AI v hotelnictví: prompty, rozpoznávání obličeje, nebo třeba chatboti

Úvod

Cílem článku na téma Využití AI a CI v oblasti hotelnictví a cestovního ruchu je seznámit čtenáře s aktuálním stavem poznání, odhadnout možný vývoj a dopad umělé inteligence na sledované odvětví a předat zkušenosti, jež autor nabyl pracovními zkušenostmi v tomto oboru. Vzhledem k formě práce se očekává, že obsahem bude i subjektivní pohled na danou problematiku.

Omezení

Nutné je upozornit, že práce má své limity. Cílem není komplexně obsáhnout celou definovanou oblast, ale poskytnout čtenáři ucelený aktuální pohled na vybranou oblast s přesahem o pohled autora.

Metody

Mezi metody, kterými byla práce zpracována, můžeme zařadit metodu analýzu dokumentů zejména při práci s akademickými a ostatními dokumenty v rešerší části práce. Autorův pohled na problematiku se bude často opírat o zkušenosti nabyté metodou pozorování.

Motivace

Motivací k napsání eseje je pro autora dlouhodobý zájem o oblast hotelnictví a cestovního ruchu. V posledním období můžeme pozorovat zvýšení zájmu o technologie založené na umělé inteligenci. Autor v rámci rešerše nenašel mnoho článků, které by vybranou oblast zkoumaly v kontextu hotelnictví a cestovního ruchu s praktickými příklady užití. S přilehnutím k dynamice vývoje oblasti umělé inteligence se přímo nabízí sepsat poznatky v kontextu aktuálního dění. Nesmíme opomenout i oblast Competitive Intelligence, jejíž význam je pro oblast hotelnictví klíčový – například dynamická tvorba cen na základě konkurence, poptávky a dalších faktorů je jedním z klíčových akcelerátorů hotelového podnikání a právě metody CI mohou pomáhat.

Rešerše

Empirická studie s názvem THE IMPACT OF ARTIFICIAL INTELLIGENCE (AI) ON GUEST SATISFACTION IN HOTEL MANAGEMENT: AN EMPIRICAL STUDY OF LUXURY HOTELS se zabývá dopady využití umělé inteligence u celkem 35 pětihvězdičkových hotelů v hlavním městě Jordánska (AL-HYARI et al., 2023). Benefitem práce je fakt, že vychází z reálných zkušeností vedoucích manažerů pracujících v hotelech užívajících nové technologie, nevychází tedy pouze z jejich osobních domněnek a názorů.

Druhým zdrojem poznání je studie Human employees versus robotic employees: Customers and hotel managers’ perceived experience at unmanned smart hotels věnující se otázce budoucnosti tzv. smart-hotelů a jejich dopadů na vztah mezi zákazníkem a ubytovacím zařízením (Cheong a Law, 2022). Hlavním zdrojem, ze které studie čerpá, byla zpětná vazba od dvou kategorií hotelů – hotelů, jenž byly zákazníky hodnoceny jako výborné, a naopak těch, ze kterých hosté neodjížděli spokojeni. V rámci této práce se jedná o hodnotný zdroj, jenž by měl autorovi významně pomoct k pochopení, jak je užití technologií v oboru postaveném na mezilidské interakci vnímáno.

Španělská studie Competitive Intelligence in the Tourism Sector, with special focus on Southern Europe přináší cenné zkušenosti z praktické implementace CI procesů v hotelech v oblasti Costa del Sol – specializováno na hotely malé a střední velikosti (Salguero a Quintero, 2016).

Definice pojmů

Competitive Intelligence (CI) – definice portálu MBI říká, že CI je systematickou disciplínou skládající se ze sběru, zpracování a ochranou informací. Cílem je získat konkurenční výhodu a přispět k lepší pozici podniku na trhu (Feige, 2014).

Artificial Intelligence (AI) – dle firmy IBM můžeme AI definovat jako obor kombinující počítačovou/softwarovou vědu a obrovské datové sady s cílem řešit problémy. Zahrnuje taktéž podobory strojového učení a hlubokého učení, které jsou často skloňovány spolu s termínem AI. Jako největší zlom můžeme označit vydání LLM Chat-GPT od firmy OpenAI (IBM, [b.r.]).

LLM model – tzv. large language models jsou definovány dle článku od renomovaného poskytovatele cloudových služeb Amazon AWS jako velmi velké modely hlubokého učení, které jsou předtrénovány na obrovském množství dat. Podkladový transformátor je množina neuronových sítí skladující se z enkodéru a dekodéru, kteří extrahují význam ze vstupního textu a starají se o pochopení vztahů a vazeb mezi slovy a frázemi (Amazon AWS, [b.r.]). 

