其實 ubiZense 自 2018 起已在香港國際機場試行 AS2，以物聯網系統收集機場的不同數據，並透過人工智能技術將數據轉化為具體的預測資訊，助機場有效調配人手及資源，提升服務質素。
「奈何方案部署完成即遇上疫情爆發，機場客運量大幅減少，數據難作參考。不過疫情期間，我們亦趁機完善 AS2 系統，並研發了新技術可在智能手機上運行，為機場流量回升做好準備。」
雲運算人工智能物聯網大數據分析服務
UbiZense 共同創辦人兼首席架構師梁振業博士續指，由於香港國際機場本身已部署逾 5 千個感應器和百多部閉路電視，打算利用收集所得的大數據提升營運效率，然而市場上未有相關應用，故聯絡中文大學了解技術研發上可有合作空間。梁博士有感其他教授無意成立商業機構將研發項目商品化，於是決定放棄教職出來創業，喜獲 AWS 為初創提供足以執行 AI 的雲運算能力。
由於 AS2 完全針對香港國際機場所需度身訂做，而機場本身已部署了大量感應器和閉路電視，營運場景未必適用於其他機場，因此梁博士乘疫情期間再研發了不必在車上安裝感應器，只需攜帶智能手機即可達致相同效果的流動應用。
「航運業首要安全和準時，因為延遲起飛每一分鐘也是成本。香港機場雖名列全球 20 大，但疫情前的流量已是原本設計容量的 114%超負苛，平均每班航機也有 19 分鐘的延誤，當中大部分為操作引致的延誤。疫情前，香港機場的 OTP（準時表現On-Time Performance）為 71.5%，即還有差不多 30%的改進空間。利用物聯網感應器配合雲端數據和人工智能即可得出具體的預測資訊，有助縮減操作上的延誤，減少乘客等行李所需時間。」
未雨綢繆藉大數據分析縮減操作延誤
根據香港機場管理局的數據，對比去年同期，9 月的機場貨運量上升 17.9%，而客運量及飛機起降量，分別急增 127.4%及 32%。隨著「0+3」或進一步放寬政策，相信香港國際機場的客貨運量將逐步回升。然而機場人手並未回復至疫情前水平，在應付流量上升時往往遇到不少挑戰，早前歐、美等地亦有機場因而出現應付不暇的情況。
「過去即使機場已安裝 CCTV 及感應器，收集所得大數據全屬 Unstructured data（非結構性數據），須以人手監視屏幕再決定哪輛車應該去哪部飛機哪個閘口最有效率。部署 AS2 後即可以 AI 自動化處理那些數據，無須再以人手操作。」
由於現時本港的航班仍未恢恢至疫前的流量水平，但梁博士估計行李搬運效率將可由 70%提升至 90%，而數據準確性則可提升 30%。以這個延誤縮減數字推斷，每年可節省高達 550 萬升燃油，相當於 7000 萬成本；當然，前提這僅屬最理想的條件下可節省的燃油量，實際上除了操作延誤尚有許多其他因素，因此梁博士亦強調有待航運恢復正常才能統計實際成本減省。