Por John Roach, escritor de Pesquisa e Inovação da Microsoft

Em qualquer momento, os coordenadores de turnaround da companhia aérea alemã Lufthansa CityLine estão com os olhos colados em monitores que exibem mais de meia dúzia de vídeos de aeronaves estacionadas nos portões que cercam o aeroporto. O trabalho dos coordenadores é garantir que os aviões sejam descarregados, reabastecidos com combustível e suprimentos, limpos e recarregados para que cada passageiro chegue ao seu destino com segurança, no horário previsto e com a sua bagagem.

Minutos perdidos aqui ou ali no processo de turnaround (tempo que um avião passa no solo entre um voo e outro) podem se somar, gerando um custo de milhões de dólares por ano às companhias aéreas. Como muitos do setor observam, as aeronaves só geram dinheiro enquanto estão no ar.

“Pense em um pitstop de uma corrida de carros: é praticamente a mesma coisa que acontece em um turnaround de uma aeronave”, afirma Philipp Grindemann, diretor de desenvolvimento de negócios e gerenciamento de projetos da Lufthansa CityLine. “Todos os processos precisam ser pontuais, rápidos e enxutos”.

A Lufthansa CityLine é uma subsidiária da Lufthansa, um dos maiores grupos de companhias aéreas do mundo, com uma rede de abrangência global. A Lufthansa mantém hubs em Frankfurt e Munique, na Alemanha. A Lufthansa CityLine conecta passageiros com destinos em toda a Europa de e para esses hubs, em mais de 300 voos diários. Chegadas e partidas pontuais são essenciais para a satisfação do cliente e para o resultado final da Lufthansa.

Além de condições meteorológicas, os atrasos decorrem de erros durante o processo de turnaround rigidamente planejado. Como a maioria dos players do setor, a Lufthansa CityLine depende de carimbos de data/hora manuais para saber o início e o fim de cada etapa do processo de turnaround, e usa os dados desses carimbos manuais para coletar insights e saber onde fazer ajustes para realizar processos mais rápidos e enxutos.

Em uma fase-piloto, a companhia aérea fez uma parceria com a zeroG, empresa de consultoria do Grupo Lufthansa fundada pela Lufthansa Systems para acelerar o impacto tangível da Inteligência Artificial em processos operacionais e comerciais em companhias aéreas em todo o mundo. Um exemplo é melhorar o gerenciamento de turnaround com IA.

A solução Deep Turnaround da zeroG aproveita o Azure Video Analyzer , uma nova oferta da Microsoft que combina recursos da Análise de Vídeo ao Vivo e do Azure Video Indexer. Para a Lufthansa, ela gera carimbos de data/hora automáticos a partir dos feeds de vídeo e emite alertas quando o turnaround sai do script.

“Com essa transparência do Deep Turnaround – saber quando o fornecedor chega, quando a ponte chega para o desembarque da aeronave – a companhia aérea pode orientar o processo e ter processos muito mais enxutos do que antes”, afirma Manuel van Esch, consultor líder da zeroG.

Por exemplo, quando um caminhão de combustível chega mais tarde do que o previsto, o Deep Turnaround alerta os coordenadores de turnaround e outras equipes de operações de solo. O alerta dá início à busca por uma solução que evite atrasos, como o envio de um segundo caminhão de combustível para o avião.

Applied AI Services

O Azure Video Analyzer está entre os Azure Applied AI Services que a Microsoft destacou na terça-feira (25) durante a Build, conferência anual da empresa para desenvolvedores. Esses serviços – Azure Video Analyzer, Assistente de Métricas do Azure, Serviço de Bot do Azure, Azure Cognitive Search, Reconhecimento de Formulários do Azure e Leitura Avançada do Azure – aceleram o desenvolvimento de soluções de IA para cenários específicos.

Os Azure Applied AI Services são baseados em modelos de IA no centro dos produtos e serviços de IA do Azure. Isso inclui os Serviços Cognitivos do Azure, que oferecem modelos e ferramentas de IA personalizáveis para criar soluções de IA que ajudam os clientes a extrair significado de texto, integrar fala em aplicativos e serviços, identificar e analisar conteúdo em imagens e vídeos e tomar decisões.

Os clientes também podem personalizar esses serviços e ampliá-los com seus próprios modelos personalizados do Azure Machine Learning para atender às necessidades específicas de seus negócios.

Os clientes costumam dizer à Microsoft que, embora vejam o potencial da IA, criar soluções é mais difícil do que eles previam, afirma Eric Boyd, vice-presidente corporativo de IA do Azure da Microsoft em Redmond, Washington.

“O objetivo com os Azure Applied AI Services é fornecer um pouco mais de pacote e estrutura para realmente acelerar o desenvolvimento de soluções de IA para processos comuns de negócios”, diz ele.

O serviço Azure Video Analyzer, por exemplo, reúne a Pesquisa Visual Computacional dos Serviços Cognitivos do Azure e um modelo de legendagem automática, juntamente com recursos para integrar os feeds de vídeos de circuito fechado existentes e os sistemas de gerenciamento de vídeo, o que facilita a criação de soluções de análise de vídeo pelas empresas.

