La Inteligencia Artificial (IA) ha dejado de ser una tendencia emergente para convertirse en el vector fundamental del Revenue Management. Su presencia ya no se limita a optimizar procesos operativos básicos simples, como la traducción, corrección de textos o el manejo de datos. Hoy en día, la IA se consolida como un pilar fundamental que sustenta las decisiones críticas de la industria hotelera, apoyadas en los RMS (Revenue Managament Systems).
En este artículo, el foco lo ponemos en el impacto real que tiene esta tecnología dentro de los RMS. Hace ya 2 años, anticipamos lo que la IA podría hacer por nosotros, incluyendo posibles datos externos que en aquel momento eran imposibles de ser agregados al RMS (Entrevista: El futuro de la IA en los RMS – Revenue Resort). Mientras actuábamos en base al pace y datos competitivos con recomendaciones de precio de manera más reactiva, la IA nos permite procesar e incorporar variables externas que antes resultaban inaccesibles para los sistemas. Hablamos de la variación en la capacidad aérea, las búsquedas por destino, el impacto de las tensiones geopolíticas o los indicadores macroeconómicos. En el manejo y gestión del dato, una obviedad que suele ignorarse en cadenas hoteleras es que lo que es una variable importante para un hotel en un destino concreto, puede que no lo sea para otro, lo que obliga a mantener un enfoque estratégico adaptado a la realidad de cada hotel. Esto plantea un mayor reto en la configuración del RMS para poder optimizar el dato de manera individualizada en base a las necesidades o naturaleza de cada hotel, algo que suele ser por lo general más considerado en compañías que cuentan con un RMS propio que en las soluciones genéricas existentes en el mercado.
¿Cuánto han mejorado los RMS tras la incorporación de la IA?
El reto en nuestro día a día sigue siendo poder analizar la demanda futura para la toma de decisiones. Pasamos de tener un RMS con modelos algorítmicos donde el dato interno era la base para la toma de decisiones a modelos predictivos más complejos que incorporan datos externos gracias a la IA. Los RMS comerciales, por lo general, estructuraban sus modelos algorítmicos con un peso desproporcionado en el dato histórico interno del hotel. Así fue hace una década cuando formé parte en la creación e implantación global de un RMS para más de 1.100 hoteles en Starwood Hotels & Resorts. En aquel momento, sin IA, la novedad radicaba en el impacto y consecuencias que la variación de precio tendría sobre la demanda, algo que hoy en día sigue sin ser protagonista a pesar de su gran importancia. A este concepto lo llamamos “price sensitivity” o sensibilidad al precio, con una escala de valores por día. Los algoritmos solo podían comparar las diferencias de pick up con momentos o periodos de demanda similares, los cuales los separábamos en “buckets”, sin embargo, estaban siempre basados en el dato interno. Hubiera sido realmente interesante haber podido añadir algoritmos con datos externos relevantes provenientes de la IA. Variables como la previsión meteorológica tanto en los mercados de origen como en los de destino, la coyuntura socioeconómica local y la monitorización de intenciones de viaje abren una nueva frontera en el cálculo de la demanda no construida y su posible impacto a esa sensibilidad al precio.
En la actualidad, existen dos enfoques de desarrollo, las soluciones corporativas de las grandes cadenas internacionales y los RMS comerciales de carácter genérico. Los RMS corporativos muestran una mayor eficiencia operativa al estar integradas de forma nativa en los sistemas internos con configuraciones a la carta. Por su parte, el desarrollo de los RMS genéricos suele optar por implementar capas de IA, una alternativa viable y menos costosa, que además reduce la complejidad técnica que suponen las integraciones de datos. Sin embargo, la falta de centralización en los sistemas es uno de los retos más importantes con lo que nos enfrentamos en Revenue Management. Manejamos muchos sistemas que analizan la competencia y otros que estudian el comportamiento de demanda futura, los cuales combinamos con los datos internos. Ante la dificultad de una centralización global, los proveedores de RMS comerciales avanzan en la hibridación de datos. Sus motores añaden datos procedentes de metabuscadores, flujos de conectividad desde GDS y soluciones avanzadas de Market Insight. El valor diferencial de un RMS viene de su capacidad para centralizar un intercambio de datos interconectado.
¿Qué impacto tiene en nuestra disciplina la incorporación de la IA?
De nuestra parte, como interpretadores de los datos y estrategas, seguimos tratando de anticiparnos a lo que sucederá en la demanda no construida antes de que se produzca. En este contexto no hay cambios, lo que si debería cambiar es el manejo del dato incorporado por la IA y en especial, el uso que hacemos de él. Sin embargo, una estrategia avanzada de Revenue Management no se basa en seguir solo la recomendación de los sistemas, es mucho más que eso. En un artículo pasado me enfoqué en la figura del “autopilot” (Autopilot, ¿es una buena idea? – Revenue Resort). Aunque por la incorporación de la IA se escuche la posible automatización total a través de funciones de piloto automático (autopilot), lo cierto es que sigue planteando riesgos operativos si se ejecuta sin supervisión estratégica. Esto es debido a que los RMS comerciales no tienen visibilidad sobre los compromisos contractuales internos de la compañía, como son las tarifas estáticas de la turoperación tradicional en el segmento vacacional o los acuerdos comerciales privados. Modificar los precios públicos de forma automatizada basándose exclusivamente en las recomendaciones de un sistema descontextualizado, puede dañar el posicionamiento. En un mercado donde los metabuscadores y los nuevos asistentes de búsqueda basados en IA dirigen al usuario final hacia la tarifa más económica, la pérdida de control y estrategia global en canales siempre penalizará la venta directa. Este desajuste distributivo genera un impacto económico adverso en el GOP, reduciendo la rentabilidad por una doble vía, por el descenso del ADR neto debido al desvío de reservas hacia canales con tarifas estáticas o que juegan con los márgenes y el incremento de los costes de distribución derivados de las comisiones de intermediarios.
Sin duda estamos en un momento histórico donde el dato externo integrado por la IA nos da un impulso en nuestras decisiones, ofreciendo un panel de control más completo a través de la facilidad para obtener el dato externo. Sin embargo, a pesar de que están por llegar nuevas integraciones con la IA, la definición estratégica global y la optimización de los ingresos permanecen firmemente vinculadas al factor humano y su experiencia.