Di Michael McCartan, Area Vice President EMEA, IDeaS
Gli hotel stanno investendo tempo e risorse significative nell’intelligenza artificiale, eppure molti faticano ancora a passare dalla fase di sperimentazione a un utilizzo operativo su larga scala.
Oggi, per molti gruppi alberghieri, la sfida non consiste più nell’avere accesso all’IA, ma nel maturare un livello di fiducia sufficiente nella tecnologia, nei dati e nei sistemi di governance che la supportano, affinché l’IA possa incidere concretamente sulle decisioni commerciali e farlo su larga scala.
Di conseguenza, molte organizzazioni si ritrovano intrappolate in una sorta di “purgatorio dei progetti pilota dell’IA”, in cui i team sono disposti a testare la tecnologia e a esaminarne le raccomandazioni, ma rimangono riluttanti a lasciare che queste influenzino le decisioni commerciali in condizioni operative reali.
Questa mancanza di fiducia emerge in modo particolarmente evidente nel Revenue Management, dove le variazioni di prezzo, disponibilità o previsioni possono avere un impatto finanziario immediato.
Il rapporto “State of AI 2025” di McKinsey ha rilevato che meno di un terzo delle organizzazioni è riuscito a portare l’IA oltre la fase pilota, integrandola su larga scala. Per gli hotel, la questione spesso non è se l’IA funzioni, ma se le organizzazioni si fidano abbastanza da integrarla nei processi decisionali quotidiani.
Le decisioni commerciali rendono ancora più importante la fiducia
La fiducia diventa sempre più importante man mano che la tecnologia passa dal semplice fornire informazioni all’influenzare direttamente le decisioni.
Un Revenue Manager può sentirsi a proprio agio nel valutare una raccomandazione generata da un sistema. Consentire allo stesso sistema di aumentare automaticamente una tariffa, limitare l’inventario associato alle tariffe più basse o rifiutare una determinata opportunità commerciale richiede però un livello di fiducia maggiore, sia nei dati sia nel processo decisionale alla base della raccomandazione.
I sistemi di Revenue Management arrivano spesso a conclusioni che, se osservate attraverso un singolo dato, come il livello di occupazione attuale, possono sembrare controintuitive. Un hotel può avere ancora camere da vendere mentre la domanda futura, il ritmo delle prenotazioni, la durata del soggiorno e gli indicatori di displacement suggeriscono che limitare le attività a minor valore consentirebbe di ottenere un risultato commerciale migliore.
I team devono quindi poter comprendere con chiarezza come è stata elaborata una raccomandazione, quali fattori l’hanno influenzata e in quali situazioni sia ancora opportuno l’intervento umano. La fiducia si costruisce attraverso risultati costanti, ma dipende anche dalla comprensione del processo.
La precisione, da sola, non basta. I team commerciali sono più propensi ad adottare l’automazione quando possono comprendere i fattori che hanno influenzato una raccomandazione e comunicarne la logica all’interno dell’organizzazione. La fiducia si rafforza quando l’IA può essere gestita e misurata.
I sistemi non integrati limitano ciò che l’IA può realmente fare L’efficacia della tecnologia dipende dalla qualità delle informazioni a sua disposizione.
Gli hotel gestiscono generalmente i propri dati commerciali attraverso una serie di sistemi, tra cui PMS, CRS, RMS, CRM e piattaforme di distribuzione. La qualità di qualsiasi raccomandazione automatizzata dipende dalla coerenza con cui questi sistemi si scambiano le informazioni.
Dati non integrati possono limitare ciò che l’IA è in grado di ottenere, mentre reportistica e definizioni incoerenti possono portare i diversi reparti a prendere decisioni basandosi su rappresentazioni differenti della domanda.
Anche il lavoro per silos crea ulteriori difficoltà. I team Revenue possono reagire al ritmo delle prenotazioni, quelli Marketing concentrarsi sulla generazione della domanda e quelli Sales puntare a sviluppare un business di gruppo, mentre ciascuno opera sulla base di ipotesi diverse sulle performance future.
L’introduzione dell’IA in un contesto di questo tipo può aumentare la velocità delle attività senza necessariamente migliorare la qualità delle decisioni, nel caso in cui le informazioni alla base di tali decisioni rimangano incomplete o frammentate.
Applicare l’IA a dati frammentati non comporta semplicemente il rischio di produrre una raccomandazione poco accurata. Quando il tipo di IA utilizzato non è adatto al problema da risolvere e viene abbinato a informazioni incomplete o non integrate, le organizzazioni rischiano di generare raccomandazioni errate su larga scala.
Invece di eliminare le inefficienze dei processi manuali, si rischia semplicemente di sostituirle con errori automatizzati. Le raccomandazioni possono essere applicate con la stessa sicurezza a diverse tipologie di camere, segmenti di mercato e date di arrivo future, amplificando l’impatto di ipotesi errate o dati di input incompleti.
Il pericolo è che il sistema possa continuare ad apparire perfettamente funzionante. Senza un’architettura adeguata, un monitoraggio efficace e la possibilità di comprendere il processo alla base delle decisioni, gli errori possono rimanere nascosti fino a quando non hanno già influenzato una parte significativa dell’attività commerciale.
Per questo motivo gli hotel devono comprendere non solo quali dati alimentano un sistema di IA, ma anche quale tipo di IA viene utilizzato, quale ruolo ricopre all’interno del processo decisionale e come sia possibile valutare e mettere in discussione le sue raccomandazioni.
Gli hotel iniziano a porsi una domanda diversa
Per diversi anni, gran parte del dibattito dell’industria alberghiera sull’IA si è concentrata sulla disponibilità, da parte dei fornitori di tecnologia, di funzionalità basate sull’IA.
