Amadeus：2026智能体式AI时代下的航空公司-人工智能落地指南与应用案例研究报告（30页）.pdf

核心结论速览。 智能体式AI正从概念验证转向大规模生产部署：2026年，民航业AI发展迎来分水岭，未来18个月内多数航司将正式转入大规模生产环境部署，将智能体深度嵌入旅客出行全流程及航司核心运营环节。 已有近八成旅客借助AI工具进行行程规划：Amadeus 2026年3月面向全球1,000名旅客的调研显示，AI已彻底走向大众化与主流化，但仅6%的用户会把绝大部分行程规划与预订全权交由AI操办（数据来源：Amadeus《智能体式AI时代下的航空公司》白皮书）。 智能体式AI将彻底颠覆传统表单式搜索体验：自然语言搜索可理解口语化的复合需求，首轮交互即可呈现座位布局、附加服务及定制化捆绑套餐，体验优势对传统表单式界面形成降维打击。 多智能体协同系统有望打通航司长期存在的信息孤岛：由不同AI智能体组建的“数字团队”可自主对齐、跨界沟通并协同作战，为数据集成黑洞、团队协同内耗、决策最优化瓶颈带来突破曙光。 AI是对航司现有系统的增强，而非推倒重来：AI不会存储订单或处理支付，而是作为精明的指令发起者，高度依赖既有核心系统（PSS、OMS、支付等）执行操作，扮演高级编排者角色。 智能体式商业正催生新一代技术协议栈：MCP（Anthropic）、UCP（谷歌+Shopify）、ACP（OpenAI+Stripe）、A2A（谷歌主导）、NLWeb（微软）等协议正推动AI智能体之间的通信、预订与支付走向标准化。 治理必须内置于设计之中：AI的幻觉、算法偏见及数据隐私泄露风险要求航司必须配套健全的治理框架，通过确定性规则控制与人工复核结合，确保合规、精准与问责制。研究背景与全景图谱。自2022年ChatGPT面世以来，人工智能浪潮便迅速席卷全球。过去，无论是早期的机器学习还是生成式AI，虽然都带来了技术突破，但近期涌现出的“Agentic”能力，才真正为航空公司开启了一场前所未有的战略机遇。Amadeus与微软联合发布《智能体式AI时代下的航空公司——人工智能落地指南与应用案例研究》白皮书，系统阐述了智能体式AI如何从宏观商业策略落地到运控中心关键决策辅助，为航空公司输送多元化的“认知生产力”。白皮书覆盖旅客体验、商业收益与营销、日常运行、多智能体协同、治理框架及落地建议等完整维度。核心判断：在消费端对AI的快速接纳，以及航司自身降本增效、升级数字化自助服务体验的双重助推下，智能体式AI正迅速跃升为重塑民航格局的变革性力量。区别于仅能机械回应的标准旧版AI，智能体式AI通过极具温度的对话式交互，精准捕捉旅客的隐藏意图，匹配高度个性化的动态产品与随需应变服务。为何智能体式AI势在必行。Amadeus 2026年3月面向全球1,000名旅客的调研显示，AI事实上已经彻底走向了大众化与主流化。已有接近八成的旅客借助AI工具来为自己进行行程规划。不过，当下的应用形态仍旧以纯辅助为主，仅有6%的用户会把绝大部分的行程拆解与实操预订全权交由AI操办。调研揭示了阻碍大众更深层次应用的核心顾虑：隐私安全与数据保护（35%）、信息的准确性与可靠性（34%）、自主控制权与人工客服的温度（27%）。鉴于绝大多数航司的核心管理层将“扩大营收、提升效率、优化体验”作为核心战略，智能体式AI的出现恰恰在这三个维度上解锁了跨越式的增长空间。通过全盘监控、深度推理、精准推荐和自主执行，AI正在加速压缩传统工作流程，让以前复杂的跨部门任务在几分钟内尘埃落定。航司的核心受益路径主要划分为两条清晰的路线：旅客端，AI负责输出极高的个性化体验，从旅游灵感发掘到购票再到售后服务与航班中断保障，提供全链条高水准贴心服务；航司端，智能体式AI实现大范围工作流自主运转，充当业务专家的金牌辅助，帮助管理团队在商业营收、简化运营流程上做出最明智的决策。