航空・空港のAI活用事例｜フライト最適化・整備AI・旅客サービスAIを徹底解説【2026年最新】

航空・空港のAI活用は、運航ルートの最適化、整備の予知保全、旅客サービスの生成AI、空港の地上業務の4つで実際の運用が始まっています。ただし、どの事例でも最終判断はパイロット・運航管理者・整備士・管制官が行います。AIは判断を助ける道具という位置づけで、完全な自律操縦は認められていません。

2026年に入ってからも新しい動きが続いています。JALは過去約10年分・約22万件のヒヤリハット報告を生成AIで分析する「JAL-AI FALCON」を羽田・成田で使い始めました。2026年10月には福岡空港で、自動運転レベル4の貨物牽引車が国内3カ所目として運用を開始しています。Deltaは生成AIアシスタント「Delta Concierge」をSkyMiles会員全員に広げました。本記事では、こうした事例を公式発表と報道をもとに整理し、「実用化済み」「実証中」「計画」を分けて紹介します。

この記事でわかること

• 航空・空港でAI活用が進む背景と、2026年10月時点の全体像
• フライト最適化・予知保全・旅客サービス・空港の地上業務・管制の5領域の事例
• JAL・ANA・成田・羽田・福岡などの国内事例と、Delta・Alaska・American・JetBlueなどの海外事例
• Airbus Skywise・Flyways・Fetcherrなどの主なプラットフォーム
• 出典を確認できた効果の数字と、まだ「計画」「実証」の段階にあるもの
• 顔認証の生体情報、価格AIへの規制当局の目、EASAのAIガイダンスなど導入時の注意点
• 航空会社・空港運営会社・整備会社が何から始めるかの目安

誰向けの記事か

• 航空会社・空港運営会社・整備（MRO）事業者で、DX・運航・整備・顧客対応を担当している方
• 航空・空港向けにAIを提案するITベンダー、SIer、コンサルティング会社の方
• 人手不足やインバウンド需要、脱炭素への対応としてAI投資を検討している経営層・企画部門の方
• 業界研究をしているアナリスト、学生、メディア関係者

鉄道や陸運のAI活用を知りたい方は、鉄道業界のAI活用事例や航空・鉄道業界のAI活用事例が参考になります。本記事は航空と空港に絞って詳しく扱います。

航空・空港業界でAI活用が加速する背景

航空・空港でAIの導入が進んでいる理由は、大きく分けて「燃料と環境への圧力」「データの蓄積」「人手不足」「国の後押し」の4つです。止められない社会インフラで規制も厳しい業界ですが、この数年で業務を支えるAIの導入は確実に増えました。

• 燃料費と脱炭素への圧力: 燃料費は航空会社にとって最大級の費用です。ルートを少し変えるだけでも燃料とCO₂が減るため、運航ルートの最適化は経営の数字に直接影響します。CO₂以外に、飛行機雲（コントレイル）の温暖化への影響を減らす取り組みもAIで進んでいます
• 機体と空港に蓄積されたデータ: 機体のセンサーデータ、整備記録、運航記録、ヒヤリハット報告などが長年たまっており、機械学習や生成AIで分析できる量に達しています
• 地上業務の人手不足: グランドハンドリング（手荷物の積み降ろしや機体の牽引）や保安検査の担い手が足りず、自動運転車やロボット、生成AIによる業務支援が必要になっています
• 国の後押し: 国土交通省は空港の制限区域内での自動運転の実用化を進め、2026年9月には「空港業務DX推進官民連絡会」（2026年11月12日開催予定）の発表技術を募集しました（国土交通省 報道発表）

一方で、壁になっているのもデータです。SITAが2026年4月に公表した2025年版IT Insightsでは、航空会社の49%・空港の33%が「データ連携の悪さがAI拡大の障害」と回答しています。業界のIT投資は2025年に過去最高の508億ドルに達しましたが、部門ごとに分かれたシステムをつなぐ作業は今も各社の課題です（Passenger Terminal Today）。

業務別AI活用領域の全体像

航空・空港のAI活用は、次の5領域に分けると全体をつかみやすくなります。2026年10月時点で、生成AIによる業務支援と予知保全は「実用化済み」の事例が多い一方、ヒューマノイドロボットや価格AIの全面展開はまだ実証・計画の段階です。

