ANAの国内線でオーバーブッキングによる搭乗拒否が発生し、SNS上で「格安運賃の乗客が優先的に降ろされた」との疑惑が拡散しました。航空会社の収益管理システムは座席を最大限活用するため意図的に過剰予約を行いますが、実際の優先順位付けには運賃以外にも複数の要素が絡んでいます。今回の炎上は、ブラックボックス化したアルゴリズムと利用者の不信感が衝突した典型例といえます。
参考: SNS大炎上のANA「オーバーブッキング問題」実際どうなの？ 「格安運賃は真っ先に”搭乗NG”」説、真相を同社に聞いた（乗りものニュース）
分析・見解
運賃コードごとの収益差が優先順位判断の背景にある
オーバーブッキングは航空業界で半世紀以上続く合法的な慣行ですが、誰を優先するかという選定ロジックは各社の企業秘密です。ANAの公式回答では「チェックイン順や座席クラス、上級会員資格などを総合的に判断」とありますが、運賃の影響を完全否定していない点が注目されます。実際、収益管理（レベニューマネジメント）の観点では、同じエコノミークラスでも運賃コードによって収益への貢献度が10倍以上異なるケースがあります。3万円の特割運賃と8万円の柔軟運賃（フレックス運賃）では、後者を優遇する経済合理性は確かに存在します。
欧米は運賃と権利の関係を事前に開示、日本は曖昧なまま
欧米の航空会社では、こうした優先順位を事前に明示する動きが加速しています。デルタ航空は2018年から「ベーシックエコノミー運賃は優先搭乗の対象外」と明記し、ユナイテッド航空も同様の開示を行っています。透明性を高めることで、低価格と引き換えに権利が制限されるという取引関係を利用者が理解できる仕組みです。日本では運賃と権利の関係が曖昧なまま販売されているため、今回のような不信感が生まれやすい構造になっています。
AIによる需要予測の精度向上が搭乗拒否そのものを減らす
システム面では、機械学習を使った需要予測の精度向上により、オーバーブッキングの発生率自体を下げる技術革新も進んでいます。ルフトハンザグループは過去5年でオーバーブッキングによる搭乗拒否を42%削減したと報告しており、技術による解決の可能性も見えてきています。
ビジネスへの影響
AIによる顧客選別は判断基準を示さないと不公平と受け取られる
企業の危機管理担当者は、今回の炎上から2つの教訓を得るべきです。第一に、アルゴリズムによる意思決定の透明性確保です。AIや機械学習を使った顧客選別は効率的ですが、判断基準を開示しないと「不公平な差別」と受け取られるリスクがあります。
SNS時代は公式見解より先に「格安差別」という物語が広まる
第二に、SNS時代の情報拡散速度への対応です。ANAの公式見解が出る前に「格安運賃差別」という受け止め方が固まってしまった点は、初動対応の重要性を示しています。
補償ポリシーの事前明示と記録がブランド毀損を防ぐ
航空会社に限らず、ホテルやイベント業界でもオーバーブッキングは日常的に発生します。補償ポリシーを事前に明示し、選定プロセスに恣意性がないことを証明できる記録を残すことが、ブランド毀損を防ぐ最低条件となるでしょう。