ในปัจจุบันเทคโนโลยีเกี่ยวกับปัญญาประดิษฐ์เดินทางไปอยู่ในหลาย ๆ อุตสาหกรรม ไม่ว่าจะเป็นอุตสาหกรรมเกี่ยวกับการดูแลสุขภาพ ที่อยู่อาศัย ระบบบริการธนาคารและการเงิน การลงทุน การค้าปลีกและอีคอมเมิร์ซ ระบบเกี่ยวกับการขนส่งและอื่น ๆ อีกมากมาย ซึ่งหนึ่งในอุตสาหกรรมที่น่าจับตามองอีกหนึ่งอุตสาหกรรมนั้นก็คือ อุตสาหกรรมเกี่ยวกับสายการบิน สิ่งที่ใครหลายคนใช้บริการเพื่อเดินทางไปยังที่ต่าง ๆ รอบโลก ทางบริษัท Altexsoft ซึ่งเป็นบริษัทที่ให้คำปรึกษาด้านเทคโนโลยี ได้สรุปหนทางออกมาเป็น 10 หนทางที่สายการบินนำปัญญาประดิษฐ์และวิทยาศาสตร์ข้อมูลมาใช้เพื่อเพิ่มประสิทธิภาพการทำงาน (Airlines Artificial Intelligence) แต่ในบทความนี้เราจะมาเล่าให้ฟังคร่าว ๆ เกี่ยวกับ 5 หนทางเด่น ๆ ว่ามีหนทางใดบ้างที่จะเข้ามาช่วยเพิ่มประสิทธิภาพในการทำงานของสายการบินมากขึ้น
การจัดการรายได้ (Revenue Management)
การจัดการรายได้ (Revenue Management) หรือ RM เป็นแอปพลิเคชันหนึ่งของการวิเคราะห์ข้อมูลที่มีเป้าหมายเพื่อกำหนดวิธีการขายผลิตภัณฑ์ให้กับผู้ที่ต้องการ ในราคา เวลาและช่องทางที่เหมาะสม ซึ่งจะขึ้นอยู่กับแนวคิดที่ว่าลูกค้ามองเห็นคุณค่าของผลิตภัณฑ์แตกต่างกัน ดังนั้นราคาที่ลูกค้าพร้อมจ่ายจึงขึ้นอยู่กับเป้าหมายและเวลาในการซื้อ โดยผู้เชี่ยวชาญด้านการจัดการรายได้มีการใช้ประโยชน์จาก AI ในการกำหนดและปรับราคาที่เหมาะสม รวมถึงค้นหาช่องทางการจัดจำหน่ายที่มีประสิทธิภาพ ซึ่ง RM ได้ถูกนำมาประยุกต์ใช้กับการขายตั๋วเที่ยวบิน โดยมีองค์ประกอบดังนี้
การค้นหาเส้นทางการบินที่ต้องการ: ผู้ให้บริการมีการใช้ Artificial Intelligence เพื่อตอบคำถามง่าย ๆ ที่ว่า “ต้องการบินไปที่ไหน”
“ในการกำหนดเส้นทางบิน ผู้เชี่ยวชาญต้องวิเคราะห์ข้อมูลและตัดสินใจจากข้อมูลเชิงลึก เพื่อทำการวิจัยเกี่ยวกับปลายทางที่กลุ่มลูกค้าแต่ละกลุ่มต้องการ พวกเขาจะใช้ข้อมูลจากแหล่งข้อมูลต่าง ๆ เช่น ประวัติการค้นหา รวมถึงปัจจัยทางเศรษฐกิจอย่างเช่น ค่า GDP”
Konstantin
Willingness to Pay (WTP): การรวบรวมและวิเคราะห์ข้อมูลเกี่ยวกับลูกค้า หรือแม้แต่การที่สายการบินเข้าใจรสนิยมและพฤติกรรมของผู้โดยสารดีพอ จะทำให้สามารถเสนอทางเลือกในการโดยสารให้แก่ผู้โดยสารตามที่ผู้โดยสารต้องการ และที่สำคัญคือพวกเขาเต็มใจที่จะจ่าย
