Ở đâu đó trên vùng Trung Tây, một Learjet kết thúc một chuyến bay thuê, tắt động cơ với khoang hành khách trống và còn vài giờ nhiên liệu. Hai tiểu bang cách đó, một khách hàng đang chờ báo giá cho một chuyến khởi hành trong sáu giờ nữa.

Việc kết nối chiếc máy bay sẵn có đó với khách hàng nghe có vẻ đơn giản. Trên thực tế, đó là một trong những thách thức lâu đời và tốn kém nhất của ngành hàng không doanh nghiệp. Mỗi chuyến mới phải được đánh giá dựa trên vị trí máy bay, tính khả dụng của phi hành đoàn, giới hạn giờ làm việc của phi hành đoàn, lịch bảo dưỡng và hàng chục biến số khác. Và tất cả những điều đó phải được giải quyết trong khi hoạt động liên tục thay đổi theo thời gian thực.

Doanh nhân công nghệ Roger Zhan đã dành hai thập kỷ làm việc trực tiếp với vấn đề đó trước khi quyết định tự xây dựng một giải pháp. Ngày nay, công ty của ông, Floating Fleet AI, tối ưu hóa hơn 20.000 chuyến bay mỗi tháng cho các nhà khai thác trên khắp Bắc Mỹ.

Tiền đề khá đơn giản: sử dụng tối ưu hóa toán học để ghép máy bay và phi hành đoàn với các chuyến bay nhanh hơn và đánh giá nhiều phương án khả thi hơn so với những gì một nhân viên lập lịch có thể xem xét hợp lý. Đi sâu hơn, Zhan đang áp dụng tối ưu hóa toán học theo thời gian thực vào một quy trình vận hành vẫn còn rất thủ công. 

Tìm hiểu thêm về công ty của Zhan: Floating Fleet AI

Từ hoạt động hàng không đến Floating Fleet AI

Zhan có bằng Tiến sĩ về Operations Research, một ngành sử dụng nhiều thuật toán để giúp các hoạt động phức tạp vận hành hiệu quả. Ông đã làm việc bảy năm tại CitationAir, rồi đảm nhiệm các vị trí trong hoạt động của Textron tại Thượng Hải và Wichita, trước khi gia nhập Wheels Up vào năm 2016. Khi đó, Wheels Up vẫn là một công ty trẻ, vận hành đội bay khoảng một tá King Air. Zhan đã xây dựng công nghệ cho giá và tình trạng sẵn có theo thời gian thực của công ty, những hệ thống đã có khi công ty niêm yết trên NYSE vào năm 2021.

“Mỗi chặng công tác dạy tôi một khía cạnh khác của hàng không tư nhân, và tôi gặp được nhiều người tuyệt vời dọc đường. Tôi dự định dành phần còn lại của sự nghiệp trong ngành hàng không cho đến khi cơ hội tại Wayfair gõ cửa,” Zhan nói. 

Sau đó ông rời hoàn toàn ngành hàng không, trở thành Giám đốc dữ liệu cho mảng B2B của Wayfair, một doanh nghiệp tạo ra doanh thu hàng năm 2 tỷ USD. Nhưng ông không thể xa ngành hàng không quá lâu. Các đồng nghiệp cũ tiếp tục liên hệ nhờ giúp đỡ về công nghệ và thiết kế sản phẩm hàng không. 

“Tôi học được cách điều hành một đội ngũ công nghệ hiệu quả ở Wayfair, và tôi biết ơn vì điều đó. Nhưng tôi thấy mình giải thích việc lập lịch máy bay cho những người làm thương mại điện tử khi ăn tối, và tôi nhận ra vấn đề chưa bao giờ buông tay tôi. Mọi thứ dường như sắp xếp để tôi khởi nghiệp Floating Fleet AI: vấn đề chưa được giải, mạng lưới, chuyên môn và cơ hội thị trường,” Zhan nói. 

Floating Fleet AI là gì?

Công ty lấy tên từ khái niệm “đội bay trôi nổi” (floating fleet), theo đó một nhóm máy bay theo sát nhu cầu thay vì quay về một căn cứ cố định sau mỗi chuyến. Một đội bay căn cứ tại nhà tương đối dễ lập lịch: máy bay thường khởi hành và quay về căn cứ, trong khi phi hành đoàn ở gần căn cứ. Đội bay trôi nổi khác biệt; máy bay có thể dời vị trí để theo nhu cầu, còn phi hành đoàn có thể ở xa nhà trong nhiều ngày liên tiếp. 

Mỗi đặt chỗ mới có thể ảnh hưởng đến vị trí của nhiều máy bay và phi hành đoàn, biến lịch bay thành một câu đố liên tục thay đổi. Floating Fleet AI sau đó đã điều chỉnh bộ tối ưu hóa của mình cho cả các đội bay căn cứ tại nhà, nơi Zhan cho biết các nhà khai thác cũng thấy kết quả tương tự. 

