国泰让AI帮飞行员“上下挪一点”：80多班飞机之后，我看到AI最值钱的一种用法

我们现在谈AI，经常陷入一个误区。

好像只有AI替掉一个岗位，才算真正落地。

昨天国泰航空和Google公布的一项试验，我反而觉得特别有代表性。

他们不是让AI开飞机。

也不是让AI替代飞行员。

而是让AI做一件很“小”的事情：

提前判断飞机在哪些高度和区域更容易形成持续航迹云，然后把这个信息直接送到飞行员手里。

飞机飞过寒冷、潮湿的高空时，我们经常会看到后面留下白色尾迹。

大部分很快会散掉。

但有些会持续存在并扩散，形成类似薄云的效果，把热量留在大气层里。

Google和国泰的做法，是利用AI预测、卫星图像和天气信息，提前判断哪些区域更容易形成这种航迹云，然后让飞机在安全允许的情况下做轻微高度调整。

首阶段针对100多班航班展开试验，其中80多班实际采用了避开航迹云的航线。Google根据卫星图像分析估计，这些航班的航迹云增温影响降低了约40%。香港—新加坡航线也是试验路线之一。

这个案例让我特别有感触。

因为它非常像企业真正使用AI时最有效的一种方式。

不是重新造一个公司。

不是让所有人下岗。

而是在一个已经非常成熟的业务流程里，找到一个关键节点，然后让AI比人多看一层数据、多算一步。

飞行员还是飞行员。

调度系统还是调度系统。

飞机还是原来的飞机。

但在决策之前，多了一个AI判断。

这其实就是我认为AI未来最大规模的落地方式：

AI不一定站在台前。

它更可能藏在企业流程的某一个小节点里。

例如物业管理：

摄像头发现垃圾以后，AI不是只报警，而是判断严重程度、自动派单、判断最近保洁人员、记录完成时间。

例如商业运营：

AI不是替总经理开会，而是每天自动把异常客流、租金、欠费、能耗提前筛出来。

例如制造业：

AI不一定自己生产，而是在设备真正停机之前提前发现异常。

这些看上去都没有ChatGPT聊天那么震撼。

但企业真正愿意长期付钱的，通常就是这些东西。

因为它们最后都能进入一张表：

效率提升多少。

风险下降多少。

人工减少多少。

成本节约多少。

所以我越来越不喜欢问企业一句话：

“你们用了什么大模型？”

我更愿意问：

“AI到底插进了哪个业务节点？”

如果答案只是：

“员工都可以使用AI聊天。”

那通常还很浅。

真正进入企业核心以后，AI应该越来越像水、电、ERP一样：

平时没人讨论它。

但每一次决策，它都悄悄参与。

国泰这次试验给我的启发就是：

AI真正成熟的标志，不是大家每天都在谈AI。

而是有一天，没人再特别提它，

但飞机、工厂、商场、社区里的每一个决定，都已经比过去聪明了一点。