2026年の主な動き

2026年は、国内では空港の地上業務、海外では旅客サービスと整備の基盤で大きな動きがありました。時期順に並べると次のとおりです。

1. フライト運航最適化のAI活用事例

出典: Fetcherr 公式

フライト運航の最適化は、燃料費・遅延・CO₂排出のどれにも直接影響するため、経営への影響が大きい領域です。AIは運航管理者（ディスパッチャー）にルートの候補を出し、採用するかどうかは人が決めます。

Alaska Airlines × Flyways AIで燃料と飛行時間を削減

Alaska Airlinesは、Air Space Intelligence社の「Flyways」を運航管理に使っています。気象、風、空域の混み具合をもとに、より効率の良いルートを運航管理者に提案する仕組みです。Alaska Airlinesは以前、4時間を超える便で燃料と排出を3〜5%減らせたと説明していました。

2026年8月のNPRの報道では、Flywaysによって年に数万時間の飛行時間と約100万ガロンの燃料を減らしており、提供先がDelta・Unitedにも広がったとされています（NPR）。DeltaとUnitedでの使い方の詳細は、現時点で公式には確認できていません。

Google × American Airlinesが飛行機雲を62%削減（試験段階）

Google と American Airlines は2026年3月、AIの予測を使って飛行機雲を減らした試験結果を発表しました。2025年1〜5月に大西洋路線の約2,400便で、飛行機雲ができやすい空域の予測を飛行計画ソフトに組み込んだところ、比較対象の便より飛行機雲が62%減ったとされています。飛行計画ソフトのFlightkeysや、Contrails.orgも参加しました（WTOP/AP）。

注意したいのは燃料の数字です。「燃料は0.3%増」という数字は、全便に広げた場合の試算で、実測値ではありません。以前の約70便の試験では、飛行機雲が54%減る一方で燃料が約2%増えたと報じられています。American Airlinesはまだこの仕組みを通常の飛行計画には組み込んでいません。飛行機雲の対策には、Alaska・American・Southwest・United・Virgin Atlantic、Airbus・Boeing・Google Researchなどが参加する業界の作業部会もあります。

Delta Air Linesの運賃設定AIと運航の最適化

Deltaは、AIを運航と収益管理の両方に使っています。2026年2月のSkiftの報道では、Deltaは乗り継ぎ時間が短い便の手荷物の振り分け、定時運航、整備の時期と頻度の最適化にAIを使っていると説明しています（Skift）。

運賃設定では、イスラエルのFetcherrのAIを使っています。報道によると、2024年秋に国内線運賃の約1%から始め、2025年7月の決算説明の時点で約3%、2025年末までに20%を目標にしていました（Fortune）。20%に達したかどうかは公表されていません。

運賃AIには規制当局の目も向いています。報道によると、米連邦取引委員会（FTC）は個人データを使った価格設定について、Delta・Unitedを含む9社に情報提供を求めました。Delta と Fetcherr は「乗客1人ずつに違う価格を付けることはしていない」と説明しています。

JALの最適運航計画

JALも飛行ルート・高度・速度の運航計画づくりにシステムを使い、燃料効率と定時運航の両立を図っています。効果の具体的な数字は公表されていません。

2. 予知保全・整備（MRO）のAI活用事例

整備は、航空分野でAI活用の歴史が長い領域です。機体のセンサーデータから故障の予兆を見つけ、壊れる前に部品を替えることで、欠航や遅延につながる計画外の整備を減らします。2026年は、Airbusの整備データ基盤の再編と、他社機への対象拡大が大きな話題でした。

Airbus Skywiseは2026年4月に子会社化、他社機にも拡大へ

Skywiseは、AirbusがPalantirの技術を使って始めた航空データの基盤です。報道によると、Airbusは2026年4月1日、SkywiseとNavblue（運航系のソフトウェア会社）を統合した子会社「Skywise」を設立しました（約750人規模）。