AI是对航空公司现有系统的增强。有必要理解AI与航司现存庞大系统之间如何和谐共生。AI的出现绝不是为了把航司现有的底层核心技术推倒重来。AI模型不会存储旅客的订单，也不会处理底层的支付流程。它更像是一个精明的指令发起者，必须高度依赖既有的核心系统去具体执行，并从中实时呈现每一笔交易的状态视图。真正释放价值的关键，在于能够调取航司现有的系统并编排核心流程——在那些部门各自为政、信息孤立的组织中，这些工作若交由人力完成，不仅耗时巨大，甚至几乎不可能实现。以航司的AI聊天界面为例，当它帮助旅客添加一项辅营服务时，系统必须能够访问客户管理系统（CRM）、会员忠诚度计划以及产品矩阵等数据，才能推荐真正合适的服务选项。AI还需要触发支付流程，一旦支付成功，旅客的订单信息便需要在订单管理系统（OMS）或旅客服务系统（PSS）中实时更新。因此，AI智能体既要打通数据实现个性化推荐，也要连接航司的核心记录系统和支付系统，从而顺利发起交易。智能体式商业：AI如何颠覆行程规划。自然语言搜索，如今行程规划主要依赖于以出发地和目的地输入为核心的结构化表单。AI智能体的到来则通过引入自然的双向对话，直接颠覆了生硬的搜索体验：旅客可以用随意的口语抛出一长串复合需求。与过去只返回冗长航班列表的传统搜索结果不同，AI助手在首轮交互中就能直接把旅客最关心的座位布局、附加服务选配以及定制化捆绑套餐呈现在眼前。智能体式商业的技术协议，智能体式商业要在民航业落地，需要有技术标准来定义智能体在端到端全流程中如何进行交互。目前全球已有几大协议框架率先推向市场： MCP（Model Context Protocol） ：由Anthropic开源，使AI智能体能够调用并理解各类API接口。 UCP（Universal Commerce Protocol） ：由谷歌和Shopify联合发布，支持结账和支付功能。 ACP（Agentic Commerce Protocol） ：由OpenAI和Stripe联手打造，旨在支撑买方、AI智能体与卖方商户之间通过纯对话完成购买全闭环。 A2A（Agent2Agent Protocol） ：由谷歌主导、50多家企业共同参与，让AI智能体在确保数据安全的前提下跨系统协同。 NLWeb（Natural Language Web） ：由微软开发，降低为网站构建自然语言交互界面的门槛。航空公司的旅客触点。呼叫中心数字员工，如今AI已能够即时接听旅客需要改签航班的来电（实际上可同时处理多通来电）。AI智能体可确认旅客身份、调取预订记录、精准听懂口语表达的退改签诉求、推荐替代航班方案、算清运价差额与退改手续费并发起支付，还能根据需要切换语言。需要人工介入时，它会提供精炼的“前情上下文摘要”，提高人工客服效率。能够真正解决问题的AI智能体，基于微软Azure OpenAI云基础设施，Amadeus已为全球航司量身打造出行业级解决方案——Amadeus Max for Travelers。航司可将其应用到直销B2C触点，让其在航司业务红线与品牌合规边界内为旅客提供引导与协助。通过AI助手进行分销。旅客正迅速转向使用AI辅助的旅行规划，未能意识到这一趋势的航司将面临被淘汰的风险。AI分销带来三大机遇：无可比拟的公域触达（84%欧洲消费者已在日常生活中使用AI）、精准的高转化流量、不容错失的先发优势。参与AI分销的不同模式：链接跳转模式（旅客完成规划后跳转至航司官网完成预订）、助手内原生应用（在AI助手环境中构建应用，对内容展示有更强控制力）、嵌入式预订与支付（旅客直接在AI界面内完成预订与支付，尚未大规模出现）。客户体验：打破传统的“规则”与“客群细分”。航司改善客户体验长期面临两大挑战：缺乏统一的旅客视图（信息分散在CRM、PSS、数字平台、忠诚度系统等不同系统中）；缺乏足够强大的机器学习能力在个体层面实现个性化（行业不得不采用细分策略，通过规则将产品组合匹配至旅客群体）。AI则能实现真正意义上的个体级个性化。依托机器学习模型推荐最优的产品或服务动作，采用强化学习技术——它能像一个经验丰富的销售一样，敏锐觉察哪些Offer能够成功吸引旅客、哪些无人问津，并在随后的交互中强化成功基因。巴西蔚蓝航空首席信息官Henrique Rabenhorst分享：“极致的客户体验是我们永不停歇的方向。后台沉淀了体量极其恐怖的旅客体验行为数据，传统BI工具处理时捉襟见肘。AI在精准勾勒每日乘机旅客画像、特别是识别高价值旅客方面，展现出了惊人洞察力。我们正在考虑利用AI自主推荐，将中转时间较短的旅客安排在靠近客舱舱门的座位，减少因中转时间不足导致的误机。”。商业、收益与营销：通过智能化全自动加速产品上线。Amadeus打造了专属智能体式AI赋能中枢——Amadeus Max for Airlines，在航空解决方案之上增加智能编排层，引入AI原生的作业方式，帮助航司团队提升效率、优化决策。敏捷的商业策略，传统模式下，上线一套新商业策略（如提供某新机场休息室准入服务）的跨部门协调周期动辄数周。而在Altea和Nevio之上启用智能层后，分析师可上传策略文档，利用AI自动构建业务规则，原本数周的工作可在几分钟内完成。赋能收益管理，AI不会取代数十年积累的收益管理科学，但能为其赋能。智能体式AI可持续监控数据源，追踪每条航线资源，整合非结构化信号（新闻、地缘政治变化等）。数字营销优化，Amadeus提供模块化AI驱动解决方案，实现数字营销端到端自动化。内容生成模块可大规模自动化生产创意内容和营销素材；战略分析师模块不间断审视航线商业健康状况，优化营销支出和客座率；全自动化营销活动执行官模块一键部署跨渠道营销活动并持续报告绩效。运行：打破壁垒，实现跨域协同。航司依赖运行控制中心（OCC）内的专家团队监控航班、中断及飞机过站等技术问题，运行管理复杂度高，团队中往往缺乏足够专家资源。Amadeus已成功孵化出一整套高度细分、各司其职的专业级运行AI智能体矩阵。一个AI智能体可能负责分析航变对旅客中转衔接的影响；另一个监控各站点实时过站表现；第三个专注于运行中断事件。这些智能体具有主动性，能够持续监控关键数据与KPI，并向航司专家提供最优替代策略。西南航空已搭建预测型机器学习模型，能够模拟航班延误在整个航线网络中的影响。运营团队可模拟延误对机组、行李、旅客及技术运营的影响，通过决策在何处以何种方式最优地吸收延误，提升准点率（OTP），为旅客和航司带来最佳结果。冰岛航空也在研究利用类似系统优化运营，该系统可模拟不同运营决策的潜在成本，并利用AI智能体提升飞机过站周转效率。通过多智能体系统打通部门间的信息孤岛。AI智能体不应被孤立看待。智能体式AI的长期价值在于多智能体系统——多个智能体通过相互通信和共享洞察，协同优化决策并完成复杂任务。示例：一个收益管理智能体检测到某条航线上实际预订量与预测需求存在偏差，发现目的地即将举办大型外科医生会议。该智能体随即与CRM智能体交互，确认外科医生通常乘坐商务舱出行。这一信息触发网络规划智能体评估是否可通过更换机型增加商务舱座位。与此同时，营销智能体被委派创建面向参会医生的商务舱票价推广活动。当各团队确认可行性后，AI系统安排与人类专家召开评审会议，待方案获批后执行变更。构建稳健的AI智能体治理框架。AI也伴随着风险：潜在的偏见、敏感数据的意外泄露、AI“幻觉”可能带来的影响。如果一个AI智能体的推荐或决策对旅客或航司产生负面影响怎么办？航司必须通过强有力的治理来最大程度降低此类风险。确定性治理，如果您向当今的确定性系统询问同一个问题100次，将得到相同答案。