L'IA dans les voyages, l'hôtellerie et les loisirs

L'intelligence artificielle (IA) est à l'ordre du jour des C-suite depuis des années, mais elle est de plus en plus à l'esprit, considérée comme une panacée ou une menace existentielle. Une litanie d'idées fausses alimente ces positions extrêmes. Sur la base de notre expérience avec des dirigeants de tous les secteurs, quelques-uns se distinguent comme des obstacles à la valorisation de l'IA.

Une fois, un client très intelligent et accompli nous a appelé et nous a suggéré avec enthousiasme que nous devrions "utiliser l'IA pour résoudre les problèmes de la chaîne d'approvisionnement". Lorsqu'on lui a demandé quel problème de chaîne d'approvisionnement il souhaitait résoudre, le client nous a fait signe de partir. "L'IA peut tout réparer... tout."

Notre client ne s'est pas trompé. Nous devrions utiliser l'IA pour aider à résoudre ces problèmes. Ce qu'il a manqué, c'est que bien que l'apprentissage automatique et l'IA soient particulièrement efficaces pour résoudre des problèmes bien définis lorsqu'il existe de nombreuses données pertinentes et disponibles, les problèmes commerciaux réels sont généralement mal définis et nébuleux, et manquent presque toujours de suffisamment de données de qualité pour ceux-ci. des outils pour résoudre efficacement sans investir dans les données, la conception des processus et la gestion du changement.

Les entreprises sont principalement motivées par la somme des décisions que les employés de niveau hiérarchique prennent jour après jour. Cela est aussi vrai pour les processus transactionnels comme la paie et les comptes fournisseurs que pour les décisions plus complexes comme les changements de prix.

Les dirigeants voient à juste titre le potentiel de normalisation et d'automatisation de l'IA, mais pensent trop souvent que son utilisation corrigera les erreurs humaines, les distorsions cognitives et les préjugés.

Au contraire, l'IA est une machine d'amplification de polarisation. Les modèles de données d'entreprise reflètent la façon dont les affaires ont été menées dans le passé, y compris les erreurs et les biais. De même, ces humains sujets aux erreurs sont également ceux qui évaluent et sélectionnent un modèle qui correspond « le mieux » au problème commercial qu'ils tentent de résoudre. Les préjugés et les erreurs du passé sont intégrés et doivent être traités systématiquement.

Par exemple : les systèmes de tarification des compagnies aériennes utilisent l'apprentissage automatique depuis des années pour estimer le coût d'opportunité pour la compagnie aérienne de vendre un siège maintenant par rapport à la conservation de cet inventaire jusqu'à une date plus proche de la date de départ, lorsque les passagers sont prêts à payer plus. Ceci est basé sur la demande prévue. Pendant le COVID-19, lorsque la demande a massivement disparu, ces modèles ont calculé "rationnellement" un coût d'opportunité de 0 $. Le résultat? Des tarifs extrêmement peu rentables ont ensuite été publiés. Les consommateurs ont peut-être adoré, mais les compagnies aériennes, qui ne pouvaient pas fonctionner de manière rentable avec des tarifs aussi bas, ont été laissées pour compte.

Alors que les logiciels traditionnels sont conçus pour suivre des règles et une logique prédéfinies, les systèmes d'IA sont basés sur des modèles probabilistes qui apprennent et font des prédictions en continu sur la base de modèles de données. Contrairement aux systèmes logiciels traditionnels, les systèmes d'IA nécessitent des quantités importantes de données de haute qualité pour être efficaces et nécessitent une surveillance et une maintenance continues pour rester précis.

De plus, contrairement à la plupart des systèmes logiciels traditionnels, les systèmes d'IA soulèvent des considérations éthiques qui doivent être soigneusement prises en compte et traitées. Par exemple, les jugements et parfois les décisions automatisées prises par de nombreux systèmes d'IA peuvent avoir un impact réel sur les vies humaines, par exemple, les décisions d'embauche ou de promotion, ou la façon dont un véhicule autonome réagit aux conditions routières changeantes. Si un mauvais jugement est porté par un système d'IA, qui est responsable ?

Dissiper ces mythes et aborder l'IA avec la bonne compréhension de ce qu'elle peut et ne peut pas faire, ainsi que la compréhension des apports critiques et des compétences requises, permettront aux cadres d'exploiter plus efficacement les outils d'IA. L'IA n'est pas une solution miracle, mais lorsqu'elle est bien exécutée, elle peut considérablement améliorer la prise de décision, augmenter la productivité et conduire à de meilleurs résultats commerciaux.

L'équipe mondiale de voyages, d'accueil et de loisirs d'A&M, leader sur le marché, comprend l'industrie, ses tendances influentes et les situations commerciales qui nécessitent une expertise approfondie. Contactez-nous dès aujourd'hui pour en savoir plus sur la façon dont A&M peut vous aider à agir et à relever les défis de la modernisation