“超过55%的酒店从业者相信，AI工具将改变酒店行业，这其中当然也包括我。”万达酒店及度假村管理公司信息部总经理王雷在2024 ITValue Summit 数字价值年会举办的主题为“重塑酒店文旅行业的未来，AI引领的变革与创新”闭门论坛上表示。

AI已经被公认为将成为重塑千行百业的数字技术，而这个重塑的过程正在酒店行业中进行。此次重塑不仅是局限于智能客服领域，而是涵盖了酒店的建设、运营的全生命周期。

从客诉预警到收益管理，AI已全面渗透

现阶段，虽然对于各行业来说AI的应用仍处于一个比较初期的阶段，但单就酒店行业来说，AI技术、自动化技术已经在多个场景中得以应用。

在中国旅游集团酒店控股公司科技信息部总经理周长看来，AI的能力在酒店从建设到运营管理链路的12个环节中都有不同程度发挥。比如，在酒店建设阶段，AI可以从设计优化、施工管理、质量控制、安全监督、运维管理、自动化设计工具、智能规划与优化、智能监控与预警、智能渲染等环节发挥力量；采购阶段，AI可以提供包括供应商分析、风险管理、战略制定、预测建模、自动化物料编码、智能采购新产品构建、供应链优化等能力；在运营阶段，AI能为酒店提供智能客房服务、预测性维护、智能客户服务、智能安保监控、个性化服务、物料管理、客户反馈分析等能力，从而提升整体运营效率......

以酒店运营层面为例，AI的应用主要可以分为用户的住前、住中和住后三个阶段。在周长看来，目前在酒店行业应用最成熟的还是AI客服，“目前我们正在跟包括科大讯飞在内的多家科技公司共同探索，如何利用AI大模型的能力进一步优化智能客服的能力，”周长指出，“以8月份为例，我们试点酒店累计智能客服接通电话超53000次，通话时长979个小时，日均接通1728通电话。”

除了日常的智能客服以外，中旅集团还尝试利用大模型的能力进行酒店日常的维护预警，以及客诉预警等预知性工作。

以客诉预警为例，原先用户对酒店产生不满情绪，或者体验不佳的情况，大多会在住后通过携程、飞猪、大众点评等平台进行“情绪宣泄”，而这些差评让酒店对自身服务的不足“后知后觉”。一方面并不能第一时间解决用户的需求，提升满意度；另一方面，用户留下不好的评价也为其他用户在选择该酒店时留下不好的印象，可能造成酒店业绩下滑。

“要想提升用户满意度，我们需要将这个处理客诉的过程往前推，实现‘前置’。”周长强调。通过AI大模型，能够更好地分析用户在入住过程中可能出现的不满情绪，将问题前置化解决，在提升整体满意度的同时，更为重要的是为用户提供了一个更好入住体验，而这点是几乎所有服务行业都在追求的目标。

蓝豆云·区域总经理施晓纯也有着同样的观点。施晓纯在分享中指出蓝豆云也看准了酒店运营体验这个环节，在整体运营管理系统中，通过功能模块、业务模块等方式，将酒店的包括卫生品质、工程设备盘点、维修维护等环节整合进产品中，并通过可视化的过程，通过APP让酒店管理者一目了然，提升管理效率。

北京京能酒店旗下品牌除了在智能客服方面有所尝试以外，在其他方面也在积极布局，用来提升酒店与用户的“粘性”，在北京京能酒店管理有限公司运营总监王猛看来，通过AI技术提供的能力，再加上多维度数据的“投喂”之后，酒店行业可以通过用户画像，对用户实现精准营销，提升整体的营销效率，“主动出击找到会喜欢我们酒店的潜在用户。”王猛表示。除此之外，北京京能酒店还在新媒体直播领域应用了AI的能力，进行品牌推广，更好的与用户交互。

除了面向用户群体的运营以外，周长和王雷在分享中都提到了AI能力在酒店收益管理方面能有“大展拳脚”的机会。

王雷在分享中表示，通过将人做收益管理的经验，基础理论“输入”给大模型产品，利用这些数据训练出的产品可以在酒店定价等方面提供更为准确的帮助，并且可以让一位酒店管理者同时管理更多的酒店。

周长也在分享中分享了中旅集团在收益管理数字化方面的经验，他指出，中旅集团尝试通过AI技术在智能定价和需求预测等场景中进行应用。“传统人工的收益管理是通过excel表或者数据管理软件进行的，效率和效果都不尽如人意”周长指出，“在使用AI功能之后，通过数据的收集和分析，相对传统人工而言，能够进行更好的预测和定价。”

中旅集团以模型运管平台为底层支撑，以收益管理智领AI引擎为核心，让酒店管理者能同时管理多家酒店，“原先可能一位管理者只能同时管理2~3家酒店，最多也就是4家，但是通过AI技术的赋能，一位管理者可以同时管理10家，甚至20家酒店。”周长指出。

不仅于此，管理者在实现个体多管理酒店的同时，还实现了预测准确率的提升，据周长介绍，目前通过AI技术的应用，进行需求预测的准确率已经超过95%。

万达也在酒店动态的价格管理方面应用AI技术进行了初步的尝试，“万达从2012年开始就开始开展收益管理的工作，建设了一套完整的数据管理中心，一整套体系。当AI技术又一次爆发之后，我们也开始尝试是不是可以用AI处理这些数据，来提高我们的收益管理的效率，以及准确率。”王雷表示。

AI大模型在酒店各个方面都已经有一些应用涌现，钓鱼台美高梅酒店集团数字化转型与信息技术总监马俊鹏在圆桌讨论环节中分享到，“钓鱼台美高梅旗下酒店在协同办公应用上全面使用了飞书，飞书内置了字节跳动的豆包AI大模型，这使得集团和酒店的飞书用户能够在日常工作中直接使用AI工具，从而提升日常办公的效率。”马俊鹏指出，“除上述之外，钓美集团的AI应用场景已涵盖集团公众号智能客服、智能经营日报、酒店餐饮点评分析、集团知识库智能问答等多种场景，这些AI应用有效提升了酒店的运营管理效率，并改善了客人的体验。”

在具体提升方面，酒店可以通过AI与数据分析，总结归纳出优秀员工具有哪些特定“行为”，或者“素质”，并向全员推广，针对此，在绿地酒店旅游集团信息技术部总经理吴龙看来，AI最重要的一个能力不是为企业带来了什么，而是企业能够通过AI技术，提升员工“短板”，解决人与人之间的能力差异，从而让员工整体都处于一个较高的水准之上。

C端B端“通吃”

从应用场景角度出发，AI大模型的能力不仅能在酒店的运营管理，提升用户满意度等领域起到“决定性”的作用，对于C端的用户来说，大模型的能力也能让用户在选择酒店的过程中有更好的体验，更为便捷、快速的选择更合适自身的酒店。

过去，人们在选择酒店的时候，大多数是通过咨询当地的朋友，或者有过当地旅游经验的人，这个效率和效果总是低下的。一方面，因为人是主观思想和个体差异的，可能别人推荐的酒店只是满足了推荐人的个体需求，却并不能满足被推荐人的需求，这就造成了可能被推荐的酒店并不能让用户有很好的体验。

现在，人们在选择酒店和旅游路线的过程中，更多的会通过诸如携程、飞猪、大众点评等APP，通过别人的评价，来寻找合适自身的酒店。虽然这些评价也都带有主观色彩，但是用户可以对比多个平台的多个评价，从而筛选出合适自身的酒店。但这个过程是复杂的，且需要用户花费很多精力进行攻略。

未来，在AI大模型能力的加持下，用户只需要简单的将自己的需求描述给大模型，大模型会根据用户的喜好度和需求综合推荐一家或几家酒店。这个推荐是相对客观的，且能为用户节省不少选择酒店、旅游路线的时间，大幅提升用户的体验，而在王雷看来，通过与AI的互动之后，用户不仅可以对选择的酒店有一个较为全面的了解，还可以对整个旅游环境有一个全面的了解，从而降低了用户“选错”酒店概率，一方面提升了用户的体验，另一方面，也能间接提升酒店的整体用户满意度，实现双赢。

AI的短板

虽然AI技术在酒店文旅行业已经不断涌现出了众多的应用场景，但是在周长看来，AI技术真正在酒店行业成熟落地仍存在两大问题亟待解决，那就是——信任和价值的问题。

信任层面，由于目前生成式AI还是会存在“幻觉”的问题，而“幻觉”问题似乎已经成为所有行业在应用大模型产品时，最大的顾虑。“我个人认为AI对于酒店行业，已经具备作为生产力的条件了，但是对于决策者们来说，大模型‘幻觉’的问题依旧是一个让他们有很大顾虑的问题。”周长如是说。

马俊鹏也有相似观点，分享了一个他们利用AI分析餐厅点评数据的案例，“我们尝试利用AI技术自动分析酒店餐厅点评网客人的评价数据，其中一个需求是通过AI的数据挖掘能力快速提取客人评价中的好评和差评菜品名称。在实验初期，AI无法完全满足我们的要求，但通过不断调优和专属训练，最终满足了业务部门的需求，实现了从海量数据中精准提取服务标签、好差评菜品名称，以及各餐厅好评服务人员姓名。这表明，AI的有效应用不是简单的拿来即用，而需要针对不同场景进行不断尝试和专属训练，才能更好地满足实际需求，创造真正的价值。”

除了信任的问题，如何让AI技术在酒店行业中体现价值也是目前行业比较关注的焦点。在这个几乎所有企业都将降本增效视为核心发展目标的大环境下，一个数字技术如果不能拥有良好的ROI（投资回报率），很难被行业用户所接受。而在周长看来，生成式AI技术目前在酒店行业也没有能体现出很好的ROI，“一项新技术和行业的结合，它的价值不是马上就能体现出来的，而如何让生成式AI在酒店行业中体现出更好的价值，给企业的降本增效带来切实的赋能，也成为了生成式AI接下来在企业中应用的过程中，需要解决的问题。”周长指出。

王雷也有着相似的观点，他在分享中表示，目前还有大概50%的酒店行业的决策者们不相信应用AI技术能为酒店节约运营成本，而针对如何更好地推动AI技术在酒店行业的应用，王雷也给出了自己的观察和建议，他表示，从现阶段的AI应用上看，仅凭借一家酒店，一家公司，推动AI技术在整个酒店行业中的应用落地，是不现实的，需要整个行业，通过一些协会，联合所有的酒店管理公司，再对接到下游的解决方案的供应商，共同努力，才能让AI技术在酒店行业中体现出更高的价值，才能切实推动AI技术在行业中的应用。

价值的另一方面表现在：现阶段企业想应用AI技术，除了软件、解决方案的采购成本，内部数据治理成本也是极其高昂的，在吴龙看来，随着企业内部数据越来越多，越来越复杂，数据采集、治理的成本也就越来越高，而“数据”的成本也直接决定了企业应用AI的成本和难度，当难度提升时，如果这个技术为企业带来的价值是“不可视化”的，或者说企业是看不到具体价值的，这也就给企业应用AI带来了阻碍