“解锁上海虹桥机场隐藏生日彩蛋！”去年冬天，有乘客惊喜地发现，在虹桥机场过安检时，自己的脸一出现在闸机屏幕里，就自动戴上了生日帽，还伴着“祝您生日快乐”的祝福语音。这位乘客发帖讲述了这段经历，感谢机场的用心，很多网友都送上了祝福和点赞。
  这些赞里，有一个是吴娜留下的，能让乘客收获一份意外之喜，她非常欣慰。作为虹桥机场公司安检护卫保障部旅检一科党支部书记，用心用情不断提升服务品质是她不懈的追求。
  今年34岁的吴娜，已是有15年安检工作经验的“老兵”。2015年，她获评全国劳动模范，在人民大会堂接受表彰；2017年，她当选党的十九大代表；2022年，她再次当选党的二十大代表。吴娜用自己走过的每一步证明，只要做个有心人，“再平凡的岗位也能闪闪发光”。　　
  多用心，让服务更有温度
  吴娜穿着挺括的白色旅检制服，在服务一线忙碌时，给人感觉非常干练。可她一开口，又总是柔声细语的。她一直挂在嘴边的词，是“有温度”——即使戴着口罩，眼神里也要满含笑意，这是一种温度；遇到有旅客携带超量液态化妆品时，贴心地递上100毫升分装瓶，还是一种温度。

工作中的吴娜（刘雪妍 摄）

  这份“温度”，自吴娜2007年毕业以来一直在升温。刚加入虹桥机场公司安检护卫保障部旅检一科“安捷组”时，她还是一个18岁的小姑娘。“旅检一科是劳模集体，‘安捷组’更是全国巾帼文明岗、上海市青年文明号单位。在模范集体里，受前辈们的影响，我慢慢理解并爱上了安检岗位。”
  机场安检工作包括证件检查、前传、人身检查、“眼筛”安检仪、开箱复查等多个岗位。每个岗位都事关航空安全，马虎不得，刚工作的新人要逐个轮岗。在“人身检查”岗工作时，弯腰、起身这样的动作，吴娜每天要重复2000次以上。“天天如此，确实很辛苦，但这是我的本职工作，必须做到位。”
  除了工作认真，吴娜还爱琢磨。在“证件检查”岗位上，她发现旅客的双手、身份证甚至衣物都可能被验讫章的油墨弄脏，很难搓掉。于是她每次都把章盖在登机牌的折缝位置，折好再交还给旅客，把油墨“藏”起来。后来，有细心的旅客把这一“特别的礼遇”发到微博上，留言“上海的服务就体现在这些细节上”。
  “吴娜特别好学，很会提炼工作技巧。”旅检一科科长郑晨说，他和吴娜搭档多年，在他眼中，吴娜对待工作的态度不是完成任务，而是永远充满热情和干劲。“同样的工作，她来做，效果完全不一样。”直至现在，吴娜当年摸索出的“三到位、三主动”工作法、“验证六部曲、人检八重点、开箱十四诀”等岗位口诀还在沿用。
  严要求，让工作推陈出新
  2017年4月，虹桥机场T2航站楼的9号旅检通道被命名为“吴娜通道”。这是首条以工作人员名字命名的品牌示范通道，除了是服务标杆，还是机场安检人才的实训地。
  这一年，虹桥机场开始使用旅检长通道。当时吴娜发现，虹桥机场旅客吞吐量不断增加，旅客在“前传”和“开箱”环节的通道内，经常“堵”起来，她提出把这两个环节的通道加长，让旅客能够更从容地排队和整理物品，从而提升效率。

  于是，安检机前端的滚床从2.5米加长至6米，后端的滚床由1.5米增加到3.5米。经过测算，夏季单个通道的通行能力从2.1人/分钟提升到2.6人/分钟。这一创新举措很快得到推广，2018年，虹桥机场T2航站楼所有安检通道都改造成了“长通道”。
  “通道长了，旅客走得更顺畅，但工作人员需要服务的空间也大了，更需要提升服务品质。”看到带烟的旅客，多问句“带没带打火机”，看到带水果的旅客，就顺便问一下“有没有水果刀”，吴娜说：“安检员不能只会机械性地说几句话，要善于观察，因人而异地提供服务。”
  现有服务的改进，是“从有到优”的过程，随着上海机场向“智慧机场”进化，更多服务是“从无到有”的。比如，自助验证机器代替了证件检查岗位后，为了“让旅客面对机器时也能感受到温暖”，吴娜请厂商将节日问候，生日祝福等设置进安检设备，于是就有了开头旅客自助验证时遇到的那一幕。
  尝试用自助验证替代人工，虹桥机场是全国第一家。这背后，也离不开吴娜和同事们的努力。“其实，国内有其他机场比我们先用自助验证设备，不过他们在这一环节还会配备安检员，自助验证名不副实。2018年，我们制定了自助安检手册，并配备详细的操作标准和管理措施，在全国首个获批。”
  自助验证闸机、人脸识别辅助、双视角X光机等一系列新技术、设备的投用，都有效提升了安检检查质量和效率，改变了旅客过检模式。如何在保障网络信息安全的同时，使旅客适应智能化安检模式？如何将“真情服务”与“智慧安检”有机结合？吴娜和团队研究的正是这些问题。
  传帮带，工匠精神薪火相传
  提高旅客过检体验，不能只靠一个人或者一条示范通道。吴娜说，整个团队拧成一股绳，才能发挥更大的能量。
  “为了这4条通道，我们前期总结了上万张照片。”吴娜指着“智能通道”说，这是去年12月开始试行的新通道，X光机中有AI辅助判读系统，为了提高机器识别的准确率，吴娜和同事们对打火机、刀具、充电宝等常见的违禁物品进行分类，并提炼出图像特征，帮助AI学习。