A Microsoft criou a categoria Azure Applied AI Services visando os cenários comuns de negócios nos quais a equipe de IA do Azure de Boyd tem visto os clientes criarem seguidamente a partir do zero. Por exemplo, o Reconhecimento de Formulários do Azure se baseia no reconhecimento óptico de caracteres, uma tecnologia de pesquisa visual computacional que reconhece texto e é fundamental para muitas soluções de negócios, desde a leitura de recibos até a extração de dados de formulários de entrada.

“Para colocar no aplicativo que eles queriam, eles precisavam fazer muito mais coisas”, diz Boyd.

“Não se tratava apenas de obter o texto, e sim de entender a estrutura do documento e dizer:

‘Tenho esse formulário que alguém preencheu e quero as informações no meu banco de dados’”.

O Reconhecimento de Formulários do Azure se baseia na tecnologia de reconhecimento óptico de caracteres subjacente com um sistema para entender toda a estrutura do documento, extrair as informações relevantes e preencher um banco de dados.

Baseado nas soluções internas de IA da Microsoft

Muitos dos Azure Applied AI Services se baseiam em ferramentas de IA originalmente desenvolvidas para produtos e serviços internos, incluindo o Assistente de Métricas do Azure . A ferramenta surgiu do trabalho que os desenvolvedores fizeram com o Bing, mecanismo de pesquisa da Microsoft, para detectar desvios das operações normais, como picos de consultas de um país ou uma queda repentina na receita de publicidade.

“A pesquisa é realmente bastante previsível na forma como muda dia após dia e, portanto, podendo detectar essas anomalias, poderíamos resolver os problemas com mais rapidez”, afirma Boyd. “Esse serviço de detecção de anomalias foi implementado em vários lugares, como o Power BI. Mas é uma interface de desenvolvedor, e requer que você junte várias cadeias de caracteres”.

A Microsoft disponibilizou a tecnologia ao público por meio do Detector de Anomalias, um dos

Serviços Cognitivos do Azure. Para os Azure Applied AI Services, a Microsoft se baseou na tecnologia que alimenta o Detector de Anomalias e adaptou-a para soluções comuns para clientes empresariais, facilitando a implantação de uma solução que monitora métricas e, quando algo está incorreto, emite um alerta e sinaliza onde procurar para resolver o problema.

A Samsung Electronics implantou o Azure Metrics Advisor na China para detecção de anomalias e análise da causa raíz de problemas que poderiam levar a interrupções no sistema de hardware e software baseado em nuvem que permite acesso ininterrupto a conteúdo de áudio e vídeo transmitido pela Internet para exibição nas Smart TVs da empresa.

A solução de IA construída com o Azure Metrics Advisor ajuda os engenheiros da Samsung a detectar incidentes antes que afetem os clientes e corrigir rapidamente os problemas, disse Jie Zhang, líder técnico do Centro de P&D da Samsung Electronics (China), que ajudou no design e implementação.

O desenvolvimento de back-end do Serviço de Bot do Azure seguiu uma trajetória semelhante à do Assistente de Métricas do Azure, observa Boyd. Esse serviço se baseia nas principais tecnologias de fala e linguagem que alimentam os Serviços Cognitivos do Azure, como Reconhecimento Vocal, QnA Maker, Conversão de Fala em Texto e Conversão de Texto em Fala, a fim de ajudar os clientes a desenvolver assistentes de conversação inteligentes.

“Nós reunimos uma série de Serviços Cognitivos e criamos um pacote, tornando mais simples para os usuários usar tudo de uma forma combinada”, diz Boyd.

Mais valor com IA

Vários dos serviços agora disponíveis na categoria Azure Applied AI Services estavam anteriormente disponíveis como Serviços Cognitivos do Azure autônomos, como o Reconhecimento de Formulários do Azure e a Leitura Avançada do Azure , o que permite que os desenvolvedores implementem técnicas em seus aplicativos que melhoram a leitura e a escrita para as pessoas, independentemente de sua idade ou habilidade.

Outros serviços eram ofertas individuais na plataforma de IA do Azure, como os Serviços de Bot do Azure e o Azure Cognitive Search , que permite que os desenvolvedores integrem pesquisa baseada em IA a seus aplicativos e sites.

Boyd afirma que a reorganização tem por objetivo tornar mais fácil para os clientes empresariais encontrar soluções de IA para processos de negócios comuns. A nova categoria deve crescer nos próximos meses e anos, à medida que a equipe de IA do Azure trabalha com clientes em setores específicos ou vê os clientes resolvendo o mesmo problema com uma combinação de serviços de IA do Azure.

“Vemos essa categoria de ‘Como você cria um pacote, combina e simplifica essas coisas?’ realmente falando com as pessoas, entendendo que há um tremendo poder no que a IA pode fazer e dizendo: ‘Preciso levar isso a todas as áreas do meu negócio’”, afirma Boyd.

A capacidade da IA de gerar e entender os dados está por trás da adoção do Azure Video Analyzer pela zeroG para a solução Deep Turnaround em projeto-piloto na Lufthansa CityLine. E esse é apenas o início de uma transformação digital com IA em todo o Grupo Lufthansa, de acordo com Xavier Lagardere, diretor de dados da empresa de aviação.

“Ainda não somos sistematicamente um tipo de empresa orientada por dados em tempo real quando se trata de fazer escolhas, tomar decisões ou até mesmo agir com base em dados”, diz ele. “Há um caminho empolgante pela frente para fazer muito mais com as enormes pilhas de dados que geramos diariamente”.