“เมื่อลูกค้ามีแนวโน้มที่จะจ่ายตามราคาที่สูงที่สุดของผลิตภัณฑ์นั้น ทำให้สันนิษฐานได้ว่าลูกค้าพร้อมที่จะจ่ายมากขึ้นเมื่อมีเวลาก่อนที่จะเดินทางน้อยลง ความเต็มใจที่จะจ่ายมักขึ้นอยู่กับวันก่อนออกเดินทาง ในทางปฏิบัติ จะมีการกำหนดค่ามัธยฐานของความเต็มใจที่จะจ่าย ซึ่งเป็นราคาที่ลูกค้าร้อยละ 50 ต้องการจ่ายสำหรับตั๋วในวันก่อนออกเดินทางโดยเฉพาะ โดยความเต็มใจที่จะจ่ายดังกล่าวจะเทียบเท่ากับจำนวนผู้โดยสารที่จะซื้อตั๋วหากราคาลดลงหนึ่งเปอร์เซ็นต์”
Expected marginal seat revenue (EMSR): นักวิทยาศาสตร์ข้อมูลวัดค่า EMSR จากการคูณกำไรจากการขายด้วยความน่าจะเป็นของการขายที่นั่งเพิ่มเติมในแต่ละชั้นโดยสาร ในกรณีที่ดีที่สุด ผู้เชี่ยวชาญจะต้องทราบความน่าจะเป็นในการขายในแต่ละชั้นโดยสาร วันก่อนออกเดินทาง รวมถึงข้อมูลจำนวนลูกค้าที่คลิกและเห็นหน้าเว็บที่แสดงราคาเฉพาะเพื่อกำหนด WTP และ EMSR อย่างถูกต้อง
Ancillary Price Optimization: อีกแนวทางที่ออกแบบมาเพื่อเพิ่มรายได้ของสายการบิน ซึ่งนักวิทยาศาสตร์ข้อมูลได้มีการเรียนรู้เกี่ยวกับแนวโน้มของนักเดินทางที่จะซื้อบริการเสริม เช่น ซื้อน้ำหนักกระเป๋า และทำให้สามารถกำหนดกลุ่มเป้าหมาย และวันที่ผู้โดยสารมีแนวโน้มที่จะจ่ายเพิ่มได้
ปรับปรุงบริการลูกค้าด้วย Feedback Analysis
การเดินทางโดยเครื่องบินอาจสร้างความตึงเครียดได้แม้กระทั่งนักเดินทางที่มีประสบการณ์ในการเดินทางบ่อยครั้ง พวกเขาต้องทำหลายอย่างไม่ว่าจะเป็น ตรวจกระเป๋า หรือหาทางเข้าที่ถูก ซึ่งในเรื่องนี้ สายการบินที่เรียนรู้เกี่ยวกับจุดบอดของประสบการณ์สนามบินและเที่ยวบินผ่านการวิเคราะห์ข้อมูลก็จะสามารถปรับปรุงการบริการลูกค้าได้ การใช้ AI เพื่อการวิเคราะห์ความคิดเห็นและวิจัยทางการตลาด จะช่วยให้สายการบินสามารถตัดสินใจเพื่อสนองความต้องการของลูกค้าได้ดียิ่งขึ้น
“ระบบ Airlines Artificial Intelligence ช่วยให้สายการบินสามารถตรวจสอบโอกาสต่าง ๆ ที่จะเปลี่ยนประสบการณ์การเดินทางที่แย่ของลูกค้าให้กลายเป็นประสบการณ์ที่ยอดเยี่ยม”
ทาง PureStrategy มีการใช้แพลตฟอร์มสำหรับการวิเคราะห์ที่เรียกว่า Automated Neural Intelligence Engine (ANIE) โดยจะทำการตรวจสอบข้อมูล จัดหมวดหมู่ แสดงแผนภาพ และมีการวิเคราะห์ความรู้สึก (Sentimental Analysis) จากข้อความ ซึ่งแพลตฟอร์มนี้จะช่วยทุ่นแรงในการทำงานต่าง ๆ และช่วยให้พนักงานสามารถเอาเวลาไปจัดการงานอื่น ๆ ที่มีความซับซ้อนกว่าได้ นอกจากนี้ระบบ ANIE ยังสามารถนำมาใช้งานเพื่อให้แน่ใจว่าลูกค้าสามารถค้นหา จอง และชำระค่าตั๋วเครื่องบินได้ง่ายหรือไม่ด้วยเช่นกัน
ระบบส่งข้อความอัตโนมัติ (Messaging Automation)