Revenue management – dle publikace (Beránek a kol., 2013) je pojem definován jako součást managementu hotelu s cílem analyzovat a plánovat obchodní strategie ubytovacího zařízení. Zabývá se především otázkami obsazenosti a cenové politiky.

AI v oblasti cestovního ruchu

V posledních dobách si můžeme všímat rapidního nárustu užití umělé inteligence napříč sektory. Výsledky průzkumu z roku 2022 uvádí, že až 94 % organizací považuje využití AI za velmi důležitou součástí úspěchu organizace, 5 % za důležitou a pouhé procento za nedůležitou (Statista, 2022). V kontextu cestovního ruchu má AI potenciál usnadnit a zefektivnit vybrané činnosti. Pro lepší demonstraci autor uvádí seznam možných úloh pro umělou inteligenci.

Příklady využití AI v oblasti cestovního ruchu

Využití LLM pro conciere služby

Luxusní ubytovací zařízení zpravidla nabízejí služby tzv. conciere – osoby starající se o potřeby hostů z hlediska programu jejich pobytu. Mezi typické činnosti můžeme řadit například rezervaci prohlídek památek, lístků do divadla nebo zajištění taxi na letiště. Cílem služby je hostům usnadnit, zrychlit a zefektivnit jejich program ve vybrané destinaci. Pro hoteliéry se zde nabízí možnost nabídnout hostům využít LLM modely (např. Chat-GPT). Klient pomocí zařízení (například tabletu) v lobby hotelu zadá požadavek na doporučení bodů zájmů a AI model se může stát jeho „průvodcem“ – vymyslí a zorganizuje program dle vybraných požadavků a omezení. Mezi problematickou oblast můžeme považovat proces objednávání a rezervace vybrané služby. V době psaní práce aktuálně dostupné technologie neumožňují např. telefonickou rezervaci. Dá se předpokládat, že je pouze otázkou času, kdy budou technologie umět zařídit i samotnou rezervaci, avšak je zde plno výzev a otázek, jenž by měly být zodpovězeny před ostrým provozem: Budou místa akceptovat vytvořené rezervace tímto způsobem? Kdo bude odpovědný za rezervaci? S kým se uzavírá obchodní vztah? Autor se přiklání k názoru, že aktuálně není možné službu conciere nahradit AI, naopak by užití LLM doporučil jakožto pomocníka pro osoby věnující se této činnosti. Zaměstnanci by nemuseli přemýšlet o programu nebo bodech zájmů, které hostům doporučí. Jejich pozornost by se směřovala přímo rezervacím nebo objednávkám. Autor považuje za využití AI u této služby za velmi prozaické. Concierům se zkrátí čas potřebný na vymýšlení programů, a naopak více času budou moc věnovat hostům. Pro lepší představu využití AI v této disciplíně si autor připravil názornou ukázku. Model Chat-GPT3.5 požádal o naplánování programu cesty do Prahy s vybranými požadavky a omezeními.

Prompt:

Představ si, že jsi můj conciere v hotelu. Chystám se na třídenní výlet do Prahy a rád bych Tě poprosil o naplánovaní programu. Dorazit bych měl v pátek odpoledne a odjíždět v neděli dopoledne. Rád bych vyzkoušel tradiční českou kuchyni. Mám rád knihovny a zajímám se o dopravu (vlaky, letadla,…). Do plánu prosím zahrnout i nákup suvenýrů pro rodinu a přátele. Nemám rád místa s vysokou koncentrací osob. Není pro mě problém si přivstat. Chtěl bych plán, jenž bude možný realizovat pouze za použití hromadné dopravy, nechci si půjčovat automobil. Budu rád i za tipy, které mi pomohou si užít výlet na maximum. Děkuji

Odpověď:

„Samozřejmě, rád Vám pomohu naplánovat třídenní výlet do Prahy tak, abyste si co nejvíce užil a splnil své zájmy. Zde je navrhovaný plán:

Pátek:
1. Příjezd odpoledne:

• Po příjezdu do hotelu doporučuji krátký odpočinek, abyste se zotavil po cestě.

2. Prohlídka Starého Města:

• Vydejte se na procházku Starým Městem. Navštivte Staroměstské náměstí, kde můžete obdivovat Orloj a navštívit Staroměstskou radnici.

3. Večeře v tradiční restauraci:
• Prozkoumejte tradiční českou kuchyni v některé z místních restaurací. Doporučuji restauraci s atmosférou a autentickými pokrmy.

Sobota:
1. Návštěva Knihovny Národního muzea:

• Pro svou lásku ke knihovnám navštivte Knihovnu Národního muzea, která je známá svým bohatým literárním fondem.

2. Procházka po Letné:
• Odpoledne strávené v Letné parku nabídne krásné výhledy na město. Je to skvelý prostor na odpočinek a relaxaci.