予知保全には約100のアルゴリズムがあり、A320では最大約24,000項目のデータを扱うとされています。航空会社が自分で予測モデルを作れる「MyAnalytics」もあります。2026年からはAirbus以外の機体にも予知保全を広げる計画で、生成AI機能の追加も検討していると報じられています（Aeronautics Magazine）。

採用の動きとしては、2025年10月にKorean Airが「Skywise Fleet Performance+」を追加採用し、2026年4月にJetBlueも同じ製品の採用を発表しました（Aircraft IT）。2026年8月にはVuelingが予知保全を導入したと報じられています。

Boeing AnalytXは製造元による整備・運航の分析

Boeing AnalytXは、ボーイング機の運用を分析するソフトウェアとコンサルティングの総称で、機体の状態を地上で監視する「Airplane Health Management」などを含みます。ボーイング機を多く持つ航空会社が、メーカーの分析サービスとして使う選択肢です。

JAL × クレスコがエンジン内部検査の記録を効率化（2026年2月運用開始）

JAL・JALエンジニアリング・クレスコは2026年2月2日、航空機エンジンの内部検査システムの運用開始を発表しました。ボアスコープ（内視鏡）で撮った動画からタービンブレードを1枚ずつ自動で画像にし、クラウドでまとめて管理する仕組みです（Aviation Wire）。

公表されている目的は検査の記録と分析の効率化で、AIが損傷を自動で判定するところまでは公表されていません。JALは2023年の時点で、羽田のA350-900（16機）のブレード画像を学習させた故障予測AIを2025年度以降に実用化する計画を示していましたが、実用化したという発表は現時点で確認できません。

JAL × NEC・dotDataのエンジン部品の異常検知

JALは過去にNEC・dotDataと組み、エンジン部品の故障の予兆を「正常なパターンからのずれ」として検出する取り組みを発表しています。IBMとも故障予測のデータ分析を行ってきました。1社に絞らず、領域ごとに提携先を変えているのがJALのやり方です。

エンジンメーカーのデジタルツイン

GE AerospaceやRolls-Royceなどのエンジンメーカーも、飛行中のエンジンのデータを地上で分析し、整備の時期を予測するサービスを提供しています。エンジンの状態をデータ上で再現する「デジタルツイン」の考え方で、航空会社はメーカーとの整備契約の中で使うことが多くなっています。予知保全の基本的な考え方は、製造業のAI活用事例でも解説しています。

3. 旅客サービス・接客のAI活用事例

旅客サービスでは、乗客向けの生成AIアシスタントと、社員向けの社内生成AIの2つが進んでいます。2026年は、Deltaが人の窓口の一部をAIに置き換え始めたことが大きな変化でした。

Delta ConciergeをSkyMiles会員全員に拡大

Deltaは2026年8月10日、Fly Deltaアプリの生成AIアシスタント「Delta Concierge」をSkyMiles会員全員に広げました。ベータ版の表記は続いています。主な機能は次のとおりです（Aviation A2Z）。

• 運航状況の確認
• 欠航したときの振替便の候補の提示
• 対象便の取り消しと、払い戻しやeCreditの申請（旅程全体のみ）
• 預けた手荷物の追跡
• マイルなどの残高確認

報道によると、Deltaは2026年10月下旬にテキストメッセージ（SMS）の問い合わせ窓口をやめ、利用者をConciergeへ案内するようになりました。電話とアプリ内のサポートは続けています。AIに任せる範囲を広げる一方で、人の窓口をどこまで残すかは、利用者の満足度に直結する判断です。

United Airlinesの遅延理由の説明と顧客対応の支援

Unitedは、遅延の理由を生成AIで文章にして乗客に伝える「Every Flight Has a Story」や、顧客対応スタッフ向けに補償の提案やメールの下書きを支援するツールを導入しています。「Every Flight Has a Story」については顧客満足度が6%上がったと報じられていますが、現時点でUnitedの一次資料による最新の数字は確認できていません。

ANAは現場社員に社内生成AI、DXに5年で2,700億円

ANAは2025年10月、空港係員や整備士など現場の社員約2,000人に社内向けの生成AI「neoAI Chat」を導入しました。マニュアルを探す時間を約90%減らすことを狙っています（日本経済新聞）。

