亟需解決的問題

“大家都在糾結效果，考慮數據隱私問題、成本以及組織內部的阻力，特別是員工擔心自己被AI取代。”

5月22日，在2025環球旅訊數智論壇·上海站，DTalk.org 創辦人顧青以“用戶、場景、行業-《中國旅游業AI應用趨勢洞察報告》解讀”為題演講，揭示了AI在旅游行業的應用現狀和企業面臨的困境。

顧青強調，AI并非取代人類，而是與人類協作，企業需要從組織架構和數據基礎等方面入手，解決AI應用的隱性問題，推動行業數字化轉型。

以下為演講實錄，內容有刪減：

我自己在互聯網領域已經工作了將近二三十年，AI也是我多年來一直關注并努力鉆研的技術。

但今天這份《2025上半年中國AI旅游應用趨勢報告》，其實不是我本人撰寫的，我的角色是幫助管理來解讀這份報告，與大家分享報告內容以及背后一些趨勢的判斷。

這份報告的數據來源有幾個合作伙伴，分別是飛豬、馬蜂窩、途靈旅游、眾信旅游以及環球旅訊。

由于時間有限，我今天只分享報告中關于企業側和行業側的部分。

從調研樣本來看，我們拿到了大約3000個用戶側的總樣本，涵蓋了一二線城市以及三四線城市。企業側有大約70位參與的經理，包括900位商旅的領導者。

行業側，我們大約調查了115個對象，這就是這份報告樣本的來源。

我們看看企業側的現狀。實際上，AI工具的普及率并不高。比如，近70%的參與者基本上從來沒有機會，或者不愿意去使用AI類的工具，只有31%嘗試使用，且功能僅局限于預定和費控。為什么會出現這種情況？

我們分析后發現，企業對于這些工具的信任程度不夠。

因為這需要比較強大的流程管理。這些工具需要與各個系統打通，需要付出很大的代價。而這個代價在很多企業內部的認知度并不高。

AI工具的門檻很高，投入也很大，但效果如何？這使得很多企業角色比較猶豫。所以，AI在企業內部的推廣成為一個重大的爭議。

從去年開始，我與很多企業進行了交流。AI項目在企業內部的推進都有一個前置環節，即很多公司的決策層雖然同意使用AI，但會質疑其投產比，以及現有AI工具與企業真正需求是否匹配的問題。

再來看一下行程管家和報銷這兩方面的情況。

在旅游行業內部，行程管理已經成為一個比較明確的剛性需求。所有的路線排布、檢查點的安排以及從A點到B點訂票的過程，這些信息管理的部分變得非常重要。

然而，報銷這塊的滲透率還不足。

報銷這件事占用了大家大量的工作時間，相信在場的銷售人員和經常出差的人都有這種痛感。但為什么這部分還沒有得到改善呢？

原因在于系統的兼容性以及公司內部管理流程的適配度。

再來看一個數字，從各個城市來看，不同類型AI應用的普及程度與所在城市有關。

越是一線的新一線城市，行程管理和智能報銷的普及程度越高，而四線以下城市的普及程度則較低。這顯示出一線二線城市的數字化程度相對較高。

從中等規模企業來看，1萬到10萬人的企業，其智能化系統的采用率最高，接近85%。而10萬人以上的企業使用率則較低。500到2000人的企業在這方面比較依賴這樣的系統。

