Im vergangenen Jahr hat sich der Trend, dass Hotelgruppen in KI investieren, um Kommunikations- und Produktivitäts Herausforderungen zu bewältigen, deutlich beschleunigt. Dennoch sind viele Hoteliers immer noch relativ neu in der Technologie und oft liegt der Fokus hauptsächlich auf Funktionalität, zum Nachteil dessen, was wirklich zählt: die Qualität und Skalierbarkeit der Daten.
Die Datenbank, die Sie verwenden werden
Die Hauptaufgabe einer konversationellen KI wie Velma besteht darin, Kundenanfragen zu verstehen und die entsprechenden Antworten zu geben. Dies ist das Intelligenz/Wissen-Binärsystem, das wir im Artikel „Sophismus und künstliche Intelligenz“ gesehen haben. In der überwiegenden Mehrheit der Fälle sind die Antworten von virtuellen Assistenten Textformate in jeder Sprache (oder schlimmer, automatisch übersetzt). Diese Methode aus einem anderen Jahrtausend kann letztlich für ein Hotel funktionieren, wird aber in großem Maßstab zum Problem. Diese textbasierten Lösungen stoßen nicht nur auf erhebliche Qualitätsprobleme, sondern auch auf riesige Skalierbarkeit Probleme, insbesondere beim Umgang mit nicht-europäischen Sprachen wie Arabisch, Chinesisch, Japanisch usw.
Velma, die universelle virtuelle Assistentin von Quicktext, ist in Hotels in 76 Ländern im Einsatz und hat bis heute ein konkurrenzloses Volumen von mehr als 30 Millionen Gesprächen generiert. Seit 2017 hat diese konversationelle Datenmenge die Erstellung einer einzigartigen strukturierten Hoteldatenbank ermöglicht, der einzigen ihrer Art weltweit: Q-Data. Diese Datenbank umfasst derzeit 2.300 Informationspunkte (zum Vergleich: eine Hotelwebsite hat normalerweise maximal 250 Informationspunkte). Darüber hinaus entwickelt sich diese Datenbank ständig weiter, mit etwa 300 neuen Informationspunkten pro Jahr. Dieses datenstrukturierte Modell ist die Grundlage für die schnelle, effiziente und präzise Erstellung von KI für jedes Hotel. Die Einrichtungszeit für jedes Hotel beträgt im Durchschnitt zwei Wochen und für Gruppen ein bis drei Monate (je nach Größe).
Die Datenbank, die Sie pflegen werden
Wenn Sie Informationen über 10, 50, 100 oder sogar 1.000 Hotels verarbeiten, ist es eine echte Herausforderung, konsistente und genaue Daten in mehreren Sprachen zu pflegen. Um es gleich vorweg zu sagen:: Ohne strukturierte Daten ist es ziemlich unmöglich, die Daten einer Hotelgruppe zu verwalten und völlig unmöglich, sie zu pflegen.
Dieses Problem wird durch die Verwendung korrekter Informationsdatenpunkte anstelle von Freitext gelöst. So generiert Velma ihre Antworten aus der Q-Data-Datenbank, die bei Bedarf problemlos erfasst und aktualisiert werden können.
Ein gutes Beispiel sagt mehr als tausend Worte: In einem klassischen System könnten die Check-in-Daten wie folgt lauten.
Check-in ist um 15 Uhr, Sie können einen frühen Check-in um 12 Uhr für 30 Euro in Anspruch nehmen.
Diese Daten müssen geschrieben und in alle Sprachen übersetzt werden… Ich schlage vor, Sie testen diesen einfachen Satz in der automatischen Übersetzung, Sie werden schockiert sein. In Q-Data: Es genügt, die Datenbank mit den 3 Werten 15:00, 12:00, 30 zu füllen. Und automatisch, dank der vorherigen Eingabe unserer hauseigenen Linguisten, wird Velma in der Lage sein, die Antwort in 36 Sprachen zu übersetzen.
Nehmen wir nun an, dass diese Check-in-Daten für 40 Hotels einer Gruppe gleich sind, so müssen wir lediglich bei Bedarf angeben, dass diese Daten generisch sind und somit für alle Hotels dieser Gruppe gelten.