เมื่อเกิดปัญหา เช่น เที่ยวบินล่าช้าหรือสัมภาระสูญหาย แล้วถ้าลูกค้าไม่ได้รับการตอบกลับหรือไม่ได้รับคำอธิบายเกี่ยวกับปัญหาที่เกิดขึ้นจากตัวแทนของสายการบินในเวลาที่เหมาะสม พวกเขาคงไม่เลือกใช้บริการสายการบินนั้น ๆ สำหรับการเดินทางในครั้งถัดไป ซึ่งความเร็วในการตอบคำถามของลูกค้ามีความสำคัญพอ ๆ กับขั้นตอนการปฏิบัติจริงในการแก้ไขปัญหากันเลยทีเดียว
ตัวอย่างของซอฟต์แวร์ที่เกี่ยวข้องกับ AI เช่น Coseer โดย Arbot Solutions ได้เข้ามาช่วยเพิ่มความรวดเร็วและทำให้ขั้นตอนการทำงานของพนักงานบริการลูกค้าง่ายขึ้น โดยซอฟต์แวร์นี้จะใช้อัลกอริทึมสำหรับประมวลผลภาษาธรรมชาติหรือข้อความที่ไม่มีโครงสร้างต่าง ๆ CEO ของ Coseer เล่าว่า ซอฟต์แวร์นี้จะช่วยสายการบินในการจัดประเภทของอีเมลของลูกค้าและทำการดึงข้อมูลจากอีเมลเหล่านั้นเพื่อให้ทางสายการบินสามารถดำเนินการตามขั้นตอนต่าง ๆ ได้แบบอัตโนมัติ ยกตัวอย่างเช่น สามารถจัดการกับอีเมลที่มีข้อมูลเกี่ยวกับสัมภาระที่สูญหายได้อย่างรวดเร็วนั้นเอง
อีกวิธีหนึ่งในการปรับปรุงและทำให้ระบบการบริการลูกค้าเป็นอัตโนมัติมากขึ้นคือการพัฒนาแชทบอท ทุกวันนี้สายการบินจำนวนมากมีการปรับปรุงและดูแลลูกค้าด้วยแชทบอทไปพร้อม ๆ กับการใช้ AI ซึ่งสามารถช่วยผู้โดยสารในหลากหลายด้าน เช่น การจองและจัดการเที่ยวบิน ติดตามสัมภาระ ตอบคำถาม และให้ความช่วยเหลือประเภทอื่น ๆ เป็นต้น
สร้างประสบการณ์ไร้สัมผัสกับ In-Airport Self-Service
การระบาดใหญ่ของ COVID-19 ทำให้เทคโนโลยีไร้สัมผัสต่าง ๆ เพิ่มขึ้นอย่างที่ไม่เคยเป็นมาก่อน ระบบตู้เช็คอินแบบบริการตนเองเป็นเพียงขั้นตอนแรกของการเดินทางของผู้โดยสารภายใต้ระบบแบบอัตโนมัติ ในปัจจุบันสายการบินและสนามบินมีการใช้ระบบแบบ end-to-end ในอาคารผู้โดยสารหลายแห่งเพื่อช่วยอำนวยความสะดวกผู้โดยสารในการเช็คอินไปจนถึงการขึ้นเครื่อง
ตัวอย่างของระบบที่นำมาใช้งาน ได้แก่ Fly to Gate โดย Thales ซึ่งจะเป็นการใช้เทคโนโลยีไบโอเมตริกและเครื่องสแกนเพื่อจดจำและตรวจสอบผู้โดยสารที่จุดตรวจ โดยในขณะเดียวกันจะมีการใช้ระบบอีกแบบหนึ่งเพื่อระบุสัมภาระ เช่น รหัสของกระเป๋าที่สามารถตรวจจับกระเป๋าแต่ละใบตามลักษณะทางกายภาพที่เป็นเอกลักษณ์ ทำให้ผู้ใช้สามารถจัดการกับสัมภาระแบบไม่ต้องสัมผัสได้นั้นเอง ซึ่งเทคโนโลยีทั้งหมดนี้จะช่วยลดเวลาในการเช็คอินของผู้โดยสารและสร้างประสบการณ์ที่ดีให้แก่ผู้โดยสารด้วยเช่นกัน
เทคโนโลยีจัดการสายการบินและการขับเครื่องบินอัตโนมัติ (Flight Management and Autonomous Flights)
