Como directora regional de programas de espacio aéreo y aeropuertos de Boeing China, Helen Lee está ayudando al gigante aeroespacial a trabajar para mejorar la eficiencia operativa de los aeropuertos y el espacio aéreo, así como de mejorar la seguridad de los vuelos para sus clientes.
En este episodio del podcast Me, Myself, and AI, Helen analiza la investigación en curso que involucra el uso de IA para analizar la estela turbulenta de aeronaves con sistemas de visión por computadora, usando el reconocimiento de voz para analizar las interacciones entre pilotos y controladores aéreos para minimizar el potencial del error humano, y usar el reconocimiento de imágenes para escanear planos en busca de reparaciones necesarias.
Helen también habla sobre los desafíos de implementar dicha tecnología en una industria compleja en la que no hay tolerancia al error y los sistemas deben ser impenetrables para los piratas informáticos.
IA responsable y responsabilidad social corporativa: una mezcla difícil de conseguir
Sam Ransbotham: Muchas tareas podrían beneficiarse del uso de la IA, pero ¿cómo pueden las organizaciones utilizar las tecnologías emergentes en situaciones de alto riesgo? Descubre cómo la industria aeroespacial está utilizando esta tecnología en el episodio de hoy.
Helen Lee: Soy Helen Lee de Boeing y estás escuchando Me, Myself and AI.
Sam Ransbotham: Bienvenida a Me, Myself, and AI, un podcast sobre inteligencia artificial en los negocios.
En cada episodio, te presentamos a alguien que innova con IA. Soy Sam Ransbotham, profesor de análisis en Boston College. También soy el editor invitado de inteligencia artificial y estratega comercial en MIT Sloan Management Review.
Shervin Khodabandeh: Y soy Shervin Khodabandeh, socio senior de BCG, y codirijo la práctica de IA de BCG en América del Norte. Juntos, MIT SMR y BCG han estado investigando y publicando sobre IA durante seis años, entrevistando a cientos de profesionales y encuestando a miles de empresas sobre lo que se necesita para construir, implementar y escalar capacidades de IA y transformar realmente la forma en que operan las organizaciones.
Sam Ransbotham: Shervin y yo estamos emocionados de hablar hoy con Helen Lee, directora regional de gestión de tráfico aéreo y programas aeroportuarios en China para The Boeing Company. Helen, gracias por tomarte el tiempo para hablar con nosotros. Bienvenida.
Helen Lee: Gracias por recibirme.
Síguenos en Google Noticias para mantenerte informado
Sam Ransbotham: Comencemos. Helen, ¿puedes hablarnos de tu puesto actual en Boeing?
Helen Lee: Actualmente trabajo en Boeing China en la oficina de Beijing. Mi responsabilidad principal es supervisar los programas de gestión de tráfico aéreo y aeropuertos de Boeing en China. Lo que tratamos de hacer aquí es mejorar la eficiencia operativa del aeropuerto y del espacio aéreo y, al mismo tiempo, mejorar la seguridad de los vuelos.
He estado haciendo consultoría para aeropuertos y cajeros automáticos durante 10 años, y lo interesante es que cada proyecto es muy diferente; soy capaz de trabajar con diferentes grupos de personas.
La gestión del tráfico aéreo no es el negocio principal de Boeing, pero lo que realmente queremos es ayudar a nuestros clientes. Y debido a que las aerolíneas son nuestros clientes, queremos que operen de manera más eficiente y también mejoren la seguridad de sus vuelos.
Además del diseño y la fabricación de aeronaves, también brindamos una gran cantidad de servicios a nuestras aerolíneas clientes.
Es como todo el ecosistema en el que Boeing y, de hecho, otros socios están trabajando juntos. Por ejemplo, brindamos planificación de vuelos a clientes de aerolíneas, y eso los ayudará a planificar mejor sus vuelos y optimizar sus rutas, lo cual también reducirá su consumo de combustible y la emisión de dióxido de carbono.
Shervin Khodabandeh: La gestión del tráfico aéreo siempre me ha fascinado porque siempre pienso que hay decenas de miles de aviones en el aire en un momento dado, y tienes diferentes sistemas que intentan gestionar o controlar el tráfico aéreo para ese avión. Se siente como si estuvieras muy centrado en los datos, pero a la vez es algo caótico, porque pueden suceder cosas impredecibles.