3. Večeře v tradiční hospodě:

• Navštivte tradiční českou hospodu, kde můžete ochutnat další místní speciality.

Neděle:
1. Prohlídka Pražského hradu:

• Dopoledne věnujte prohlídce Pražského hradu a St. Víta katedrály. Doporučuji začít co nejdříve ráno, abyste se vyhnul davům.

2. Nákup suvenýrů:
• Po návštěvě hradu se vydejte na Malostranské náměstí, kde můžete nakoupit tradiční české suvenýry pro rodinu a přátele.

3. Odjezd po obědě:

• Po obědě se vydejte na nádraží a připravte se na odjezd.

Důležité tipy:

• Využijte pražskou MHD (metro, tramvaje, autobusy) k pohodlnému přesunu po městě.
• Prohlédněte si předem jízdní řády a zjistěte si informace o dostupnosti hromadné dopravy.
• Pokud máte rád umění, můžete zvážit návštěvu Národní galerie nebo některé z uměleckýchgalerií.
  Doufám, že plán bude odpovídat Vašim představám. Přeji Vám skvělý výlet do Prahy!“ (OpenAI, 2024)

Model na základě předem definovaných informací připravil obstojný program výletu do české metropole. V zadání mu autor lehce napověděl, jak vyřešit omezení na minimalizaci míst s vysokou koncentrací osob – brzkou návštěvou turisticky frekventovaných míst. Model pochopil, kam autor míří a navrhnul právě tento tip. V odpovědi mi chybí reakce na požadavek souvisící se zálibou dopravy – autor by očekával, že by ho LLM odkázal například na Národní technické muzeum. Všimnou si můžeme taktéž překlepu, který model vygeneroval ve slově „skvělý“ – jedná se o maličkost, avšak v rámci perfektní komunikace by bylo žádoucí překlepy odstranit. Chybné je taktéž psaní některých velkých a malých písmen. Vzhledem k faktu, že model se dokáže dorozumět mnohými jazyky světa by autor tuto chybu považoval za nezávažnou. Potencionální nevýhodou, které model v této disciplíně mohou disponovat, jsou neaktuální informace. Například při dotazu na aktuální cenu jízdenky bychom nemuseli obdržet aktuální cenu. Nabídka muzeí, divadel nebo galerií se liší např. dle sezónnosti, a tak by se mohlo stát, že by model doporučil návštěvu již skončené aktivity/ukázky. Řešením pro neaktuální informace je použití modelů, které májí přístup k aktuálním informacím (např. Bing model). Autor považuje využití AI modelů za smysluplné a užitečné i přes gramatické chyby a riziko uvedení neaktuálních informací. Navrhnutý plán považuje za velmi povedený i vzhledem k nejednoduchým požadavkům a omezením.

Odpověď na recenze

Sektor ubytovacích služeb můžeme řadit do odvětví, jenž je velmi ovlivněno zpětnou vazbou od klientů – recenzemi. Znakem hotelů, pečující o zákazníky, je kvalitní komunikace nejen před, v průběhu, ale i po skončení pobytu. Správci kanálů pro kontakt se zákazník často tráví mnoho času psaním individuální a profesionální odpovědi na zpětnou vazbu klienta. LLM modely mohou být velkým pomocníkem pro tvorbu odpovědí. Správce komunikace do AI modelu vloží recenzi klienta doplněnou o specifika odpovědi. LLM má schopnost sepsat profesionální odpověď. AI zde může specialistům na komunikaci ušetřit čas, zkvalitnit odpověď a taktéž pomoct odstranit „provozní slepotu“ člověka, jenž může mít naučenou jednu opakující se frázi na daný typ recenze. Opět se autor rozhodl na příkladu demonstrovat využití LLM pro úkol odpovědi na recenzi.

Prompt:

Představ si, že jsi osoba zodpovědná za komunikaci s hotelovými hosty. Sepiš mi, prosím odpověď na tuto recenzi: „Nejpříjemnější pobyt! Byt je čistý a plně vybavený položkami zobrazenými na fotografiích a uvedenými v popisu 🙂 Velmi pohodlná postel! Pokoje jsou navíc dobře zvukotěsné! Přijeli jsme po zavření recepce a bez problémů našli klíče v trezoru (nutná záloha a po skončení pobytu vrácena na účet) 🙂 Celkově toto místo vřele doporučuji! Zaplatili jsme za podzemní parkoviště, ale když jsme dorazili, všechna místa byla obsazená. Pravda, byli jsme asi poslední, kdo dorazil (ve 21:30), ale protože parkování je placené, mělo by být zajištěno místo. Možná někdo vjel na špatnou stranu 🙂 Přesto bylo místo u zdi, takže to pro nás není problém. Nicméně pro ostatní to může být důležitá informace :)“ Odpověď prosím doplň o omluvu za nepříjemnosti spojené s plnými parkovacími místy. Přidej i informace, že jsme provedli opatření vedoucí k přeplněným garážím. Buď v odpovědi milý a profesionální. Děkuji

