Hitting the Books: AI ya está remodelando los viajes aéreos, ¿serán los aeropuertos los siguientes?

T¡La temporada de viajes de vacaciones está una vez más sobre nosotros! Es la época mágica del año que combina estar parado en las filas de seguridad del aeropuerto con perder la cabeza cada vez más a medida que las manecillas de su reloj se acercan perpetuamente a una hora de embarque que mágicamente se adelantó 45 minutos desde que salió de la casa y el goober frente a usted. es en el año de nuestro señor 2022 todavía de alguna manera confundido acerca de por qué tenemos que quitarnos los zapatos en la seguridad y, maldita sea, amigo, deja de discutir con la TSA y desátate los cordones, ya que estos boletos no son reembolsables.

Ai puede ayudar a arreglar esto. Tal vez incluso pueda darle a la gente normal una muestra de la experiencia aeroportuaria sin esfuerzo que disfrutan los viajeros más adinerados: el jet set privado que nunca tiene que preocuparse por los horarios de salida o las filas de seguridad como el resto de nosotros, idiotas atrapados volando Spirit.

En su último libro PODER Y PREDICCIÓN: La economía disruptiva de la inteligencia artificial, Los economistas y profesores de la Universidad de Toronto Ajay Agrawal, Joshua Gans y Avi Goldfarb examinan el impacto fundamental que los sistemas AI/ML tienen en la toma de decisiones humana a medida que dependemos cada vez más de la automatización y las predicciones de big data. En el extracto a continuación, postulan cómo se verían los aeropuertos del mañana si la IA eliminara la congestión del tráfico y los retrasos de seguridad.

Reimpreso con permiso de Harvard Business Review Press. Extraído de PODER Y PREDICCIÓN: La economía disruptiva de la inteligencia artificial por Ajay Agrawal, Joshua Gans y Avi Goldfarb. Copyright 2022 Ajay Agrawal, Joshua Gans y Avi Goldfarb. Reservados todos los derechos.

Ajay Agrawal, Joshua Gans y Avi Goldfarb, economistas y profesores de la Escuela de Administración Rotman de la Universidad de Toronto. Su libro anterior es MÁQUINAS DE PREDICCIÓN: La economía simple de la inteligencia artificial.

El universo alternativo del aeropuerto

Antes de considerar la amenaza que la predicción de IA puede representar para los aeropuertos, como con todo, existe un sistema alternativo que puede mostrarnos cómo se ve el otro lado. Un ejemplo es el universo alternativo de los muy, muy ricos. No vuelan en vuelos comerciales y, por lo tanto, no tienen ocasión de lidiar con las terminales de aeropuerto públicas antiguas o de nuevo diseño. En cambio, vuelan de forma privada y pasan por terminales privadas. Normalmente, la ostentación, el glamour, los buenos restaurantes y las galerías de arte estarán donde estén los más ricos. Pero en el mundo de los aeropuertos, las terminales privadas son absolutamente espartanas.

La razón por la que no se invierte en hacer que las terminales privadas sean mejores lugares es que la misma incertidumbre que nos atormenta al resto de nosotros no atormenta a los ricos. Con un avión comercial, está atado a un horario, y esos aviones dejarán atrás a los pasajeros retrasados. Con un avión privado, el horario es más flexible o incluso inexistente. Si los pasajeros no están, el avión no sale hasta que llegan. Si los pasajeros llegan antes, el avión sale en ese momento. Todo el sistema está diseñado para que no haya esperas, al menos, por parte de los pasajeros. Sin esperas significa que no es necesario invertir para hacer que la espera sea más agradable. Al mismo tiempo, los ricos no tienen reglas sobre cuándo deben partir hacia el aeropuerto. Se van cuando quieren. Si más personas pudieran tener esa experiencia, entonces seguramente la terminal óptima sería más espartana que catedral.