ANAホールディングスは2026年1月、2026〜2030年度の5年間でDX関連に2,700億円を投資し、AIエージェントを「社員数以上に」使う方針を示しました（日経クロステック）。AIエージェントの基本はAIエージェントとはで解説しています。

ANA × avatarin「newme」で関西空港から地方空港を遠隔案内

ANAは2026年8月21日、関西空港のバックオフィスから地方空港のロボット「newme」を遠隔で操作し、旅客を案内する取り組みを始めました。広島（8月21日）、対馬（9月3日）、鳥取（10月1日）、長崎（10月15日）、小松（10月28日）と順に広げています（Aviation Wire）。

これはAIではなく、人がロボットを遠隔で操作する仕組みです。少ない人数で複数の空港を受け持つ「省人化」の手段として、AIと組み合わせて使われる周辺技術と考えるとよいでしょう。

4. 空港オペレーション・地上業務のAI活用事例

出典: 成田国際空港 公式サイト

空港の地上業務は、国内で新しい事例が最も多い領域です。2025年に空港JAL-AIが全国56空港で使われ始め、2025年12月には自動運転レベル4の牽引車が羽田・成田で実用化されました。2026年は安全管理の生成AI、福岡空港への自動運転の拡大、ヒューマノイドの実証が加わっています。

JAL × アクセンチュア「空港JAL-AI」を全国56空港で運用

JALはアクセンチュアと開発した「空港JAL-AI」を、2025年4月から全国56空港で使っています。グランドスタッフがiPadで問い合わせ内容を検索し、対応方法を表示する仕組みで、主に次の業務を支援します。

• 危険物の確認: 機内持ち込みや預け入れの手荷物が危険物に当たるかどうかを調べる
• ラウンジの入場条件の確認: 会員ステータスや航空券の種類ごとの条件を案内する
• 遅延・欠航時のアナウンス文の作成: 多言語のアナウンス文を作る

JALとアクセンチュアは、グランドスタッフの9割超が回答やアナウンス文の作成が速くなったと答えたと説明しています。危険物や保安に関わる回答は、AIの出力をそのまま使わず、スタッフが規程と照らして確かめる運用が前提です。

JAL × 日鉄ソリューションズ「JAL-AI FALCON」でヒヤリハット22万件を分析

日鉄ソリューションズ（NSSOL）は2026年6月24日、JALの空港の安全管理を生成AIで支える「JAL-AI FALCON」の構築を支援したと発表しました（日鉄ソリューションズ プレスリリース）。

• 過去約10年分・約22万件のヒヤリハット報告（毎月約1,800件）を分析する
• 似た事象をまとめて分析し、リスクの要因を特定して、対策の案を示す
• 事故分析の手法「4M5E」やベテランの知見を組み込んでいる
• AWS上で構築されている

2026年2月に羽田の空港安全推進部署で使い始め、報道によると7月には成田でも使われています。社内の機密性の高い報告をクラウドの生成AIで扱う事例として、データの置き場所と権限の設計も参考になります。

自動運転レベル4の牽引車が羽田・成田に続き福岡でも運用開始

2025年12月、羽田と成田で、自動運転レベル4（特定の条件下で運転手がいらない段階）のトーイングトラクター（手荷物や貨物を載せた台車を牽引する車両）が国内で初めて実用化されました（国土交通省 報道発表）。ANAは羽田で2025年12月から運用し、2026年3月末までに3台を追加する計画を示していました。

2026年10月26日には、JALと福岡国際空港が福岡空港でレベル4の運用を始めました。国内3カ所目、西日本では初めてです。貨物上屋から国内線の駐機場までの約2.5kmのうち1.7kmを無人で走り、台車6台をつないで牽引します。車両はTLD Robotics製で、最大14トンを牽引できます。現在は1台で、今年度末までに4台にする予定です（ITmedia NEWS）。

ヒューマノイドロボットの実証を羽田で2026年5月から

JALグランドサービスとGMO AI&ロボティクス商事は、2026年5月から2028年まで、羽田空港で人型ロボット（ヒューマノイド）の実証を行っています。対象は手荷物や貨物の積み降ろし、機内清掃などのグランドハンドリング業務で、空港での実証は国内初とされています（Aviation Wire）。