Lassen Sie uns eine schnelle Berechnung für 40 Hotels in 4 Sprachen durchführen:
- Q-Data: 3 Felder ausfüllen und angeben, dass sie generisch sind: 5 Sekunden
- Andere Informationssysteme: Bei einer Rate von 30 Sekunden pro Sprache und pro Hotel: 30 x 4 x 40 = 80 Minuten… Kurz gesagt, anderthalb Stunden, weil die verantwortliche Person sicher einen Anspruch auf eine 10-minütige Pause für eine solche Arbeit hat. Und hier haben wir nur über 3 Informationspunkte gesprochen, Q-Data hat 2300!!!. Stellen Sie sich die gleiche gigantische Aufgabe vor, wenn Sie die Informationen aktualisieren: …. Wir verstehen sehr gut, warum dies unmöglich ist, weil es ganz einfach niemand tun wird.
Die Datenerfassung , die sie verhindern werden
Sie werden mir sagen, das ist doch alles überholt, Sie müssen nur die Hoteldaten (Web, PDF, Powerpoint usw.) erfassen und die generative KI wird die Arbeit übernehmen. Nun, nein, das ist nicht der Fall, und zwar aus mehreren Gründen
- keine Kontrolle der Datenqualität
- keine Überprüfung der Datenkonsistenz
- keine Möglichkeit, die Daten zu aktualisieren.
Das Ergebnis ist, dass das System wahrscheinlich „halluziniert“ (unsinnige Antworten gibt) und Sie keine Möglichkeit haben, den Ursprung der Probleme zu erkennen.
Die universelle Skalierbarkeit, von der Sie profitieren werden
Sie werden mir wahrscheinlich sagen, dass die Daten eines 30-Zimmer-Boutiquehotels in London und eines 2000-Zimmer-Resorts in Punta Cana nicht viel gemeinsam haben. Genau dafür wurde Q-Data entwickelt – für eine Hotelgruppe mit 4000 Hotels und 4000 Zimmern. Und wer mehr kann, kann auch weniger tun. Der Unterschied besteht also darin, dass das Resort wahrscheinlich mehr Informationspunkte verwendet als das Boutique-Hotel, aber die Datenbank ist im Wesentlichen die gleiche. Unglaublich, aber wahr. Darüber hinaus sind die Informationspunkte, die zu Q-Data hinzugefügt werden (rund 300 pro Jahr, nach der Analyse der Gespräche durch unsere Datenanalysten), automatisch für alle anderen Hotels weltweit verfügbar. Mit anderen Worten, Velma in Ihrem Hotel wird auch vom Feedback anderer Hotels auf der ganzen Welt profitieren. Deshalb werden Sie kaum jemals neue Dialoge zu neuen Themen erstellen müssen, weil es sicher ist, dass ein anderes Hotel weltweit diesen speziellen Datenpunkt bereits benötigt hat.
Die horizontalen Anforderungen, die Sie stellen werden
Wenn Sie eine klassische KI in einem Hotel fragen: „Hat dieses Hotel einen Pool?“, wird sie Ihnen wahrscheinlich gut antworten. Das nennt man eine vertikale Suche. Wenn Sie nun eine KI einer Hotelgruppe fragen: „Ich suche ein Hotel mit einem Pool“ – was hier erforderlich ist, ist eine horizontale Suche über alle Hotels der Gruppe. Und die einzige Möglichkeit für eine KI, so etwas zu beantworten, ist, dass ihre horizontale Suche auf einer strukturierten Datenbank wie Q-Data basiert. Deshalb ist Velma heute die einzige KI in der Hotelbranche weltweit, die vertikale und horizontale Suchen durchführen kann. Aber Velma geht noch weiter, denn sie kann auch nach mehreren Kriterien gleichzeitig suchen. Zum Beispiel: „Ich suche ein Hotel mit Parkplatz in New York mit einem Budget von weniger als 300 Dollar pro Tag“… Und mit Velma lässt sich das alles problemlos bewältigen, und das sogar in einer so ungezwungenen Gesprächsform, denn diese Suche sollte auch verbal zu bewältigen sein.
Das Fazit, das Sie ziehen werden
Sie haben nun verstanden, dass das eigentliche Problem bei der KI weniger die kognitiven Fähigkeiten der KI sind, sondern vielmehr die Fähigkeit der KI, über die Daten zu verfügen, und dass Sie nur durch die Strukturierung dieser Daten kurz-, mittel- und langfristig qualitativ hochwertige Antworten garantieren können.
Falls Sie noch Zweifel haben, fragen Sie Velma, denn #VelmaWorks because #VelmaKnows…
AMEN
© Bild: Shutterstock
