2026년 호스피탈리티 산업의 AI: 에이전틱 AI 확장에 성공한 곳이 6%에 불과한 이유와 그 대열에 합류하기 위한 5단계

호스피탈리티 산업의 AI는 실험 단계를 넘어 예산 항목으로 자리 잡았습니다. 호텔 기술 의사결정권자 400명 이상을 대상으로 실시한 2026년 설문조사에 따르면, 71%가 AI가 중대하거나 혁신적인 영향을 미친다고 보고 있으며, 85%는 올해 IT 예산의 최소 5%를 AI 도구에 투자할 계획입니다. 질문에 답하는 데 그치지 않고 행동을 수행하는 소프트웨어인 에이전틱 AI도 같은 경로를 따르고 있습니다. 최근 Phocuswright의 연구에 따르면 여행 기업의 60% 이상이 이를 실험하거나 확대 적용하고 있습니다. 그러나 여러 기능에 걸쳐 확대 적용하는 기업은 6%에 불과합니다.

이러한 격차가 호스피탈리티 산업 AI의 핵심 현실입니다. 자금과 의지는 갖춰져 있습니다. 부족한 것은 기반입니다. 연결된 시스템, 신뢰할 수 있는 고객 데이터, 도구의 운영을 유지하는 인력, 그리고 AI가 자율적으로 수행할 수 있는 일에 대한 명확한 규칙이 필요합니다. 이 가이드는 호스피탈리티 산업 AI의 현재 상황과 이미 성과를 내고 있는 분야부터 살펴봅니다. 이어서 대부분의 프로젝트가 정체되는 네 가지 이유, 이를 극복한 운영 기업들의 차별화된 접근법, 파일럿에서 프로덕션으로 전환하기 위한 5단계 로드맵을 다룹니다.

AI in hospitality - robot waiter

2026년 호스피탈리티 산업의 AI는 어떤 단계에 와 있을까요?

이러한 격차가 왜 중요한지 이해하려면 업계가 실제로 얼마나 발전했는지부터 살펴봐야 합니다. 대부분의 호텔 기업은 호스피탈리티 업무 흐름에 AI를 도입하기 시작했습니다. 이를 확대 적용한 기업은 소수입니다. 아래 수치는 이러한 활동이 여전히 얼마나 초기 단계에 머물러 있는지 보여 줍니다.

지표 조사 결과 출처
AI가 중대하거나 혁신적인 영향을 미친다고 보는 호텔 기술 구매 담당자 71% Canary Technologies, 2026
올해 IT 예산의 최소 5%를 AI 도구에 지출할 것으로 예상 85%
2026년 AI 활용 확대 계획 82%
에이전틱 AI를 실험하거나 확대 적용 중인 여행 기업 60% 이상 Phocuswright, 2026
에이전틱 AI를 적극적으로 확대 적용 중인 여행 기업 6% (이와 별도로 22%는 확대 적용을 시작하는 단계)

이 수치들을 종합하면, 업계는 AI가 중요하다는 판단을 내렸지만 이를 대규모로 운영하는 데 필요한 기반은 아직 구축하지 못한 상태입니다. 그렇다고 초기 노력이 헛수고였다는 뜻은 아닙니다. 범위가 좁고 구체적인 업무에서는 AI가 이미 가치를 입증하고 있습니다.

호스피탈리티 산업에서 AI가 이미 성과를 내는 분야

초기 성과는 실질적입니다. Canary 설문조사에서 AI를 사용하는 호텔 운영자들이 가장 자주 보고한 성과는 직원의 업무 시간 절감, 고객 만족도 향상, 업무 흐름 자동화 및 매출 증가였습니다. 호스피탈리티 산업에서 효과를 내고 있는 AI 활용 사례는 네 가지 영역으로 나뉩니다.

  • 고객 메시지 응대. AI는 채팅과 문자로 반복적인 질문에 답하고, 도착 전 요청을 처리하며, 이례적인 사안은 직원에게 전달합니다.
  • 가격 책정 및 수익 관리. 모델은 수요를 예측하고 수익 관리팀이 수작업으로 처리하는 것보다 빠르게 요금을 조정합니다.
  • 직원 근무 일정 관리. 도구는 예상 객실 점유율에 맞춰 근무표를 조정하여 초과근무와 유휴 시간을 줄입니다.
  • 운영 및 유지보수. 객실 정비 순서 최적화, HVAC 및 장비의 조기 경고, 스마트 빌딩 제어는 가동 중단 시간과 에너지 낭비를 줄입니다.

