banner
Centro de Noticias
Nuestros productos son de primera categoría en calidad y rendimiento.

IA en viajes, hotelería y ocio

Apr 06, 2023

La inteligencia artificial (IA) ha estado en las agendas de los altos ejecutivos durante años, pero es cada vez más importante, ya sea como una panacea o como una amenaza existencial. Una letanía de conceptos erróneos alimenta estas posiciones extremas. Según nuestra experiencia con ejecutivos de todas las industrias, algunos se destacan como obstáculos para obtener valor de la IA.

Una vez tuvimos un cliente muy inteligente y consumado que nos llamó y sugirió con mucho entusiasmo que deberíamos "usar la IA para solucionar los problemas de la cadena de suministro". Cuando se le preguntó qué problema de la cadena de suministro quería abordar, el cliente nos desestimó. "La IA puede arreglarlo... todo".

Nuestro cliente no se equivocó. Deberíamos usar IA para ayudar a solucionar estos problemas. Lo que se perdió fue que, aunque el aprendizaje automático y la IA son particularmente buenos para resolver problemas bien definidos donde hay una gran cantidad de datos relevantes y disponibles, los problemas comerciales del mundo real generalmente están mal definidos y son nebulosos, y casi siempre carecen de suficientes datos de calidad para estos. herramientas para resolver de manera efectiva sin invertir en datos, diseño de procesos y gestión de cambios.

Las empresas están impulsadas principalmente por la suma de decisiones que los empleados de nivel de línea toman día tras día. Esto es tan cierto para procesos transaccionales como nómina y cuentas por pagar como para decisiones más complejas como cambios de precios.

Los ejecutivos ven correctamente el potencial de la IA para estandarizar y automatizar, pero con demasiada frecuencia creen que su uso corregirá los errores humanos, las distorsiones cognitivas y los sesgos.

Por el contrario, la IA es una máquina amplificadora de sesgos. Los modelos de datos comerciales reflejan cómo se han hecho los negocios en el pasado, incluidos los errores y los sesgos. Del mismo modo, esos humanos propensos a errores también son los que evalúan y seleccionan un modelo que "mejor" se ajusta al problema comercial que están tratando de resolver. El sesgo y los errores del pasado están arraigados y deben abordarse sistemáticamente.

Por ejemplo: los sistemas de fijación de precios de las aerolíneas han utilizado el aprendizaje automático durante años para estimar el costo de oportunidad para la aerolínea de vender un asiento ahora en comparación con mantener ese inventario hasta más cerca de la fecha de salida cuando los pasajeros están dispuestos a pagar más. Esto se basa en la demanda esperada. Durante el COVID-19, cuando la demanda desapareció abrumadoramente, estos modelos calcularon "racionalmente" un costo de oportunidad de $0. ¿El resultado? Posteriormente se publicaron tarifas tremendamente poco rentables. Puede que a los consumidores les haya encantado, pero las aerolíneas, que no podían operar de manera rentable con tarifas tan bajas, se quedaron con la bolsa.

Mientras que el software tradicional está diseñado para seguir reglas y lógica predefinidas, los sistemas de IA se basan en modelos probabilísticos que aprenden continuamente y hacen predicciones basadas en patrones en los datos. A diferencia de los sistemas de software tradicionales, los sistemas de IA requieren cantidades sustanciales de datos de alta calidad para ser efectivos y necesitan monitoreo y mantenimiento continuos para seguir siendo precisos.

Además, a diferencia de la mayoría de los sistemas de software tradicionales, los sistemas de IA plantean consideraciones éticas que deben considerarse y abordarse cuidadosamente. Por ejemplo, los juicios y, a veces, las decisiones automatizadas realizadas por muchos sistemas de IA pueden tener un impacto real en la vida humana, por ejemplo, las decisiones de contratación o promoción, o cómo responde un vehículo autónomo a las condiciones cambiantes de la carretera. Si un sistema de IA hace un mal juicio, ¿quién es responsable?

Derribar estos mitos y abordar la IA con la comprensión correcta de lo que puede y no puede hacer, así como la comprensión de los aportes críticos y las habilidades requeridas, posicionará a los ejecutivos para aprovechar las herramientas de IA de manera más efectiva. La IA no es una bala de plata, pero cuando se ejecuta bien, puede mejorar drásticamente la toma de decisiones, aumentar la productividad y generar mejores resultados comerciales.

El equipo global de viajes, hospitalidad y ocio de A&M, líder en el mercado, comprende la industria, sus tendencias influyentes y las situaciones comerciales que requieren una gran experiencia. Contáctenos hoy para obtener más información sobre cómo A&M puede ayudarlo a tomar medidas y enfrentar los desafíos de la modernización.

Mito 1: Mito 2: Mito 3: