เมื่อเที่ยวบินล่าช้าหรือถูกยกเลิก ผลกระทบไม่ได้หยุดอยู่แค่ตารางบินหนึ่งช่อง แต่สามารถลุกลามไปถึงหลุมจอด ประตูขึ้นเครื่อง ตารางลูกเรือ สัมภาระ เที่ยวบินต่อ และแผนการเดินทางของผู้โดยสารนับพันคน
มีการประเมินว่าเหตุขัดข้องจากสภาพอากาศ ภัยธรรมชาติ และการหยุดงาน สร้างความเสียหายแก่อุตสาหกรรมการเดินทางทั่วโลกได้สูงถึงประมาณ 60,000 ล้านดอลลาร์สหรัฐต่อปี อย่างไรก็ตาม ตัวเลขนี้เป็นการประเมินผลกระทบในภาพรวมของอุตสาหกรรม ไม่ใช่ต้นทุนโดยตรงของสายการบินเพียงอย่างเดียว
ข้อจำกัดสำคัญคือ การแก้ปัญหาแบบ Manual อาจไม่ทันต่อสถานการณ์ที่เปลี่ยนแปลงเป็นรายนาที เมื่อเที่ยวบินหนึ่งล่าช้า เจ้าหน้าที่ต้องประเมินข้อมูลจำนวนมากพร้อมกัน ทั้งตำแหน่งอากาศยาน ความพร้อมของ Gate ชั่วโมงทำงานลูกเรือ สัมภาระ และผู้โดยสารที่มีเที่ยวบินต่อ นี่จึงเป็นโจทย์สำคัญของการพัฒนา ระบบ AI สนามบิน และ Airport Tech สำหรับสนามบินยุคใหม่
นี่คือจุดที่ Agentic AI เริ่มเข้ามามีบทบาท
จาก AI ที่ “บอกปัญหา” สู่ AI ที่ “ลงมือจัดการ”
Generative AI ที่คนส่วนใหญ่คุ้นเคย มักทำหน้าที่ตอบคำถาม สรุปข้อมูล หรือแจ้งว่า “เที่ยวบินของคุณล่าช้า”
แต่ Agentic AI ก้าวไปอีกขั้น ด้วยความสามารถในการเชื่อมโยงข้อมูล วางแผน ตัดสินใจ และดำเนินงานตามเป้าหมายภายใต้กฎที่กำหนดไว้ เช่น
- จำลองแผนจัดสรรหลุมจอดและ Gate ใหม่
- ประเมินผลกระทบต่อเที่ยวบินต่อเนื่อง
- ค้นหาเที่ยวบินทดแทนให้ผู้โดยสาร
- เสนอแผนรีบุ๊กพร้อมโรงแรมหรือการเดินทางภาคพื้น
- แจ้งเตือนทีมที่เกี่ยวข้องและติดตามผลลัพธ์แบบ Real-Time
กระบวนการสามารถอธิบายได้เป็นวงจร 4 ขั้นตอน ได้แก่
Sense → Simulate → Act → Learn
ระบบเริ่มจากรับรู้เหตุการณ์ นำข้อมูลมาจำลองทางเลือก ลงมือดำเนินการตามขอบเขตที่ได้รับอนุญาต และเรียนรู้จากผลลัพธ์เพื่อนำไปปรับปรุงการตัดสินใจครั้งต่อไป
AI จึงไม่ได้ทำหน้าที่เป็นเพียง “ผู้ช่วยตอบคำถาม” แต่เริ่มเปลี่ยนเป็น Decision Engine ที่ช่วยประสานการทำงานของสนามบินและสายการบินให้ตอบสนองต่อเหตุการณ์ได้เร็วขึ้น
Below the Wing เบื้องหลังเที่ยวบินที่ต้องตัดสินใจในไม่กี่นาที
ในพื้นที่ปฏิบัติการ Agentic AI สามารถช่วยวิเคราะห์สถานการณ์ที่มีตัวแปรจำนวนมาก เช่น
- เครื่องบินลำใดควรได้รับ Gate ก่อน
- เที่ยวบินใดมีผู้โดยสารต่อเครื่องจำนวนมาก
- ลูกเรือยังมีชั่วโมงปฏิบัติงานเพียงพอหรือไม่
- การเปลี่ยน Gate จะกระทบสัมภาระและรถภาคพื้นอย่างไร
- ทางเลือกใดทำให้เที่ยวบินกลับเข้าสู่ตารางปกติได้เร็วที่สุด