이러한 성과에는 공통점이 있습니다. 각각 하나의 시스템 안에서 하나의 데이터 집합을 바탕으로 작동한다는 점입니다. 그래서 쉽게 시작할 수 있었습니다. 동시에 확장하기 어려운 이유이기도 합니다. AI가 여러 시스템이나 둘 이상의 호텔에 걸쳐 행동해야 하는 순간, 파일럿에서는 마주할 필요가 없었던 문제에 부딪힙니다.

관련 읽을거리: 2026년 에이전틱 AI가 차세대 기업 성장 동력으로 부상하는 4가지 강력한 이유

 

Ai in hospitality - holidays ví smartphone

호스피탈리티 산업 AI가 파일럿과 프로덕션 사이에서 정체되는 4가지 일반적인 이유

이러한 문제는 두 환경을 비교하면 가장 쉽게 파악할 수 있습니다. 파일럿은 하나의 호텔에서 정제된 추출 데이터를 바탕으로, 성공을 바라는 팀과 함께 진행됩니다. 실제 운영은 전체 호텔 포트폴리오에 걸쳐 실시간 예약, 중복된 고객 프로필, 애초에 서로 연동하도록 설계되지 않은 12개의 시스템을 기반으로 이루어집니다. 호텔·접객업 AI 프로젝트에서는 네 가지 문제가 반복해서 나타나며, 첫 번째 문제는 시스템 자체에 있습니다.

1. 파편화된 시스템 & 데이터

나타나는 현상. 각 호텔은 자체적인 도구 조합을 운영합니다. PMS(호텔 자산 관리 시스템), OTA(온라인 여행사)용 채널 매니저, 예약 엔진, 수익 관리, CRM(고객 관계 관리) 플랫폼, 레스토랑 및 스파 POS(판매 시점 관리), 결제 시스템 등이 이에 해당합니다. RMS와 RoomPriceGenie가 2026년에 발표한 연구에 따르면 일부 운영업체는 10개 이상의 시스템을 동시에 운영합니다. 호텔 운영 관리 회사에서는 각 소유주가 구매한 시스템이나 각 브랜드의 요구사항에 따라 이러한 구성이 호텔마다 달라지는 경우가 많습니다.

시스템 수 자체가 진짜 문제는 아닙니다. 같은 연구에 따르면 시스템이 1~3개뿐인 호텔에서도 잘못된 요금, 데이터 누락, 시스템 간 업데이트 실패가 발생합니다. 취약한 부분은 도구가 아니라 연결입니다.

막히는 지점. AI는 예약을 확인할 수 있지만 변경할 수는 없습니다. 고객이 숙박을 하루 연장해 달라고 요청합니다. AI는 객실 이용 가능 여부를 확인하지만 PMS의 청구 내역을 업데이트할 수 없습니다. 따라서 요청을 프런트 데스크에 넘겨 시간 절약 효과가 없어지거나, PMS에 반영되지 않은 1박을 확정하게 됩니다.

책임 주체. 시스템 연결의 전 과정을 책임지는 사람이 없는 경우가 많아 책임 주체를 파악하기 어렵습니다. 응답자의 25%는 시스템 연결을 관리하는 전담 인력이 없다고 답했습니다.

발생하는 비용. 직원들은 이미 이 문제의 대가를 치르고 있습니다. RMS와 RoomPriceGenie의 연구에서, 42%의 호텔·접객업 전문가 및 운영업체는 시스템과 데이터 문제를 해결하는 데 매주 1~3시간을 쓰고, 5명 중 1명은 4시간 이상을 씁니다. 연결이 제대로 작동하지 않는 상태에서 AI를 도입하면 모든 예외 상황은 여전히 사람이 처리해야 합니다. 연동이 파편화된 상태로 남아 있으면 AI 파일럿에서 얻은 효율성을 더 큰 포트폴리오 전반에서 일관되게 재현하기 어려울 수 있습니다.

2. 확장되지 않는 파일럿

나타나는 현상. 같은 고객이 여러 시스템에 중복으로 나타날 수 있습니다. OTA 예약에는 마스킹된 이메일 주소가 전달되어 고객의 과거 이력과 연결할 수 없습니다. 객실 선호 정보는 한 시스템에 있고 다른 고객 정보는 다른 곳에 저장되어 있습니다. 예를 들어 웹사이트의 취소 정책과 OTA에 게시된 취소 정책이 서로 다를 수 있습니다.

호텔 팀도 이 사실을 알고 있습니다. RMS와 RoomPriceGenie의 연구에서 운영업체의 약 70%는 자체 데이터의 정확도를 5점 만점에 2점 또는 3점으로 평가했으며, 약 20%는 최저점을 주었습니다. 2026년 6월 Hospitality Net 인터뷰에서 Shiji의 한 임원은 중복 프로필이 없다고 주장하는 호텔은 현실을 제대로 보지 못하는 것이라고 말했습니다.

막히는 지점. 프런트 데스크 직원은 잘못된 기록을 발견하고 이를 감안해 업무를 처리할 수 있습니다. AI 시스템은 접근할 수 있는 데이터에 의존합니다. 기반이 되는 기록이 잘못되어 있으면 AI는 올바른 정보를 처리할 때와 똑같이 효율적으로 잘못된 정보에 따라 행동할 수 있습니다.

책임 주체. 고객 데이터는 프런트 데스크와 마케팅부터 수익 관리와 유통까지 여러 팀에 걸쳐 있습니다. 하지만 이들을 연결하는 데이터 계층은 누가 책임질까요? RMS와 RoomPriceGenie의 연구에서 4곳 중 1곳 의 운영업체는 시스템 연결을 책임지는 전담 인력이 없다고 답했습니다

발생하는 비용. 예를 들어 중복 프로필 때문에 처음 방문한 고객이 이전에 숙박한 것처럼 표시되어 AI가 해당 고객에게 “재방문 환영” 업그레이드를 제안할 수 있습니다. 또는 잘못된 취소 조건을 안내해 고객 분쟁이 발생하고, 직원이 이를 수동으로 해결해야 할 수도 있습니다. 고객이 한 프로필에서 마케팅 수신을 거부했지만 중복 프로필에서는 수신 상태가 유지된다면 호텔은 의도치 않게 메시지를 계속 발송하여 개인정보 보호 규정 준수와 관련된 잠재적 위험을 초래할 수 있습니다.

깨끗한 데이터는 저절로 깨끗하게 유지되지 않으며, 이를 읽는 AI도 마찬가지입니다. 둘 다 관리하는 사람이 필요하며, 여기서 세 번째 문제가 이어집니다.

3. 불명확한 책임 체계 & 운영 모델

나타나는 현상. RMS와 RoomPriceGenie의 연구에서 약 70% 의 운영업체는 이제 호텔 운영에 서비스 역량과 기술 역량이 모두 필요하다고 답했지만, 정작 25%는 시스템 연결 유지를 책임지는 사람이 없다고 답했습니다. 보고서는 이처럼 부재한 인력을 “호텔·접객업 엔지니어”라고 부릅니다. Hotel Dive가 보도한 Canary 설문조사 역시 제한된 교육 시간과 기술 전문성 부족을 AI 도입의 주요 장애물로 꼽습니다.

막히는 지점. 문제는 출시 이후 시작되는 경우가 많습니다. 파일럿 기간에는 공급업체 팀과 적극적인 관리자가 도구가 제대로 작동하도록 관리할 수 있습니다. 하지만 이러한 지원이 줄어들면 수영장 운영 시간이나 반려동물 정책이 바뀔 때 누가 AI를 업데이트할까요?

책임 주체. 총지배인(GM)은 고객 경험을 책임집니다. 내부 팀이든, 본사 조직이든, 외부 제공업체든 IT 부문은 기술을 관리합니다. 공급업체는 제품을 책임집니다. 하지만 이 세 주체를 연결하는 업무에는 전담 책임자가 없는 경우가 많습니다. RMS와 RoomPriceGenie의 조사에 따르면, 숙박시설 네 곳 중 한 곳은 시스템 연결을 전담 관리하는 인력이 없습니다.

어떤 비용을 치르게 되는가. 지속적으로 책임지고 관리하는 주체가 없으면 유용한 AI 도구조차 오래된 답변을 제공하기 시작할 수 있습니다. 더 많은 요청이 다시 직원에게 넘어가고, 활용도도 떨어질 수 있습니다. 결과는 익숙합니다. 호텔은 도구 사용료를 계속 지불하지만, 더 많은 업무가 사람에게 돌아옵니다. 더 큰 문제는 그다음입니다. 하나의 AI 프로젝트가 추진력을 잃으면 다음 투자의 타당성을 입증하기도 어려워질 수 있습니다.

연결이 잘되어 있고 유지관리도 잘되는 AI라도 마지막 관문에서 멈출 수 있습니다. 그 관문은 바로 권한, 즉 AI가 어디까지 스스로 행동할 수 있는지를 결정하는 것입니다.

4. 불명확한 AI 거버넌스 & 자율성

어떤 모습으로 나타나는가. 파일럿 단계에서 AI는 질문에 답합니다. 실제 운영에서는 환불 처리, 요금 변경, 단체 예약 취소, 로열티 포인트 조정 같은 행동까지 수행하기를 기대합니다. 직원들은 이미 명확한 한도 안에서 이러한 업무를 수행합니다. 프런트 오피스 매니저는 자신이 무엇을 승인할 수 있고 언제 다른 담당자에게 연락해야 하는지 알고 있습니다. 과제는 AI에도 같은 경계를 정해 주는 것입니다.

어디서 막히는가. AI 에이전트가 자율적으로 행동하려면 조직은 몇 가지 간단한 질문에 답해야 합니다. 환불을 처리해도 되는가, 가능하다면 금액 한도는 얼마인가? 어떤 경우에 사람의 승인이 필요한가? 잘못 처리했을 때 누가 책임지는가? 이러한 경계가 불명확하면 도입 승인을 받기 어려워집니다. 운영 관리 회사에는 또 다른 질문이 생깁니다. AI가 큰 비용을 초래하는 실수를 했을 때 운영상·재무상 결과는 누가 감당하는가?

누가 책임지는가. 공급업체는 기술을 제공하지만, 이를 도입하는 회사는 여전히 AI가 회사를 대신해 무엇을 말하고 어떤 행동을 하는지 관리해야 합니다. 2024년 2월, 브리티시컬럼비아주 민사분쟁해결심판소는 Air Canada에 불리한 판결을 내렸습니다. 이 회사 웹사이트의 챗봇이 한 승객에게 여행 후에도 사별 할인 요금을 청구할 수 있다고 잘못 안내했기 때문입니다. Air Canada는 챗봇이 자신의 답변에 책임을 져야 한다고 주장했습니다.

심판소는 그 주장을 받아들이지 않았으며, 챗봇을 포함해 웹사이트에서 제공되는 정보에 대한 책임은 여전히 Air Canada에 있다고 판단했습니다. 배상액은 크지 않았습니다. 운임 차액 약 C$650에 이자와 수수료가 더해졌습니다. 더 큰 교훈은 책임 소재입니다. AI가 회사를 대신해 고객과 대화할 때 그 결과에 대한 책임이 자동으로 AI나 공급업체에 돌아가는 것은 아닙니다.

어떤 비용을 치르게 되는가. 명확한 경계가 없으면 누구도 AI에 행동 권한을 부여하는 데 확신을 갖지 못해 도입이 지연될 수 있습니다. 또는 통제 장치가 준비되기 전에 조직이 AI에 지나친 자율성을 부여하고, 실제 고객 관련 사고를 겪은 뒤에야 그 허점을 발견할 수 있습니다.

이 네 가지 문제는 밀접하게 연결되어 있습니다. 분산된 시스템과 데이터는 파일럿의 성과를 재현하기 어렵게 만듭니다. 파일럿의 성과를 안정적으로 재현할 수 없으면 확장에 필요한 책임 체계와 투자의 타당성을 입증하기가 더 어려워집니다. 그리고 명확한 책임 주체가 없으면 규칙을 정하는 일에도 아무도 책임을 지지 않습니다.

4 Reasons AI in Hospitality Stalls Between Pilot and Production

호텔업에서 AI를 확장하는 운영사들은 무엇을 다르게 하는가

다행히 이 네 가지 문제는 호텔업의 AI 활용에서 드문 일이 아니며, 영구적인 문제도 아닙니다. 파일럿 단계를 넘어서는 운영사들이 더 나은 모델을 사용하는 것은 아닙니다. 이들은 워크플로를 하나씩 개선하며 동일한 네 가지 문제를 해결합니다. 실무에서는 위의 각 원인에 대응하는 네 가지 습관으로 나타납니다.

