Zračne luke dobivaju AI mozak: tko stvarno štedi vrijeme i novac?

Istraživači s arXiva objavili su metodologiju koja bi trebala riješiti jedan od najstarijih problema zračnih luka: fragmentiranu dokumentaciju punu tehničkog žargona, regulativa i vlasničkih informacija. Umjesto da se oslanjaju samo na generativne modele, predložili su hibridni pristup gdje stručnjaci ručno kreiraju okvir znanja (Knowledge Graph), a LLM-i ga popunjavaju detaljima. arXiv:2603.26076v1 opisuje kako ovaj "scaffolded fusion" smanjuje semantičke greške koje se obično pojavljuju kad AI samostalno tumači specijalizirane domene.

Total Airport Management (TAM) inicijativa već godinama pokušava integrirati podatke iz više sustava – od sigurnosnih procedura do rasporeda letova – ali nailazi na prepreke poput neusklađenih terminologija i podataka zakopanih u PDF-ovima ili Excel tablicama. Novi pristup ne obećava samo automatizaciju, već i strukturiranu baza znanja koja može služiti kao temelj za buduće AI alate. No, za razliku od tipičnih AI obećanja, ovdje je naglasak na stručnoj intervenciji, a ne na čistoj automatizaciji.

Razlika između ovog pristupa i klasičnog LLM-a je ključna: umjesto da model sam tumači terminologiju, stručnjaci definiraju okvire koje AI zatim popunjava. To znači da se izbjegavaju tipične greške poput halucinacija ili pogrešnog tumačenja konteksta, ali za cijenu dodatnog ljudskog rada. I tu dolazimo do stvarnog pitanja: koliko je ovaj sustav skalabilan izvan akademske studije?

Projekt je trenutno u fazi ranog istraživanja, ali ima potencijal da bude značajan za zračne luke koje se bore s nedostatkom standardizacije. Ako se metodologija dokaže učinkovitom, mogla bi se prilagoditi drugim kompleksnim industrijama – od logistike do zdravstva – gdje su podaci jednako fragmentirani. Eurocontrol već godinama radi na sličnim integracijama, ali bez jasnog rješenja za semantičke neusklađenosti.

Međutim, praktična primjena ovakvog sustava zahtijeva više od samog algoritma. Potrebni su stručnjaci koji će kreirati okvire znanja, a to znači dodatne troškove i vrijeme. U industrijama gdje je svaka minuta skupa – poput zračnog prometa – pitanje je koliko su tvrtke spremne ulagati u ovakve hibridne pristupe. Još nije jasno hoće li ovaj model biti isplativiji od tradicionalnog softvera za upravljanje podacima.

GitHub reakcije na slične projekte sugeriraju da je developer zajednica skeptična prema hibridnim pristupima koji zahtijevaju puno ljudskog rada. Iako su rezultati obećavajući, još nema dokaza da ovaj model funkcionira izvan kontroliranog okruženja. Stvarni test bit će kada se sustav suoči s realnim podacima iz više zračnih luka, a ne samo s akademskim skupom podataka.