Minutos no pátio custam caro — muito caro
Na aviação comercial, o dinheiro se decide em poucos minutos. O tempo perdido entre o pouso de uma aeronave e sua próxima decolagem — o turnaround — custa cerca de US$ 20 por minuto quando se somam combustível, tripulação, taxas de pátio e conexões perdidas. Para uma companhia de porte médio operando 200 voos por dia, reduzir o turnaround médio em apenas dois minutos vale aproximadamente US$ 240 mil por mês.
É nesse gargalo que a AvioBook, empresa do grupo Thales, concentrou sua aposta em inteligência artificial. A companhia desenvolve software para operações de voo e solo, e seu produto AvioBook Connect organiza o trabalho em “flightrooms” — um chat ao vivo por voo, onde tripulação, despacho e equipes de estação coordenam o turnaround em tempo real desde 2018.
Dados ricos que só respondiam quando perguntados
O problema não era a falta de dados, e sim o acesso a eles. Cada flightroom deixa um registro com timestamp de eventos automáticos (mudanças de aeronave, atrasos, novos planos de voo, progresso de embarque) e das mensagens trocadas pelas equipes. Mas transformar esse arquivo em informação útil exigia paciência para rolar semanas de histórico e cruzar manualmente com códigos de atraso.
A AvioBook identificou três falhas recorrentes: as operações eram uma “caixa-preta”, com equipes descrevendo o mesmo atraso de formas diferentes; os códigos de atraso contavam só metade da história, atribuindo a causa dominante sob pressão de tempo; e qualquer pergunta histórica exigia uma consulta manual ou um pedido à equipe de dados que muitas companhias não têm.
Dois agentes, um para cada papel
A resposta foi o Connected Analytics, prototipado sobre o Amazon Bedrock AgentCore, plataforma agêntica da AWS para construir e operar agentes em escala com qualquer framework ou modelo de fundação. Em vez de um agente genérico, a solução usa dois agentes especializados:
- Gerentes de linha aérea, responsáveis por desempenho pontual (OTP), fazem perguntas históricas como “quais são as fontes prováveis de atraso do voo X?” e recebem respostas com evidências extraídas do histórico.
- Despachantes do centro de controle (OCC), que trabalham com dados ao vivo, perguntam sobre efeitos em cascata (“qual o impacto a jusante da interrupção no aeroporto X?”) e enxergam o impacto na malha inteira.
Os agentes vasculham os eventos relevantes, conferem contra o que foi registrado no flightroom e devolvem uma resposta direta com a evidência por trás dela — em linguagem natural, sem que o operador precise saber SQL.
Por que isso importa para empresas brasileiras
O caso é um modelo para qualquer setor com operação crítica e margem apertada: logística, transporte, energia, varejo. A arquitetura de múltiplos agentes especializados — cada um treinado para o vocabulário e as perguntas de um papel específico — é o padrão que começa a substituir os dashboards estáticos e as análises sob demanda. O valor não está no modelo de linguagem em si, e sim em transformar um arquivo morto em respostas com evidência no momento em que a decisão precisa ser tomada.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