  • 자동화에 앞서 연결합니다. AI가 예약을 변경하려면 야간에 내보낸 데이터가 아니라 PMS에 대한 실시간 접근이 필요합니다. Phocuswright의 2026년 트렌드 보고서는 호텔, 항공사, 출장 관리 회사가 자율 시스템을 확장하기 전에 추진해야 할 두 가지 시급한 우선 과제 중 하나로 정제된 데이터 거버넌스를 꼽습니다. 고객 메시징의 경우, 이는 AI가 늦은 체크아웃이나 추가 1박을 고객 원장에 직접 반영하고 직원은 예외 사항만 확인한다는 뜻입니다.
  • 각 데이터에 하나의 책임 주체를 지정합니다. 한 팀이 고객 프로필 규칙, 즉 중복 항목을 어떻게 병합하고 어떤 기록을 우선할지 책임집니다. 한 팀이 요금과 정책을 책임지고, 모든 채널은 해당 원천에서 정보를 가져옵니다. 가격 책정과 수익 관리에서는 이를 통해 AI가 제안하는 요금이 모든 채널에서 고객이 실제로 보는 요금과 일치할 수 있습니다.
  • AI를 구매로 끝나는 제품이 아니라 지속적인 업무로 여깁니다. 매주 담당자에게 이관된 대화를 검토하고, 정책이 바뀌면 AI의 답변을 업데이트하며, 소수의 핵심 지표를 추적할 담당자를 지정합니다. 성과는 이러한 지속적인 조정에서 나옵니다. 고객 메시징 공급업체 Conduit는 한 35개 숙박시설 운영사가 도입 당시 80%였던 자동화율을 96%로 높였다고 보고하며, 이는 지속적인 최적화를 통해 이뤄졌다고 설명합니다. 공급업체가 보고한 수치이지만, 핵심은 그 양상입니다. 개선은 출시 시점이 아니라 출시 후에 이뤄졌습니다.
  • 위험 검토 전에 규칙을 작성합니다. AI가 단독으로 수행할 수 있는 일(질문에 답하기, 예약 조회), 정해진 한도 내에서 수행할 수 있는 일(소액 환불, 늦은 체크아웃), 항상 사람에게 넘겨야 하는 일(단체 예약 취소, 요금 재정의)을 목록으로 정리합니다. Phocuswright의 두 번째 우선 과제인 맞춤형 AI 평가는 실제 운영에 들어가기 전에 이러한 규칙을 검증하는 방법입니다. 판단이 필요한 사안이 발생하면 AI가 전체 대화와 예약 세부 정보를 함께 인계하므로 고객은 같은 내용을 반복해서 설명할 필요가 없습니다.

호텔·호스피탈리티 산업의 AI 확장을 위한 5단계 로드맵

A Five-Step Roadmap to Scale AI in Hospitality

호텔·호스피탈리티 산업에 AI를 도입할 때는 AI 도구 선택보다 업무 순서가 더 중요합니다. 아래 각 단계는 네 가지 문제 중 하나를 해결하며, 각 단계를 독립적으로 승인할 수 있어 한 단계의 성과가 부진하더라도 전체 프로그램이 좌초되지 않습니다.

  1. AI가 관여할 대상을 파악합니다. 각 호텔의 PMS, 예약 엔진, 채널 매니저, CRM, 결제 및 로열티 시스템과 각 시스템의 담당자, 현재 연결 방식을 목록으로 정리합니다. 사람이 데이터를 다시 입력하는 지점을 모두 표시합니다. (원인 1 해결.)
  2. 고객 및 요금 데이터를 먼저 정비합니다. 중복 프로필을 통합하고, 요금·객실 가용 현황·정책에 대한 단일 기준 데이터 소스를 합의한 뒤 각각의 담당자를 지정합니다. (원인 2 해결.)
  3. 하나의 워크플로와 하나의 수치로 시작합니다. 예약 후 요청이나 단체 문의처럼 담당자가 명확한 워크플로를 선택하고, 요청당 비용이나 해결 시간 등의 기준 수치를 기록합니다.
  4. AI의 허용 작업에 대한 규칙을 작성합니다. AI가 독자적으로 수행할 작업, 정해진 한도 내에서 수행할 작업, 항상 사람에게 넘겨야 할 작업을 결정합니다. 출시 전에 직원에게 인계하는 절차를 구축하고 모든 작업의 로그를 남깁니다. (원인 4 해결.)
  5. 담당자를 지정하고 팀을 교육합니다. 각 AI 워크플로에 업무 담당자와 기술 담당자를 배정합니다. 프런트 데스크 및 수익 관리 팀이 AI를 활용하고 필요할 때 그 결정을 수정할 수 있도록 교육합니다. 매월 수치를 검토하고 첫 번째 호텔에서 성과가 유지되는 경우에만 다음 호텔로 확대합니다. (원인 3 해결.)