從分布圖可以看出，AI應用的滲透率并不平均。

從央企、國企、民企、外企的角度來看，外企的使用比例相對較低。

這可能是因為外企在中國的分公司，在IT方面的合規性以及數據隱私方面的要求較高，其管理要求和決策流程比國內民企要復雜得多。

其實，不僅在AI領域，在中國地區的數字化采樣率或數字化成熟度方面，外企相對來說比中國企業要慢。

以前我負責攜程的線上業務，與海外的Booking等公司在國內市場競爭時，感受很明顯，國內軟件在國內企業的迭代速度和強度比外企要強很多倍。

從整體來看，中國民營企業在AI在企業內部的滲透速度，肯定比外企要快十倍。

在行業端，頭部企業如飛豬、美團、馬蜂窩等平臺公司，其AI技術的落地節奏和場景選擇與傳統的酒店集團、旅行社等差異很大。

從數據來看，如果按照企業是否已經在業務中使用AI技術來劃分，80%的大型企業都在使用，而越往下的公司，使用AI的比例就越少。

傳統的AI如推薦系統、抖音的推薦算法、供應鏈優化、房價預測以及輿情監測等，都是基于訴求的，如機器學習和深度學習等。

而生成式AI與傳統AI的區別在于涌現的部分，這帶來了許多合規問題。

大企業因為數字化基建比較成熟，內部數據質量高，可以通過結構化數據來約束生成式AI，避免產生幻覺。但小企業可能因為數字化本身不夠成熟，即便使用了AI，其生成式AI的涌現結果依然是不可控的。

從AI的應用來看，不同行業、不同企業的應用結構化也很有意思。

相比之下，酒店行業的AI應用率并不高，只有25%。

最大的問題，是數據庫問題。

企業購買了多個系統，每個系統的數據結構都不一樣，獨立運作，每次要做AI應用之前，都要人工跑很多數據，成本很高，更不用說應用AI技術了。

所以，酒店行業的第一步，是整個企業管理流程要向現代企業管理制度邁進。這是經營的科學管理問題，而不是AI技術問題。

再看很多企業的組織架構，并沒有為AI的引入做好任何調整。

如果與頭部企業如攜程、美團等相比，你會發現，它們的產品經理和營銷經理的工作內容，與你們內部的同崗位人員的工作內容有很大不同，流程和產出都不一樣。這就是組織設計的問題。

從應用來看，無論是飛豬的個性化推薦、攜程的推薦系統，還是抖音、餓了么等平臺的個性化推薦，點擊率之所以會提升，是因為生成式AI可以幫助企業利用算法大量補充用戶特征。

這說明數據基礎越好，利用生成式AI提升業務效果的可能性就越大。

馬蜂窩的行程工具做得好，也是因為其POI、點評內容等結構化數據的前置條件做得不錯。凡是行程工具做得好的團隊，都在前置的結構化語料挖掘上投入了大量時間。

接下來，無論是大企業、中型企業還是傳統小企業，現在能選擇的方式要么是本地化部署，要么是用云計算的方式租用別人的模型，即model service。

雖然看似有很多選擇，但本地化部署存在一些問題。比如，開源模型的算力成本、顯卡成本以及運維成本等，這些都需要投入。

而業務端往往很少參與大模型引入過程中的合作決策，這就導致技術變成了工具，無法為業務創造價值，業務也就不會使用。這是一個困局。

最后，我們來看整個市場的分化情況。

第一名是DeepSeek，大部分企業可能都會受它的影響。

然而，事實上，所有大模型都會提供接口，只要放在云計算上，就可以任意切換API。所以，這并不是一個絕對的答案。

目前整個行業還在探索階段，沒有人能說自己用得非常好。

大家在投入預算方面也比較保守，只有少數公司愿意將2%的投入算到AI計算上。大約25%的企業投入低于IT預算的10%。

大家普遍的心態是希望看到誰能先做出來，然后直接模仿，沒有人愿意第一個嘗鮮，端到端全做。

這主要是因為大家都在糾結效果，考慮數據隱私問題、成本以及組織內部的阻力，特別是員工層面擔心自己被AI取代。

我想再問一下在座的各位，你們擔心AI取代你們嗎？其實，我認為AI不是來代替用戶的，而是與大家進行協作的。

今天時間有限，我最后說一下，數據基礎、成本技術、組織適配。

在我看來，前兩個是顯性原因，是可解決的，只要投入成本和時間就可以。而隱性問題是組織問題，組織問題是內在的，這才是各個公司需要解決的問題。

由于內容較多，大家可以自行掃碼下載報告，查看更多相關數據。