Hvorfor rejsebranchen har brug for lagdelt AI‑adoption, ikke et kapløb om autonomi

AI-diskussioner inden for rejsebranchen fokuserer ofte på, hvordan teknologien hurtigt kan transformere sektoren og levere resultater med stor effekt. Realiteten er dog mere nuanceret. Selvom AI har vist håndgribelige fordele inden for områder som personalisering, kundeservice og operationel effektivitet, adopterer ikke alle den i samme tempo. En væsentlig årsag hertil er det komplekse teknologiske økosystem.

Luftfartsselskaber, Online Travel Agencies (OTAs) og Travel Management Companies (TMCs) opererer på tværs af indbyrdes forbundne netværk, der er opbygget over årtier. Mange fortsætter med at stole på fragmenterede dataomgivelser og ældre infrastruktur, som begrænser hastigheden, hvormed AI kan implementeres og skaleres. Øgede bekymringer omkring gennemsigtighed, ansvarlighed og pålidelighed forværrer yderligere problemet.

Mens de fleste rejsevirksomheder taler om AI som en enkelt transformationshistorie, udfolder adoptionen sig på tværs af tre særskilte, men indbyrdes forbundne lag: (i) fremskridt inden for kundeorienteret og operationel automatisering, (ii) friktion forårsaget af ældre infrastruktur, og (iii) manglen på institutionel tillid. Hvert lag udvikler sig i forskelligt tempo, hvilket skaber unikke dynamikker, der kræver skræddersyede svar. Forståelse af disse forskelle giver en mere praktisk ramme for at identificere, hvor de største muligheder (og risici) sandsynligvis vil opstå.

1. Vurdering af fremskridt

Uanset om de søger efter fly, administrerer rejseplaner eller håndterer forstyrrelser, forventer rejsende i stigende grad, at hver interaktion er problemfri, personlig og responsiv. Generative AI-assistenter hjælper ved at strømline rejseplanlægning og kundesupport. I 2025 brugte næsten 40% af amerikanske rejsende generativ AI til at planlægge rejser. Samtidig muliggør maskinlæringsmodeller hyperpersonlige tilbud baseret på rejsendes adfærd, loyalitetspræferencer og købehistorik.

AI skaber også enorm værdi bag kulisserne. Rejsevirksomheder bruger avanceret analyse til bedre at forudsige efterspørgsel, håndtere kapacitet, styrke arbejdsstyrkeplanlægning og håndtere forstyrrelser. For eksempel sænkede en stor rejsetjenesteudbyder sine omkostninger pr. booking med 10 % år-til-år ved hjælp af generativ AI, mens et canadisk flyselskab rapporterede en stigning på 2 % i enhedsindtægter og en 10 % forøgelse af netværksdrevet indtægt gennem AI-drevet prisfastsættelse.

Alligevel udgør ældre systemer fortsat en betydelig hindring for bred adoption, på trods af den stigende dokumentation for den håndgribelige værdi, AI kan levere.

2. Håndtering af friktion

Branchens ældre infrastruktur var ikke designet til at understøtte de realtids- og samlede datapipelines, som AI kræver. Kernen i problemet er Global Distribution System (GDS). GDS-platforme blev udformet for flere årtier siden på EDIFACT-beskedprotokoller og udgør stadig den dominerende andel af indirekte flysalg globalt. Integration af New Distribution Capability (NDC) med et ældre Passenger Service System (PSS) kan tage måneder med test og udvikling, især for flyselskaber, der tilbyder flere prisbrands eller tillægsprodukter. Udfordringen spænder over kontraktmæssige begrænsninger på indholdsdistribution, organisatorisk beredskab og fraværet af standardiserede data på tværs af regionale markeder.

Den manglende ende-til-ende datasynlighed begrænser yderligere en organisations evne til effektivt at skalere AI.  En GBTA survey afslørede, at kun 12 % af virksomhedens rejsekøbere har et samlet overblik over deres programdata, en grundlæggende begrænsning der begrænser, hvad ethvert AI-system kan levere, uanset modellens sofistikering.

Luftfartsselskaber, OTAs og TMC’er navigerer dette ved at adoptere hybride strategier, der lagrer intelligens oven på eksisterende systemer ved hjælp af agent‑beredte API’er. Samtidig tager NDC‑native aktører en anden tilgang, hvor de bygger AI‑drevet service og politikoverholdelse direkte ind i deres arkitektur og reducerer afhængigheden af traditionelle GDS‑kanaler.

Men teknologisk integration alene garanterer ikke succes. Efterhånden som AI bliver dybere integreret og begynder at påvirke beslutninger med højere indsatser, opstår den næste udfordring: tillid.

3. Fremme af tillid

Forskning fra GBTA viser, at mens 92 % af rejsekøbere er interesserede i AI‑drevet forbrugsprognose og 89 % i automatiseret håndtering af forstyrrelser, er kun 57 % af de samme købere trygge ved, at AI autonomt ændrer eller annullerer reservationer. Denne kontrast fremhæver et grundlæggende tillidsgab.

Rejselederne søger efter forklarlige, auditérbare løsninger. Samtidig kræver kunder i stigende grad gennemsigtighed og ansvarlighed. At opbygge tillid på tværs af forskellige interessentgrupper kræver en forpligtelse til ‘ansvarlig udvikling’, der balancerer innovation med gennemsigtighed og styring.

Det betyder, at de organisationer, der gør de største fremskridt, ikke nødvendigvis er dem, der implementerer de mest avancerede modeller eller bevæger sig hurtigst. I stedet er det dem, der følger en struktureret tilgang: styrker datafundamentet, før AI skaleres, validerer brugssager i kontrollerede, høj‑impact miljøer og indlejrer proportionel styring i transformationsrejsen. I modsætning til ensartet styring organiserer proportionel styring AI‑agenter i niveauer af autonomi, hver med definerede tillidsgrænser og styringskrav.

Omformning af AI‑ambition til vedvarende indflydelse

For rejseorganisationer, der bevæger sig mod næste fase, er det at omfavne denne sekventielle tilgang ikke længere valgfrit; det er det, der adskiller ledere fra efterslægere. I denne fremvoksende kontekst spiller business process management‑partnere en kritisk muliggørende rolle ved at hjælpe organisationer med at operationalisere AI på tværs af komplekse økosystemer af data, processer og menneskelig beslutningstagning. I sidste ende vil de organisationer, der omsætter disciplineret eksekvering til en holdbar, svær‑at‑replikere fordel, fremstå som vindere.