人工智能重塑航空业生态：汉莎航空裁员与数字化转型前瞻

近年来，人工智能技术以汹涌之势革新各行各业，航空旅游业同样置身于这一变革浪潮之中。

最近，欧洲领先的航空巨头汉莎航空发布战略规划，预计到2030年将削减约4000个职位，约占现有员工总数的4%。

这一决策与人工智能及数字化工具的快速普及紧密相连，汉莎航空指出，未来诸多岗位职能将逐步由自动化系统接管。那么，汉莎航空为何推行如此激进的改革？人工智能在航空领域的应用前景怎样？还将带来哪些新的可能性？

为此，在最新一期《旅讯龙门阵》节目中，环球旅讯特邀航空领域专家于占福和李瀚明，与环球旅讯首席执行官李超展开了深度对话。

本文依据实际访谈内容整理提炼而成。

01

李超：汉莎航空此次裁员重点聚焦行政类职位，二位认为人工智能在航空业，特别是在流程优化与效率提升方面，已经实现了哪些具体应用？

于占福：汉莎此次裁员主要针对以脑力劳动为核心的办公室岗位，这标志着民航业相关职位受人工智能影响的趋势已正式显现。

过去两三年间，人工智能已使多个行业的办公室场景中低附加值工作受到冲击，例如文件审批、流程签署等环节。而咨询行业的大型企业早已在财务报销流程中引入了机器人流程自动化（RPA）与人工智能技术。

因此，人工智能对民航及其他行业文案处理场景的冲击具有普遍性。那些流程固化、高度重复且缺乏创造性输出的岗位，很可能将逐步被人工智能替代。

汉莎在民航科技创新方面一直引领行业潮流，比如动态票价管理系统，它较早开始探索运用大数据与自动算法进行数据挖掘，以优化实时定价策略。在人工智能深度参与下，大幅减轻了航线经理参与定价决策的工作负担。

李瀚明：在当前办公室工作流程中，即便是中高层管理者也面临文案起草的时间成本：他们形成思路后，需耗费大量时间撰写书面文件，许多人的精力被文案工作占据。

生成式人工智能能显著提升报告生成效率——只需大致构思即可快速生成内容，一篇千字报告的制作时间可从三小时压缩至五分钟。以航空公司为例，以往管理200条航线可能需要200名经理，因为他们需投入大量时间撰写分析报告；人工智能替代这部分工作后，一名经理或许能管理5条航线，从而可能减少160个岗位。

由此可见，任何需要将思路整理成文字的工作都面临人工智能的挑战，人工智能加速这一过程后将大幅缩减岗位需求。此外，像运行监控部门中监测气象数据、整理航道公告等任务，人工智能也能高效完成。

02

李超：汉莎航空的裁员计划目前未波及飞行员与乘务员。但随着人工智能发展，自动驾驶、智能客服等技术是否会给运营类岗位带来压力？例如当前许多酒店已采用机器人递送物品，航空业未来是否会出现类似应用？

于占福：实际上，相关应用已经出现。

在新加坡樟宜机场和广州白云机场，可以看到多种机器人在不同岗位上服务：清洁机器人负责地面清扫，移动售卖车提供特色饮品，警务巡逻机器人借助机器视觉识别异常行为，行李搬运机器人还能跟随旅客协助运送行李。

香港机场及国内部分机场正在测试无人驾驶的行李集装器运输车，能够从货运仓库自动行驶至飞机旁，人工替代已在较大范围推进。

但需注意，国内部分机场的应用需区分是人工智能可行性测试还是常态化运营，这是两个不同概念。

李瀚明：机场特定区域已有无人驾驶拖车投入应用，这类场景具有标准化特点，本质是“沿固定路线行驶的铁路”，拖车只需按照预设路径行进即可。

自助值机的核心趋势是成本软件化，熟悉技术的旅客通常使用手机办理值机，但有托运行李等特殊需求的旅客往往无法使用自助设备，因为机器主要处理标准化需求。

依据“二八定律”，白云机场80%的商务旅客仅占用20%的处理时间，可通过自动化服务满足；剩余20%的旅客存在特殊需求，例如多件行李托运、携带儿童、国际中转等，只能前往人工柜台办理，导致排队现象。

