que puede mejorar o dañar la rentabilidad de una aerolínea, dependiendo de cuán eficientemente se realice.
Las plataformas habilitadas para IA pueden acelerar la toma de decisiones de los operadores, ayudándolos a aprovechar no solo el poder de los datos históricos sino también de los mecanismos predictivos que, en conjunto, generan una imagen clara y accionable. Un ejemplo de una plataforma así es Flyways, que utiliza datos de vuelos programados y activos para trazar rutas de vuelo que pasan por áreas menos congestionadas y evitan áreas con condiciones climáticas adversas.
La solución ya ha sido probada por Alaska Airlines, ahorrando a la compañía 480,000 galones de combustible y resultando en 4,600 toneladas menos de emisiones de carbono en un período de seis meses.
Los resultados de dicha colaboración entre IA y operadores se reflejan no solo en ahorros de costos sino también en ayudar a las empresas a ser más sostenibles. Una vez que estas soluciones se vuelvan comunes no solo entre las aerolíneas sino también entre las autoridades de vuelo de todo el mundo, miraremos atrás al día de hoy y nos sorprenderá lo ineficientes que fuimos al planificar rutas.
4- Prediciendo huelgas
Aunque las huelgas en la aviación suelen hacer titulares debido a la interrupción que causan en los planes de los viajeros (especialmente durante grandes festividades), a menudo se pasa por alto el hecho de que las aerolíneas pueden perder decenas, si no cientos de millones por huelga.
En 2022, por ejemplo, SAS perdió USD 145 millones debido a una huelga de pilotos de 15 días. Dado que la inteligencia artificial puede analizar no solo datos técnicos sino también sociológicos, se podría diseñar un modelo para ayudar a las aerolíneas a predecir una posible huelga y estar mejor preparadas para posibles negociaciones.
Modelos como este, que pueden predecir la probabilidad de que empleados individuales abandonen sus trabajos, ya han sido desarrollados por IBM, con una precisión del 95%.
5- Mejorando los flujos de trabajo en vuelo
Una IA puede servir como asistente no solo para el personal en tierra sino también para la tripulación de cabina. No se trata solo de facilitar tareas rutinarias; una herramienta adecuadamente entrenada puede ofrecer consejos expertos sobre cómo gestionar el avión y tomar decisiones rápidas e informadas, especialmente cuando la presión es alta y las decisiones rápidas son vitales.
Ya están en marcha los esfuerzos para hacer realidad esta visión, con aplicaciones de IA de Nivel 1 acercándose a la certificación, gracias a las directrices sobre la Confiabilidad de Sistemas basados en Aprendizaje Automático establecidas por EASA en abril de 2022.
6- Ayudando a los pilotos y a la tripulación a mantener su salud mental
¿Podría un modelo de IA haber evitado el desastre suicida del piloto del vuelo 9525 de Germanwings que llevó a la muerte de 150 personas?
Si bien este es un área de mucha especulación, los exámenes regulares especialmente diseñados para el personal pueden ayudar a predecir la probabilidad de problemas mentales exacerbados por la exposición a eventos estresantes, como las alteraciones del ritmo circadiano, los episodios de turbulencia y las emergencias a bordo.
Otra aplicación prometedora, que ya está siendo probada por la startup británica Blueskeye AI, es el uso de tecnología de detección facial para identificar la fatiga en los pilotos. Hoy en día, la fatiga se calcula en función del número de horas que un piloto ha volado, pero en el futuro, esta métrica será altamente individualizada.
7- Prediciendo la probabilidad de Directivas de Aeronavegabilidad
Una Directiva de Aeronavegabilidad (AD) para una parte del avión o del motor puede inmovilizar una gran parte de la flota de una aerolínea, especialmente una que no esté diversificada en diferentes modelos.
Conocer la probabilidad de tal riesgo puede ayudar enormemente en diferentes etapas de la gestión de la flota, desde la formación de la flota hasta el mantenimiento. Al igual que el software de gestión de riesgos impulsado por IA en bancos e instituciones financieras, se podría implementar una solución similar para calcular y mitigar los riesgos de AD.
8- Mejorando los procesos internos de gestión de calidad
Si bien ninguna falla rivalizará jamás con la factura de USD 20 mil millones que Boeing tuvo que pagar debido a los accidentes y el subsiguiente desgaste del 737 MAX, un problema de QA aún puede llevar a la quiebra a una empresa.
Aunque los estándares de garantía de calidad en la aviación ya son más altos que en cualquier otra industria debido a la estricta regulación de todo lo relacionado con la seguridad y la seguridad, la IA puede potenciar los protocolos internos de garantía de calidad en el ámbito de la fabricación de aviación y la gestión de aerolíneas. En la etapa de fabricación, un sistema de visión por computadora sofisticado mejorado con controles manuales puede identificar mejor los defectos en los componentes.
Para las aerolíneas, un Sistema de Gestión de Seguridad (SMS) potenciado por IA puede tener en cuenta grandes cantidades de datos de diversas fuentes, incluyendo rendimiento, patrones climáticos e información de mantenimiento.
9 – Encontrando la mejor solución logística para situaciones AOG
Si bien cada situación de aeronave en tierra (AOG) es única, puede costarle a la aerolínea cualquier cosa desde USD 10,000 hasta USD 150,000, sin mencionar el daño reputacional.
Resolver el rompecabezas de encontrar la pieza de repuesto necesaria y entregarla en horas, y no en días, puede ser complicado, especialmente si la situación AOG ocurre lejos de los principales centros. Una solución de IA podría ayudar a la empresa a localizar rápidamente y enviar la pieza al avión.
Al mismo tiempo, una solución de mantenimiento predictivo puede ayudar a prepararse para posibles eventos AOG y asegurarse de que siempre haya suficientes piezas críticas en stock.
10 – Determinando la tarificación de seguros
En el mundo post 9/11, los compradores de seguros de aviación en todo el mundo todavía enfrentan precios en aumento y disponibilidad reducida cuando se trata de cobertura de riesgo de guerra. Un modelo de IA puede ayudar a las aerolíneas a calcular los riesgos a los que se enfrentan con más precisión, ayudándoles a comprender su exposición al «riesgo de guerra» cuando toman decisiones relacionadas con el seguro.