Sin embargo, no es necesario ser rico para ver este universo alternativo. En su lugar, simplemente compare el mundo al otro lado de las puertas de llegada con el de partida. Cuando las áreas de llegada están separadas de las áreas de salida, son espartanas. Es posible que encuentre algunos establecimientos de comida ligera, pero todo lo demás está diseñado para sacarlo del aeropuerto. El problema crítico es qué tan cerca están los taxis y las instalaciones de estacionamiento, aunque es posible que no tenga prisa por el estrés. ¿Recuerda algún detalle de las llegadas a su aeropuerto habitual, además de la mejor manera de salir?

La amenaza del aeropuerto AI

Los aeropuertos no son ajenos a la IA. El control del tráfico aéreo ha adoptado sistemas basados ​​en IA para predecir mejor las llegadas de aeronaves y la congestión. En el aeropuerto de Eindhoven, se está probando un nuevo sistema de manejo de equipaje de IA mediante el cual los pasajeros simplemente fotografían sus maletas, las dejan y las recogen en su destino, sin necesidad de etiquetas. Sujeto a los requisitos de privacidad, espera hacer lo mismo con las personas. Todo esto te ayudará a llegar más rápido a tu vuelo.

Sin embargo, ninguna de estas cosas afecta a los principales impulsores de la incertidumbre en su viaje a su vuelo: el tráfico y la seguridad. El cambio, sin embargo, ya está aquí con respecto al tráfico. Las aplicaciones de navegación, como Waze, tienen en cuenta las condiciones del tráfico y pueden estimar razonablemente cuánto tiempo lleva llegar a cualquier aeropuerto según la hora del día. Las aplicaciones no son perfectas, pero siguen mejorando.

Las aplicaciones evitan que los pasajeros tengan reglas que les indiquen con qué anticipación deben partir hacia el aeropuerto. En cambio, pueden agregar ese tiempo de vuelo a su calendario, y una aplicación les indica el mejor momento para partir y programar su tiempo en consecuencia. Mejor aún, en un futuro cercano, se tendrá en cuenta la incertidumbre en el tiempo real de salida de un vuelo. En lugar de simplemente decirle cuándo debe partir en función de una salida programada, la aplicación le indicará cuándo debe partir en función de la salida real prevista del vuelo. Una vez más, existe una incertidumbre residual, pero el salto de no tener información a tener información más precisa podría ahorrar horas de espera. Del mismo modo, muchos pasajeros de Uber que antes pensaban que no les importaría saber la hora prevista de llegada de su taxi ahora citan esa información como una de las características más valiosas del servicio. Uber usa IA para hacer esa predicción. AI también podría predecir los tiempos de espera de la línea de seguridad. Póngalo todo junto y puede usar la IA para decidir cuándo partir hacia el aeropuerto en lugar de confiar en las reglas. Como en todo, habrá algunos que salten ante esta posibilidad antes que otros. En Incheon y en muchos otros aeropuertos, esperar ya no es malo, así que tal vez no necesite tomar una decisión informada.

Aquellos que desarrollan una aplicación de navegación impulsada por IA o un predictor de salida de vuelo no tienen un interés directo en las ganancias de las actividades del aeropuerto en la terminal. Sin embargo, el valor de sus aplicaciones de IA depende en gran medida de cuántas personas no quieran esperar en los aeropuertos. Por lo tanto, si los aeropuertos son actualmente menos costosos para esperar, el valor de esas aplicaciones disminuye. La predicción de la línea de seguridad es otra cuestión. Los aeropuertos afirman que quieren mejorar los tiempos de seguridad y reducir la incertidumbre. Pero como economistas, no creemos que sus incentivos estén alineados con los pasajeros. Sí, mejorar los tiempos de seguridad deja más tiempo para pasar en las instalaciones más allá de la seguridad. Pero, al mismo tiempo, reducirá la incertidumbre y hará que las personas ajusten sus horarios de llegada al aeropuerto. En combinación con la IA que resuelve la otra incertidumbre de los pasajeros al llegar a la terminal, ¿querrán los aeropuertos eliminar la incertidumbre bajo su propio control?