Oggi, tuttavia, i gruppi alberghieri iniziano a porsi una domanda diversa: quanto è realmente integrata l’IA nel processo decisionale?
La domanda è importante perché non tutti i sistemi che integrano l’IA sono progettati allo stesso modo. Alcune tecnologie utilizzano l’IA per sintetizzare le informazioni, generare contenuti o mettere in evidenza insight, mentre le principali raccomandazioni commerciali continuano a basarsi su regole predefinite o logiche gestite manualmente.
Altre, invece, pongono il machine learning al centro delle attività di forecasting e ottimizzazione, consentendo ai modelli di adattarsi continuamente al variare delle condizioni della domanda.
Man mano che gli hotel puntano a una maggiore automazione e scalabilità, l’architettura alla base della tecnologia assume un’importanza crescente. La fiducia dipende non solo dalla qualità di una raccomandazione, ma anche dalla consapevolezza che il processo decisionale sia coerente, comprensibile e integrato nel prodotto stesso.
Questo riflette un cambiamento più ampio nel modo in cui le organizzazioni del settore alberghiero valutano l’IA. La domanda non è più semplicemente se una piattaforma utilizzi l’IA. Adesso, gli acquirenti vogliono capire quale ruolo svolge l’IA all’interno del processo decisionale e se sia effettivamente in grado di operare come parte integrante del motore decisionale commerciale.
Gli hotel devono scegliere la tecnologia in funzione della decisione da prendere
La rapida diffusione dell’IA generativa ha portato a considerare l’IA come un’unica categoria, nonostante problemi commerciali diversi richiedano forme di intelligenza differenti.
L’IA generativa può supportare la comunicazione, l’interpretazione delle informazioni e l’interazione con gli utenti. Il Revenue Management, invece, si basa su previsioni matematiche e sull’ottimizzazione per stimare la domanda futura e determinare come debbano reagire prezzi e disponibilità.
Un modello generativo prevede il linguaggio. Un sistema di Revenue Management deve prevedere la domanda per le future date di arrivo e ottimizzare le decisioni commerciali sulla base di tali previsioni.
L’IA matematica può supportare il motore decisionale raccogliendo i segnali della domanda, prevedendo i comportamenti futuri e ottimizzando prezzi e disponibilità. L’IA generativa può aiutare gli utenti a interpretare e comunicare le raccomandazioni, mentre le capacità agentiche possono supportarne l’esecuzione, mettendo in atto azioni approvate entro parametri predefiniti.
Gli ambienti commerciali più efficaci combinano queste capacità all’interno di un unico sistema decisionale. Previsioni, raccomandazioni, spiegazioni e azioni acquisiscono maggiore valore quando operano insieme all’interno di un sistema integrato, anziché come strumenti separati.
Quando si chiede al tipo di IA sbagliato di risolvere il problema sbagliato, le organizzazioni rischiano di creare fiducia nei risultati senza migliorare la qualità della decisione alla base.
Il valore commerciale deriva dalla creazione di un processo continuo in cui i segnali vengono raccolti, la domanda viene prevista, i parametri vengono ottimizzati, le decisioni vengono applicate e le raccomandazioni future migliorano grazie all’apprendimento continuo.
Gli hotel devono definire fin dove spingersi con l’automazione
La fiducia richiede anche una chiara attribuzione delle responsabilità.
Gli hotel devono stabilire quali decisioni possono essere automatizzate, quali situazioni richiedono una verifica e chi rimane responsabile dei risultati.
I normali adeguamenti tariffari possono essere gestiti automaticamente entro parametri concordati, mentre variazioni insolite della domanda, scostamenti significativi rispetto alle previsioni o decisioni rilevanti relative alla disponibilità possono richiedere un ulteriore livello di supervisione.
Definire con chiarezza i punti in cui è previsto un intervento umano aiuta i team a capire in quali situazioni è ancora necessario e facilita l’integrazione dell’automazione nelle attività quotidiane, invece di limitarla a programmi pilota controllati.
La governance deve inoltre essere sostenuta da competenze, formazione e adozione. La tecnologia, da sola, non basta a creare fiducia. I dipendenti devono comprendere perché vengono introdotti determinati sistemi, quale ruolo avrà l’automazione e come cambieranno le responsabilità decisionali man mano che l’IA verrà integrata più profondamente nei processi commerciali.
Un’adozione efficace parte da un problema specifico
Gli hotel rischiano di prolungare il proprio “purgatorio dei progetti pilota” quando le iniziative legate all’IA partono dall’obiettivo generico di adottare l’intelligenza artificiale, anziché da una precisa esigenza di business.
Un punto di partenza più efficace consiste generalmente nel definire un risultato concreto, come migliorare l’accuratezza delle previsioni, reagire più rapidamente alle variazioni del ritmo delle prenotazioni, ridurre le attività manuali di definizione delle tariffe oppure valutare in modo più coerente le opportunità relative al business di gruppo.
Una volta definito chiaramente l’obiettivo, le organizzazioni possono stabilire quali dati siano necessari, quali tecnologie siano più adatte e come misurare il successo. Possono inoltre individuare gli elementi concreti necessari per giustificare il passaggio dalla sperimentazione all’utilizzo operativo.
Per superare definitivamente il “purgatorio dei progetti pilota”, le organizzazioni devono considerare l’IA non tanto come un progetto tecnologico, quanto come un vero e proprio modello operativo.
La questione non è più semplicemente se l’IA sia in grado di generare raccomandazioni. La vera domanda è se le organizzazioni si fidino abbastanza del motore decisionale alla base del sistema da integrare tali raccomandazioni nei processi commerciali quotidiani.
Quando questo accade, l’IA smette di essere un esperimento e diventa parte integrante del modo in cui l’azienda opera.