目前航空公司面临困境，人工智能供应商解决了部分业务场景，但可能低估了问题的复杂性，使得某些岗位难以精简。例如短程航班配备两名飞行员是最低安全标准，继续削减将影响运行安全。以往需要四人，现在依靠系统自动化减至两人，已无法再减少。乘务员配置按规定每50名乘客配备一名，200人的航班最少需要4名，许多航班已达配置下限。

因此航空公司只能缩减行政岗位，这与前述报告撰写场景的逻辑一致。自助值机推广后，地勤人员招聘并未减少，因为业务增长必然带来更多非标准化需求。部分航空公司正在推出宠物托运等个性化服务，瞄准高利润细分市场。

此外，近四五年间，中国民航首次乘机旅客比例上升，不宜让他们全程依赖人工智能，地勤人员的引导服务依然重要。

同时，人工智能正在改变航空业的客户结构，商务旅客受视频会议影响，未来标准化商务出行需求可能减少。过去航空公司以点对点航线为主，现在中转业务增加，中转旅客的需求更为多样，例如许多自助值机系统无法打印联程中转机票，这体现了旅客结构的演变。

于占福：这还涉及民航业转型节奏问题，将人力资源投向非标准化需求处理是应对人工智能替代的重要方向。但目前存在结构性挑战，标准化岗位的减少速度远快于非标准化需求的增长速度，导致被人工智能替代的员工无法全部转向非标准化业务岗位，这是人工智能技术冲击下员工转岗安置的现实难题。

03

李超：近两年全球多家大型在线旅游平台持续优化旅行搜索与预订体验，并推出智能行程规划工具，但航空业在此领域动作较少。例如国庆期间，有人咨询“想寻找距离不远、性价比高的旅游目的地，该如何选择”，这类问题难以简单答复，有点类似之前的“机票盲盒”产品。航空业在协助旅客规划行程方面举措有限，是因为航空产品相对单一吗？未来这一领域的优化空间有多大？

于占福：从个人出行体验观察，人工智能在旅游出行领域的价值，主要体现为拓展思路、提供未知信息，能够替代传统搜索引擎的低效检索，将特定领域的海量信息汇总并结构化呈现，效率远高于人工处理。

但人工智能在精准决策方面存在局限，与它互动时难以准确传达个人偏好，可能导致对话过程繁琐。

当前人工智能存在一个普遍问题，用户期待通过它实现高效人机交互，但需首先明确人工智能的价值定位，才能获得良好体验，避免对其价值产生误解。

例如组合机票时需考虑降落时间、后续行程、餐饮住宿衔接等多重因素，在这种长链条决策中，个人的主观偏好至关重要。然而人工智能目前无法全面理解个人喜好，简单交互难以提供令用户满意的精准方案，不宜对其抱有过高期待。

当前航空公司过于聚焦“旅客抵达机场后的运输环节”，未能主动向旅行决策上游延伸。早年国内三大航空集团都曾涉足旅游业务，后来逐渐淡出，鲜有航空公司将业务拓展至旅客出行决策前端。

而美国达美航空的旅行产品业务单元，如果归类到旅游网站或在线旅游平台赛道，仍能在美国市场跻身头部梯队。达美作为航空公司，其核心业务是承接旅客“从A点到B点”的运输需求。但通过向上游延伸，打包目的地酒店、租车等服务，成功在旅客出行决策前期进行互动，从而锁定更多收入机会。

美国许多消费者对航空公司品牌忠诚度较高，在复活节、暑假等假期会优先查看常选航空公司的打包产品，再确定旅行计划。这表明只要航空公司策略得当、提升业务能力，向上游延伸服务完全能在旅客决策初期建立互动关系。

李瀚明：航空公司面临一个尴尬处境，业务聚焦于“运输服务”，但旅客常处于“未确定目的地”的状态。例如旅客仅有一日假期，可能选择前往深圳等地点进行短途旅游，无需乘坐飞机，航空公司便无法介入；而在线旅游平台产品覆盖广泛，无论旅客选择何种目的地、出行方式，都能提供相应解决方案，核心差异在于预算分配。

对航空公司而言，旅客通常先确定目的地，再选择承运航空公司，这意味着航空公司在旅客旅行决策链中位列第二，首位是旅客确定目的地的“种草”过程，这使得航空公司在决策初期缺乏主动权。