Odpověď:

„Vážený hosti,
děkujeme Vám za krásnou recenzi a potěšilo nás, že Váš pobyt u nás byl příjemný. Jsme rádi, že jste si u nás

užili čistý a plně vybavený byt, stejně tak pohodlnou postel a dobře zvukotěsné pokoje.
Omlouváme se za eventuální nepříjemnosti spojené s parkováním. Vaše zpětná vazba je pro nás velmi cenná. Právě kvůli situacím, které jste popsal/a, jsme již podnikli kroky k zajištění, aby se přeplnění garáže nestalo běžným jevem. Vaše upozornění na tuto situaci nám pomáhá zlepšovat naše služby a předejít podobným situacím v budoucnu.
Omlouváme se za jakékoliv nejasnosti a nesnáz, které byly způsobeny plnými parkovacími místy při vašem příjezdu. Rovněž si ceníme vaší tolerance a pochopení, které jste projevil/a, když jste našel/a alternativní parkovací místo.
Děkujeme za Vaše ocenění a doporučení našeho místa. Těšíme se na příležitost přivítat Vás znovu a zajistit, abyste měli během Vašeho pobytu co nejlepší zážitek.

S pozdravem,

[Your Name]

[Your Position]

[Kontaktní informace]“ (OpenAI, 2024)

Výše uvedená odpověď je pohledem autora považována za povedenou, avšak s drobnými odchylkami. Oslovení hosta není přesné – nejspíše se jedná o „překlep“. Na konci navrhované odpovědi jsou „proměnné“ (jméno, pozice a kontaktní údaje) vangličtině i češtině. Za nevhodné můžeme považovat omluvu za plné parkovaní – model se omlouvá za tu samou věc dvakrát. Autor by si dokázal představit využít LLM jakožto pomocníka při tvorbě odpovědí na recenze, avšak za podmínky lidské kontroly, která zajistí opravu drobných odchylek zmiňovaných výše. Dané osobě zkrátí čas potřebný na odpověď a zároveň zpětná vazba bude vykazovat známku „odpovědi na míru“ a ne „strojově naučené, opakované“ odpovědi.

Rozpoznání obličeje

Každý správný hotel by se měl starat o bezpečí svých hostů. Jedním z potencionálních bezpečnostních rizik může být pohyb nežádoucích osob vareálu/prostředí daného ubytovacího zařízení. Po zaměstnancích zpravidla nemůže být vyžadováno, aby každou osobu při vstupu identifikovali a porovnali s údaji v knize hostů. Vhodným opatřením je implementace čteček na hotelové karty s možností zpětné evidence přístupů. Bohužel karty jsou běžné hmotné věci, které host čas od času ztratí. Nalezené karty může být útočníkem použity pro vstup do vybraného hotelu, a tudíž potencionální hrozbou pro narušení bezpečí hotelových hostů. Zde však může pomoci umělá inteligence s rozpoznáním obličejů. Host by při příjezdu do hotelu mohl být „naskenován“ a uložen do databáze s délkou platnosti rovné délce pobytu. Kamerový systém napojený na AI by následně mohl reportovat alerty v případě neznámé osoby pohybující se v prostorách ubytovacího zařízení. Síť hotelů Mitsui Fudosan v Japonsku provozuje ubytovací zařízení bez fyzických/hmatatelných zařízení pro autorizaci typu klíče nebo karty. Host při check-in naskenuje svůj obličej do databáze hostů a následně si prostory hotelu (svůj pokoj, saunu, šatnu…) „odemyká“ pomocí svého obličeje (Hospitality Technology, 2020). Otázkou zůstává očekávaná míra adopce tohoto způsob samotnými hosty. Budou chtít si nechat naskenovat svůj obličej do databáze? Nebudou v tom vidět možné riziko zneužití své identity? Autor si není jistý, zdali je evropský svět připraven na implementaci těchto novinek. Naopak by problém vužití těchto technologií neviděl vtechnologicky vyspělých zemích, respektive zemích, kde adopce technologií je na vyšší úrovni.

Druhý příklad využití rozpoznávání obličejů můžeme vidět na letištích. Například na pražském letišti si můžeme vybrat mezi standardní pasovou kontrolu prostřednictvím zaměstnance státní správy nebo pomoci zařízení, které ověří držitele skenovaného dokladu vůči předkladateli. Letišti pomáhá zrychlit odbavení cestujících a zároveň ušetřit na mzdových nákladech.