Reglas acomodaticias

Nuestro punto más amplio no se trata de aeropuertos sino de reglas. Las reglas surgen porque es costoso aceptar la incertidumbre, pero crean su propio conjunto de problemas. El llamado Principio de Shirky, presentado por el escritor de tecnología Clay Shirky, establece que “las instituciones tratarán de preservar el problema para el cual son la solución”. Lo mismo puede decirse de las empresas. Si su negocio es proporcionar una manera de ayudar a las personas cuando esperan un avión, ¿cuál es la probabilidad de que se asegure de que no tengan que esperar los aviones?

Si desea encontrar oportunidades mediante la creación de nuevas decisiones habilitadas para IA, debe mirar más allá de las barreras de seguridad que protegen las reglas de las consecuencias de la incertidumbre y enfocarse en actividades que faciliten la asunción de esos costos o reduzcan la probabilidad de malos resultados que las reglas generarían. de lo contrario hay que tolerar.

Podemos ver esto en la protección de larga data que emplean los agricultores en Inglaterra: construir setos. Un seto es un conjunto cuidadosamente planificado de árboles y plantas robustos que sirven como muro entre los campos. Es extremadamente útil si su campo está lleno de animales de granja y no desea contratar a una persona para asegurarse de que no se alejen. También es útil si no desea que las fuertes lluvias erosionen el suelo demasiado rápido o si desea proteger los cultivos de los fuertes vientos. Dada toda esta protección contra eventos de riesgo, no nos sorprende que esta práctica fuera el origen del término “cobertura”, que evolucionó para tener un significado de seguro más amplio.

Pero los setos tienen un costo. Al dividir las tierras de cultivo, hacen imposible el uso de ciertas técnicas agrícolas, incluida la mecanización, que solo son eficientes para grandes extensiones de tierra. Después de la Segunda Guerra Mundial, el gobierno británico de hecho subvencionó la eliminación de setos, aunque en algunos casos esa eliminación fue excesiva, dado su papel en la gestión de riesgos. Hoy en día, existe un movimiento para restaurar los setos, encabezado principalmente por el Príncipe de Gales. En muchas situaciones, se realizan inversiones costosas para cubrir o proteger del riesgo a un posible tomador de decisiones. Kilómetros de carreteras están protegidos con barandillas para evitar que los automóviles bajen por terraplenes, colinas o entren en el tráfico que se aproxima. La mayoría, afortunadamente, nunca se usan, pero cada uno permite que se construya un camino de una manera que de otro modo podría no haber sido lo suficientemente segura, dada la falibilidad de los conductores humanos.

En términos más generales, los códigos de construcción especifican con precisión varias medidas para proteger a las personas que se encuentran dentro de los edificios de eventos inciertos. Estos incluyen incendios, pero también daños por el clima, cimientos de edificios débiles y otros fenómenos naturales como terremotos.

Lo que estas medidas de protección tienen en común es que normalmente generan lo que parecen soluciones de ingeniería excesiva. Están diseñados para un determinado conjunto de eventos: la tormenta única en la vida o la inundación única en un siglo. Cuando ocurren esos eventos, la ingeniería parece valer la pena. Pero, en su ausencia, hay motivos para preguntarse. Durante muchos años, freakonomics los autores Steven Levitt y Stephen Dubner señalaron cómo los chalecos salvavidas y las balsas en los aviones, sin mencionar las demostraciones de seguridad de cada uno, parecían un desperdicio, dado que ningún avión había aterrizado con éxito en el agua. Luego, en 2009, el capitán Sullenberger aterrizó un avión de US Airways sin motores en funcionamiento en el río Hudson. ¿Ese ejemplo de un evento de baja probabilidad hace que los chalecos salvavidas de precaución valga la pena? Es difícil de saber. Pero no podemos concluir que la ausencia de un resultado posible nos haga evaluar la probabilidad de ese resultado en cero.

Sin embargo, el punto principal de Levitt y Dubner es que, si bien a menudo es posible evaluar la probabilidad o el cambio en la probabilidad de incertidumbre subyacente a lo largo del tiempo cuando se emplean medidas de protección, no es posible medir si las inversiones realizadas para reducir la probabilidad de una consecuencia son excesivas, ya que la propia estrategia de gestión de riesgos empleada sustrae esa información. Es muy posible que se desperdicie demasiado en algo que, por otras razones, ya no es de alto riesgo.