Inteligencia Artificial aplicada a la gestión estratégica de aerolíneas en tiempos de COVID-19

• Autores: Darío Pérez Campuzano
• Directores de la Tesis: Luis Rubio Andrada (dir. tes.), Patricio Morcillo Ortega (dir. tes.)
• Lectura: En la Universidad Autónoma de Madrid ( España ) en 2022
• Idioma: español
• Número de páginas: 300
• Tribunal Calificador de la Tesis: Julián Pérez García (presid.), Soledad Celemín Pedroche (secret.), Beatriz Rodrigo Moya (voc.), Antonio Hidalgo Nuchera (voc.), Víctor Fernando Gómez Comendador (voc.)
• Programa de doctorado: Programa de Doctorado en Economía y Empresa por la Universidad Autónoma de Madrid
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Inteligencia artificial
  • Ciencias tecnológicas
    • Ingeniería y tecnología aeronáuticas
      • Aeropuertos y transportes aéreos
  • Ciencias económicas
    • Organización y dirección de empresas
• Enlaces
  • Tesis en acceso abierto en: Biblos-e Archivo
• Resumen

  • Contexto. El transporte aéreo había mostrado anteriormente una gran capacidad de recuperación para superar los impactos externos, pero el COVID-19 ha estresado aún más un sector en el que las empresas históricamente habían luchado por mantener la rentabilidad. Además, la popularidad de la AI está aumentando dada la evolución del hardware, el software y la disponibilidad de datos, pero su implementación práctica plantea desafíos complejos, exacerbados por la brecha entre la academia y la industria. Propósito. Explorar el potencial de la AI (especialmente los algoritmos de Machine Learning (ML)) en la toma de decisiones estratégica en aerolíneas en tiempos de crisis y plantear una hoja de ruta para alentar a académicos y profesionales a su despliegue dentro de las corporaciones. Muchas de las conclusiones podrían extrapolarse a otros modos de transporte. Metodología. El estudio analiza y discute la evolución histórica y las tendencias del mercado de las organizaciones de aviación como de la AI, respaldado por un meta-análisis cuantitativo integral de la literatura. Además, se propone un método visual de Data Mining (DM) para extraer inteligencia de mercado de las bases de datos de empresas de cualquier industria. Dos técnicas de clustering (Self-Organizing Map (SOM) y K-means) se combinan a través del aprendizaje no supervisado. Dos estudios de caso (Estados Unidos y Europa) demuestran las capacidades de este método utilizando datos operativos y financieros de hasta 23 aerolineas de los últimos 30 años. Resultados. Aún hay margen de investigación de la AI en estrategia y las vías basadas en el aprendizaje supervisado y no supervisado tienen potencial para implementarse a corto plazo. El resultado del modelo de DM de ambos casos de estudio revela la estructura subyacente de la industria y es capaz de segregar automáticamente los modelos de negocios mientras también permite extraer observaciones tales como la identificación de tendencias de mercado, operaciones de M&A o el impacto del COVID-19. Conclusiones. Las hoja de ruta y líneas de investigación reveladas y el modelo de DM para la visualización de mercado muestran el potencial para la implementación comercial. La AI jugará un papel relevante en las próximas décadas de investigación aeronáutica. Aùn es un enigma si esto se convertirá en una relación más estrecha entre las empresas y la academia. Con suerte, las pautas presentadas a lo largo de esta tesis pueden alentar a los académicos y profesionales a desarrollar conjuntamente un entorno adecuado para el despliegue de estas herramientas dentro de las empresas