easyJetは、Databricksと生成AIを活用して航空業界のイノベーションリーダーになることを目指しています

easyJetの紹介

easyJetは他の航空会社よりもヨーロッパの人気路線を多く運航しており、2022年には6900万人以上の乗客を運んだ。そのうち950万人はビジネスでの移動だった。この航空会社は、36カ国以上の150以上の空港に向けて、約1000のルートで300以上の航空機を運行しています。3億人以上のヨーロッパ人がeasyJetの空港から1時間以内の距離に住んでいます。

多くの航空業界の企業と同様に、easyJetは現在、顧客体験とデジタル化に関する課題に直面しています。現在の競争環境では、顧客の好みが素早く変わり、顧客サービスに対する期待はこれまで以上に高まっています。適切なデータとAIの戦略を持つことで、デジタルな顧客サービス、パーソナライゼーション、運用プロセスの最適化に関連する多くのビジネスチャンスを開放することができます。

easyJetが直面する課題

このプロジェクトを開始したとき、easyJetはすでに約1年間Databricksの顧客でした。その時点で、私たちはデータエンジニアリングとウェアハウジングのためにDatabricksを完全に活用し、すべてのデータサイエンスのワークロードを移行し、分析のワークロードをDatabricksに移行し始めました。私たちは積極的に古い技術スタックを廃止し、ワークロードを新しいDatabricksデータインテリジェンスプラットフォームに移行しています。

Databricks上のlakehouseアーキテクチャにデータエンジニアリングのワークロードを移行することで、プラットフォームの合理化、コスト削減、複雑さの軽減、リアルタイムのデータユースケースの実装という利点を享受することができました。しかし、まだ大部分のエステートが私たちの古いデータハブで稼働しているという事実は、新しいデータサイエンスとAIのユースケースを考え出し、製品化することが複雑で時間がかかるという問題を残していました。

データレイクベースのアーキテクチャは、顧客が摂取、処理、保存できるデータの量に関して利点があります。しかし、ガバナンスと協力の能力の欠如は、企業がデータサイエンスとAIの実験を行い、迅速に反復する能力に影響を与えます。

また、生成AIアプリケーションの台頭も見てきましたが、これはデータレイクエステートについて話しているときに実装とデプロイメントに関して課題を提示します。ここでは、適切なガバナンスと系譜がないまま、異なるシロ間でデータを常にコピーし、移動する必要があります。デプロイメントの段階では、データレイクアーキテクチャを持つ顧客は通常、複数のクラウドベンダープラットフォームを追加し続けるか、自分たちでMLOps、デプロイメント、サービングソリューションを開発する必要があります - これはDIYアプローチとして知られています。

両方のシナリオは異なる課題を提示します。企業のアーキテクチャにクラウドベンダーからの複数の製品を追加することで、顧客は高いコスト、高いオーバーヘッド、専門的な人員の増加の必要性をより頻繁に負担することになります - これは高いOPEXコストを結果とします。DIYについて言えば、CAPEXとOPEXの両方からの大きなコストがあります。まず、自分のMLOpsとサービング能力を構築する必要があります - これはすでにかなり困難なことです - そして一度構築すると、プラットフォームの進化だけでなく、運用、インフラ、セキュリティの観点からもこれらのプラットフォームを稼働させ続ける必要があります。

これらの課題を生成AIと大規模言語モデル（LLMs）の領域に持ち込むと、ハードウェア要件を考慮に入れると、その影響はさらに顕著になります。グラフィックス処理ユニットカード（GPU）は、商品化されたCPUハードウェアと比較して大幅に高いコストがかかります。したがって、これらのリソースをデータアーキテクチャに最適な方法で組み込むことを考えることが極めて重要です。これを怠ると、生成AIとLLMのすべての利点を享受したい企業にとって、巨大なコストリスクを表します。サーバーレス機能を持つことで、これらのリスクを大幅に軽減し、さらに、このような特殊なインフラを維持するために関連する運用オーバーヘッドも削減します。

なぜlakehouse AIなのか？

私たちは主に、lakehouseアーキテクチャが計算とストレージを分離することを可能にしたため、Databricksを選びました。Databricksの統合プラットフォームは、easyJetのクロス機能チームがシームレスに協力して作業できるようにし、生産性の向上につながりました。

