Искусственный интеллект авиакомпаний предвидит будущее каждого пассажира

– Алексей, Вы утверждаете, что авиакомпании всего мира используют нейронные сети, которые обладают огромным пакетом персональных данных на каждого пассажира. Так ли это?

– Система анализа поведения пассажира схожа с моделью скоринга, которой пользуются некоторые цифровые банки, например, их алгоритм принимает решение о выдаче кредитной карты, анализируя огромное количество информации. Были такие примеры – банк отказывал в выдаче кредитной карты, исходя из того, что клиент хотел оформить карту поздно ночью (алгоритм делает вывод, что это потенциально неблагонадежный заемщик, которому срочно нужны деньги и он ночью пробует открыть кредитную карту). Инструменты анализа поведения пассажира способны вывести доходность авиакомпании на новый уровень.

– Какие черты и предпочтения клиента интересуют искусственный интеллект авиакомпаний?

– Нейронные сети, используя алгоритмы машинного обучения, самообучаются на исторических данных. Это, например, история поиска, время, дата, поведение и другие релевантные данные. Они позволяют предвидеть, какой авиаперелет клиент, скорее всего, предпочтет в будущем или вообще какое путешествие из нескольких перелетов. Искусственный интеллект предлагает варианты, которые наиболее актуальны и привлекательны для каждого конкретного клиента: например, повышение класса обслуживания, лаунж-зона, другие бонусы, которые будут повышать лояльность и заставят клиента возвращаться снова и снова.

Алгоритмы ориентируются в сложных моделях намного эффективнее, чем это делают люди, я имею в виду аналитиков, которые опираются на интуицию, собственный багаж знаний и методологии.

– Неужели теперь все решения за человека принимает искусственный интеллект?

– Решения сегодня принимаются исключительно в паре «алгоритм и человек», где первый используется в качестве аналитического инструментария, а второй определяет конечную целесообразность принимаемого решения. В связи с этим при масштабировании технологий важно уточнять возможные способы оптимизации подобного взаимодействия, происходящего на уровне «человек-технология».

В перспективе ценообразование в авиации перейдет от связки «эксперт, бизнес-аналитик и автоматизированный алгоритмический продукт» к машинному обучению с определенной бизнес-задачей. В итоге эта связка решает обширный спектр бизнес-задач: определяет возможность увеличения стоимости без потери клиентского спроса и осуществленных продаж авиабилетов, учитывает поведенческие особенности и их влияние на готовность покупать билеты, прогнозировать изменения в компании при новом ценообразовании. В качестве глобального результата подобной оптимизации выступает банальный экономический эффект: авиакомпания сокращает временные потери, исключает упущенную выгоду, преодолевает прочие риски.

Беседовала Алена Алешина