AI przejmuje wycenę pobytu. Co zostaje revenue managerowi

Wycena pokoju to tysiące drobnych decyzji: jaki rabat na siedem nocy, kiedy zamknąć najtańszy kontyngent, o ile podnieść cenę, gdy obłożenie na dany weekend rośnie szybciej niż rok temu. Człowiek podejmuje je partiami, raz dziennie albo raz w tygodniu, i siłą rzeczy uśrednia. Model przelicza je na bieżąco, bez zmęczenia i bez przywiązania do zeszłorocznego cennika. W zwykłym tygodniu, bez niespodzianek w mieście, ta przewaga jest czysta: szybsza reakcja na popyt to wyższy przychód z tego samego obłożenia.

Druga przewaga maszyny to pamięć bez sentymentu. System pamięta, jak sprzedawał się każdy typ pokoju w każdy dzień roku, i nie daje się nabrać na własne przekonania o tym, co się sprzedaje. Revenue manager z wieloletnim stażem ma intuicję, ale intuicja waży mocniej ostatnie sezony i głośne pomyłki. Model waży wszystko po równo, więc nie powtarza błędu z zeszłej wiosny tylko dlatego, że ktoś go wtedy głośno krytykował.

Model uczy się na danych, a dane nie wiedzą o tym, czego w nich nie ma. Festiwal przeniesiony z lipca na wrzesień, hala widowiskowa otwarta po drugiej stronie miasta, remont deptaka, który przez trzy miesiące odstrasza spacery, to wydarzenia, które zmieniają popyt, zanim zdążą stać się wierszem w historii rezerwacji. System zobaczy je dopiero, gdy rezerwacje zaczną spadać albo rosnąć, czyli wtedy, gdy reakcja jest już spóźniona. Człowiek, który mieszka w tym mieście i czyta lokalne wiadomości, widzi je tygodniami wcześniej.

Dlatego najmocniejszy podział pracy jest taki: maszyna liczy, człowiek decyduje, kiedy jej nie ufać. Revenue manager przestaje być osobą od arkusza, a staje się osobą od wyjątków: od kalendarza wydarzeń, od remontów, od wszystkiego, co model uznałby za szum. To wymaga nowej dyscypliny, bo domyślna pokusa jest odwrotna: przepisać cenę z systemu i iść dalej. Hotel, w którym nikt nie kwestionuje maszyny, dostaje jej średnią jakość w dniach, w których średnia nie wystarcza.

W praktyce stanowisko revenue managera rozpada się na trzy obowiązki. Pierwszy to karmienie modelu kontekstem: wprowadzanie lokalnych wydarzeń, zamknięć i otwarć, zanim wpłyną na popyt. Drugi to audyt decyzji: sprawdzanie, czy cena na kluczowe terminy ma sens wobec tego, co dzieje się w mieście, a nie wobec tego, co działo się rok temu. Trzeci to reguły awaryjne: z góry ustalone, kiedy człowiek przejmuje wycenę ręcznie i na jak długo.

To dobra wiadomość dla zawodu, nie wyrok. Hotele nie potrzebują mniej myślenia o cenie, tylko myślenia gdzie indziej: mniej arytmetyki, więcej miasta. Revenue manager, który zna kalendarz swojego miasta lepiej niż jakikolwiek model, staje się trudniejszy do zastąpienia, nie łatwiejszy. Maszyna przejmuje liczenie; osąd, kiedy liczeniu nie wierzyć, zostaje po stronie człowieka i to on decyduje o wyniku w tygodniach, które robią sezon.