91% sieci hotelowych używa AI, 28% ma do tego strategię: skąd się bierze ta różnica

Badanie h2c objęło 113 sieci hotelowych i wyszło z niego, że sztuczną inteligencję w jakiejś formie stosuje 91% z nich – chatboty, dynamiczne wyceny, automatyzację back office'u. Strategię rozpisaną na poziomie całej firmy, z budżetem i właścicielem procesu, ma 28%. Reszta działa projektowo: dział sprzedaży testuje jedno narzędzie, revenue management inne, a recepcja trzecie, bez wspólnego planu i bez wspólnych danych.

To rozdzielenie ma konsekwencję, którą opisuje równolegle Skift: wydatki technologiczne hoteli rosną z roku na rok, ale wynik finansowy nie rośnie proporcjonalnie. Branżowy komentarz ujął to krótko – „P&L nie kłamie” (P&L doesn't lie) – bo rachunek zysków i strat nie uznaje argumentu, że narzędzie jest nowoczesne, tylko liczy, czy przełożyło się na przychód lub oszczędność. Na razie w wielu hotelach nie przekłada się, bo wdrożenie zatrzymuje się na etapie pilotażu w jednym dziale.

Raport Twilio z rynku APAC podaje liczbę z drugiej strony lady: 70% konsumentów rezygnowało z kontaktu z asystentem AI, bo system tracił kontekst rozmowy – pytał o to samo drugi raz, nie wiedział, że klient już się przedstawił, nie łączył czatu na stronie z wcześniejszą rezerwacją. W tekście na Hospitality Net problem ten dostał nazwę: brak „warstwy pamięci gościa” (Guest Memory Layer) – wspólnego, zarządzanego rekordu, do którego sięgają wszystkie kanały kontaktu, zamiast każdy kanał trzymał własną, odciętą kopię danych.

To ten sam mechanizm, który widać w badaniu h2c od strony operacyjnej. Hotel kupuje chatbota do obsługi gościa, silnik dynamicznej wyceny i system automatyzacji back office'u – trzy osobne produkty, trzy osobne bazy. Żaden z nich nie wie, co wie drugi. Gość odczuwa to jako AI, które „nie pamięta”. Dyrektor finansowy odczuwa to jako koszt trzech licencji bez efektu synergii, którego szukał.

Odpowiedzią branży na ten sam problem są w ostatnich tygodniach konkretne produkty, nie tylko deklaracje. Mews uruchomił Guest Messaging and Automations – jeden wątek rozmowy z gościem niezależnie od kanału (SMS, WhatsApp, portal gościa), spięty z profilem i rezerwacją, tak by personel widział jedną historię, nie trzy rozproszone. Hapi ogłosił z kolei Hapi Guest Identity i Hapi Data Lakehouse – narzędzia, które mają w czasie rzeczywistym normalizować i łączyć dane gościa rozsiane po systemach hotelowych w jeden rekord.

Osobny krok zrobił dostawca asystenta AI Avalora – jego VAIA jako pierwszy przeszedł certyfikację zgodności ze standardem HTNG Express amerykańskiego stowarzyszenia AHLA, umożliwiającym ustandaryzowane podłączenie do systemów PMS, w tym Visual Matrix. To techniczny, mało efektowny news, ale oznacza, że branża zaczyna budować wspólny język integracji zamiast każdy dostawca robił własne, niekompatybilne złącze do każdego PMS-u z osobna.

Rosnącą liczbę wdrożeń komplikuje pytanie, które Hotel Speak postawił wprost: kto ponosi odpowiedzialność, gdy asystent AI poda gościowi błędną informację – na przykład opisze plażę jako „dwie minuty pieszo”, choć w rzeczywistości to dwadzieścia minut jazdy samochodem. Gość, który zarezerwował pobyt na podstawie takiej odpowiedzi, przyjeżdża z oczekiwaniem, którego obiekt nie spełni, a reklamację i tak przyjmie recepcja, nie dostawca technologii.

Im więcej kanałów kontaktu obsługuje AI bez wspólnej, zweryfikowanej bazy faktów o obiekcie, tym większe ryzyko takich pomyłek – i tym mocniej potwierdza się teza z pierwszej części tej analizy: dane i ich porządek, nie sama technologia, decydują, czy wdrożenie się opłaca, czy generuje nowe koszty w postaci reklamacji i utraconego zaufania gościa.