Revunue management

Hotely zpravidla mají zaměstnance nebo externisty, jenž pracují na cílech revenue managementu. Využívat k tomu musí často mnoho datových zdrojů (např. aktuální poptávka, ceny konkurence, historický vývoj, obsazenost…), ale ani detailní analýza veškerých dat není zárukou vysokého úspěchu. AI ve smyslu ML algoritmů nesou v sobě potenciál usnadnit revenue managerům rozhodování.

Neodmyslitelnou součástí jejich práce je tvorba a aplikace různých marketingových akcí, při jejichž tvorbě by si autor dokázal představit využít LLM jakožto prostředků pro copywriting prodejních textů. Pro lepší představu autor nabízí názorný příklad:

Prompt:

Představ si, že jsi marketingový copyrighter. Spravuješ sociální sítě pro jeden pražský hotel. Poprosím Tě o sepsání příspěvku na sociální sítě. Cílem je informovat sledující o probíhající akci ve výši 30% slevy na všechny vánoční pobyty od 22.12.2023 do 26.12.2023. Nenásilnou formou je prosím upozorni, že sleva platí při rezervaci a platbě do konce listopadu 2023. Maximální délka příspěvku je 160 znaků. Děkuji

Odpověď:

„Vánoční kouzlo v Praze! 🎄 Užijte si nezapomenutelný pobyt v našem hotelu s 30% slevou na vánoční pobyty od 22. do 26.12. Při rezervaci do konce listopadu. Rezervujte teď! 🌟 #VánoceVHotelu #Praha #Sleva“ (OpenAI, 2024)

Chat-gpt ve verzi 3.5 nám poskytl hodnoceno autorem výstižný marketingový příspěvek pro sociální sítě. Omezením, které nebylo splněno, je délka, jež přesáhla 160 znaků. Dalším negativem je napsání velkého písmena v půlce věty způsobené nejspíš znakem tečky za označením měsíce. I přes drobné nepřesnosti by si však autor dokázal představit využití v praxi.

Eliminace rizik spojených s podvodným jednání

Bohužel ani sektoru ubytovacích služeb se nevyhýbají podvodná jednání. Mezi příklady podvodných jednání v hotelech můžeme řadit:

• platba zcizenou platební kartou
• ubytování nežádoucích osob (trvalý pobyt na úřadě, rejstříky…)
• chybná identifikace hosta na zcizený osobní doklad

Umělá inteligence, respektive strojové učení, by mohlo hoteliérům pomoct na základě vybraných faktorů odhalit potencionálně nebezpečného klienta, respektive podvodná jednání (Charles, 2023). Příklad může být například analýza vzorů podvodného jednání (např. rezervace z rizikových zemí, vícero rezervací z jedné IP adresy) (Carreirao, 2023). Jako druhý příklad můžeme zařadit verifikace identity – kontrola shody mezi jménem osoby a držitelem karty a případná kontrola v rejstřících adres (např. trvalé bydliště na úřadě).Nesmíme opomenou rizika interní planoucí zejména z potencionálních úniků způsobených jedním zaměstnanců. Příklad mohou být mechanismy detekce podvodných aktivit kontrolované ML algoritmy. Příklad může být nesoulad mezi počty zaplacených nocí a úklidů pokojů, častá úprava ceny nebo počtu osob, případně podezřelé snížení ceny rezervace.

Chatbot

Mezi další příklady využití AI v oblasti hotelnictví je využití chatbotů. Časté otázky a požadavky (objednávky do pokojů, objednávky úklidů, body zájmů v okolí…) mohou být odbavovány právě díky této technologii a složitější případy jsou eskalovány na zaměstnance, kteří se jimi mohou zabývat (Carreirao, 2023). Hoteliéři tak mají další prostor k úsporám mzdových nákladů, případně člověkohodiny alokovat na důležitější činnosti. Chatbot také může obsluhovat klienty paralelně a mít vícero otevřených konverzací, což u lidského recepčního při fyzické komunikaci není možné, nebo minimálně ne příliš vhodné. Benefitem je také bezesporu možnost nabízení služeb formou up-sellingu nebo cross-sellingu – hosté si mohou jednoduše doobjednat upgrade pokoje nebo například wellness. Technologie může být využívat i vytěžování dat, které při vhodném zpracování mohou hotelům pomoci spochopením chování hostů. Do jisté míry mohou chat-boty umožnit šetřit náklady, a to například s oslovením klienta, zdali nechce vynechat dnešní úklid pokoje. Jedním z výsledků studie indikuje, že chatboty mohou zvýšit zákaznickou spokojenost, i tím že jsou k dispozici 24/7 a hostům poskytují okamžité odpovědi (AL-HYARI et al., 2023).

