Mali hotel ili turistička agencija mogu imati mnogo korisnih informacija, a malo vremena za njihovo čitanje. Komentari gostiju ostaju na više mjesta, rezervacije u tablicama, a iskustvo zaposlenika u usmenim dogovorima. Upravo je pretvaranje takvih materijala u upotrebljive poslovne informacije bilo među temama međunarodne online radionice koju je DURA održala 16. listopada.[1]
Radionica „Advanced Applications – AI Agents and the Data Alchemist” organizirana je u projektu PHOENIX 4.0. Prema izvještaju organizatora, Filip Macukić i Karla Žagi iz Mediartem AI-ja predstavili su mogućnosti naprednih alata, uključujući Manus AI, te primjene u analizi recenzija, Excel tablica, poslovnih proračuna i planiranju rezervacija.[1]
Što iz edukacije može postati prvi zadatak
Izvještaj opisuje predstavljene mogućnosti. Za provjeru njihove koristi pojedinoj tvrtki potreban je mali projekt s vlastitim materijalom. Dobar početak može biti pregled recenzija iz jednog razdoblja, uz pitanje: što se ponavlja dovoljno često da zaslužuje operativnu odluku?
Zamislimo mali objekt koji želi razumjeti pritužbe nakon sezone. To je naš primjer mogućeg pilota. Tim prikupi recenzije koje smije obraditi, ukloni nepotrebne osobne podatke i zadrži datum, ocjenu i tekst. AI dobiva zadatak grupirati komentare po temama, primjerice dolasku, čistoći ili buci, te uz svaki zaključak pokazati na koje se zapise oslanja.
Čovjek zatim provjerava nalaze. Dva komentara o buci mogu opisivati isti vikend i isti događaj, pa ne govore isto što i ponavljajući problem tijekom cijele sezone. Jezik gosta, ironija i kontekst također mogu promijeniti smisao. Pregled izvornih komentara zato ostaje sastavni dio analize.
Od nalaza do male promjene
Ako se potvrdi da se ponavlja nejasna uputa za dolazak, sljedeći korak može biti nova poruka gostima s jednostavnijim objašnjenjem. Za takvu promjenu treba odrediti tko odobrava tekst, gdje se objavljuje i kako će tim pratiti smanjuje li se broj dodatnih pitanja.
Time se dobiva jasna veza između podatka i postupka. Bez nje i vrlo uredno AI izvješće može ostati još jedan dokument koji nitko ne otvori. Za mali tim prednost ima nalaz na temelju kojeg može nešto konkretno popraviti već u sljedećoj smjeni.
Tablice traže dogovor o značenju stupaca
U radu s rezervacijama najprije treba urediti razdoblja, valute i statuse. Otkazana rezervacija i stvarno ostvareno noćenje ne smiju završiti u istoj skupini. Jednako tako, prihod s uključenim dodatnim uslugama ne treba uspoređivati s iznosom koji prikazuje samo smještaj.
Prije naprednije analize korisno je tražiti da alat objasni što vidi u tablici i označi praznine. Tako zaposlenik može uočiti nesporazum dok još traje priprema, umjesto nakon što je na pogrešnoj pretpostavci izgrađen cijeli plan.
Kada agent dobije pristup stvarnom poslu
Razlika postaje veća kada alat uz analizu počne poduzimati radnje. Priprema odgovora gostu i slanje tog odgovora trebaju imati odvojena odobrenja. Isto vrijedi za prijedlog promjene cijene i njezin unos u rezervacijski sustav. Opseg dopuštenih radnji treba biti razumljiv vlasniku i zaposlenicima koji će rješenje koristiti.
Za prvi projekt stoga vrijedi odabrati jednu vrstu podataka, jedan provjerljiv izlaz i jednu odgovornu osobu. DURA-ina radionica pokazuje raspon zadataka o kojima mali turistički poduzetnici mogu razmišljati. Sljedeći posao je odabrati onaj koji imaju dovoljno podataka i vremena stvarno provjeriti.
Izvori
- Dubrovačka razvojna agencija DURA — DURA održala međunarodnu radionicu o naprednoj primjeni umjetne inteligencije u turizmu (2026-10-16)