ยานพาหนะไร้คนขับไม่ได้มีแต่ในหนังอีกต่อไป ผู้ผลิตต่าง ๆ ไม่ว่าจะเป็น Waymo และ Google ได้เปิดตัวรถยนต์ไร้คนขับเมื่อหลายปีก่อน โดยคาดการณ์ว่าในอนาคตจะมีแนวโน้มของการใช้งานที่หลากหลาย ในความคิดอาจจะดูง่าย แต่ในความเป็นจริงรถจำเป็นจะต้องติดตั้งกล้องจำนวนมากและมีการสอนด้วยข้อมูลพร้อมกับอัลกอริทึธึมการเรียนรู้ของเครื่อง เพื่อให้สามารถตีความสภาพถนนและตอบสนองได้แบบเรียลไทม์
ในปี 2018 แอร์บัสได้เริ่มโครงการวิจัยเพื่อสร้างแท็กซี่ การบินขึ้น และลงจอดแบบอัตโนมัติ ซึ่งโครงการวิจัยนี้ได้รับความสำเร็จไปด้วยดีในปี 2020 โดยแอร์บัสได้สาธิตงานวิจัยการขึ้น และลงจอดอัตโนมัติได้อย่างสมบูรณ์แบบผ่านการใช้เทคโนโลยีเกี่ยวกับการจดจำภาพบนเครื่องบิน แม้ว่างานวิจัยชิ้นนี้จะยังอยู่ในขั้นทดลอง แต่ความสำเร็จของงานวิจัยนี้ทำให้เห็นถึงศักยภาพในการปรับปรุงการใช้งานของเครื่องบินต่อไปในอนาคตได้
ณ วันนี้แพลตฟอร์มเกี่ยวกับการจัดการสายบินที่มีการใช้ AI เข้ามาช่วย ยกตัวอย่างเช่น Flyways โดยแพลตฟอร์มนี้มีการใช้ประโยชน์จากข้อมูลแบบเรียลไทม์ที่ได้รับจากเซ็นเซอร์หลายตัว รวมถึงยังมีการใช้ข้อมูลจากแหล่งข้อมูลภายนอกเพื่อสนับสนุนการจัดการเที่ยวบินและเพิ่มประสิทธิภาพของเส้นทางการบิน ซึ่งจะช่วยให้นักบินและผู้มอบหมายงานสามารถตัดสินใจได้ดีขึ้นระหว่างที่ทำการบิน ค้นหาเส้นทางที่เหมาะสม และลดความล่าช้าที่เกิดจากสภาพอากาศที่ไม่ดี และปัญหาอื่น ๆ ด้วยเช่นกัน
สุดท้ายนี้…
จาก 5 วิธีการเพื่อเพิ่มประสิทธิภาพการทำงานของสายการบินที่อธิบายมาข้างต้น ทำให้เห็นว่าทุกวันนี้เทคโนโลยีเกี่ยวกับ AI ได้เข้ามาช่วยปรับปรุง และพัฒนาประสบการณ์ด้านการบินของผู้โดยสารไปในทางที่ดีขึ้นด้วยระบบอัตโนมัติและวิธีการต่าง ๆ เพื่อให้ผู้โดยสารสามารถบริการตนเองได้ ในอีกมุมมองหนึ่งก็ทำให้ขั้นตอนการทำงานของพนักงานมีประสิทธิภาพมากขึ้น นอกจากนี้ยังช่วยให้สายการบินตัดสินใจอย่างชาญฉลาดเกี่ยวกับราคาและตำแหน่งทางการตลาดผ่านการวิเคราะห์ข้อมูลที่เข้ามาจากหลากหลายช่องทางด้วยเช่นกัน รวมถึงการจัดการเที่ยวบินและการขับเคลื่อนเครื่องบินได้อย่างอัตโนมัติ แสดงให้เห็นถึงความสามารถของ AI ที่เข้ามามีบทบาทในชีวิตประจำวันของเราในทุก ๆ ด้าน
เนื้อหาจากบทความ 10 Ways Airlines Use Artificial Intelligence and Data Science to Improve Operations
แปลและเรียบเรียงโดย จุฑาภรณ์ วิภัชภาคไพบูลย์
ตรวจทานและปรับปรุงโดย ปพจน์ ธรรมเจริญพร
Former-Editor-in-Chief at BigData.go.th and Senior Data Scientist at Government Big Data Institute (GBDi )
