Несоответствие между ожиданиями и реальной зрелостью ИИ в аэропортах
Опрос по теме искусственного интеллекта демонстрирует типичную для отрасли «асимметрию ожиданий и готовности». С одной стороны, 92% аэропортов уже используют ИИ или планируют его внедрение в горизонте 1−2 лет, а 87% респондентов оценивают его потенциал как высокий или очень высокий. Это свидетельствует о сформировавшемся консенсусе: ИИ рассматривается как ключевой драйвер повышения эффективности и развития аэропортов. При этом авиакомпании опережают аэропорты по фактическому внедрению, опираясь на более понятные кейсы с измеримым ROI (управление доходами, ценообразование, прогнозирование спроса), тогда как в аэропортах доминируют экспериментальные проекты и планы без четкой приземленной бизнес-логики.
Барьеры внедрения, недостаточная готовность инфраструктуры и стратегический перекос в задачах ИИ
С другой стороны, структура барьеров и оценка собственной готовности показывают, что отрасль находится на ранней стадии реальной трансформации. Лидирующими препятствиями названы неясные бизнес-цели и дефицит доверия к ИИ, дополняемые сложностями интеграции, нехваткой специалистов, фрагментированными данными и устаревшей инфраструктурой. Ни один аэропорт не считает себя полностью готовым к внедрению ИИ: 55% прямо говорят о необходимости серьезной предварительной подготовки, еще 41% оценивают готовность как частичную. При этом приоритизация задач для ИИ смещена в сторону наиболее сложных и критичных процессов — управление расписанием, слоты, безопасность, инфраструктурный мониторинг — в то время как относительно «простые» и уже зрелые сценарии (контакт-центры, аналитика, обработка обращений) остаются во втором ряду. На уровне стратегической постановки задачи отчетливо просматривается стремление сократить долю ручного труда и фонд оплаты труда, при этом вопросы ответственности, регулирования и защиты персонала остаются нерешенными.
Использование решений на базе искусственного интеллекта в аэропортах
“
Результаты показывают 92% аэропортов либо используют (32%), либо планируют внедрить ИИ (60%). Это впечатляющий показатель интереса к технологии. Однако реальность более сложная: хайп начинает снижаться. Все думали, что ИИ заменит всех, но это не так. ИИ точно применим в первую очередь там, где есть клиент (персонализация, чат-боты, прогнозирование спроса). В B2B — минимум реальных применений. Пока говорить о чем-то серьезном нельзя — большинство проектов экспериментальные.
Критический вопрос: говорят, будто в разработке ПО становятся не нужны джуны и даже мидлы. Но как появятся сеньоры, если нет мидлов и джунов? Это фундаментальная проблема ИИ-эры — разрыв в передаче опыта и формировании экспертизы.
Сравнение с весенним исследованием ORS демонстрирует у авиакомпаний более высокое текущее использование ИИ (67% в 2025) против 32% у аэропортов. Планы инвестиций в ИИ у авиакомпаний: 81% к 2025 и 82% к перспективе 2030 года. Это указывает на то, что авиакомпании видят более конкретные применения ИИ в управлении доходами, динамическом ценообразовании, предсказании спроса — областях с четкими ROI-метриками. Аэропорты пока в основном планируют (60%), но применений меньше.
Основные барьеры внедрения ИИ в аэропортах
“
Две группы барьеров возглавляют список с одинаковым (70%) уровнем популярности ответов среди респондентов: неясные бизнес-цели и недостаток доверия. Это отражает фундаментальную неопределенность: ИИ — модно, но пока не очень понятно. Технология пока слабо изучена, нет ясности, где и какой ИИ можно использовать, а какой нельзя. К тому же все это законодательно не регламентировано.
Следующий уровень: сложности интеграции (49%), недостаток специалистов (32%). Последний барьер — финансирование (16%) — парадоксально низкий, учитывая 91% рост инвестиций в кибербезопасность (вопрос 21). Это указывает, что деньги есть, но нет уверенности, на что их потратить.
Исследование World Aviation Festival (2025) выделяет похожие барьеры: высокие затраты, интеграция с legacy-системами, доверие (проблема «черного ящика»), инфраструктура данных, готовность персонала, риск bias, регуляторная сложность. Глобальный рынок ИИ в авиации прогнозируется достичь $ 32,5 млрд к 2033 году с CAGR 46,97%, но реальное внедрение медленнее.
Исследование World Aviation Festival (2025) выделяет похожие барьеры: высокие затраты, интеграция с legacy-системами, доверие (проблема «черного ящика»), инфраструктура данных, готовность персонала, риск bias, регуляторная сложность. Глобальный рынок ИИ в авиации прогнозируется достичь $ 32,5 млрд к 2033 году с CAGR 46,97%, но реальное внедрение медленнее.
Анализ Aerospace Global (2025) показывает, что фрагментированность данных между аэропортами, авиакомпаниями и обработчиками — центральная проблема. Данные от одного пассажира проходят через множество хранилищ с разными политиками. GDPR и локальное законодательство усугубляют сложность. Внедрение И И вероятнее будет инкрементальным с human-in-the-loop моделями.
Оценка потенциала ИИ для повышения эффективности аэропортов
“
87% респондентов оценивают потенциал искусственного интеллекта как высокий или очень высокий. Такая консолидированная оценка отражает не только растущую значимость ИИ в глобальной технологической повестке, но и влияние общего индустриального хайпа, при котором критический анализ часто уступает место следованию доминирующему тренду. В условиях неопределённости организации нередко демонстрируют декларативный оптимизм: признавая высокие перспективы технологии, они при этом не имеют четких сценариев её практического применения. Это подтверждается и результатами вопроса 29, где отсутствие ясных бизнес-целей было обозначено как один из ключевых барьеров внедрения ИИ.