Databricksとのパートナーシップを通じて、私たちは最新のAIイノベーション - lakehouse AI - にアクセスすることができ、私たちのアイデアを彼らの専門家チームと一緒に素早くプロトタイプ化し、実験することができます。「私たちのLLMの旅において、Databricksと一緒に仕事をすることは、私たちが一つの大きなチームであるかのように感じ、彼らがただのベンダーで、私たちは顧客だとは感じませんでした」とeasyJetのデータサイエンスと分析のディレクターであるBen Diasは述べています。

ソリューションへの深いダイブ

このプロジェクトの目的は、非技術的なユーザーが自然言語で質問をするツールを提供し、私たちの豊富なデータセットから洞察を得ることでした。この洞察は、意思決定プロセスにおいて非常に価値があります。

アプリケーションへのエントリーポイントはウェブUIです。ウェブUIでは、ユーザーがマイク（例えば、ラップトップの内蔵マイク）を使って自然言語で質問をすることができます。その後、音声はオープンソースのLLM（Whisper）に送られて転写されます。質問が書き起こされると、その質問とUnityカタログの関連テーブルのメタデータが組み合わされてプロンプトが作成され、その後、別のオープンソースLLMにテキストからSQLへの変換のために送信されます。text2sqlモデルは文法的に正しいSQLクエリを返し、そのクエリはSQLウェアハウスに送信され、答えが返されてウェブUIに表示されます。

text2sqlタスクを解決するために、私たちは複数のオープンソースLLMを試しました。Databricksで利用可能なLLMOpsツール、特にHugging FaceとMLflowの異なるLLMフレーバーとの統合のおかげで、LLMを使い始める障壁が低かったです。より良いオープンソースモデルがリリースされると、このタスクのための基礎となるモデルをシームレスに交換することができました。

転写とtext2sqlの両方のモデルは、NvidiaのA10G GPUをサポートするDatabricks Model Servingを使用してREST APIエンドポイントで提供されます。GPUサービングを活用する最初のDatabricksの顧客の一つとして、私たちは数回のクリックでモデルをGPUで提供することができ、開発から製品化まで数分で行うことができました。サーバーレスであるModel Servingは、複雑なインフラを管理する必要を排除し、私たちのチームがビジネス問題に集中し、市場投入までの時間を大幅に短縮することを可能にしました。

「lakehouse AIを使えば、私たちは自分たちの環境でオープンソースの生成AIモデルをホストすることができ、完全なコントロールが可能でした。さらに、Databricks Model Servingは、これらのLLMのデプロイメントと推論を自動化し、複雑なインフラを扱う必要を排除しました。私たちのチームはソリューションの構築に集中することができ、実際、MVPに到達するのに数週間しかかかりませんでした」とeasyJetのリードデータサイエンティストであるIoannis Mesionisは述べています。

Databricksを選択した結果として達成されたビジネス成果

このプロジェクトは、私たちのGenAIロードマップの最初のステップの一つであり、Databricksとの協力により、数週間でMVPに到達することができました。私たちはアイデアを具体的なものに変え、社内の顧客がそれと対話できるようにすることができました。このアプリケーションはeasyJetが真にデータ駆動型のビジネスになる道筋をつけます。私たちのビジネスユーザーは今、私たちのデータにより簡単にアクセスできます。彼らは自然言語を使用してデータと対話し、LLMが提供する洞察に基づいて決定を下すことができます。

easyJetの次は何ですか？

この取り組みにより、easyJetは最先端の生成AIユースケースの利点を簡単に実験し、量化することができました。このソリューションは、easyJetのIT、データ＆チェンジ部門の300人以上の人々に紹介され、その興奮は、旅行の推奨事項のための個人アシスタント、運用プロセスとコンプライアンスのためのチャットボット、リソース最適化など、革新的なGen AIユースケースについての新しいアイデアを生み出すのに役立ちました。

ソリューションを提示された後、easyJetの取締役会は、生成AIをロードマップに含めることに大きな可能性があるとすぐに合意しました。結果として、これらのユースケースを探求し、実現するために、easyJetの従業員と顧客の能力を強化し、彼らにより良い、よりデータ駆動型のユーザーエクスペリエンスを提供するために、予算の特定の部分が割り当てられています。