最初の段階では、業務を見える化し、ロボットが安全に作業できる範囲を見極めることから始めます。実用化の目標は2029年以降で、結果はまだ公表されていません。ロボットや自動運転のように現実の空間で動くAIは、フィジカルAIと呼ばれる分野にあたります。

住友商事と複数空港の共同AI実証で点検と作業の進み具合を映像で解析

住友商事は2026年9月3日、国内の複数の空港と、総務省の「地域社会DX推進パッケージ事業」としてAIの実証を行うと発表しました（住友商事）。

• 成田空港の場周道路を走る自動運転車のカメラ映像をAIで解析し、侵入者・路面の異常・設備の損傷を見つける
• 駐機スポットの映像をAIで解析し、出発前の作業の進み具合を測る

ポイントは、複数の空港で共同開発・共同利用して費用を抑える形をとっていることです。参加空港の数は成田空港の発表では18、住友商事の発表では19と、数え方に違いがあります。単独ではAIを導入しにくい地方空港にとって、参考になる形です。道路や設備の点検AIはインフラ業界のAI活用でも扱っています。

JAL × Fujitsu × Headwatersの客室乗務員向けオンデバイス生成AI

機内ではインターネットにつながりにくいため、端末の中で動く小さな言語モデル（SLM）が使われます。JALは富士通・Headwatersと組み、MicrosoftのSLM「Phi-4」を端末内で動かす客室乗務員向けの報告書作成アプリを開発しました。2025年1〜3月の羽田での実証では、報告書の作成時間が3分の1になったと発表しています。

Face Express（NECの顔認証）を成田・羽田で運用

NECの顔認証技術を使った「Face Express」は、成田と羽田で運用されています。チェックイン時にパスポートと顔を照合して登録すると、手荷物の預け入れや保安検査場の入口、搭乗ゲートを顔だけで通過できます。

国土交通省の資料（2025年11月のデータ）では、乗り継ぎ客が使えないことや、米国線では米国運輸保安庁（TSA）の承認が必要なことが課題とされています（国土交通省資料）。対象の便や顔画像の保存期間は空港・航空会社ごとに決まっているため、利用前に各空港の公式ページで確かめてください。

その他の空港AI（手荷物、多言語案内、滑走路の異物検知、X線検査）

• 機内持ち込み手荷物の解析: JALとNECは2024年11月、搭乗口で機内持ち込みの手荷物をAIで解析し、量を推定する実証を発表しました。出発の遅れを減らす狙いです
• 多言語の接客ディスプレー: 話した言葉を字幕や翻訳で表示する端末が、JALの国内空港などで使われています。インバウンド対応は観光業・ホテルのAI活用事例も参考になります
• 滑走路の異物（FOD）検知: 国土交通省と電子航法研究所が、レーダーとカメラ、画像認識を組み合わせた検知の評価を羽田で進めてきました
• X線検査の支援: 手荷物のX線画像から危険物の可能性がある物を見つけ、検査員の確認を助けるシステムを国内のメーカーが提供しています

5. 航空管制（ATM）・安全管理のAI活用

出典: EASA 公式サイト

航空管制は規制が最も厳しく、AIの導入も最も慎重に進む領域です。現在の議論の中心は「AIをどう使うか」よりも、「AIを使う機器やシステムの安全をどう確かめるか」というルールづくりにあります。

国土交通省 TBO（軌道ベース運用）

国土交通省は、出発前から到着までの飛行経路を時間も含めて連続して管理する「TBO（Trajectory Based Operations）」を進めています。国際的にはICAO（国際民間航空機関）の「ASBU」と足並みをそろえる取り組みで、管制官の判断を支えるデータ活用がその土台になります。

EASA・FAAのAIガイダンス

欧州航空安全機関（EASA）は2026年6月3日、AIを使う航空システムの安全の考え方をまとめた「AIコンセプトペーパー」のIssue 03案を公表しました。意見募集は8月12日まででした。高度な自動化（レベル3）や強化学習なども対象に加わっています（EASA）。EASAは自動化の段階を分けて整理しており、どの段階でも人が関わることを前提にしています。

