AI 会取代航空运输人员吗？| 航空运输人员 AI 工作流手册

航空运输人员与AI：自动化如何重塑航空运营

角色概览

航空运输人员是商业航空和货运航空领域内一个涵盖广泛操作的职业类别，包括机坪操作员、行李搬运工、飞机引导员、加油技术员、货物装卸员、地勤协调员以及飞机勤务人员等。这些工作人员构成了机场过站保障的物理支柱——也就是飞机到达登机口到再次离港之间那45至90分钟的窗口期。

该岗位体力要求高、时间紧迫，并受到美国联邦航空管理局（FAA）、国际航空运输协会（IATA）以及各航空公司地勤服务协议中制定的严格安全规程约束。一个遗漏的步骤——比如货舱装载不当、加油计算错误或漏掉外来物碎片（FOD）检查——都可能引发连锁反应，导致航班延误、安全事故或违规事件。

大多数航空运输人员由航空公司直接雇佣，或通过第三方地勤承包商如Swissport、Menzies Aviation、dnata等就职。地勤服务的利润率以极其微薄著称，通常在2%至5%之间，这给企业带来了持续的压力，迫使它们在确保安全合规的前提下不断降低人工成本并提高过站效率。

人工智能如何重塑这一职业

人工智能对航空运输作业的改造，其核心并非取代单个员工，而是重构位于员工之上的协同调度层。航空公司和地面服务商正借助 AI 来压缩过站时间、减少因地面操作导致的昂贵延误，并在波动的航班计划中更精准地调配人力。

以往，地面作业依赖纸质工卡、无线电对讲和主管经验来编排过站时的任务顺序。如今，Inform 的 GroundStar、SITA 的 Airport Management 套件、Amadeus Altéa Ground 等 AI 驱动的过站管理平台，正以实时任务编排取代这种非正式的协调方式。这些系统接入实时航班数据、机位分配、人员到岗情况及设备状态，生成动态的任务序列，并在某个步骤出现拖延时向主管发出预警。

推动这一变革的商业压力十分直接：航空公司按班次支付地面服务费，并对延误施加罚金。能够持续实现准点过站的地面服务商，就能赢得合同续签；反之则会失去合约。在合同竞标中，AI 驱动的运营管理已不再是单纯的运营升级，而是成为关键的竞争分水岭。

AI 可自动化的任务

过站作业排序：AI平台自动生成并更新每架飞机过站的任务序列，根据情况变化（如进港延误、设备不可用、机组未到）实时调整。
配载计划与载重平衡计算：SITA LoadPlanner、汉莎系统NetLine/Load等系统自动完成货物与旅客的载量分配，减轻配载控制人员的手动计算负担。
外来物（FOD）检测：安装在机场车辆或固定式摄像头（如Xsight Systems的FODetect）上的计算机视觉系统扫描跑道和机坪区域的碎片，取代或辅助人工步行检查。
燃油量核实：配备数字对账的自动加油系统减少手动油尺检查和纸质加油记录。
行李核对：利用RFID和计算机视觉的AI辅助行李追踪，减少为将行李与旅客匹配所需的手动扫描与核对工作。
人员排班：AI劳动力管理工具（如Kronos/UKG、Verint）根据预测的航班量优化排班，减少闲时冗员和高峰时的人手不足。
设备遥测数据异常标记：装有物联网传感器的地面保障设备（GSE）将数据传入预测性维护平台，在故障发生前标记维修需求。

技能价值提升

运营技术素养：能够解读仪表盘、响应系统警报，并在过站管理平台中输入准确状态更新的工作人员越来越有价值。如今，错误正集中出现在人员操作与数字协调的衔接环节。

模糊情境下的安全判断：AI系统能很好处理常规流程，但难以应对非标准状况——如载有未申报危险品的飞机抵达、登机口冲突需要临时重新分配路线，或停机坪发生医疗紧急情况。在这些时刻，具备出色态势感知和安全决策能力的人员是不可替代的。

