ミッドウェスト上空のどこかで、Learjetがチャーター便を終え、客室は空のまま数時間分の燃料を残してエンジンを停止した。

2州離れた場所では、ある顧客が6時間後に出発する旅の見積もりを待っている。

その利用可能な機体をその顧客に結びつけるのは簡単に聞こえる。

実際には、それはビジネス航空で最も古く、最も費用のかかる課題の一つだ。

新しい便ごとに、機体の位置、クルーの可用性、クルーの勤務時間制限、整備スケジュール、そして他にも多数の変数を照らし合わせて評価する必要がある。

しかもそれらは、運航がリアルタイムで変化し続ける中で解決されなければならない。

テクノロジー起業家のRoger Zhanは、自ら解決策を作ろうと決める前に、その問題に20年取り組んできた。

現在、彼の会社、Floating Fleet AIは、北米のオペレーター向けに月間20,000便以上を最適化している。

基本的な考え方はシンプルだ：数理的最適化を用いて機体とクルーをより速く便に割り当て、人間のスケジューラーが合理的に検討できる範囲を超える多くの実行可能な選択肢を評価することだ。

さらに本質的には、Zhanは依然として手作業が中心の運用プロセスに対して、リアルタイムの数理最適化を適用している。 

Zhanの会社について詳しくはこちら：Floating Fleet AI

航空運用からFloating Fleet AIへ

Zhanはオペレーションズリサーチの博士号を持っており、これは複雑な運用を効率的に動かすために様々なアルゴリズムを用いる学問だ。

彼はCitationAirで7年間働いた後、Textronの上海とWichitaでの事業で役割を務め、2016年にWheels Upに参加した。

当時、Wheels Upはまだ若い会社で、約12機のKing Airを運航していた。

Zhanは同社のリアルタイムの価格設定と可用性を支える技術を構築し、これらのシステムは同社が2021年にNYSEに上場した時点で稼働していた。

「各職場でプライベート航空の別の側面を学び、そこで素晴らしい人々にも出会った。

Wayfairからの機会が舞い込むまでは、私はプロとしての残りの人生を航空業界で過ごすつもりだった」とZhanは語った。

彼はその後、航空業界を完全に離れ、WayfairのB2B部門でチーフデータオフィサーとなった。そこは年間収益$2 billionの事業だ。

しかし彼が航空業界から離れていられたのは長くはなかった。

元同僚たちが技術や航空プロダクト設計に関する支援を求めて連絡を取り続けた。

「Wayfairで効果的な技術チームの運営方法を学び、それには感謝している。

しかし夕食の席でeコマースの人々に航空機のスケジューリングを説明している自分に気づき、この問題が自分を離れたことはないと悟った。

未解決の問題、ネットワーク、ノウハウ、市場機会といった要素がすべて整い、Floating Fleet AIを始める条件が揃った」とZhanは語った。

Floating Fleet AIとは何か？

同社名は「フローティングフリート」という概念から取られており、その概念では機体群が各便の後に固定のホームベースに戻るのではなく、需要に応じて移動する。

ホームベース運用の艦隊は比較的スケジュールが簡単だ：機体は通常ホームベースを出発し戻り、クルーもベースの近くにとどまる。

フローティングフリートでは事情が異なり、機体は需要に合わせて再配置され、クルーは数日間ホームを離れて滞在することがある。 

新しい予約が入るたびに複数の機体やクルーの位置に影響が及び、スケジュールは常に変動するパズルのようになる。

Floating Fleet AIはその後、ホームベース艦隊向けにも最適化エンジンを適用しており、Zhanによればオペレーターは同様の成果を確認しているという。 

航空のスケジューリングプラットフォームは既に存在するが、多くは便、クルー、整備記録、機体などのデータの流れを管理するよう設計されており、これらの制約全体にわたって意思決定を最適化することまでは想定されていない。

