نشست تخصصی داده و هوش مصنوعی رسانه Skift که ششم اکتبر ۲۰۲۶ در لندن برگزار شد، نشان داد که اگرچه هوش مصنوعی در حال دگرگون ساختن توزیع خدمات گردشگری و عملیات داخلی شرکت‌هاست، اما حجم رزروهای انجام‌شده از طریق این ابزارها همچنان در سطحی بسیار پایین قرار دارد. صنعت گردشگری اکنون وارد فازی موسوم به «اثبات بازدهی» (Prove-It Phase) شده است؛ دوره‌ای که در آن تمرکز شرکت‌ها از وعده‌ها و پتانسیل‌های نظری هوش مصنوعی، به سنجش ملموس شاخص‌هایی چون میزان دیده شدن برندها، نرخ واقعی تبدیل به رزرو و توجیه اقتصادی هزینه‌ها معطوف شده است.
چالش دیده شدن هتل‌های مستقل در الگوریتم‌های هوش مصنوعی
بر اساس تحلیل مجموعه‌ای از ۲۷,۳۶۰ پاسخ تولیدشده توسط سیستم‌های هوش مصنوعی درباره ۶۵۹ مرکز اقامتی در بارسلونا که توسط مجموعه Stiplo ارائه شد، احتمال ناشناخته ماندن هتل‌های مستقل برای سیستم‌های هوش مصنوعی هشت برابر بیشتر از هتل‌های زنجیره‌ای است. البته همین پژوهش نشان می‌دهد در صورتی که یک هتل مستقل برای سیستم هوش مصنوعی شناخته‌شده باشد، نرخ پیشنهاد داده شدن آن تقریباً برابر با برندهای زنجیره‌ای خواهد بود.
این مسئله به‌ویژه برای بازار اروپایی اهمیت حیاتی دارد. طبق پژوهش مشترک Booking.com و Statista در سال ۲۰۲۳ که بر اساس داده‌های موسسه CoStar تنظیم شده است، حدود سه چهارم از هتل‌های قاره اروپا به صورت مستقل اداره می‌شوند. Carlo Del Mistro، بنیان‌گذار Stiplo، در این نشست اشاره کرد که حجم دیدگاه‌ها و بازخوردهای ثبت‌شده در Google مهم‌ترین فاکتور مرتبط با دیده شدن و کشف مراکز اقامتی توسط سیستم‌های هوش مصنوعی است.
شکاف عمیق میان برنامه‌ریزی سفر و ثبت رزرو نهایی
در سمت تقاضا و رفتار مصرف‌کنندگان، آمارهای رسمی نشان‌دهنده فاصله‌ای چشمگیر میان استفاده از هوش مصنوعی برای برنامه‌ریزی و ثبت نهایی سفارش است. شرکت Booking Holdings فاش کرده است که کمتر از یک درصد از شب‌های رزروشده این مجموعه از طریق کانال‌های هوش مصنوعی جذب می‌شوند. همچنین موسسه پژوهشی Bernstein سهم هوش مصنوعی در رزروهای مجموعه Marriott را حدود ۱.۶ درصد برآورد کرده است.
یکی از دلایل اصلی این عدم تمایل، مسئله اعتماد مصرف‌کنندگان است. Bryan Batista، مدیرعامل Skyscanner، با استناد به یک نظرسنجی جهانی اعلام کرد که ۵۱ درصد از مسافران به دقت و قابل اعتماد بودن داده‌ها و پیشنهادات ارائه‌شده توسط هوش مصنوعی بی‌اعتماد هستند.
بازگشت سرمایه در عملیات داخلی و الزامات قانونی جديد
مدیران حاضر در نشست تاکید کردند که بازدهی ملموس و قابل سنجش هوش مصنوعی در حال حاضر نه در ابزارهای خودکار برنامه‌ریزی سفر، بلکه در بخش عملیات داخلی شرکت‌ها محقق می‌شود. با این حال، Andrew Jordan، مدیر ارشد فناوری Travelport، هشدار داد که صرفه‌جویی در ساعت‌های کاری به تنهایی ارزش افزوده ایجاد نمی‌کند و ممکن است تنها یک ردیف هزینه جدید تحت عنوان هزینه هوش مصنوعی به صورت‌حساب سود و زیان (P&L) اضافه کند.
در مقابل، نمونه‌های موفق عملیاتی نتایج قابل‌توجهی نشان داده‌اند. Filip Filipov، مدیرعامل OAG، به سامانه Connection Saver شرکت United Airlines در فرودگاه دنور اشاره کرد که به گفته او توانسته است از ازدست‌رفتن ۵۴,۰۰۰ پرواز اتصالی مسافران جلوگیری کند.
هم‌زمان، تصویب و اجرای قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) شرکت‌های اروپایی را ملزم کرده است تا فرآیندهای ارزیابی و به‌کارگیری ابزارهای هوش مصنوعی را در ساختارهای داخلی خود رسمی‌سازی و ساماندهی کنند.