跨职能沟通：随着AI压缩过站时间窗口，停机坪工作人员、客舱清洁团队、配餐、加油和登机口地服人员之间的协调变得愈发紧密。能够跨这些职能清晰沟通，并迅速上报问题的员工，能降低连锁延误的风险。

先进地面支持设备（GSE）的操作：新型地面支持设备，包括具有半自主引导功能的电动拖车和自动化行李装载机，要求工作人员能够监督并介入机器辅助操作，而非单纯执行手工任务。

数据准确性与数字纪律：向数字系统中正确输入飞机注册号、货物重量和任务完成时间戳，现在对运营至关重要。这些输入中的错误会以纸质记录时代从未有过的方式，传导至下游的AI计算。

重要性逐渐降低的技能

手工计算装载表及使用纸质载重平衡文件
仅靠无线电协调，缺乏数字化的任务管理界面
将人工徒步巡查 FOD 作为唯一的检测手段
纸质燃油日志，并与加油车流量计手动核对
在没有系统支持的情况下背记固定的任务序列 — 现在 AI 平台会动态呈现正确的操作顺序

当前行业AI应用情况

AI的应用并不均等，与航空公司规模和枢纽复杂度的关联性极强。服务于大型网络型承运人的主要枢纽机场——如希思罗、法兰克福、迪拜、亚特兰大——拥有最成熟的AI辅助地面运营体系。而区域机场和二级机场的低成本航司运营，往往仍依赖传统的协调方式。

在最大的地面服务商中，Swissport和Menzies均已宣布数字化转型计划，将AI驱动的过站管理纳入其中。SITA《2023年航空运输IT洞察》报告指出，72%的航空公司已在运营相关的AI和机器学习方面进行积极投资，其中地面运营被列为主要聚焦领域。

在某些方面，货运板块领先于客运板块。主要货运枢纽（如联邦快递孟菲斯、DHL莱比锡、香港国泰货运）的自动化货物处理系统，已在AI驱动的分拣、机器人码垛和预测性装载规划方面达到了客运机坪作业尚未企及的规模。

劳动力市场压力也在加速AI应用。疫情后地面服务人员短缺——尤其是在欧洲和北美——迫使运营方寻求能够以更少人员维持吞吐量、或加快新员工上手速度的技术方案。

未来工作流程演变

到2028年，地面运营工作流程将在三个方面发生显著变化。

首先，过站管理平台将取代以无线电为主的通信方式，成为主要协调媒介。工作人员会通过可穿戴设备或加固型平板电脑接收任务分配和状态更新，以语音确认替代人工签收。主管则从指挥具体任务，转变为监控AI标记的异常队列。

其次，半自主地面支持设备将承担越来越多的机坪上飞机牵引和行李运输任务。电动自主牵引车（像TaxiBot和Mototok这样的公司正在进行试点）将以极少的人工干预，在登机口与远机位之间移动飞机。自动行李拖车将沿规定的机坪路线行驶，人工人员不再驾驶车辆，而是监督装卸过程。

第三，预测性运营将取代被动响应式运营。AI系统不会等延误开始后再做反应，而是在问题出现前20至30分钟，就标记出有风险的过站——例如行李卸载缓慢、加油车尚未到达、清洁人员进度落后——让主管有时间在延误成为定局之前进行干预。

在这一演变后的工作流程中，人类将承担监督、干预和安全关键职责。纯粹重复性的手工体力劳动量会下降，而剩余岗位对从业者的认知能力和沟通能力的要求将显著提升。

常见的人工智能应用场景

应用场景	技术类型	运营影响
实时周转监控	任务编排人工智能	减少地面运营造成的平均延误
自动化装载规划	优化算法	消除人工重量与平衡计算误差
跑道/停机坪异物检测	计算机视觉	减少异物相关事件及人工检查时间
预测性地面支持设备维护	物联网+机器学习异常检测	减少航班过站期间的设备故障
人工智能辅助行李追踪	射频识别+计算机视觉	降低行李错运率
动态人员排班	劳动力优化人工智能	减少冗余人力成本与人员不足导致的延误
货物分拣自动化	机器人+人工智能路径规划	提高货运枢纽的处理量

