每次航班延误都有其发生原因,但乘客却往往无法了解事件全貌。美国联合航空公司正在努力改变这一现状,尝试将工作人员与生成式AI相结合为乘客提供更多背景信息,希望让令人沮丧的消息变得更加容易接受。
假设我们正身在旧金山等待飞往图森的航班。过去,大家可能会突然收到一条模板式消息,提醒由于飞机到达时间晚于预期而发生延误。现在,AI能够扫描飞行系统并在员工审核之后发送提醒,让乘客知晓延误是由旧金山机场跑道施工而引发。
AI辅助消息标志着“每次航班延误都有其理由”。这是美联航于2018年就推动的一项举措,希望能在出现问题时为乘客提供更多说明。美联航很清楚,关于航班问题的透明信息能够在乘客当中建立信任,哪怕是增添极微小的细节也将对客户满意度指标产生积极的影响。
借助生成式AI,美联航约由15人组成的延误解释团队获得了一种新工具,能够帮助他们处理更多信息并向乘客公布更多细节。这在繁忙的夏季出行季显得尤为重要。自今年早些时候发布以来,已经有约6000个航班至少伴随一条生成式AI辅助信息,而且计划规模仍在迅速扩大。
美联航首席信息官Jason Birnbaum表示,“这是为了扩大该团队的服务覆盖范围。如果我们能使用生成式AI更频繁地与更多受众展开交流,将进一步推动公司的净推荐值,也就是市场口碑。”
每次航班延误都有其理由只是美联航在运营体系内应用AI技术的一个领域,也是Birnbaum努力推动的方向之一,目标是让团队成员的工作更轻松,并通过技术为乘客提供更加个性化的出行体验。这项计划也让更多人了解到像美联航这样的大企业如何将生成式AI整合进日常运营当中,相关团队又是如何应对新技术协同所带来的机遇和挑战。
AI学习曲线
美联航运营解决方案总监Dennis Lawrence将延误解释团队的工作描述为一种语言体操。每当出现复杂的延误状况,他们都会将运营数据、有时候甚至是将机组成员的行业术语转化成易于理解的形式,生成能够安抚客户情绪的简洁提醒。
如今,生成式AI正在帮助团队成员做出进一步探索,包括自主扫描系统与数据、获取必要背景信息并起草一条可供团队审查的拟议信息。
美联航的延误解释团队拥有一套独立门户,该门户会在标准提醒之外添加AI生成的消息。在对AI生成消息的准确性、语法正确性以及是否符合美联航文风要求等情况进行检查之后,团队成员可以决定是否发出,或者将AI生成结果发回修改。而生成式AI则相当于给该团队提供了一套起始模板,再由成员做更多润色。
但AI偶尔也会犯错。有时候,它写的句子会包含语法错误,或者跟实际延误原因无关。这就需要人类发挥自己的判断力并提供反馈,在训练模型的同时,又可保证客户不致收到不够准确的提醒内容。
Lawrence表示,“我们需要不断迭代,并建立一个由人类参与循环并频繁进行修改的流程。”
除了批准或打回个别消息之外,延误解释团队成员还与提示词工程师及更多其他同事合作,了解某些消息为何成功或者失败。之后工程师会更新模型,避免下次再犯同样的错误。各团队每天都会聚在一起,讨论哪些尝试进展顺利、而哪些流程亟待改进。
延误解释团队面临的最大变化,就是每天需要收取更多信息。各位成员有大约三分钟时间来评估并核准消息,以确保乘客能及时收到通报。而如果时间耗尽,作为保护措施,AI生成的消息将会默认被弃用。
随着AI在美联航发挥越来越大的作用,“每次航班延误都有其理由”团队也开始对AI采取迭代方法、建立适当护栏并逐步适应新技术所带来的学习曲线。
Lawrence指出,“起步阶段并不要求效果完美,但迈出第一步非常重要。”
AI辅助下的新未来
随着“每次航班延误都有其理由”团队的不断发展,Birnbaum与美联航技术团队正忙于探索AI辅助叙事的新形态,以及生成式AI能够产生积极影响的更多其他方式。
在叙事方面,这可能包括与AI合作以围绕重大事件生成消息。在今年早些时候的NBA全明星赛期间,乘客们就收到“预计今日安检线将受到全场紧逼”,并提醒他们“提前抵达以避免压哨压力。”
其他项目还包括UnitedGPT,这是OpenAI ChatGPT 4.0的一套修改版本,可以在美联航设备上安全使用。该公司还在寻找提高联络中心执行效率的方法,通过使用AI来预计电子邮件并做出适当回应,从而减少解决问题所耗费的时间。
Birnbaum表示,在美联航,AI技术“正帮助我们加快抵达目的地的脚步。”他同时补充称,最重要的始终是人。“当我们为员工提供有助于工作的工具和数据之后,客户也将获得超越以往的出行体验。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。