Sau khi AI được đưa vào khách sạn, điều gì thực sự nên thay đổi?
The Wider View · Khách sạn
Một khách sạn đưa vào sử dụng một công cụ trí tuệ nhân tạo. Vài tháng sau, ban quản lý có thể đếm được công cụ đó đã xử lý bao nhiêu yêu cầu, tạo ra bao nhiêu báo cáo và có bao nhiêu nhân viên sử dụng. Khó hơn nhiều là chỉ ra phần nào trong ngày làm việc thực sự đã được cải thiện.
Một câu trả lời được tạo trong vài giây vẫn có thể cần kiểm tra, chỉnh sửa và trao đổi thêm trước khi khách nhận được thông tin thực sự hữu ích. Phần công việc đó cũng phải được tính.
Được RateGain, NYU SPS và HEDNA công bố ngày 15 tháng 9 năm 2026, The State of Distribution 2026 xem xét hoạt động thương mại trong giai đoạn từ ngày 1 tháng 12 năm 2024 đến ngày 30 tháng 11 năm 2025. Nghiên cứu tập trung vào revenue management, marketing, phân phối và bán hàng, chứ không đo lường công việc hiện tại của mọi bộ phận trong khách sạn.
Theo các kết quả được công bố, hơn một nửa số khách sạn được đại diện đang sử dụng hoặc đang mua các công cụ AI tạo sinh, trong khi chưa đến một trên mười cho biết công việc thủ công đã giảm hơn 30%.
Hai con số này cần được đọc cẩn thận. Con số đầu tiên bao gồm cả những khách sạn vẫn đang trong quá trình mua công cụ; con số thứ hai chỉ đo mức giảm vượt một ngưỡng cụ thể. Chúng không chứng minh rằng tất cả khách sạn còn lại đều không thu được lợi ích. Câu hỏi hữu ích hơn là một khách sạn cụ thể có thể chứng minh điều gì đã thay đổi sau khi công nghệ thực sự đi vào công việc.
Đo toàn bộ công việc
Hãy bắt đầu từ một công việc lặp lại và xác định hiện nay công việc đó được hoàn thành như thế nào. Tính thời gian từ lúc chuẩn bị đến khi có một kết quả thực sự sử dụng được, bao gồm cả các bước kiểm tra cần thiết. Ghi lại mức chất lượng mong đợi và những lỗi cần được sửa. Nếu không có điểm xuất phát này, một bản nháp đầu tiên nhanh hơn rất dễ bị hiểu nhầm là toàn bộ công việc đã được hoàn thành nhanh hơn.
Hãy lấy một ví dụ giả định: trước đây một báo cáo mua hàng cần bốn giờ để chuẩn bị và kiểm tra. Với AI, phiên bản đầu tiên có trong một giờ, nhưng vẫn cần thêm hai giờ để sửa mã sản phẩm, đơn vị và giá. Nếu báo cáo cuối cùng vẫn giữ cùng tiêu chuẩn chất lượng, thời gian thực sự tiết kiệm được là một giờ, không phải ba giờ.
Phép tính cũng phải bao gồm công việc bị chuyển sang cho người khác. Một nhiệm vụ không trở nên hiệu quả hơn chỉ vì một bộ phận hoàn thành sớm hơn trong khi bộ phận khác phải dành thêm thời gian sửa kết quả.
Cũng nên hỏi liệu nhiệm vụ đó có thực sự cần thiết hay không. Loại bỏ một báo cáo không ai sử dụng có thể mang lại nhiều giá trị hơn việc tạo nó nhanh hơn. Đó là cải tiến quy trình, không phải bằng chứng cho lợi ích của AI.
Quyết định thời gian tiết kiệm được sẽ dùng vào việc gì
Khi đã xác định được một khoản tiết kiệm thời gian thực sự, câu hỏi thứ hai là: thời gian đó cho phép đội ngũ làm được điều gì?
Một giờ bớt đi khỏi một công việc hằng tuần không tự động đồng nghĩa với một giờ chi phí nhân sự được cắt giảm. Nhân viên có thể vẫn làm cùng ca. Lợi ích có thể là ít làm thêm giờ hơn, ít công việc tồn đọng hơn, khối lượng công việc dễ kiểm soát hơn hoặc có thêm thời gian cho một đặt phòng phức tạp. Đây là những kết quả khác nhau và cần được mô tả riêng.
Một bếp trưởng dành ít thời gian hơn để tổng hợp dữ liệu mua hàng có thể dùng khoảng thời gian đó để kiểm tra chất lượng sản phẩm hoặc cùng đội ngũ rà soát khâu chuẩn bị. Điều này vẫn có giá trị ngay cả khi chi phí nhân sự không thay đổi. Nhưng thời gian tiết kiệm được phải thực sự còn lại cho mục đích này, thay vì nhanh chóng bị lấp đầy bởi những báo cáo mới chỉ vì giờ đây chúng dễ tạo hơn.
So sánh những điều kiện tương đương
Giả sử một thử nghiệm AI bắt đầu đúng lúc công suất phòng giảm. Đội ngũ đặt phòng xử lý hộp thư nhanh hơn, nhưng họ cũng nhận ít yêu cầu hơn. Chỉ riêng việc hàng chờ ngắn đi không cho biết công cụ đã đóng góp bao nhiêu.
