例如,空乘人员可以通过自己的iPhone使用MyFlight应用,查看每位客户在过去五次航班中的体验。他们还可以查看乘客的生日是否就在近期,或者是否刚刚发生忠诚度变化。
另一款应用Easy Chat则能在飞机降落到再次起飞之间,把各项工作分配给航班上的机组人员。在航班起飞前两小时,该应用会通过聊天室派发工作任务,就座位变更、餐饮更新、舱顶行李箱满载度及其他可能影响飞机准时起飞的因素同客服代表、航班主管和运营人员展开实时沟通。
MyFlight和Easy Chat,只是美联航CIO Jason Birnbaum及数字技术团队开发的众多解决方案之一,旨在提高运营效率并实现更加个性化的客户服务。随着机场在疫情之后重归繁忙,客户期望享受无缝化的出行体验,而这些应用也凸显出数据与连接性这类战略优势在新时代下的重要意义。
Birnbaum于2015年加入美联航,并于去年被任命为CIO。在他看来“一切都核心在于连通性”,这不仅能让团队成员的工作更轻松,还“让他们能更好地为客户服务,实时解决问题并与所有相关人员顺畅沟通”。
美联航计划今年夏天飞往114个国内外城市,航班数量比去年增加了25%,努力满足急剧增长的美国境外旅行需求。他们还计划到2033年新增700多架新飞机,今年之内新增90架、2024年则为140架。
业务的快速回暖让航空企业可谓是“守得云开见月明”,与不少其他行业一样,航空领域在疫情爆发的几年中交通量大幅下降。而后疫情时代下,人们选择航班的方式和时间都有所变化,也让美联航意识到快速培养技术能力的重要意义。
“现实迫使我们重新思考美联航应当成为一家什么样的航空企业,我们必须想办法掌握灵活扩展的能力。”
为此,美联航开始高度关注数据的作用,采用更灵活的基础设施,并转向了以客户为中心的全新工作方式。
美联航开始在分析类用例上“三倍着力”,不仅借此支持航线规划决策,还可以诊断延误原因、帮助乘客转机,并提出更高效的燃料使用方式。美联航在分析工作中采用一套中心辐射模型,即先设立一个核心数字技术分析团队,再将数据科学家嵌入到各应用团队当中。
而支持并推动这场分析变革的,当然是朝着云基础设施和“云原生”思维的持续转向。云基础设施能够带来更强的可扩展性,例如在天气条件突然变化时,从容应对旅客在应用上集中查询航班更新的峰值流量。此外,新设施的建立还能在发生问题时加快恢复速度,尽量降低高峰出行期间旅客可能遭遇的意外延误。Birnbaum坦言,“如今的业务紧迫感,要比以往任何时候都更加强烈。”
航空企业还一直在努力改善客户及团队成员的使用体验。负责设计工作的员工正努力让应用尽可能实现用户友好,特别是高效引导尚未掌握行业知识的新员工。
Birnbaum指出,数字技术小组正在积极探索大语言模型和生成式AI的应用可能。这项技术能够帮助旅行者们规划复杂的行程,提高客户服务中心的效率,并以易于理解的形式向团队提供关键运营更新。
美联航去年推出了Airshop创新实验室,数字技术团队正在这里试验虚拟现实、元宇宙、智能行李标签等各类新兴技术。落地在芝加哥的这处实验室也将成为美联航与各高校、创意合作伙伴和其他机构开展合作的中心。
其他一些举措则希望让航班设置更好地满足家庭出行需求。根据今年早些时候的一项最新家庭座位政策,航空企业应帮助家长们轻松把12岁以下的孩子安排在自己的座位旁。美联航为此推出了座位映射功能,可以在预订时动态寻找彼此相邻的可用座位。Birnbaum及其团队还在努力改善机场内的标识,打造更加直观的寻路系统,并提供诸如哪些机场餐厅更适合家庭用餐等细节引导。
Birnbaum最后总结道,“所谓个性化客户体验,其根本是将强大的技术与信息同卓越的从业者结合起来。”
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。