Este documento presenta un marco de evaluación de la carga de trabajo del controlador de tránsito aéreo (ATCO) en tiempo real basado en una red neuronal de grafos (GNN) interpretable para abordar las limitaciones de las métricas de complejidad existentes que no logran capturar factores operativos sutiles más allá del mero número de aeronaves en un espacio aéreo cada vez más congestionado. Utiliza un modelo basado en la atención que predice el número de autorizaciones próximas, que son instrucciones emitidas por los controladores a las aeronaves, a partir de interacciones en escenarios de tráfico estático. La clave es derivar puntajes de carga de trabajo específicos de cada aeronave mediante la eliminación sistemática de aeronaves y la medición de su impacto en las predicciones del modelo. El marco propuesto supera las heurísticas inspiradas en ATCO y proporciona estimaciones de complejidad de escenarios más confiables que las líneas base existentes. Esta herramienta proporciona una nueva forma de analizar y comprender las fuentes de complejidad al atribuir la carga de trabajo a aeronaves específicas, lo cual puede aplicarse al entrenamiento de controladores y al rediseño del espacio aéreo.