Y luego siento que probablemente, tú nos los puedes decir mejor, por la complejidad de las conexiones pueden haber algunos efectos de interacción entre diferentes cajeros automáticos o sistemas de gestión del tráfico aéreo.
Pero tú eres la profesional, ¿puedes educarnos un poco a nosotros y a nuestra audiencia sobre qué es, cómo funciona y lo sofisticado y complicado que es?
Helen Lee: Quizá muchos sepan que un vuelo suele tener seis fases: pruebas en tierra y pruebas de entrada o de salida, despegue de la pista, escalar, la ruta, inicio de descenso y el aterrizaje.
Así que hay seis fases de la misma. Y en cada fase, hay controladores aéreos que controlan la aeronave. La aviación general en los Estados Unidos es muy diferente. Un avión podría volar en un espacio aéreo controlado, pero para la mayoría de nuestros vuelos comerciales, debe pasar por las seis fases.
Primero, tienes un controlador en tierra y probablemente veas la torre alta del aeropuerto, esa es la torre ATC.
Ese controlador de tierra controla el movimiento del suelo, y luego está el controlador de torre, que controla el despegue y el aterrizaje. Una vez que la aeronave ascienda a cierta altitud, se le entregará a un controlador de aproximación o controlador de salida. Entonces, ese controlador maneja la aeronave a unas 30 a 60 millas náuticas del aeropuerto, y luego lo pasarán al controlador de ruta.
El controlador de ruta es quien generalmente tiene que pasar por varios centros, y en cada centro, podría haber muchos sectores, y cada sector generalmente será administrado por un controlador. Y así se entregan uno por uno, todo el camino hasta el lugar de aterrizaje. Así es como funciona.
Debo decir que la IA todavía no se usa mucho en los sistemas de cajeros automáticos. Hay muchos, muchos desafíos; podemos hablar de eso más tarde. Todavía están usando la comunicación de voz principalmente. Y esa es la parte que aún no ha sido reemplazada por esta comunicación de enlace de datos. Pero nos estamos moviendo en esa dirección.
Una aplicación que se usa ampliamente es la visión artificial, como el reconocimiento de imágenes. Entonces, por ejemplo, lo que estamos haciendo en este momento es, en uno de los estudios, lo usamos para reconocer la estela turbulenta: el vórtice de estela justo después de un avión que aterriza, o tal vez para un avión en aproximación.
Entonces, estamos usando una máquina para observar esa estela, y luego usamos el algoritmo de IA para ayudarnos a capturarlos. Y así podemos entrenar a la máquina para que reconozca la ubicación y la fuerza de ese vórtice de estela. Eso sería algo que podríamos estar aplicando en el futuro para acortar la separación de estela turbulenta.
Otro es, como mencioné anteriormente, sobre el reconocimiento de voz. Eso es algo en lo que estamos investigando mucho, y no solo en Boeing, sino en otras partes de la industria, para reconocer el habla de la conversación de la cabina con el controlador.
Debido a que algunas de las instrucciones del controlador son similares de un avión a otro, esa parte puede digitalizarse y simplemente usar un formulario de datos y tener una pantalla en la cabina en lugar de que el controlador lo repita todo el tiempo.
Transformando las transacciones con tecnología: Nitzan Mekel-Bobrov de eBay
Y si un avión tiene que ser desviado a otra ruta, eso sería otra cosa que se puede digitalizar mediante el reconocimiento de voz. El beneficio de esto es que, si todo está digitalizado, todo proviene del controlador, y entonces no necesitamos que el piloto marque las rutas, los puntos intermedios en el sistema y se pueden cargar directamente en el sistema de gestión de vuelo.
Así evitarán algunos de los errores que cometen los pilotos.
Shervin Khodabandeh: Estamos escuchando que hay muchas aplicaciones potenciales pero que aún no se utilizan de forma generalizada. ¿Cuáles son algunas de las razones de eso? Dijiste reconocimiento de voz, por ejemplo, ¿verdad?
Hellen Lee: Sí.
Shervin Khodabandeh: Siri no tiene problemas para reconocer mi voz, aunque he escuchado, en YouTube, algunas de las conversaciones entre el control de tráfico aéreo y los pilotos, y es tan extraño para mí como descifrar la receta de mi médico. Pero cuéntanos más: ¿Por qué es tan difícil?
