AI推动航空金融变革，战略价值与风险并存

快速阅读: 研究者利用大型语言模型设计个性化引导措施，提高航空旅客碳补偿购买率3%至7%，每年可减少约230万吨二氧化碳排放，尤其对怀疑补偿计划的旅客效果显著。

顾客声称重视可持续发展，但钱包却讲出了另一番故事。消费者表达了对气候变化的担忧，但在支付更高价格以选择更环保选项时，接受度却大幅下降。航空公司生动地展示了这一问题：尽管自愿碳补偿计划已存在多年，但参与度仍然很低。大多数乘客承认飞行的环境成本，但很少有人愿意支付他们可能不太信任的额外费用。

一项新的研究论文《大型语言模型助力个性化推动航空旅客碳补偿》由弗拉基米尔·马克斯缅科、青耀辛、普拉特克·古普塔、张斌和普拉特克·班萨尔撰写，提出人工智能（AI）可能改变这一局面。研究者测试了大型语言模型（LLM）是否能设计出更有效的引导措施，以改变旅客行为。虽然结果在百分比上看似微小，但在规模上具有重要意义。

研究人员关注了“诱饵效应”：通过增加一个吸引力较低的选项，使另一个选择显得更具吸引力。在航班预订中，基本选择是不带补偿的标准机票和包含碳补偿的碳中和机票。研究引入了一个诱饵选项（部分补偿且价格高于完全补偿的机票），这使得碳中和选项看起来成为合理的中间选择。

关键在于诱饵的个性化。研究团队利用年龄、收入和对补偿的信任度等因素，要求大型语言模型生成定制化的引导措施。这些措施在来自中国、德国、印度、新加坡和美国的3495名旅客中进行了测试。

研究的创新之处在于使用大型语言模型。模型并未直接与旅客互动，而是作为设计工具，生成诱饵选项的不同变体。研究者输入了人口统计和态度数据（年龄、收入、环境关注和对补偿的信任度），并提示模型生成票务描述和价格结构，以吸引不同类型的旅客选择完全补偿的机票。

结果显示，使用AI生成的个性化引导措施后，碳补偿购买率提高了3%至7%。虽然增幅不大，但在五个国家的研究中，这意味着每年可额外减少约230万吨二氧化碳排放。

最重要的发现是哪些旅客发生了变化。最显著的效果来自对补偿计划持怀疑态度的旅客：那些不信任其有效性的群体。这个群体每年估计排放8100万吨二氧化碳，约占全球航空业总排放量的8%，相当于一个中等国家的年排放量。

战略启示：

首先，怀疑者是最关键的群体。研究表明，即使只有一小部分不信任的消费者发生转变，也能产生远大于巩固已有支持者的影响。这一教训不仅适用于航空业，在公用事业、零售和金融等领域同样适用：真正的战略价值在于推动犹豫不决者的行动。

其次，怀疑者也是企业面临最高风险的群体。合理利用大型语言模型可以吸引他们，将犹豫转化为实际效果。但如果使用不当，可能会加深不信任，给企业带来新的声誉风险。企业若被视作利用AI进行强制或“暗模式”操作，可能会面临监管干预、声誉损害和消费者反弹的风险。

第三，大型语言模型最适合用于原型设计工具。它们尚未准备好直接嵌入消费者旅程。其价值在于低成本模拟消费者反应，筛选出值得实地测试的干预措施，并集中资源在最具影响力的地方。对于需要在推进可持续性的同时管理成本的企业而言，这是一个实用的优势。

从风险角度来看，大型语言模型在干预应用方面在美国、德国和新加坡比在印度和中国更有效。这反映了像GPT这样的模型主要基于西方数据训练的事实。在法兰克福有效的引导措施可能在孟买失效，甚至适得其反。企业不能假设全球AI工具能够无缝应用于不同市场。

(以上内容均由Ai生成)