Đã có các nền tảng lập lịch hàng không, nhưng nhiều hệ thống chủ yếu được thiết kế để quản lý luồng dữ liệu — các chuyến bay, phi hành đoàn, hồ sơ bảo dưỡng và máy bay — thay vì tối ưu hóa các quyết định trong những ràng buộc đó. Zhan nhìn thấy cơ hội thu hẹp khoảng cách, xây dựng Floating Fleet AI dựa trên ý tưởng rằng phần mềm lập lịch nên làm nhiều hơn là tổ chức thông tin – nó nên giúp đánh giá những đánh đổi vận hành. Công ty hiện phục vụ các nhà khai thác Part 135 và 91, các bộ phận chuyến bay doanh nghiệp và đại lý cho thuê chuyến, và gần đây đã báo hiệu kế hoạch mở rộng sang khôi phục hoạt động bất thường cho các hãng hàng không theo lịch.

“Mọi người tưởng lập lịch là một câu đố giải một lần. Nhưng không phải vậy. Đó là một câu đố bị xáo trộn mỗi khi một chuyến được đặt, một phi hành đoàn hết giờ làm, hoặc một máy bay vào bảo dưỡng — và một người lập lịch giỏi liên tục xây dựng lại nó trong đầu suốt cả ngày. Với bất kỳ yêu cầu đơn lẻ nào, có thể có hàng trăm phương án khả thi để thực hiện. Con người chỉ có thể đánh giá nghiêm túc vài phương án. Chúng tôi xem xét tất cả phương án đó đối chiếu với mọi giới hạn giờ làm, cửa sổ bảo dưỡng, chi phí dời vị trí và quy tắc phi hành đoàn cùng lúc, rồi đưa cho người lập lịch vài phương án tốt nhất kèm theo lý do. Người lập lịch vẫn đưa ra quyết định. Họ chỉ quyết định với bức tranh toàn cảnh thay vì chỉ một phần của nó,” Zhan nói. 

Giải quyết vấn đề tin cậy

Hỏi bất kỳ nhà điều hành thuê chuyến nào về cảm nhận của họ đối với AI, câu trả lời có thể bao gồm một mức độ hoài nghi nào đó. Việc nhanh chóng áp dụng AI sinh tạo — và xu hướng đã được ghi nhận là tạo ra kết quả có vẻ hợp lý nhưng sai — càng làm tăng nghi ngờ về chỗ nào có thể tin cậy AI, nhất là trong một ngành mà một đề xuất sai có thể gây hậu quả vận hành, tài chính và an toàn. Zhan xây dựng nền tảng của mình quanh một khái niệm ít quen thuộc ngoài lĩnh vực nghiên cứu hoạt động: các mô hình AI xác định.

Không giống như AI sinh tạo, AI xác định hoạt động dựa trên các đầu vào, ràng buộc và mục tiêu xác định để tạo ra các giải pháp có thể lặp lại. Hệ thống có thể làm lộ các ràng buộc đứng sau một đề xuất, cho phép người lập lịch hiểu lý do vì sao một phân công hoặc hoán đổi chuyến được ưu tiên hơn lựa chọn khác.

“Một chatbot không thể cam kết cho một việc hoán đổi chuyến. Nó không thể chịu trách nhiệm khi giới hạn giờ làm bị sai. Bộ máy của chúng tôi có thể vì nó không phỏng đoán. Cùng một đầu vào cho cùng một kết quả mỗi lần, mọi đề xuất đều được đảm bảo khả thi theo thiết kế, và hệ thống có thể hiển thị lý luận đằng sau nó. Khi một giám đốc vận hành có thể kiểm toán lý do đằng sau một đề xuất, cuộc trò chuyện sẽ thay đổi. Chúng tôi ngừng là 'AI' trong suy nghĩ của họ và bắt đầu trở thành một công cụ, mà công cụ là thứ ngành này vốn luôn quen mua,” Zhan nói. 

Những con số mà các nhà khai thác tin cậy

Một số khách hàng sớm nhất của công ty đã sử dụng nền tảng hơn một năm. Theo các nghiên cứu đánh giá chuẩn của công ty, các nhà khai thác dùng nền tảng đã ghi nhận mức giảm chi phí từ 4 đến 10 phần trăm.

Điều đáng chú ý hơn, theo Zhan, là những gì các nhà khai thác làm tiếp theo: họ tích hợp công cụ vào quy trình làm việc hằng ngày và bắt đầu yêu cầu thêm tính năng, cho thấy nền tảng đã vượt ra ngoài giai đoạn thử nghiệm công nghệ và trở thành một phần trong quy trình lập kế hoạch hàng ngày của họ. 

Bước tiếp theo của Floating Fleet AI

Dòng khách hàng đăng ký của công ty hiện hoạt động tại Hoa Kỳ, Canada, Mexico, Đức, Thụy Điển và UAE. Trong một ngành từng chứng kiến nhiều lời hứa về AI đến rồi đi, Floating Fleet AI đặt cược rằng tối ưu hóa có thể thay đổi hình ảnh công việc của người lập lịch — không phải bằng cách thay thế họ, mà bằng cách mở rộng phạm vi các quyết định họ có thể đánh giá.

Zhan cho biết công ty sẽ giới thiệu các quy trình làm việc 'agentic' trên nền bộ máy xác định của mình trong vài tháng tới. Đối với những ai tham dự NBAA-BACE vào tháng Mười tới, hãy ghé gian hàng 850 hoặc truy cập https://www.floatingfleet.ai/ để tìm hiểu thêm.