Helen Lee: Uno es la confiabilidad. Ya sabes, ¿qué tan confiables son cuando reconocen la voz? Porque no puede cometer errores.
En el mundo de la gestión del tráfico aéreo, hay tolerancia cero para los errores. Entonces no es como tu Siri, donde si cometes un error, está bien; solo dilo de nuevo. No aquí; no puedes hacerlo.
Y el otro que estaba diciendo, probablemente con la comunicación por enlace de datos, es la seguridad, ya sea que tengamos un entorno muy seguro en el que nadie pueda piratear o cosas por el estilo.
Es por eso que hasta ahora, no hemos visto ninguna aplicación certificada todavía.
Shervin Khodabandeh: Sí, lo entiendo, uno de los mayores obstáculos es la necesidad de precisión absoluta, tolerancia cero al error y cuánto está en juego.
Hellen Lee: Correcto.
Shervin Khodabandeh: Tal vez a diferencia de muchas otras cosas.
Sam Ransbotham: Sí, Shervin, creo que mucho de lo que hablamos es sobre la aplicación corporativa, donde las personas hacen una recomendación o aprobación de un préstamo.
No es tiempo real; no es crítico en este momento, mientras que este es un escenario muy diferente. Pero no todos los escenarios son muy diferentes. Como, por ejemplo, la estela turbulenta es algo que no tiene que ser en tiempo real.
Eso podría ser un análisis posterior al hecho; la configuración de la pista podría ser posterior al hecho.
Shervin Khodabandeh: Y tampoco es solo en tiempo real. Es como, si piensa en el comercio algorítmico que está ocurriendo, es casi en tiempo real, o la autorización de la tarjeta de crédito es en tiempo real.
Creo que es en tiempo real, pero también, ¿cuánto está en juego, como, cuál es el costo de equivocarse?
Al igual que con el reconocimiento de imágenes; por ejemplo, o video, como en las aplicaciones médicas, todavía tienes un médico, y si hay un error, Dios no lo quiera, es una vida; no son cientos de vidas.
¿Es esto lo que impide que estas cosas se adopten ampliamente en el ciclo de vida del vuelo?
Helen Lee: En realidad, en las últimas dos décadas, la industria se ha estado preparando realmente para que esta tecnología se aplique en esta industria, por lo que se ha trabajado mucho para apoyar la automatización del sistema.
Así que esa es una parte. Ahora conocemos la mayoría de los aviones, especialmente los aviones nuevos… la ventaja de usar esto en China es que casi todos los aviones son nuevos allá, porque la mayoría de sus aviones tienen menos de 10 años. Eso significa que todos están equipados con la última tecnología a bordo. Además, sus superficies de control, también utilizan la tecnología más avanzada.
Diría que lo básico para que se aplique la IA es tener parte del sistema de automatización.
Una cosa que también estamos haciendo… ya sabes, los aviones pueden activar el piloto automático. Antes muchas veces utilizábamos el procedimiento de… aterrizar y salir de un aeropuerto. Pero ahora, estamos promoviendo la navegación basada en el rendimiento.
Y dado que la mayoría de los aviones ya tienen ese sistema de navegación equipado, podemos darle a un avión una ruta más precisa para que ascienda o descienda a un aeropuerto. Y eso significa que será mucho más fácil más adelante si tratamos de manejar esos aviones.
Entonces eso es una cosa: crear una base para que podamos construir sobre ella y usar tecnología más avanzada en este sistema.
Están saliendo muchos estudios nuevos, y hay hojas de ruta y planes para usar IA en la gestión del tráfico aéreo. Entonces, diría que en la próxima década, probablemente veremos muchas más cosas que surgen con la IA.
Debo decir que otro desafío que tenemos al usar la IA es que, por lo general, la IA, si la aplicas a un sistema de gestión del tráfico aéreo, podríamos confiar en un sistema experto basado en el conocimiento.
Entonces es muy difícil construir un buen sistema experto; especialmente en diferentes entornos, su sistema experto puede ser completamente diferente porque su operación es diferente. Pueden tener un terreno diferente, pueden tener diferentes configuraciones de pista y todo eso.