Autor považuje za nutné, aby efektivita tohoto nástroje byla kvantitativně měřena – špatný chat-bot může nadělat více problémů, než užitku a teoreticky může vést k frustraci a naštvání klienta. Navrhuje měření například prostřednictvím krátké ankety po skončení interakce. Kdykoliv v průběhu komunikace by měla být jednoduchá možnost spojit se s živou osobu na jedno kliknutí.

AI v oblasti cestovního ruchu – shrnutí

AI má potenciál usnadnit hotelům řadu rutinních úloh a zlepšit zákaznickou zkušenost – což je závěrem jedné ze studií, jež tvrdí, že užití AI v hotelech vede k vyšší spokojenosti a částečně i k vyšším obratům při sníženém objemu množství práce (AL-HYARI et al., 2023). Hoteliéři mohou díky AI kompenzovat častý podstav zaměstnanců, kteří se často do sektoru hotelnictví vracet i vzhledem k událostem minulých let nechtějí (Gastro a hotel, 2023). Autor by rád upozornil, že prvotní wow-efekt z AI může být velký, avšak nesmíme zastínit podstatu hotelového podnikání – mezilidský vztah mezi hostem a zaměstnanci hotelu. AI může doporučit a navrhnou na minutu přesný harmonogram pobytu, ale často klienti nemusí mít zájem o dokonalý plán, ale o sympatického recepčního/conciera, který plánu „dodá“ lidský rozměr. Na tento klíčový bod nesmíme zapomínat, i přesto, že využití AI se na první pohled může jevit jako všespásné.

Reálný je však i scénář, že se z hotelů se stanou „prázdné“ objekty bez duše, s check-in kiosky, automatickými roboty a chat-boty v tabletu na pokoji. Autor však nepředpokládá, že je možné hotel provozovat zcela bez zaměstnanců. Budoucnost spíše vidí v tom, že se jejich fyzická přítomnost v hotelu omezí a budou spíše „na zavolání“ ve smyslu komunikace na dálku – pak je ale velmi důležité, aby hosté měli možnost rychlého a přímého kontaktu – což potvrzuje i článek z University of Macau (Cheong a Law, 2022).

V kontextu aktuálního vývoje – rostoucí ceny práce, nízké nezaměstnanosti a dalším externalitám si můžeme klást otázku, zdali mají hoteliéři na výběr. Pokud zaměstnanci v cestovním ruchu pracovat nebudou chtít nebo cena jejich práce bude neúměrná, hoteliéři budou donuceni využít AI pro zvýšení produktivity stávajících zaměstnanců nebo náhrady chybějících lidských zdrojů. Autor předpovídá, že vzhledem k výše uvedenému budou hotely donuceny kvyužívání nových technologií. Ubytovací zařízení, které budou nabízet „plnohodnotný lidský servis“, budou v kategoriích luxusních hotelů mířící na bonitní klientelu. Hotely jsou výrazným „prvkem“ cestovního ruchu, ale nikoliv jejich jedinou částí. Nesmíme opomenout například sektor dopravy. Příklady využití a potencionálních benefitů byly sepsány v předchozích kapitolách. U autora nevzbuzuje užití umělé inteligence a dalších technologií v sektoru dopravy tolik otázek jako v případě hotelů. Doprava zpravidla tvoří nižší část časového rozložení cesty a někteří ji berou spíše jako nutnou překážku, kterou musí překonat, aby se do cíle dostali. Mezilidské vztahy a interakce jsou zde taktéž důležité, avšak dle autora nedosahují takového rozměru jako v případě hotelů – zpravidla mezilidskou interakcí v dopravě trávíme čas v řádu minut, maximálně hodin. V hotelu však běžně přebýváme podstatně delší časovou jednotku – v řád dnů až týdne/ů. Dle autora je délka časového období, v němž je možné se zákazníkem pracovat na tvorbě podstatným prvkem, jak moc technologie a AI budou moct být využívány ke prospěchu uživatele. Hosté se často vracejí do hotelu za skvělým personálem, ale na letiště se běžně za příjemnou a usměvavou pracovníci bezpečnostní kontroly nevracejí.

CI v oblasti hotelnictví

V posledních letech jsme byli svědky, že okolní prostředí se rapidně mění. Jinak tomu není ani v případě hotelů a cestovního ruchu – jen za poslední tři roky zde máme externality s významným dopadem na sektor ubytovacích zařízení – pandemii, uprchlickou krizi, volatilitu cen energií nebo třeba zvyšující se cenovou hladinu. Dle údajů z ČSÚ však počet hotelů na území ČR po pandemii neklesl, ale naopak se zvýšil (ČSÚ, 2023) – například mezi lety 2019 a 2020 o 14 %. Z toho vyplývá, že hotely musí bojovat se stále větší konkurencí v napjatém ekonomickém prostředí. Je tedy zřejmé, že pro přežití je klíčové míst k dispozici správné informace v pravý čas, které pomohou k vykonání rozhodnutí směrující k naplnění jejich cílů.