Hãy so sánh những công việc tương tự, có tính đến khối lượng, độ phức tạp và số nhân sự. Ghi lại cả những thay đổi khác được thực hiện trong thời gian thử nghiệm. Thời gian đào tạo và thiết lập ban đầu cần được nhìn thấy, nhưng phải tách khỏi công sức lặp lại cần thiết để vận hành hệ thống. Một đánh giá hữu ích cần bao gồm đủ ngày làm việc bình thường và những ngày bận rộn, thay vì chỉ dựa vào một buổi trình diễn hoặc một ca khó khăn.
Mỗi công cụ cần một loại bằng chứng khác nhau
Trong hệ thống nhắn tin với khách, phản hồi xác nhận ngay lập tức không đồng nghĩa với việc yêu cầu đã được giải quyết. Hãy xem mất bao lâu để cung cấp một câu trả lời đúng và hữu ích, cần bao nhiêu lượt trao đổi và nhân viên có phải xử lý hậu quả từ những lời hứa mà hệ thống không nên đưa ra hay không.
Với dự báo nhu cầu, hãy so sánh dự báo với điều thực sự xảy ra, sử dụng cùng một khoảng thời gian dự báo. Ít chỉnh sửa thủ công hơn chỉ là một lợi ích nếu dự báo vẫn đủ chính xác cho quyết định mà nó hỗ trợ.
Ít chuyển sang nhân viên xử lý hơn cũng không tự động là thành công. Một yêu cầu phức tạp có thể cần phán đoán của con người. Kết quả tốt hơn có thể là chuyển đúng lúc đến đúng người, kèm theo thông tin cần thiết, thay vì giữ khách trong một cuộc trò chuyện tự động.
Để người hiểu công việc kiểm tra kết quả
Phân tích do NYU SPS và BCG công bố vào tháng 3 năm 2026 xem chất lượng dữ liệu và năng lực của đội ngũ là những điều kiện quan trọng để sử dụng AI hiệu quả. Với một khách sạn cụ thể, điểm khởi đầu thực tế là để những người hiểu rõ công việc cần thay đổi tham gia vào quá trình đánh giá.
Nhân viên mua hàng có thể nhận ra rằng giá của nhà cung cấp được tính theo thùng chứ không phải theo kilogram. Nhân viên đặt phòng có thể phát hiện một ngoại lệ khiến câu trả lời tưởng như đơn giản trở nên không phù hợp. Biết cách vận hành công cụ không đồng nghĩa với việc biết kết quả của nó có thực sự sử dụng được hay không.
Trong thời gian thử nghiệm, hãy ghi lại những chỉnh sửa mà các nhân viên này thực hiện và lý do của chúng. Thời gian kiểm tra là một phần của công việc, và quan sát của họ có thể giải thích những kết quả mà thống kê sử dụng đơn thuần không thể hiện.
Xác định trước thời điểm đánh giá
Hãy đặt ngày đánh giá ngay khi bắt đầu thử nghiệm, để có đủ thời gian sử dụng nhằm đánh giá công việc mà hệ thống được kỳ vọng cải thiện. Cũng cần xác định ai sẽ xem xét kết quả và những lợi ích nào đủ để biện minh cho việc tiếp tục.
Đến thời điểm đó, hãy so sánh thời gian và chất lượng của công việc đã hoàn thành với các chi phí tiếp diễn: phí phần mềm, hỗ trợ và thời gian của nhân viên. Khoản đầu tư ban đầu cũng cần được tính đến. Một cải thiện nhỏ vẫn có thể đáng giá, nhưng tiết kiệm thời gian một mình chưa đủ để quyết định.
Câu trả lời không nhất thiết phải là giữ tất cả hoặc bỏ tất cả. Giữ công cụ ở nơi nó thực sự hữu ích, điều chỉnh quy trình hoặc đào tạo nơi kết quả còn yếu, và ngừng sử dụng ở những nhiệm vụ mà một phương pháp đơn giản hơn hoạt động tốt hơn.
Những bằng chứng hữu ích nhất có thể rất bình thường: một báo cáo mua hàng không còn phải làm lại từ đầu, hoặc một yêu cầu của khách được giải quyết đúng với ít lượt trao đổi hơn. Khách sạn nên có khả năng mô tả sự thay đổi đó, không chỉ đếm số lần phần mềm được mở.
Bài viết này dựa trên các nghiên cứu ngành được công khai và các nguồn được liệt kê bên dưới. Phần diễn giải và phân tích biên tập thuộc Cristian Marino Journal.
Nguồn
- RateGain, NYU School of Professional Studies Jonathan M. Tisch Center of Hospitality và HEDNA: The State of Distribution 2026: kết quả đã công bố, 15 tháng 9 năm 2026. Tóm tắt chính thức về các hoạt động thương mại trong giai đoạn từ 1 tháng 12 năm 2024 đến 30 tháng 11 năm 2025.
- NYU School of Professional Studies và Boston Consulting Group: AI-First Hotels: tóm tắt công bố, 2 tháng 3 năm 2026. Phân tích vai trò của chất lượng dữ liệu và năng lực đội ngũ trong việc áp dụng AI tại khách sạn.
Ghi chú bản dịch: Bài viết này được dịch từ bản gốc tiếng Anh với sự hỗ trợ của trí tuệ nhân tạo. Nếu có khác biệt về nội dung, bản tiếng Anh vẫn là tham chiếu biên tập. Đọc bản gốc tiếng Anh → · Phương pháp biên tập và sử dụng AI →