Operational Decision Support / Future layer
移動の意思決定を、重要な現場判断へ広げる。
現在の主軸はCabinTimeとJourney AIです。まず旅行者が安心して次を選べる状態をつくり、その先に、交通事業者、地域、重要な現場が判断材料を扱えるレイヤーへ拡張します。
Operational Decision Supportは、天候、混雑、遅延、地域情報、乗客文脈、制約を統合し、人と組織が代替案、優先度、承認判断を扱える状態にする将来構想です。現時点で販売中のプロダクトではありません。
The bridge
最初は旅行者の判断支援。次に重要な現場判断へ。
入口は、旅行者が安心して選べること、交通事業者が移動中の体験を改善できること、地域が到着前から判断材料を届けられることです。まずCabinTimeでAIによる判断支援の有効性を検証し、次にJourney AIで個人の移動と滞在へ広げます。
この設計は、単なる旅行アプリで終わりません。状況認識、選択肢整理、通信制約への対応、運用管理、検証可能性を積み上げることで、将来は運航、防災、レジリエンス領域の判断支援へ拡張できます。
Operational scenarios
将来レイヤーは、現場の判断を扱う。
アプリ画面だけではなく、交通事業者、地域、運用担当者が何を見て、何を避け、何を承認するかまでを支援します。
Airline arrival
到着後の混雑と雨を見て、案内を変える。
羽田到着後の雨、京急・モノレール混雑、タクシー待ち、利用者の目的を見て、乗客ごとに地下動線、傘、二次会候補、移動手段を提案する。
Ferry and weather
海況や天候の変化を、体験と運用に反映する。
船内ポータルで寄港地情報を届けながら、荒天、欠航可能性、屋外体験のリスク、代替コンテンツを運用側が管理できる状態にする。
Transit disruption
遅延や混雑時に、次善策を出す。
遅延、乗換、混雑、目的地の営業時間を統合し、予定変更、別路線、近隣施設、待機場所を理由つきで提示する。
Regional operations
自治体や地域が、到着前から判断材料を届ける。
イベント、混雑、天候、交通、飲食店の営業状況を統合し、観光案内ではなく、来訪者が迷わず動ける選択肢を提供する。
Surfaces
CabinTimeは、複数の接点で動く。
アプリを作るだけではなく、既存の移動空間に組み込まれることを前提にします。
Passenger app
スマートフォンで使う
旅行者のスマホやPWAで、移動中から到着後まで選択肢を持ち運ぶ。
Embedded experience
機内・船内に組み込む
既存の機内Wi-Fi、船内ポータル、座席画面、交通事業者アプリの中に体験を提供する。
Partner information layer
信頼できる情報を更新する
路線、便、航路、目的地、地域パートナーごとの情報を整え、AIが提示する理由と優先度の根拠にする。
Operational decision model
決めるのは人間。AIは、判断できる状況をつくる。
Context
位置、時間、目的、制約、天候、混雑、地域情報を読み取る。
Recommend
選ぶ理由、避ける理由、代替案をその場の文脈で提示する。
Act
保存、共有、ルート確認、持ち物、候補比較など、次の行動へつなげる。
Assure
根拠、権限、ログ、更新履歴を残し、人が確認できるAIにする。
Learn
閲覧、保存、選択、来訪、フィードバックを次の判断品質へ戻す。
Expansion path
民生の入口から、重要なオペレーションへ。
Travel decision support
旅行者が、目的地、食事、移動、予定変更を選びやすくする。
Mobility operations
交通事業者が、案内、地域連携、混雑、遅延、代替案を扱いやすくする。
Resilience support
通信制約、悪天候、災害、混雑、地域リスクに対して、判断材料と代替案を整理する。
Governance and assurance
将来的に、AI利用の安全性、ログ、権限、監査、運用継続性を含む支援へ広げる。
Start with CabinTime
最初の実証は、移動中の体験から始める。
まずは旅行と交通の現場で、AIが判断材料と代替案を整理する価値を検証します。