Πώς χρησιμοποιείται η τεχνητή νοημοσύνη από τον ξενοδοχειακό τομέα της Ελλάδας

Η χρήση του τεχνητή νοημοσύνη σε Ο ξενοδοχειακός κλάδος της Ελλάδας παραμένει σε πρώιμο στάδιο, σύμφωνα με έρευνα που διενήργησε το Ερευνητικό Ινστιτούτο Τουρισμού (RIT) του Ξενοδοχειακού Επιμελητηρίου Ελλάδος, σε συνεργασία με το Πανεπιστήμιο της Ελβετίας. Τα ευρήματα, με βάση τις απαντήσεις από ξενοδοχεία όλων των κατηγοριών και μεγεθών, υποδηλώνουν ότι η υιοθεσία παραμένει περιορισμένη παρά την αυξανόμενη συνειδητοποίηση των δυνατοτήτων του.

Μόνο ένα μικρό ποσοστό των ερωτηθέντων ανέφερε μακροχρόνια χρήση της τεχνητής νοημοσύνης, με το 1,3% να το χρησιμοποιεί για περισσότερα από πέντε χρόνια και ακόμη μικρότερα ποσοστά για τρία έως τέσσερα χρόνια. Η μεγαλύτερη ομάδα χρηστών, το 22,7%, υιοθέτησε την τεχνητή νοημοσύνη τον περασμένο χρόνο, ενώ το 5,1% δήλωσε ότι άρχισε να τη χρησιμοποιεί πρόσφατα. Την ίδια στιγμή, περίπου το 52% των ξενοδοχείων ανέφεραν ότι δεν χρησιμοποιούν καθόλου τεχνητή νοημοσύνη και το 9,8% δήλωσε ότι σχεδιάζει να το εφαρμόσει.

Παρά αυτή τη σχετικά χαμηλή απορρόφηση, το 56,4% των ερωτηθέντων αναγνώρισε τη σημασία της τεχνητής νοημοσύνης, υποδεικνύοντας, όπως περιγράφει η έρευνα, μια αυξανόμενη επίγνωση του ρόλου της στην επιχειρηματικότητα και την καινοτομία. Οι μισοί από τους ερωτηθέντες αξιολόγησαν τον αντίκτυπό του θετικά, ενώ το 17% δεν το έβλεπε θετικά και το 26,7% απάντησε «Δεν ξέρω», υποδηλώνοντας έναν βαθμό αβεβαιότητας ή περιορισμένης εξοικείωσης στον κλάδο.Â

Από την άποψη του εφαρμογέςοι κρατήσεις προσδιορίστηκαν ως ο πιο σημαντικός τομέας για χρήση τεχνητής νοημοσύνης (60,2%), ακολουθούμενοι από τα οικονομικά (53,8%) και το μάρκετινγκ (53,6%), συμπεριλαμβανομένης της δημιουργίας περιεχομένου για μέσα κοινωνικής δικτύωσης και ιστοσελίδες. Επισημάνθηκαν επίσης η ανάλυση και η αναφορά δεδομένων (45,0%), η διαχείριση πελατειακών σχέσεων (36,7%) και η βελτίωση της εμπειρίας των πελατών (35,8%).

Άλλοι τομείς που αναφέρονται περιλαμβάνουν την ασφάλεια στον κυβερνοχώρο και τον εντοπισμό απάτης (33,4%), τις οικονομικές προβλέψεις (31,3%), τη βελτιστοποίηση διαδικασιών (28,7%), την προγνωστική συντήρηση (28,4%) και τους ανθρώπινους πόρους (24,8%). Χαμηλότερη προτεραιότητα δόθηκε στη διαχείριση αποθεμάτων και εφοδιαστικής αλυσίδας (23,0%) και σε εφαρμογές που σχετίζονται με την κουζίνα, όπως η παρακολούθηση των απορριμμάτων τροφίμων (19,1%) και η δημιουργία μενού (12,6%).

Η έρευνα προσδιόρισε επίσης το κλειδί εμπόδια στην υιοθέτηση, υποδεικνύοντας ότι αυτά δεν είναι μόνο τεχνολογικά αλλά και εκπαιδευτικά, οργανωτικά και πολιτιστικά. Η πιο συχνά αναφερόμενη ήταν η έλλειψη γνώσης σχετικά με τις διαθέσιμες λύσεις τεχνητής νοημοσύνης (38,9%). Ανησυχίες για παραβιάσεις δεδομένων ή κακή χρήση δεδομένων πελατών αναφέρθηκαν από το 27,7% των ερωτηθέντων. Επισημάνθηκαν επίσης οργανωτικοί παράγοντες, με το 26,4% να αναφέρει δισταγμό από τη διοίκηση ή έλλειψη καθοδήγησης. Άλλα εμπόδια περιελάμβαναν ρυθμιστικούς περιορισμούς (25,9%), δυσκολία ενσωμάτωσης τεχνητής νοημοσύνης σε υπάρχοντα συστήματα (24,3%), προκλήσεις στην εύρεση αξιόπιστων παρόχων (17,2%) και αβεβαιότητα σχετικά με την απόδοση της επένδυσης (16,6%).

Οι ξενοδόχοι στην Ελλάδα εντόπισαν την εξοικονόμηση χρόνου ως την κύρια όφελος της υιοθέτησης της Τεχνητής Νοημοσύνης, αναφέρθηκε από το 42,3% των ερωτηθέντων, ακολουθούμενη από βελτιωμένη λειτουργική αποτελεσματικότητα (32,1%). Άλλα αναφερόμενα οφέλη περιλαμβάνουν αυξημένες πωλήσεις (25,5%), βελτιωμένη επικοινωνία και μάρκετινγκ (24,2%), μείωση κόστους (23,1%) και καλύτερη διαχείριση δεδομένων (22,2%), υποδεικνύοντας ότι η τεχνητή νοημοσύνη θεωρείται κυρίως ως πρακτικό εργαλείο για αποτελεσματικότητα και εμπορική δραστηριότητα.

Λιγότεροι ερωτηθέντες (11,4%) αναφέρθηκαν σε μακροπρόθεσμα ή στρατηγικά οφέλη όπως η βιώσιμη ανάπτυξη ή η αντιμετώπιση κρίσεων, υποδηλώνοντας πιο περιορισμένη ευαισθητοποίηση σε αυτούς τους τομείς. Τα ευρήματα δείχνουν ότι η υιοθέτηση της τεχνητής νοημοσύνης συνδέεται ήδη με απτά αποτελέσματα σε κόστος, χρόνο και εμπειρία πελάτη.

Από την άποψη του εργαλείαοι πιο συχνά χρησιμοποιούμενες εφαρμογές περιλαμβάνουν το ChatGPT (19,5%), την ανάλυση αξιολόγησης πελατών (10,7%), τα προγνωστικά αναλυτικά στοιχεία (10,2%) και τα chatbots (8,5%). Τεχνολογίες όπως η αναγνώριση προσώπου και η αυτοματοποιημένη δημιουργία μενού χρησιμοποιούνται ελάχιστα, σε ποσοστό περίπου 5%.

της Λίνας Τσιρέκα – διασκευή από τα ελληνικά από τη Βάσια Μπάρμπα

Πρώτη δημοσίευση στη Voria.gr ειδική έκδοση για AI – Δείτε την έντυπη έκδοση εδώ