แทนที่เจ้าหน้าที่ต้องเปิดหลายระบบและประสานงานทีละฝ่าย AI สามารถรวบรวมข้อมูลจาก ระบบสนามบิน และแหล่งข้อมูลสำคัญ เช่น Airport Operational Database (AODB) เพื่อสร้างทางเลือกและแสดงผลกระทบของแต่ละแผนให้เจ้าหน้าที่เห็นก่อนตัดสินใจ
เป้าหมายจึงไม่ใช่เพียงลดความล่าช้า แต่รวมถึงการลดความซ้ำซ้อน ลดภาระของทีมปฏิบัติการ และป้องกันไม่ให้ปัญหาหนึ่งจุดขยายเป็นความขัดข้องทั้งระบบ
Above the Wing แก้ปัญหาก่อนผู้โดยสารจะเริ่มกังวล
สำหรับผู้โดยสาร ความไม่แน่นอนระหว่างเที่ยวบินล่าช้าอาจสร้างความเครียดมากกว่าการรอคอย เพราะไม่รู้ว่าเกิดอะไรขึ้น จะต่อเครื่องทันหรือไม่ และควรทำอะไรต่อ
AI จึงสามารถเข้ามาช่วยสื่อสารและจัดการปัญหาเชิงรุก เช่น
- แจ้งสาเหตุและสถานะล่าสุดแบบเฉพาะบุคคล
- แนะนำหรือดำเนินการจองเที่ยวบินใหม่
- เสนอเส้นทางและช่วงเวลาที่เหมาะสม
- แจ้งข้อมูลสัมภาระและเที่ยวบินต่อเนื่อง
- ส่งต่อกรณีซับซ้อนให้เจ้าหน้าที่มนุษย์ทันที
ตัวอย่างเช่น United Airlines ใช้ AI สนับสนุนการสื่อสารระหว่างเหตุล่าช้าจากสภาพอากาศ พร้อมส่งลิงก์แผนที่เรดาร์แบบ Live ให้ผู้โดยสารเข้าใจสถานการณ์ได้ชัดเจนขึ้น United Airlines
ด้าน Air India ใช้ผู้ช่วยเสมือน Maharaja หรือ AI.g รองรับคำถามเกี่ยวกับสถานะเที่ยวบิน สัมภาระ การเช็กอิน การเปลี่ยนเที่ยวบินและการคืนเงิน โดย Microsoft ระบุว่าระบบจัดการบทสนทนาได้หลายล้านครั้ง และทำงานอัตโนมัติได้ประมาณ 97% ช่วยประหยัดต้นทุนได้หลายล้านดอลลาร์ต่อปี
JetBlue ยังมีกรณีใช้ AI สนับสนุนเจ้าหน้าที่บริการลูกค้า ซึ่งผู้ให้บริการเทคโนโลยีรายงานว่าสามารถประหยัดเวลาการทำงานได้ประมาณ 73,000 ชั่วโมงในไตรมาสเดียว
AI เก่งขึ้น แล้วทำไมยังต้องมีมนุษย์?
แม้ AI จะประมวลผลข้อมูลได้เร็ว แต่สนามบินเป็นโครงสร้างพื้นฐานที่เกี่ยวข้องกับความปลอดภัย ความรับผิดชอบ และผลกระทบต่อชีวิตผู้คน การออกแบบระบบจึงต้องกำหนดให้ชัดเจนว่า งานใด AI สามารถดำเนินการได้เอง และงานใดต้องรอการตัดสินใจจากมนุษย์
Human-in-the-loop: คนเป็นผู้ตัดสินใจ
AI ทำหน้าที่ตรวจจับ วิเคราะห์ และเสนอทางเลือก แต่มนุษย์ต้องตรวจสอบและอนุมัติก่อนดำเนินการ แนวทางนี้มีความสำคัญอย่างยิ่งกับ ระบบ AI ความปลอดภัยสนามบิน รวมถึงการประมวลผลข้อมูลที่อาจกระทบต่อความปลอดภัย สิทธิของผู้โดยสาร และการปฏิบัติการบิน
โมเดลนี้เหมาะกับงานที่มีผลกระทบสูง เช่น
- การตรวจพบวัตถุต้องสงสัย
- การตัดสินใจด้านความปลอดภัยของเที่ยวบิน
- การยืนยันตัวตนที่มีความไม่แน่นอน
- การเปลี่ยนแปลงแผนปฏิบัติการขนาดใหญ่
- เหตุการณ์ที่อยู่นอกเหนือเงื่อนไขที่ระบบเคยเรียนรู้