Así que esa es otra parte: no puede simplemente construir un sistema experto para usar en todas partes.
Sam Ransbotham: Así que hay mucho trabajo de preparación, y lo que me pareció particularmente interesante de lo que dices es cuán coordinado debe estar con muchas personas diferentes, muchas organizaciones diferentes, diferentes aerolíneas.
Esto no es solo algo que una organización puede implementar y dictar a su gente que usen. Es algo que tiene que coordinarse entre muchas organizaciones diferentes. Con equipos como los aviones, no puedes simplemente decir: “Oh, bueno, compremos aviones nuevos la próxima semana para que tengan la nueva tecnología”. Así que es complicado.
Helen Lee: Tienes mucha razón en eso. Y es por eso que todos están trabajando en lo que llamamos SWIM: “gestión de información de todo el sistema”.
Eso significa que podemos compartir información entre diferentes jugadores; esa podría ser la aerolínea, podrían ser pilotos en la cabina, podrían ser controladores de tráfico aéreo. Y luego tendremos los datos meteorológicos, y todo se unirá.
Entonces todo será compartido dentro del sistema. Diferentes colaboradores podrán ver la información y los datos que necesitan para operar mejor su propio sistema.
Sam Ransbotham: Señalaste muchos aspectos de la inteligencia artificial que miran hacia el futuro. ¿Hay algo que estés usando ahora mismo? ¿Hay algo que Boeing esté haciendo en este momento que tal vez no sepamos o que esté detrás de escena que sea difícil de ver para la gente? ¿Qué tipos de inteligencia artificial están actualmente en uso en este momento?
Helen Lee: Una cosa que se acerca mucho a la aplicación es el uso del reconocimiento de imágenes. Escuché uno de los episodios de Gina Chung de DHL. Ella mencionó una tecnología similar.
Entonces, por ejemplo, cuando se acerca un avión, podemos usar una cámara robótica para tomar fotos del avión, tomar fotos del fuselaje, ver si hay algún daño y luego usar la IA para reconocer si eso es algo importante que tenemos que ocuparnos de si es necesario ir al hangar para que lo arreglen, ya sabes, cosas así.
Sam Ransbotham: Parece una gran aplicación.
Helen Lee: Sí, pero antes, ya sabes, tienes que hacer que un ser humano camine alrededor del avión para identificar todas esas cosas y luego tomar decisiones.
Sam Ransbotham: Creo que lo difícil de algunas de esas cosas es que no te das cuenta cuando no suceden.
Digamos que haces un gran trabajo al inspeccionar el avión de antemano y encontrar un problema y prevenirlo, o reconocer que una pieza necesita servicio antes de que las personas estén realmente en el avión.
Estas no son cosas que la gente note. Solo te das cuenta cuando no funciona.
Helen Lee: ¡Correcto!
Sam Ransbotham: Es el clásico problema de ingeniería.
La Inteligencia Artificial administrativa puede ser una aliada para mejorar la atención médica
Helen Lee: Tienes toda la razón. Estamos en el proceso de recopilar datos porque necesitamos muchos para entrenar la máquina. Y la parte más importante es recopilar todos esos datos.
Y hoy en día, con los nuevos aviones, como el 787, hay muchos datos que podemos recopilar. No es como el viejo 747 que se construyó hace décadas. Pero con el nuevo avión, podemos tener una gran cantidad de datos, y luego esos datos nos ayudarán a analizar la salud del avión.
Sam Ransbotham: Eso parece genial.
Entonces, Helen, tenemos un nuevo segmento y les hacemos a nuestros invitados una serie de preguntas rápidas. Así que solo contesta la primera respuesta que te venga a la mente.
No tienes que pensar demasiado en ello. Simplemente di lo primero que tengas en tu mente.
Entonces, ¿cuál ha sido tu momento de mayor orgullo al usar inteligencia artificial?
Helen Lee: Es difícil, porque no lo uso todos los días. [Risas]
Shervin Khodabandeh: Creo que esa fue la respuesta. [Risas]
Sam Ransbotham: Exactamente. Esa puede ser tu respuesta.
Shervin Khodabandeh: Ninguna respuesta es la respuesta.
Hellen Lee: Sí.
Sam Ransbotham: Está bien. Bueno, ¿qué te preocupa de la inteligencia artificial?
