在飞行安全问题上，航空公司严重依赖飞机制造商。然而，航空公司不仅仅指望AI协助驾驶舱，还希望机器学习和人工智能帮助航空公司简化地面运营，并尽可能为客户提供轻松无缝的旅行体验。
美国联合航空公司正在对后端数据（如从客户、维护日志、员工工作日志和飞行中收集的数据）进行机器学习，以提高业务能力。2018年9月，美联航和Palantir Technologies宣布建立长期合作关系，部署Palantir Foundry，将之作为美联航的中央平台，整合公司关键业务部门的不同平台数据。
美联航还在使用机器学习来帮助调度飞行。这需要考虑所有相关变量，如派遣机组人员（基于休息时间和适当的机组人员飞机认证）、飞机燃料和操作限制、飞机座位容量等。在这样复杂的决策过程中，往往必须在25分钟内根据届时可用的有限数据进行计算并作出决定。
Palantir与空客公司合作创建了航空数据分析平台Skywise，为小型航空公司提供订购服务，其中包括减少飞机计划外维护的工具。航空公司还同GE一起，将飞机传感器数据转变为基于机器学习的服务，以推动GE喷气发动机的预测性维护。美联航使用机器学习和人工智能远不止用于维护和飞机时刻表的管理。美联航的机器学习算法采用150个不同的客户和航班数据点，实时确定在购买或登录点将哪个特定产品呈现在客户面前。该系统考虑了乘客以前的购买、偏好、目的地和活动等事项，为客户提供各种选择，包括航班选择、座位升级、里程购买和优先访问权等。
其他航空公司正在采用其他形式的AI来减少航空公司员工的工作量。如面部识别技术现在用于加快机场的登机手续。达美航空公司是第一个部署此流程的航空公司，加快了乘客登机时间近10分钟。该系统目前用于国际航班的登机手续和行李托运，达美预计2019年将业务扩展至国内航班。