米連邦航空局（FAA）は2024年に「Roadmap for AI Safety Assurance」の第1版を出しています。2026年10月時点で改訂版は確認できません。

国内の空港業務DXの取り組み

国土交通省は2026年9月8日、「空港業務DX推進官民連絡会」（2026年11月12日開催予定）で発表する技術の募集を始めました。対象はグランドハンドリングと保安検査の生産性を上げる技術です。人手不足が深刻な地上業務では、自動運転やロボット、AIの実装を国が後押しする流れが続いています。

主要プラットフォームと採用航空会社マッピング

航空AIの主なプラットフォームは、整備のデータ基盤、運航ルートの最適化、運賃設定、乗客向けの生成AIの4種類に分かれます。どれも企業向けの個別契約で、公開されている料金はありません。費用は機材の数、データの量、自社システムとの接続の範囲によって大きく変わります。

経営インパクト・導入効果の定量データ

効果の数字は、出典を確認できたものと、まだ試算や計画の段階のものを分けて見る必要があります。航空AIの記事には出典がはっきりしない数字も多く出回っているため、社内で投資の判断に使う場合は、元の発表まで確かめることをおすすめします。

ここから読み取れるのは、運航ルートの最適化は燃料という分かりやすい数字で効果を測りやすく、生成AIの業務支援は「時間の削減」で測るという違いです。整備の予知保全は、計画外の整備や欠航がどれだけ減ったかで評価しますが、航空会社が自社の数字を公表している例は多くありません。

市場規模と今後の見通し

航空AIの市場規模は、調査会社によって予測が数倍違います。対象を運航のAIだけにするか、空港・整備・接客まで含めるかで数字が大きく変わるため、1つの予測を基準に投資を判断するのはおすすめしません。

それより確かな手がかりは、業界のIT投資の動きです。SITAの2025年版IT Insightsでは、航空業界のIT投資が2025年に過去最高の508億ドルに達しました。一方で、データ連携の悪さがAIを広げる壁になっているとの回答も多く、今後の投資はAIそのものより、データをつなぐ基盤づくりに向かうと考えられます。Airbusが整備と運航のソフトウェア部門をSkywiseにまとめたのも、同じ流れにある動きです。

導入課題・規制上の注意点

航空・空港のAI導入には、安全規制、生体情報、データ連携、通信環境という、他の業界より厳しい制約があります。導入を検討するときは、次の点を最初に確かめておくと手戻りを減らせます。

完全自律の運航は認められていない

運航・管制・整備のどれでも、AIは判断を支える役割にとどまり、最終判断はパイロット・運航管理者・管制官・整備士が行います。EASAのガイダンスも自動化の段階を分け、人が関わることを前提にしています。AIの提案を採用するか、誰が承認したかを記録できる業務設計が欠かせません。

安全に関わるシステムは承認に時間がかかる

機体の整備や運航の判断にAIを使う場合、データの蓄積や検証、当局との調整に時間がかかります。そのため中堅の航空会社が自社だけで基盤を作るのは難しく、SkywiseやAnalytXのようなメーカーの基盤を使うのが一般的です。

データが部門ごとに分かれている

運航・整備・顧客対応・空港運営は、それぞれ別のシステムで管理されていることが多く、SITAの調査でも最大の壁として挙がっています。AIの前に、データの形式や項目をそろえる作業が必要になるケースがほとんどです。

機内では通信が限られる

機内ではクラウドの生成AIが使えない場面があります。JALの客室乗務員アプリのように端末内で動くSLMを使うか、地上に戻ってから処理するかを、最初に決めておく必要があります。

顔認証と生体情報の扱い

顔認証搭乗では、顔画像の保存期間、利用者の同意、目的外の利用をしないことを明確にする必要があります。日本の個人情報保護法、欧州のGDPRなど、路線や利用者の国籍によって守るべきルールも変わります。運用ルールは利用者向けにわかりやすく公開することが信頼につながります。

運賃AIへの批判と規制

個人データを使って運賃を変えることには、FTCの調査や世論の反発といったリスクがあります。運賃AIを入れる場合は、どのデータを使い、どのデータは使わないのかを社外に説明できるようにしておくことが重要です。