Oblasti cestovního ruchu se nevyhnula vlna digitalizace a je dnes zcela běžné plánovat a rezervovat své cestovní plány za pomocí informačních a komunikačních technologií. Navíc tyto vymoženosti umožnili zákazníkovi větší míru informovanosti o dostupnosti a cenách, což na hotely vyvíjí tlak na konkurenceschopné ceny. Autoři studie (Salguero a Quintero, 2016) ve své práci tvrdí, že hlavním důvodem informační potřeby je vlna globalizace a přítomnost nových technologií. Dnes již zákazník nemusí volat do několika hotelů, aby zjistil jejich cenu – stačí otevřít mobilní telefon a na vhodném portálu si srovnat nabídky cen a poskytovaných služeb. Hotely musí začít adoptovat metody konkurenčního zpravodajství.

Proces konkurenčního zpravodajství se dle (Šmajkal, 2006) skládá ze čtyř fází:

1. Řízení
   • formulace informační potřeby (včetně objasnění proč jsou dané informace potřebné a jak se se znalostmi naloží)
2. Sběr
   • shromažďování informací v souladu se zadáním
   • ověřování získaných informací
3. Analýza
   • přeměna dat a informací na znalosti často s pomocí vizualizacích nástrojů
   • analýza získaných informací z mnoha perspektiv
4. Distribuce
   • zpracování získaných informací do souhrnné zprávy pro účely rozhodování
   • zpráva by měl mít prvky:
     • vhodného obsahu(nové, relevantní informace)
       • vhodné formy(srozumitelné vyjádření)
         • aktuálnosti

Výše uvedený autor v rámci své diplomové práce uvádí, že CI se používá v rámci strategického řízení.
Autor této práce na základě pracovní zkušenosti vjednom zhotelů menší kategorie vypozoroval informační potřebu využití nástrojů Competitive Intelligence zejména za účelem získání potřebných informací a znalostí pro pracovníky na pozice sales/revenue managerů.
V další kapitole se bude snažit přiblížit nástroje/praktiky, jak se k daným informacím dostat.

Monitorování cen konkurence

Jednou z veřejně dostupných metod, jak monitorovat ceny (konkurenčních) hotelů, je využití nástroje Google Hotel Search integrovaného v prostředí Google vyhledávání. Po výběru daného ubytovacího zařízení je možné zobrazit si aktuální cenu na různých portálech, tak i sledovat, jak se cena měnila zpětně v průběhu času.
Pokud hotel využívá prodejní portál pro prodej svých služeb (například: Booking.com), může zvážit využít sledování ceny konkurence v tzv. extranetu – webového rozhraní pro hoteliéry. Pro monitorování ceny se zpravidla používají metody tzv. webscrapingu (Faraon, 2022).

CI v cestovním ruchu

Stejně jako pracovníci hotelů monitorují ceny konkurence, mohou totéž dělat i zaměstnanci například leteckých společností. Využít k tomu mohou o něco širší paletu nástrojů – například webové portály jako Kiwi.com nebo Skyscanner.com nebo samotné webové stránky prodejce. Autor si troufá tvrdit, že v oblasti letecké dopravy jsou ceny letenek velmi „horké“ téma. Například prodejce letenek Kiwi.com monitoruje cenu letecké společnosti a následně prodává samotnou letenku za nižší cenu. Z podnikatelského hlediska se jedná o poněkud nestandardní model. Prodejce nejspíš vydělává na změnách v letenkách, které si nechává adekvátně zaplatit (Eiselt, 2021). Cílem není poukázat potenciální nekalé praktiky jednoho prodejce, avšak na případ, ve kterém se konkurenční zpravodajství strhlo v konkurenční boj mezi dvěma subjekty, které by měly spíše spolupracovat. Autor jednání nepovažuje za vhodné a dlouhodobě udržitelné.

CI v cestovním ruchu – shrnutí

Jak již bylo v mnohých kapitolách popsáno, žijeme v době, kdy dostupnost informací je novým „palivem“ pro úspěšnost společnosti. Konkurenční zpravodajství je jedním zdůležitých informačních zdrojů a podniky by si jejich důležitost měli uvědomovat, jinak je konkurence může předběhnout. Dle autora je však nutné, aby veškeré takto získané informace byly v souladu s obecnými dobrými mravy. Sledování konkurence by se nemělo dostávat do roviny přímého konkurenčního boje s nekalými praktikami.

