Marc gaat de concurrentie aan met ChatGPT

Artikel
Technical

Pionieren zit in ons DNA. Dus is er een nieuwe technologie met serieuze gamechanger-potentie? Reken maar dat KLM’ers er direct op duiken. Zo ook met generatieve AI, de revolutionaire toepassing die in staat is om zelf content te maken – denk aan ChatGPT. Als analytics translator in het Big Data-team zoekt Marc elke dag naar manieren om de onderhoudsdivisie Engineering & Maintenance (E&M) smarter te maken. Door nieuwe toepassingen te ontwikkelen én collega’s klaar te stomen voor een andere werkrealiteit.

AI-gids voor de organisatie

Marc is analytics translator binnen E&M: ‘Eigenlijk vervul ik een brugfunctie tussen de business en dataspecialisten. Net als een product owner, maar die zorgt er vooral voor dat het juiste AI-product wordt gemaakt. Mijn rol is iets strategischer: ik stimuleer dat zo’n product ook echt wordt gebruikt. Door tijdens het ontwikkelproces de behoeftes van eindgebruikers op te halen, maar ook door na oplevering workshops en trainingen te organiseren – en erover te rapporteren aan het management. De producten verkopen, dus eigenlijk. Dat doe ik trouwens niet alleen aan collega’s, maar ook aan klanten, zoals andere luchtvaartmaatschappijen.’

Toen ChatGPT – de eerste versie van generatieve AI die breed toegankelijk was – opkwam, vroeg het management ons team om uit te zoeken wat het voor KLM E&M kon betekenen. Hoe ik dat precies deed, was ik volledig vrij in; ik werd erg vertrouwd en kreeg alle ruimte voor mijn exploratieve onderzoek. Uiteindelijk schreef ik een rapport over mijn bevindingen. Mijn conclusie was dat er eindeloze mogelijkheden zijn, maar vooralsnog vier belangrijke toepassingsgebieden: coderen, klantenservice, training en technische documentatie. En nu is het aan mij en mijn collega’s om verder te onderzoeken wát die verbeteringen dan concreet kunnen zijn.

Marc, analytics translator

Beter terug- én vooruitkijken

‘Bij E&M kan slim gebruik van uiteenlopende AI-toepassingen een hoop toevoegen, waardoor er nu veel projecten lopen. Het eerste waar ik bij betrokken ben, is AI-ondersteund labelen. Als een vliegtuigonderdeel in onderhoud gaat, krijgt elke van de duizenden mogelijke situaties een tag met code: zo krijgt gebeurtenis “LH Wing: upper side of wing several spots with missing paint” bij een Boeing 787 de code 57-10. Op die manier kunnen we exact bijhouden waar onderhoud nodig is, maar ook welke onderdelen vaker gerepareerd moeten worden dan andere en wannéér ongeveer.

Betrouwbare labels

Tot zover niets nieuws: het labelsysteem wordt al een tijd gebruikt binnen KLM. Alleen worden de codes door mensen toegevoegd – en dáár ligt ruimte voor verbetering. ‘Om collega’s te helpen labelen, hebben we een AI-toepassing ontwikkeld: een eigen versie van ChatGPT, die dankzij prompt engineering erg gebruiksvriendelijk werkt. Aan de achterkant vindt er een uitgebreid gesprek plaats, maar aan de voorkant is een korte omschrijving van het onderdeel en gesignaleerde probleem genoeg om de chatbot aan het werk te zetten. De AI gaat op zoek, stelt soms nog een paar aanvullende vragen en bepaalt zo de juiste code. Dat scheelt onze collega’s zeeën van tijd én maakt het labelproces betrouwbaarder.’

Speld in een digitale hooiberg? Zo gevonden!

Een andere AI-toepassing waar Marc aan meewerkt, is Project TRAK: Transparant Reliable & Accessible Knowledge. Dit systeem moet uitkomst bieden in zogenaamde AOG-situaties. ‘Dat staat voor Aircraft on Ground: als er iets aan een toestel mankeert, gaat het de lucht niet in. Het is belangrijk om zo’n situatie zo snel mogelijk in te schatten en op te lossen. Daarvoor hebben onze engineers informatie nodig uit uiteenlopende bronnen: van interne handleidingen tot aanwijzingen van fabrikanten en van dossiers tot oude e-mails. Daarnaast hebben we een aantal collega’s met ontzettend veel kennis in hun hoofd – veel van hen zwaaien binnenkort af. Zonde als al die waardevolle ervaring verloren gaat.’

‘TRAK moet kennis over AOG-situaties veiligstellen en centraliseren. Hiervoor brengen we de informatiebronnen bij elkaar en maken we deze toegankelijk – en specifieker: makkelijk doorzoekbaar. Zit er bijvoorbeeld een deuk op de vleugel? Dan staat er ergens hoe groot die mag zijn voordat het vliegtuig een AOG-verklaring moet krijgen. Dankzij TRAK hoeven engineers geen stapels manuals en berichten door te spitten. Het staat allemaal op één plek. Daarnaast is het zaak nieuwe kennis hieraan toe te voegen, bijvoorbeeld met behulp van spraak-naar-tekst-technologie. Dus wat engineers straks ook tegenkomen bij een toestel op de grond: ze hebben binnen no-time uitgezocht wat ze moeten doen om het vliegtuig zo snel mogelijk weer de lucht in te krijgen.’ 

Waardevolle ontdekkingen

In beide projecten werken Marc en z’n collega’s met de allernieuwste technologieën. En misschien wel belangrijker nog: ze hebben directe impact op het werk van hun collega’s. ‘KLM stimuleert ons enorm om te blijven leren. Nieuwe technologieën testen en eigen toepassingen bouwen, maar ook naar conferenties gaan en inspiratie opdoen bij anderen. Alle ruimte krijgen om te experimenteren en ontdekken, maar tegelijkertijd vrij direct het verschil kunnen maken in de operatie: fantastisch, toch?’

De glazen databol van Sashiko en haar collega’s

Voorspellende data helpt bij nauwkeurige voorraadbeheer van vliegtuigonderdelen.

Woman looking at screen

Unieke vastgoedvariatie bij KLM Real Estate & Facility Contracting

Berend en Jeroen zorgen ervoor dat al onze kantoren, loodsen en hangars futureproof zijn.

KLM-kantoor met twee medewerkers

Het Repair Lab van E&M: waar alternatieve reparatie-oplossingen het licht zien

Het Repair Lab van KLM bedenkt innovatieve manieren om reparaties aan vliegtuigen mogelijk te maken.

Man in worker space