生成AIの回答ミス

危険物、保安、規程に関わる案内を生成AIで作る場合は、誤った回答がそのまま乗客に伝わらないよう、人が確認する手順を残します。ヒヤリハット報告のような社内の機密データを扱うときは、データの保存先とアクセス権限の設計も必要です。

国内のAI規制の動き

総務省と経済産業省は2026年3月31日、「AI事業者ガイドライン 第1.2版」を公表しました（トラベルボイス）。AIエージェントや、ロボット・自動運転のように現実の空間で動くAIのリスクを整理し、人の判断を挟む仕組みの考え方を示しています。AI推進法（人工知能関連技術の研究開発及び活用の推進に関する法律）は2025年9月に全面施行されています。ガイドラインには法的な拘束力はありませんが、取引先や監査から求められる基準として扱われることが増えています。

自社が次に着手すべき領域を判断するフレームワーク

始めやすさで見ると、社内向けの生成AI（マニュアル検索・アナウンス文の作成・報告書の分析）から始め、次にメーカーの基盤を使った予知保全、そのあと運航最適化や自動運転に進むのが現実的です。社内向けの生成AIは安全に直結する判断を任せないため、承認の負担が比較的軽く、効果も時間で測れます。

導入にかかる費用は公開されていませんが、ハードルの高さには差があります。社内向けの生成AIは既存のクラウドサービスを使って小さく始められます。予知保全や運航最適化はメーカーや専門ベンダーとの契約が必要で、自動運転やロボットは車両・設備への投資と当局との調整が加わります。

自社の業務に合わせたAIを外部の開発会社に頼む場合は、運航規程や整備記録の形式、危険物の規則といった航空の業務知識を相手がどこまで理解しているかで、要件定義の手戻りやデータの扱い方が変わってきます。どの程度の業界知識を求めるべきかは、業界に詳しいAI開発会社に委託すべきかで整理しています。

こんな企業におすすめ／おすすめしない企業

航空・空港のAIは、データがそろっていて、効果を測る指標を決められる企業ほど成果を出しやすい分野です。逆に、データの整備や規制対応の体制がないまま始めると、実証で止まりやすくなります。

航空・空港AIの本格導入に向いている企業

• 整備記録や運航記録、ヒヤリハット報告などがデジタルで蓄積されている企業: JAL-AI FALCONのように、たまったデータをそのまま分析に使えます
• 複数の空港や拠点を持つ企業: 全国56空港で使われている空港JAL-AIのように、横に広げるほど効果が大きくなります
• 効果を測る指標を決められる企業: 「燃料を何%減らす」「マニュアル検索の時間を何割減らす」など、数字で効果を確かめる体制がある
• AI事業者ガイドラインに沿った社内ルールを作れる企業: 生体情報や安全に関わるデータの扱いを決める担当者がいる
• 単独で投資しにくい地方空港・中堅航空会社でも、共同利用や外部の基盤に乗れる企業: 住友商事の複数空港の実証のような形なら、規模が小さくても参加しやすい

導入を急ぐべきでない企業

• データが紙や部門ごとのシステムに分かれたままの企業: まずはデータをそろえることが先です
• 基幹システムが古く、つなぐ費用が大きすぎる企業: システムの刷新と一緒に考える必要があります
• 効果の測り方を決めないまま実証を始めようとしている企業: 実証で止まってしまうリスクが高くなります
• 生体情報や運航データを扱う体制がない企業: 事故や情報漏えいが起きたときの影響が大きい分野です
• 完全自律の運航など、まだ認められていない領域への投資を考えている企業: 当局の承認の見通しが立っていません

よくある質問（FAQ）

Q1. 中堅・地域の航空会社でもAIを導入できますか？

A. できます。自社で一から作るのではなく、Airbus SkywiseやBoeing AnalytXのようなメーカーの基盤を使う形が一般的です。まずは社内のマニュアル検索や報告書作成に生成AIを使い、効果を確かめてから整備や運航に広げると、投資の失敗を避けやすくなります。