航空公司主要通过两种方式提升收益：一是推广独家航线，例如香港至纽约的直飞航线，旅客若追求最短时间抵达就只能选择该航班，航空公司可获取高收益；二是在竞争激烈的航线（如伦敦至悉尼的“袋鼠航线”）中，依靠优化服务提升竞争力。

但航空公司很难直接向旅客推荐独特目的地，多数旅客的行为模式是“确定前往欧洲后，选择性价比高的航空公司”，而非“因为某家航空公司服务独特，就去它覆盖的目的地”。

04

李超：除了提升行政岗位效率、优化收益管理与运营效率外，人工智能在国外航空公司的油耗管理、飞行运营管理等领域有哪些实际案例？油耗管理高度依赖历史数据与经验，还需深入的数据挖掘，这与人工智能下围棋的逻辑类似，人工智能的决策常超出人类经验范畴。

于占福：目前已有航空公司运用人工智能分析燃油管路数据，结合气象数据优化飞行计划。

每次飞行前，人工智能根据航路上的气象预报，在确保燃油安全冗余的前提下，精确计算所需加油量，减少不必要的燃油负载，从而降低油耗，这是人工智能在油耗管理中的实际应用。

另外，机场廊桥资源紧张，提升飞机尤其是靠桥飞机的周转效率至关重要。

现在许多地面服务公司采用实时机器视觉技术，监控飞机从靠桥到离桥的全过程。

这一流程包含多个标准化控制节点，过去需地面操作人员与环节控制人员人工沟通协调，若地面人员忙碌未能及时反馈操作完成状态，容易造成时间浪费。

而人工智能能自动判断操作完成状态，操作一结束即刻触发下一环节，大幅提升周转效率。

李瀚明：航空公司内部管控的核心是安全，安全始终处于优先地位。

因此人工智能在航空内控中的重要应用方向是自动识别不安全因素并进行标记，典型案例如各航空公司运行控制部门的飞行品质监控审计（QAR审计）。

通过人工智能分析飞行记录，识别潜在的安全风险点与性能优化点：安全风险点用于规避飞行隐患，性能优化点用于提升飞行效率，还可作为机组人员绩效评估的参考依据。

尽管这一应用存在争议，但随着航空公司逐渐意识到人工智能能从历史飞行记录中挖掘风险点与优化点，并将其转化为企业内部知识，例如通过优化飞行路线降低单班次油耗，此类应用将逐步推广。

05

李超：汉莎航空上月宣布，自2026年起部分子公司将丧失独立决策权，关键职能收归集团统一管理；此次裁员也表明其数字化转型已深入至组织架构调整层面。这种由数字化转型驱动的组织架构优化，是否会在全球航空业广泛推行？

于占福：推广可能性很大。数字化转型显著提升了决策支持能力，使得传统多层管理架构的必要性降低，推动管理模式向扁平化发展。

过去高层决策依赖人工经验，随后需经历层层审批与传导，难以高效精准落实；在人工智能支持下，战略决策可在数据与洞察支撑下迅速形成，成功率更高，形成后可直接转化为精准明确的行动计划，跳过中间层级直接落地。从理论视角看，许多中间管理层的价值已大幅下降。

尤其对于多品牌、多子公司的航空集团，以往因缺乏经验与能力，很难在集团层面统筹资源实现降本整合；但人工智能工具使这一目标成为可能。

只有从集团顶层统筹资源，才能实现全局最优，避免子公司仅关注自身利益，导致集团无法做出最优决策。传统模式下子公司间的管控边界阻碍了全局最优，而人工智能打破了这一限制。

李瀚明：过去管理者的时间被大量文案工作占据，管理半径受限；人工智能解放时间后，管理半径可大幅扩展。例如一线管理者以往只能管理1条航线，现在可管理5条；高层管理者过去负责5个国家业务，现在能管理25个。

不少航空公司以往将东亚与东南亚、大中华区与亚洲其他地区市场分开管理，现在借助人工智能可整合为统一板块。再如管理者过去每天需花费半小时阅读简报，现在仅需3分钟，信息整合制作效率大幅提升，为管理半径拓展提供了可能。