Závěr

Práce čtenáři nabízí ucelený pohled na aktuální možnosti využití AI v oblasti hotelnictví a cestovního ruchu, potvrzuje důležitost aplikací metod CI a pokládá si řadu nejednoduchých otázek spojených s vybranými tématy, na které se autor snaží na základě svých poznatků a zkušeností odpovědět. Esej se nezakládá pouze na subjektivním pohledu, ale čerpá i z dalších zdrojů. Není cílem komplexně analyzovat vybranou problematiku dopodrobna, ale přinést čtenáři pohled na vybraná témata v kontextu aktuální doby a obohatit je o vlastní pohled.

Citovaná literatura

AL-HYARI, Hadeel Sa’ad, Hisham Mohammad AL-SMADI a Sulaiman R. WESHAH, 2023. THE IMPACT OF ARTIFICIAL INTELLIGENCE (AI) ON GUEST SATISFACTION IN HOTEL MANAGEMENT: AN EMPIRICAL STUDY OF LUXURY HOTELS [online]. ISSN 2065-1198. Dostupné z: https://gtg.webhost.uoradea.ro/PDF/GTG-2spl-2023/gtg.482spl15-1081.pdf

AMAZON AWS, [b.r.]. What are Large Language Models (LLM)? [online]. Dostupné z: https://aws.amazon.com/what-is/large-language-model/

BERÁNEK A KOL., 2013. Ekonomika cestovního ruchu. ISBN 978-80-86724-46-1. CARREIRAO, Paula, 2023. What is a hotel chatbot? 9 benefits and key features to look for [online]. Dostupné z: https://www.cloudbeds.com/articles/hotel-chatbot/#benefits

ČSÚ, 2023. Kapacity hromadných ubytovacích zařízeních [online]. Dostupné
z: https://vdb.czso.cz/vdbvo2/faces/cs/index.jsf?page=vystup- objekt&pvo=CRU01&z=T&f=TABULKA&katalog=31742&c=v3~8__RP2020&&str=v38

EISELT, David, 2021. Proč prodává Kiwi.com levnější letenky než Ryanair? [online]. Dostupné z: https://www.cestujlevne.com/blog/kiwi-com-levnejsi-nez-ryanair

FARAON, Mariachiara, 2022. Definitive guide to price monitoring and tracking your competitors [online]. Dostupné z: https://blog.apify.com/how-to-use-price-scraping-to- monitor-prices-and-track-your-competitors/

FEIGE, T, 2014. MBI, faktor: Competitive Intelligence [online]. Dostupné z: https://mbi.vse.cz/public/cs/obj/FACTOR-151

GASTRO A HOTEL, 2023. Jak řešit nedostatek zaměstnanců? [online]. Dostupné z: https://gastroahotel.cz/jak-resit-nedostatek-zamestnancu/

HOSPITALITY TECHNOLOGY, 2020. NEC to Provide Facial Recognition Technology for Mitsui Fudosan Hotels [online]. Dostupné z: https://hospitalitytech.com/nec-provide-facial- recognition-technology-mitsui-fudosan-hotels

CHARLES, Aunger, 2023. How To Protect The Hospitality Industry From The Growing Fraud Threat [online]. Dostupné
z: https://www.forbes.com/sites/forbestechcouncil/2023/05/10/how-to-protect-the- hospitality-industry-from-the-growing-fraud-threat/?sh=138222477c7d

CHEONG, Fan a Rob LAW, 2022. Human employees versus robotic employees: Customers and hotel managers’ perceived experience at unmanned smart hotels [online]. Dostupné
z: https://www.tandfonline.com/doi/epdf/10.1080/23311886.2023.2202937?needAccess=tr ue

IBM, [b.r.]. What is artificial intelligence? [online]. Dostupné z: https://www.ibm.com/topics/artificial-intelligence

SALGUERO, Gisela Casado a José A. Jiménez QUINTERO, 2016. Competitive Intelligence in the Tourism Sector, with special focus on Southern Europe [online]. Dostupné
z: https://www.researchgate.net/publication/301673472_Competitive_Intelligence_in_the_ Tourism_Sector_with_special_focus_on_Southern_Europe

STATISTA, 2022. Importance of artificial intelligence (AI) solutions to organizations’ overall success worldwide in 2022 [online]. Dostupné
z: https://www.statista.com/statistics/1368375/importance-of-ai-to-success-in- organizations/

ŠMAJKAL, Petr, 2006. Úvod do problematiky Competitive Intelligence s přihlédnutím k situaci v ČR [online]. Brno. b.n. Dostupné
z: https://is.muni.cz/th/wqe1v/Uvod_do_Competitive_Intelligence.pdf

OPENAI, 2024. ChatGPT 3.5 [online]. Dostupné z: https://chat.openai.com

Úvodní obrázek: https://pixabay.com/photos/hotel-room-new-product-door-1330850/