Helen Lee: El desafío del que hablábamos. Ya sabes, qué tan seguro puede ser si realmente se aplica al entorno de control de tráfico aéreo.
Sam Ransbotham: ¿Cuál es tu actividad favorita que no involucra tecnología?
Helen Lee: Oh, eso es algo que no podía hacer ahora: solía hacer kayak cuando vivía en Atlanta.
Sam Ransbotham: Ah, está bien. Bueno, en realidad soy de Atlanta, así que sí.
Helen Lee: ¡Ay!
Sam Ransbotham: Probablemente navegamos en kayak por las mismas aguas entonces. ¡Puedo ver una foto tuya haciendo snowboard en tu fondo!
Helen Lee: Sí, eso es en Beijing. Solía hacer snowboard cuando vivía en el área de D.C.
Sam Ransbotham: ¿Cuál fue la primera carrera que quisiste estudiar cuando eras niña?
Helen Lee: Tendría que decir ingeniera mecánica, porque eso era lo que mi mamá había estado haciendo, porque ella diseñaba electrodomésticos.
Solía verla dibujar esos dibujos de ingeniería cuando era pequeña y pensé: “Oh, eso es increíble”. Y luego puedes ver el producto, y eso es divertido. Por eso mi especialidad en la universidad fue ingeniería mecánica, antes de cambiarme a ingeniería aeroespacial.
Sam Ransbotham: Tanto Shervin como yo somos ingenieros químicos, así que tengo que mencionar eso en cada episodio. Nosotros creemos que la ingeniería química es mejor que todas las demás ingeniería ¿qué opinas al respecto?
Helen Lee: [Risa.] Bueno, sí, en algunas universidades, la ingeniería aeroespacial es parte del departamento de ingeniería mecánica.
Sam Ransbotham: ¿Cuál es su mayor deseo para la IA en el futuro?
Helen Lee: Desearía que todos los aviones pudieran ser controlados por IA, y también que el control del tráfico aéreo fuera realizado por IA para que fuese una conversación de máquina a máquina, así habría menos errores y mayor eficiencia.
Sam Ransbotham: Creo que todos queremos esas cosas.
Helen, fue genial conocerte y hablar contigo. Creo que una cosa que me impresionó de esto es el entorno complejo en el que te encuentras, coordinando muchas organizaciones diferentes con equipos que realmente están fuera de tu control. Y es una situación muy difícil en comparación con muchas de las personas con las que hablamos. Gracias por tomarse el tiempo para hablar con nosotros. Realmente lo disfrutamos. Gracias.
Shervin Khodabandeh: Muchas gracias. Ha sido realmente esclarecedor.
Helen Lee: Gracias por recibirme.
Sam Ransbotham: La próxima vez, Shervin y yo hablaremos con Sowmya Gottipati, vicepresidenta de tecnologías de la cadena de suministro global de Estée Lauder Company. Esperamos que puedas unirte a nosotros.
Allison Ryder: Gracias por escuchar Me, Myself and AI.
Creemos, como usted, que la conversación sobre la implementación de IA no comienza ni termina con este podcast. Por eso hemos creado un grupo en LinkedIn específicamente para líderes como tú. Se llama AI for Leaders, y si te unes a nosotros, puedes conversar con los creadores y presentadores de programas, hacer sus propias preguntas, compartir tus conocimientos y obtener acceso a recursos valiosos sobre la implementación de AI de MIT SMR y BCG. Puedes acceder visitando mitsmr.com/AIforLeaders
Sam Ransbotham ( @ransbotham ) es profesor en el departamento de sistemas de información de la Carroll School of Management en Boston College, así como editor invitado de la iniciativa Artificial Intelligence and Business Strategy Big Ideas de MIT Sloan Management Review. Shervin Khodabandeh es socio sénior y director general de BCG y colíder de BCG GAMMA (práctica de IA de BCG) en América del Norte. Se le puede contactar en shervin@bcg.com.
Me, Myself, and AI es un podcast colaborativo de MIT Sloan Management Review y Boston Consulting Group y está presentado por Sam Ransbotham y Shervin Khodabandeh. Nuestro ingeniero es David Lishansky, y los productores coordinadores son Allison Ryder y Sophie Rüdinger.