Human-on-the-loop: ระบบทำงาน คนกำกับดูแล
AI สามารถดำเนินงานได้เองภายในกฎ พื้นที่ และระดับความเสี่ยงที่กำหนดไว้ ขณะที่มนุษย์เฝ้าติดตามและสามารถแทรกแซงหรือหยุดระบบได้ตลอดเวลา
เหมาะกับงานที่เกิดซ้ำและมีเงื่อนไขชัดเจน เช่น
- การจัดสรรทรัพยากรภายในกรอบที่อนุมัติไว้
- การแจ้งเตือนและเสนอทางเลือกให้ผู้โดยสาร
- การรีบุ๊กตามเงื่อนไขที่กำหนด
- รถภาคพื้นอัตโนมัติในพื้นที่ควบคุม
- การตรวจสอบความผิดปกติของข้อมูลแบบ Real-Time
หัวใจสำคัญจึงไม่ใช่การเลือกระหว่าง “AI หรือมนุษย์” แต่คือการกำหนด ระดับอำนาจในการตัดสินใจ ให้เหมาะกับความเสี่ยงของแต่ละงาน
เมื่อ AI จัดการความซับซ้อน มนุษย์จึงมีเวลาดูแลมนุษย์
การนำระบบอัตโนมัติมาจัดการงานเอกสาร การค้นหาข้อมูล และขั้นตอนโลจิสติกส์ ไม่ได้ลดความสำคัญของพนักงาน แต่ช่วยให้บุคลากรกลับไปทำหน้าที่ที่เทคโนโลยียังทดแทนไม่ได้อย่างสมบูรณ์ นั่นคือการรับฟัง อธิบายสถานการณ์ และดูแลผู้โดยสารด้วยความเข้าอกเข้าใจ
กรณีของ SITA เป็นอีกตัวอย่างของการใช้เทคโนโลยีเสริมการทำงานของคน โดยเชื่อม Google Find Hub เข้ากับ WorldTracer เพื่อให้ผู้โดยสารสามารถอนุญาตให้สายการบินเข้าถึงตำแหน่งกระเป๋าจากอุปกรณ์ติดตาม ช่วยให้ทีมติดตามสัมภาระมีข้อมูลเพิ่มขึ้นในการค้นหาและส่งคืนกระเป๋า ปัจจุบัน WorldTracer ถูกใช้งานในเครือข่ายมากกว่า 2,800 สนามบินทั่วโลก
มุมมอง SKY ICT: AI ต้องฉลาด และต้องรู้ขอบเขตของตัวเอง
สำหรับ SKY ICT หลักการ Human-in-the-loop และ Human-on-the-loop เป็นกรอบคิดสำคัญในการออกแบบ เทคโนโลยีการบิน และ Smart Airport Platform ตั้งแต่ระบบ Biometric สนามบิน ระบบ CUPPS ระบบข้อมูลผู้โดยสาร ไปจนถึงการเชื่อมโยงข้อมูลและระบบปฏิบัติการภายในสนามบิน
อย่างไรก็ตาม Biometrics และ CUPPS ไม่ได้หมายความว่าเป็น Agentic AI โดยตัวระบบเอง แต่เป็นโครงสร้างพื้นฐานที่สามารถเชื่อมต่อข้อมูลและต่อยอดสู่ระบบอัตโนมัติที่มีการกำกับดูแลได้ในอนาคต
เพราะเทคโนโลยีสนามบินที่ดีที่สุด ไม่ใช่ระบบที่ทำทุกอย่างแทนมนุษย์ แต่คือระบบที่รู้ว่า
เมื่อไรควรวิเคราะห์
เมื่อไรควรลงมือทำ
และเมื่อไรต้องส่งการตัดสินใจกลับมาให้คน
เมื่อ AI และมนุษย์ถูกวางไว้ในตำแหน่งที่เหมาะสม สนามบินจึงไม่เพียงทำงานได้เร็วขึ้น แต่ยังปลอดภัย โปร่งใส และพร้อมรับมือกับทุกความไม่แน่นอน นี่คือรากฐานของ สนามบินยุคใหม่ และอีกหนึ่งก้าวสำคัญในการยกระดับประเทศไทยสู่ ศูนย์กลางการบิน หรือ Thailand Aviation Hub ด้วยเทคโนโลยีที่มีประสิทธิภาพและมีมนุษย์เป็นศูนย์กลาง
