AI w hotelu kosztuje więcej niż zarabia – gdzie ucieka zwrot z inwestycji

Skift w analizie z 1 października opisuje sytuację, w której dyrektorzy finansowi sieci hotelowych patrzą na linię kosztów technologicznych i nie widzą jej odzwierciedlenia w zysku operacyjnym. Artykuł cytuje rozmowy z branży, w których pada zdanie: „the P&L doesn't lie” – rachunek zysków i strat nie kłamie, a on pokazuje rosnące wydatki na AI bez proporcjonalnego wzrostu marży. Problem nie jest nowy w branżach technologicznych, ale w hotelarstwie dotyka dodatkowo pytania, które zadają sobie dyrektorzy operacyjni: czy AI ma redukować etaty, czy je przekwalifikowywać, i kto płaci za różnicę w okresie przejściowym.

Równolegle h2c w swoim nowym badaniu „AI Opportunity” (Ratingen, październik 2026) stawia dokładniejszą diagnozę: sztuczna inteligencja jest już szeroko wdrożona w sieciach hotelowych, ale wdrożenia mają charakter taktyczny, punktowy, nie korporacyjny. Innymi słowy – każdy dział kupuje swoje narzędzie, nikt nie liczy całości. To tłumaczy, czemu koszty się sumują, a efekt nie: fragmentaryczne wdrożenia nie dają efektu skali, tylko dodają kolejne faktury.

Drugi element rachunku to jakość samej technologii po stronie gościa. Badanie Twilio na rynku APAC, opisane przez Hospitality Net, podaje liczbę: 70% konsumentów przerywa interakcję z AI, bo asystent gubi kontekst – pyta o to samo drugi raz, nie wie, że gość już podał numer rezerwacji, traktuje powracającego klienta jak nieznajomego. Autorzy proponują rozwiązanie nazwane Guest Memory Layer – warstwę pamięci gościa, która łączy dane z PMS, CRM i kanałów komunikacji w jeden, zarządzany profil, zamiast rozpraszać je po systemach, które się nie widzą.

To pokazuje, gdzie realnie uciekają pieniądze z pierwszej sekcji: hotel płaci za chatbota lub asystenta głosowego, ale nie płaci (albo płaci za mało) za integrację danych pod nim. Efekt jest taki, że inwestycja w interfejs działa na pustym baku – bo bak to dane o gościu, a nie sam silnik konwersacyjny. Osobne badanie na próbie 6000 podróżnych i 500 hotelarzy, również relacjonowane przez Hospitality Net, pokazuje tę samą szczelinę z drugiej strony: oczekiwania gości wobec personalizacji w trakcie pobytu rosną szybciej niż zdolność połączonych systemów danych do ich obsłużenia.

Rynek odpowiada konkretnymi produktami, nie tylko diagnozami. Mews ogłosił uruchomienie Guest Messaging and Automations – modułu, który zbiera wiadomości z różnych kanałów (SMS, WhatsApp, portal gościa) w jeden wątek powiązany z profilem rezerwacji, tak że personel widzi jedną rozmowę, nie trzy rozbite. Travel Daily News dodaje, że Mews rozszerza równolegle wdrożenie w segmencie F&B u Accor – sygnał, że integracja danych idzie w stronę operacji gastronomicznych, nie tylko recepcji.

Hapi poszedł w stronę infrastruktury: firma z Miami zaprezentowała Hapi Guest Identity i Hapi Data Lakehouse – dwa rozwiązania, które mają w czasie rzeczywistym łączyć i normalizować dane gościa rozsiane po systemach hotelowych, rozpoznając, że „Jan Kowalski” z rezerwacji online i „J. Kowalski” z programu lojalnościowego to ta sama osoba. To jest dokładnie warstwa, której brak zdiagnozowało badanie Twilio – dostawcy budują infrastrukturę pamięci, zanim hotel w ogóle kupi kolejnego chatbota.

Im więcej AI odpowiada za gościa bez nadzoru człowieka, tym częściej pojawia się pytanie z tekstu Hotel Speak: kto odpowiada, gdy asystent się myli – na przykład mówi, że plaża jest dwie minuty piechotą, a w rzeczywistości to dwadzieścia minut jazdy samochodem. Artykuł nie podaje jeszcze precedensu sądowego w branży hotelowej, ale stawia pytanie, które będzie wracać wraz ze wzrostem autonomii asystentów: umowa z dostawcą technologii czy regulamin hotelu rozstrzyga, kto pokrywa koszt błędnej informacji.

Na tym tle badanie Destination AI, zaprezentowane na szczycie w Washington D.C. (relacja Hospitality Net), podaje liczbę z drugiej strony adopcji: 63,3% respondentów z branży deklaruje regularne używanie AI w pracy. Zestawione z wnioskiem h2c o taktycznym, niekorporacyjnym charakterze wdrożeń, obraz się domyka – adopcja jest wysoka, ale odpowiedzialność za jakość danych, za pomyłki asystenta i za sam rachunek kosztów wciąż nie ma właściciela w strukturze hotelu. Dopóki to się nie zmieni, kolejna runda inwestycji w AI trafi w tę samą dziurę w P&L, którą opisuje Skift.