Q2. 地方空港が単独でAIを導入するのは難しいですか？

A. 費用と人材の面で単独では難しいことが多いため、複数の空港で同じ仕組みを共同で使う形が増えています。2026年9月に発表された住友商事と国内の18〜19空港（発表元によって数え方が異なります）の実証は、点検や作業の進み具合の解析を共同開発・共同利用して費用を抑える取り組みです。

Q3. AIが飛行機を操縦するようになるのですか？

A. 現時点では、完全な自律操縦は認められていません。EASAのガイダンスも自動化の段階を分けて整理しており、人が関わることを前提にしています。AIが使われているのは、運航管理者へのルート提案、整備の予兆の検知、空港の地上車両など、人が最終判断をする範囲です。

Q4. 空港の自動運転はどこまで広がっていますか？

A. 2026年10月時点で、自動運転レベル4の牽引車は羽田・成田・福岡の3空港で運用されています。福岡では1台から始め、今年度末までに4台に増やす予定です。人型ロボットによる手荷物の積み降ろしなどは羽田で実証中で、実用化の目標は2029年以降です。

Q5. AIによる運賃の設定は問題になっていますか？

A. 米国では議論になっています。報道によると、FTCは個人データを使った価格設定についてDelta・Unitedを含む9社に情報提供を求めました。Deltaは乗客1人ずつに違う価格を付けることはしていないと説明しています。日本の航空会社が運賃AIを使う場合も、使うデータの範囲を説明できるようにしておくことが重要です。

Q6. 生成AIでヒヤリハット報告を分析するとき、何に気をつければよいですか？

A. 報告には個人名や機材の情報が含まれるため、データの保存先、アクセスできる人の範囲、学習に使われるかどうかを最初に決めます。JAL-AI FALCONはAWS上に構築し、事故分析の手法やベテランの知見を組み込んでいます。AIが示す対策の案は、安全推進の担当者が判断する前提で使います。

Q7. 2026年のAI規制で、航空業界が押さえるべきことは？

A. 国内では2026年3月31日に「AI事業者ガイドライン 第1.2版」が公表され、AIエージェントや現実の空間で動くAIのリスクが整理されました。欧州ではEASAがAIコンセプトペーパーのIssue 03案を2026年6月に公表しています。海外路線を持つ航空会社は、国内と欧州の両方の考え方に沿って社内ルールを作る必要があります。

関連記事

• 航空・鉄道業界のAI活用事例：航空と鉄道を横断したAI活用の全体像
• 鉄道業界のAI活用事例：運行管理や保守点検のAI
• 運輸・物流業界のAI活用事例：航空貨物や倉庫の自動搬送の文脈
• 観光業・ホテルのAI活用事例：多言語接客・インバウンド対応
• インフラ業界のAI活用：道路や設備の点検AI
• 製造業のAI活用事例：予知保全や画像検査の基本
• IT業界のAI活用事例：基幹システムとAIの統合
• 生成AIとは：生成AIの仕組みと代表的なツール

まとめ

航空・空港のAI活用は、2026年10月時点で次のような段階にあります。

• 実用化済み: 運航管理者へのルート提案（Flyways）、メーカーの基盤による予知保全（Skywise）、社内向けの生成AI（空港JAL-AI、JAL-AI FALCON、ANAのneoAI Chat）、乗客向けの生成AIアシスタント（Delta Concierge）、羽田・成田・福岡のレベル4自動運転
• 実証中・試験段階: 飛行機雲の回避（Google × American Airlines）、羽田のヒューマノイド、住友商事と複数空港の点検AI
• 計画: Skywiseの他社機への拡大、Deltaの運賃AIの適用拡大、ヒューマノイドの実用化（2029年以降が目標）

どの領域でも、AIは人の判断を支える役割にとどまり、最終判断は人が行います。導入の壁は技術よりもデータ連携と規制対応にあり、SITAの調査でも航空会社の約半数がデータ連携の悪さを障害に挙げています。

これから取り組む企業は、まず社内の生成AIで効果を確かめ、そのうえでメーカーの基盤への相乗りや複数空港での共同利用など、自社の規模に合った形を選ぶのが現実的です。数字は出典と「実測・試算・目標」の違いまで確かめ、安全・生体情報・運賃に関わる領域では、社外に説明できる運用ルールを先に決めておきましょう。