AI将概率性系统引入企业IT环境，带来强大推理能力的同时也伴随幻觉风险。确定性治理通过使用后台的规则系统对AI智能体提出的建议和行动进行检查，构建覆盖法规遵从、数据保护、授权、身份认证和定价等领域的治理规则，建立持续监控AI的安全网。欧盟《AI法案》要求根据AI工作所带来的风险进行分类。Amadeus采取积极主动且系统化的方法应对全球合规要求，建立了健全的治理框架和专业团队，设有一个企业级AI办公室，以一致、负责任且透明的方式协调AI领域各项工作，包括一套伦理框架指导AI的设计和部署。航空公司成功落地智能体式AI的5大核心建议。1. 聚焦于能产生最大影响的领域：采用迭代式方法，专注于一两个预计能带来最大收入或成本效益的工作流。微软的Walsh指出：“要专注一个已实现规模化并带来切实回报的智能体，其价值远胜于100个尚处于试点阶段的智能体。”。2. 准备您的数据：AI所取得的效果在很大程度上取决于数据的质量和可用性。主要工作在于确保航司自身应用程序中的特定数据和业务逻辑能够供AI智能体使用。可能需要对系统进行重构以提供事件数据流、对API进行重构以便AI智能体使用、提高数据质量、确保对航业特有业务流程的语义理解。3. 了解技术之间的交互方式：识别正在考虑的AI项目所面临的系统限制至关重要。例如，只有当航司已率先推进“报价与订单”标准的实施，尝试利用AI实现一对一个性化服务才能发挥最大价值。4. 将治理机制内置于设计之中：治理机制绝不能是事后才考虑的事项。针对每个具体用例，在技术驱动的确定性治理与“人机协同”监督之间取得恰当平衡。5. 从第一天起就启动变革管理：引入AI可能会改变许多岗位的性质。如果没有明确沟通来解释变化和员工能获得的好处，就可能面临采用率低下的风险。西南航空从初学者到AI工程师，每位员工都能参与AI素养培训项目，每个人都有能力在变革中发挥作用。延伸阅读：以上为白皮书核心趋势分析，如需获取完整报告详细内容及全部案例，请访问下载页下载完整PDF报告。FAQ。Q1：智能体式AI与传统AI聊天机器人有何本质区别？A：传统聊天机器人只能机械回应标准问题，而智能体式AI融合了高阶推理与自主行动力。它能通过对话精准捕捉旅客隐藏意图，自主定位预订记录、理解退改签诉求、提供可选方案、执行改签并完成费用结算，将业务流程从数周压缩至几分钟。Q2：AI会取代航空公司现有的核心系统吗？A：不会。AI不是要推倒重来，而是作为精明的指令发起者，高度依赖既有核心系统（PSS、OMS、支付等）去具体执行。它扮演高级编排者角色，盘活并提炼核心数据与业务逻辑，从而大幅放大核心资产的使用效能。Q3：旅客对AI规划行程的主要顾虑是什么？A：Amadeus调研显示，核心顾虑包括隐私安全与数据保护（35%）、信息的准确性与可靠性（34%）、自主控制权与人工客服的温度（27%）。仅有6%的用户会把绝大部分行程拆解与预订全权交由AI操办。Q4：多智能体系统如何帮助航空公司？A：多智能体系统通过多个智能体相互通信和共享洞察，协同优化决策。例如收益管理智能体发现需求偏差后，可与CRM、网络规划、营销智能体协同，实现跨部门自动化的商业策略调整，打通长期存在的信息孤岛。Q5：航空公司应该如何开始AI落地？A：建议采用迭代式方法：聚焦一两个能产生最大影响的工作流；准备数据并确保AI可调取；识别系统限制；将治理机制内置于设计之中；从第一天起启动变革管理。关键原则是“一个已实现规模化的智能体，远胜于100个尚处试点的智能体”。数据来源说明。本报告内容来源于Amadeus与微软联合发布的《智能体式AI时代下的航空公司——人工智能落地指南与应用案例研究》白皮书，数据来源包括Amadeus 2026年3月面向全球1,000名旅客的专项调研、行业实践案例及公开资料。