이렇게 하면 예산 논의도 간단해집니다. 한 번에 하나의 워크플로, 하나의 수치, 하나의 결정에 집중할 수 있습니다.

3~5단계는 고객 여정과 각 호텔의 규칙을 잘 아는 내부 팀에 주로 달려 있습니다. 1단계와 2단계는 다릅니다. 소유주, 브랜드, 공급업체가 서로 다른 호텔들의 시스템을 파악하고 연결하는 작업은 많은 운영 관리 회사가 내부적으로 보유하지 못한 기술 역량을 필요로 하며, 일반적으로 구축 파트너가 가장 큰 가치를 제공하는 영역입니다.

함께 살펴보기: AI 컨설팅 서비스는 기업이 비용이 많이 드는 AI 파일럿의 3가지 실수를 피하도록 어떻게 돕는가

GEM Corporation: 여행 및 호스피탈리티 산업을 위한 AI 네이티브 구축 파트너

GEM announces new vision and mission

GEM은 여행 및 호스피탈리티 운영의 기반 시스템을 구축하고 연결하는 AI 네이티브 기술 파트너입니다. 당사의 여행 및 관광 분야 사업은 항공편·호텔·투어 전반의 재고 관리, 예약 엔진, 가격 책정 및 유통, 대리점 관리, CRM, GDS 및 결제 게이트웨이 연동을 포괄합니다. 호텔·호스피탈리티 산업의 AI가 실제 작업을 수행하려면 먼저 이러한 연결 계층이 갖춰져야 합니다.

GEM은 위 로드맵을 세 단계로 실행합니다.

  1. 평가: 호텔 전반의 시스템, 데이터 품질, 통합상의 격차를 파악하고 가치와 준비도를 기준으로 AI 활용 사례의 우선순위를 정합니다(로드맵 1단계 및 2단계).
  2. 하나의 워크플로 검증: 연결된 데이터를 기반으로 하나의 AI 에이전트 또는 워크플로를 구축하고, 제한 범위와 직원 인계 절차를 사전에 정의한 뒤 기준 수치와 비교해 성과를 측정합니다(3단계 및 4단계).
  3. 확대: 더 많은 워크플로와 호텔에 도입하고, 수동 인계가 대체되면 해당 절차를 제거합니다. 기존 플랫폼이 진전을 가로막는 경우 GEM은 전면 재구축 대신 단계적으로 현대화합니다(5단계).

GEM의 엔터프라이즈 AI 및 현대화 프로젝트 전반에서 고객은 일반적으로 관련 워크플로의 비용이 20-45% 감소하고, 구축 속도가 40-70% 빨라지며, 생산성이 2~5배 높아졌다고 보고합니다. 서비스 제공 체계는 ISO 9001 및 ISO 27001 인증과 CMMI Level 3를 갖추고 있으며, ServiceNow 및 Databricks와의 파트너 경험을 바탕으로 리스크 및 컴플라이언스 팀이 기대하는 감사 추적 기록을 제공합니다.

GEM이 AI로 관광 & 호스피탈리티 산업을 혁신하는 방법을 확인하세요: 24,000명 이상 직원을 위한 업무 환경 서비스 제공 최적화 및 온보딩 속도 40% 향상

결론

호스피탈리티 산업의 AI와 관련하여, 이제 핵심 질문은 호텔에서 AI를 사용할지 여부가 아닙니다. 시스템, 데이터, 인력 및 규정이 파일럿 종료 후에도 AI가 계속 작동할 수 있도록 뒷받침하는지가 중요합니다. 호스피탈리티 산업에서 AI를 확장한다는 것은 모든 것을 자동화한다는 뜻이 아닙니다. 실용적인 기본 접근법은 하나의 워크플로를 선택하고, 이를 뒷받침하는 데이터와 연결 체계를 정비하며, AI가 독자적으로 수행할 수 있는 작업을 문서화하고, 운영을 유지할 책임자를 지정하는 것입니다. 해당 워크플로가 한 분기 내내 목표 수치를 유지했을 때만 확장하세요.

여행 또는 호스피탈리티 비즈니스의 AI 준비도 평가에 대해 GEM과 상담하세요.

    Ready to build your next project?

    Our experts will connect with you within 24 hours to discuss your project.

    contact

    Quick contact

      Or reach us at:
      whatsapp
      viber
      kakao
      Line
      0971098183