OAG (2025) в анализе Can AI and the Right Data Rewrite the Rules of Airline Performance заявляет: «Обсуждения применения искусственного интеллекта в авиации часто склоняются к грандиозным видениям будущего… хотя эти идеи и захватывают воображение, они остаются весьма спекулятивными».
Отчет подчеркивает разрыв между ИИ-хайпом и реальным влиянием. Однако конкретные применения уже дают результаты, например, Qantas сэкономила $ 26 млн на топливе через AI-оптимизацию маршрутов, Lufthansa Technik (система AVIATAR) сокращает время простоя самолетов на 5−15%, Schiphol реализует ИИ-оптимизацию оборота воздушных судов.
Готовность аэропортов к внедрению ИИ-технологий
“
55% аэропортов заявляют о недостаточной готовности и необходимости серьёзной предварительной подготовки, ещё 41% оценивают свою готовность как частичную и сопровождаемую существенными вопросами. Такая структура ответов отражает типичную ситуацию технологического перехода: формальная поддержка идеи внедрения ИИ сочетается с отсутствием доверия к собственным системам и осознанием того, что текущая инфраструктура не способна обеспечить безопасное и устойчивое применение данных технологий. Показательно, что ни один аэропорт не сообщил о полной готовности — это важный индикатор системных ограничений на уровне процессов, качества данных, архитектуры ИТ и организационной зрелости. Полученные результаты напрямую согласуются с выводами вопросов 29−30: намерения и общий оптимизм присутствуют, однако фактические условия — от данных и интеграционной среды до процессов и компетенций — пока не соответствуют требованиям, необходимым для полноценного использования ИИ.
Глобально, аэропорты сталкиваются с устаревшей инфраструктурой, разрозненными данными и организационными барьерами. PA Consulting (2025) подчеркивает: «Готовность инфраструктуры представляет собой первостепенную проблему для многих аэропортов». Традиционные системы не совместимы с ИИ. Требуются IoT-сенсоры, HD-камеры, 5G, облака, GPU-процессоры — все это подразумевает дорогостоящие инвестиции.
Исследование ACI Asia-Pacific (2025) выявляет три ключевых барьера: (1) Несовместимая инфраструктура — устаревшие системы, дорогие и долгие обновления, (2) Разрозненные данные — отсутствие информации в реальном времени для предиктивного обслуживания, (3) Организационное сопротивление — нет необходимых знаний, высокие затраты, боязнь потери работы.
Какие задачи, по вашему мнению, в первую очередь должны быть автоматизированы с помощью ИИ в аэропортах?
“
Управление расписанием (82%) остается одним из наиболее проблемных процессов аэропортовой деятельности, требующим глубокой автоматизации. В периоды высокой загрузки аэропорт вынужден распределять слоты между авиакомпаниями в условиях ограниченных ресурсов, зачастую отдавая приоритет крупным перевозчикам, а остальных обслуживая по остаточному принципу. Несмотря на многолетние усилия по внедрению автоматизированных систем, значительная часть работы по-прежнему выполняется вручную, что повышает операционные издержки и создает риски для устойчивости расписания. Схожие проблемы наблюдаются в работе контакт-центров (65%) и систем видеонаблюдения (67%), где человеческий фактор напрямую коррелирует с финансовыми потерями и ошибками в операциях.
При этом возникает методологический парадокс: внедрение ИИ традиционно рекомендуется начинать с задач меньшей структурной сложности — таких как контакт-центры, где алгоритмы уже демонстрируют высокую зрелость. Однако аэропорты стремятся применять ИИ сразу в наиболее значимых и одновременно наиболее комплексных областях, включая управление расписанием. Управление пассажиропотоками (37%) представляет собой более подходящий сценарий: ИИ способен оперативно выявлять формирование очередей и рекомендовать открытие дополнительных стоек регистрации, контроля или досмотра, обеспечивая динамическое перераспределение ресурсов.
На стратегическом уровне остается нерешенным вопрос оптимизации затрат на персонал, который формирует до 80% операционных расходов аэропорта. Идея «полностью автоматизированного аэропорта» теоретически привлекательна с точки зрения эффективности, однако её реализация ограничена требованиями законодательства, необходимостью защиты персонала и строгими нормативами ответственности за безопасность операций и управление данными
Инсайты
необходимы более амбициозные инвестиционные стратегии, диверсификация источников финансирования и переход от реактивной модели ИТ-развития к стратегической.
Для изменения траектории развития
на уровне риторики и ожиданий, но еще не стал полноценно встроенной частью операционной модели. Высокий заявленный потенциал и масштаб планов контрастируют с низкой технологической готовностью, дефицитом данных и компетенций, а также отсутствием отлаженных бизнес-кейсов. Для перехода от экспериментального и «хайпового» использования к устойчивому эффекту необходимы: четкое определение целевых сценариев с понятной экономикой, инвестиции в инфраструктуру данных и интеграцию, развитие кадровой базы и поэтапное внедрение ИИ — начиная с задач умеренной сложности и высокой предсказуемости результата, а не сразу с наиболее критичных и комплексных процессов.
ИИ в аэропортах уже закрепился как стратегический приоритет
разделы