Zhanはそのギャップを埋める機会を見出し、スケジューリングソフトは情報を整理するだけでなく運用上のトレードオフを評価する手助けをするべきだという考えのもとでを構築した。

同社は現在、Part 135および91のオペレーター、企業のフライト部門、チャーターブローカーにサービスを提供しており、最近では定期航空会社向けのイレギュラーオペレーション回復への展開も計画していることを示唆している。

「人々はスケジューリングを一度解けば済むパズルだと想像しがちだ。

しかしそうではない。

便の予約が入るたび、クルーの勤務時間が尽きるたび、あるいは機体が整備に入るたびにパズルは作り直され、優れたスケジューラーはそのパズルを一日中頭の中で再構築している。

単一の要請に対しても、飛ばし方には百通りの実行可能な方法があるかもしれない。

人間はそのうちのいくつかを真剣に評価できる程度だ。

我々はそれらすべてを勤務時間制限、整備ウィンドウ、配置コスト、クルールールなどの全ての制約に照らして一度に検討し、理由を付けてスケジューラーに最良のいくつかを提示する。

最終決定は依然としてスケジューラーが下す。

ただし彼らは、断片ではなく全体像を持って決断することができるのだ」とZhanは述べた。 

信頼の問題の解決

どのチャーターオペレーターにAIについてどう思うか尋ねても、答えにはある程度の懐疑心が含まれるだろう。

生成系AIの急速な普及と、もっともらしいが誤った出力を生み出す傾向が広く報告されていることは、AIをどこまで信用できるのかという疑問を一層強めている。

特に、誤った提案が運用上、財務上、あるいは安全面で重大な影響を及ぼし得る業界ではなおさらだ。

Zhanはオペレーションズリサーチの外ではあまり馴染みのない概念、決定論的AIモデルを軸にプラットフォームを構築した。

生成系AIとは異なり、決定論的AIは定義された入力、制約、目的に基づいて繰り返し再現可能な解を導き出す。

このシステムは提案の背後にある制約を明らかにできるため、なぜある便の割り当てや入れ替えが別の選択より好ましいのかをスケジューラーが理解できるようになる。

「チャットボットは便の入れ替えを約束できない。

勤務時間制限が間違っていたときに責任を問えない。

当社のエンジンは推測しているわけではないため、責任を持てる。

同じ入力は常に同じ答えを生み、すべての提案は構築上実行可能であり、システムはその背後にある論拠を示すことができる。

運航責任者が提案の理由を監査できるようになると、話の持ち方が変わる。

我々は彼らの頭の中で『AI』ではなく『ツール』になり、ツールはこの業界がこれまでずっと買い慣れているものだ」とZhanは述べた。 

オペレーターが信頼する数字

同社の初期の顧客の一部は1年以上プラットフォームを利用している。

同社のベンチマーク調査によれば、プラットフォームを利用するオペレーターはコストを4〜10パーセント削減しているという。

さらに示唆に富むのは、これらのオペレーターが次に取った行動だとZhanは言う：彼らはこのツールを日々のワークフローに組み込み、追加機能を要望し始めた。これは同プラットフォームが単なる技術試用を越え、オペレーターの日常的な計画プロセスに組み込まれたことを示している。 

Floating Fleet AIの今後

同社のサブスクリプションの案件は現在、米国、カナダ、メキシコ、ドイツ、スウェーデン、そしてUAEに広がっている。

多くのAIの約束が実現したり消えたりしてきた業界において、Floating Fleet AIは最適化がスケジューラーの仕事のあり方を変え得ると賭けている。置き換えるのではなく、彼らが評価できる意思決定の範囲を広げることでだ。

Zhanによれば、同社は今後数か月でその決定論的エンジンの上にエージェント型のワークフローを導入する予定だという。

今年10月にNBAA-BACEを訪れる予定の方は、ブース850にお立ち寄りいただくか、https://www.floatingfleet.ai/ をご覧ください。