风险与挑战

过度依赖系统输出：当AI驱动的周转平台生成任务序列时，工作人员可能不再运用独立的安全判断，而只是执行系统指令。这会造成一种新的故障模式：系统出错，却无人察觉。

数据质量依赖：AI装载规划和周转管理的准确度完全取决于输入的数据。货物舱单错误、登机口临时变更未在系统中更新，或设备状态未实时反映，都可能导致AI建议不仅无益，反而有害。

劳资关系与岗位替代焦虑：地面勤务人员往往加入工会，引入AI驱动的排班和绩效监控会引发摩擦。工作人员面对由AI生成的生产力指标，若缺乏足够的透明度或申诉机制，会产生合理的抱怨。

网络安全风险：随着地面运营日益数字化整合，攻击面也在扩大。若大型枢纽的周转管理系统遭到入侵，可能导致数百个航班中断。这并非理论风险——航空IT系统已遭遇过勒索软件攻击。

采用不均衡引发的协调缝隙：当机场内某家地勤代理使用先进的AI协调，而另一家仍沿用传统的无线电方式时，二者之间的接口——包括共用设备、登机口交接、加油车调度等——就成为摩擦点。

培训滞后：新进入地面勤务岗位的劳动力未接受过在AI辅助环境下工作的培训。提升现有员工有效使用数字协调工具的能力，是一项重大的运营挑战，而多数地勤代理对此资金投入严重不足。

未来展望（3至5年）

到2027至2028年，以下变革很可能在主要航空枢纽成为运营常态，而非停留在试点阶段：

自主飞机牵引将在15至20个主要机场投入商业部署，减少常规机位间移动所需的拖车操作员数量。美国联邦航空管理局（FAA）和欧洲航空安全局（EASA）针对自主停机坪车辆的监管框架目前正在制定中。

AI生成的过站前置简报将取代静态的工卡。在每架飞机到港前，系统将生成一份针对该次过站的简报——内容包括预期货物复杂程度、已知设备限制、影响停机坪的天气因素——并通过平板或可穿戴设备分发给机组负责人。

持续绩效反馈循环将替代班次结束后的汇报。AI系统会实时追踪过站绩效，并揭示问题模式——例如某个机组在货物卸载上持续偏慢，某个特定机位反复出现加油延误——从而实现针对性的运营干预，而非笼统的绩效考核。

货物处理机器人的应用将超越货运枢纽，拓展到主要客运机场的腹舱货运业务。自动化的集装器（ULD）搬运系统将减少宽体机货物装载所需的人力。

劳动力构成将发生变化：管理岗与技术技能人员相对于纯体力劳动者的比例将上升。入门级岗位将以数字素养作为基本要求，而非将其视为一项高阶技能。

最终洞见

航空运输人员并未被 AI 淘汰 —— 他们正在一个协同更紧密、编排更严密的运行体系中被重新定位。能在这个环境中脱颖而出的员工，是那些将数字协同工具当成专业器械来使用、在系统无法到位的环节凭安全判断做出决断、并在 AI 驱动的紧凑过站节奏中完成高效沟通的人。

真正的风险并非技术性失业，而是技能错配：一支习惯了手动操作和无线电协调作业的一线队伍，在未得到充分准备的情况下，被推向数据驱动的运行环境。那些不仅投资于技术，更投资于操控技术的“人”的航空公司和地面服务商，将超越那些将 AI 单纯视为降本工具、把员工当作剩余投入的企业。

45 分钟的过站时间越来越紧。容错空间却不会随之收紧。

航空运输人员

AI 如何融入这个职业