Waarom de reisindustrie gelaagde AI-adoptie nodig heeft, niet een race naar autonomie

Discussies over AI in de reisindustrie richten zich vaak op hoe de technologie de sector snel kan transformeren en resultaten met hoge impact kan leveren. De realiteit is echter genuanceerder. Hoewel AI tastbare waarde heeft aangetoond op gebieden zoals personalisatie, klantenservice en operationele efficiëntie, neemt niet iedereen het in hetzelfde tempo over. Een belangrijke reden hiervoor is het complexe technologische ecosysteem.

Luchtvaartmaatschappijen, online reisbureaus (OTA’s) en reisbeheerders (TMC’s) opereren via onderling verbonden netwerken die zich over tientallen jaren hebben ontwikkeld. Velen blijven afhankelijk van gefragmenteerde data‑omgevingen en verouderde infrastructuur die de snelheid waarmee AI kan worden ingezet en opgeschaald beperken. Verhoogde zorgen over transparantie, verantwoording en betrouwbaarheid verergeren het probleem bovendien.

Hoewel de meeste reisbedrijven AI presenteren als één transformatieverhaal, ontvouwt de adoptie zich over drie verschillende maar onderling verbonden lagen: (i) vooruitgang in klantgerichte en operationele automatisering, (ii) wrijving veroorzaakt door verouderde infrastructuur, en (iii) het gebrek aan institutioneel vertrouwen. Elk ontwikkelt zich in een ander tempo, waardoor unieke dynamieken ontstaan die op maat gemaakte reacties vereisen. Het begrijpen van deze verschillen biedt een praktisch kader om te bepalen waar de grootste kansen (en risico’s) zich waarschijnlijk voordoen.

1. Voortgang Evalueren

Of het nu gaat om het zoeken naar vluchten, het beheren van reisroutes of het oplossen van verstoringen, reizigers verwachten steeds vaker dat elke interactie naadloos, gepersonaliseerd en responsief is. Generatieve AI‑assistenten helpen door het plannen van reizen en de klantenservice te stroomlijnen. In 2025 gebruikte bijna 40% van de Amerikaanse reizigers generatieve AI om reizen te plannen. Tegelijkertijd stellen machine‑learningmodellen hyper‑gepersonaliseerde aanbiedingen mogelijk op basis van het gedrag van reizigers, loyaliteitsvoorkeuren en aankoopgeschiedenis.

AI creëert ook enorme waarde achter de schermen. Reisbedrijven gebruiken geavanceerde analyses om de vraag beter te voorspellen, capaciteit te beheren, personeelsplanning te versterken en verstoringen af te handelen. Bijvoorbeeld verlaagde een grote aanbieder van reisdiensten haar kosten per boeking met 10 % jaar‑op‑jaar dankzij generatieve AI, terwijl een Canadese luchtvaartmaatschappij een stijging van 2 % in omzet per eenheid rapporteerde en een toename van 10 % in netwerkgestuurde omzet via AI‑ondersteunde prijsstelling.

Toch blijven legacy‑systemen, ondanks het groeiende bewijs van de tastbare waarde die AI kan leveren, een aanzienlijke belemmering voor brede adoptie.

2. Frictie Aanpakken

De legacy‑infrastructuur van de sector is niet ontworpen om de realtime, uniforme datapijplijnen te ondersteunen die AI vereist. Het middelpunt van het probleem is het Global Distribution System (GDS). GDS‑platformen werden enkele decennia geleden gebouwd op EDIFACT‑berichtenprotocollen en vormen nog steeds het dominante aandeel van indirecte luchtvaartverkopen wereldwijd. Het integreren van New Distribution Capability (NDC) met een legacy Passenger Service System (PSS) kan maanden aan testen en ontwikkeling vergen, vooral voor luchtvaartmaatschappijen die meerdere tariefmerken of aanvullende producten aanbieden. De uitdaging omvat contractuele beperkingen op contentdistributie, organisatorische gereedheid en het ontbreken van gestandaardiseerde data in regionale markten.

Het ontbreken van end‑to‑end datavisibiliteit beperkt bovendien het vermogen van een organisatie om AI effectief op te schalen.  Een GBTA‑survey toonde aan dat slechts 12 % van de zakelijke reisinkopers een geconsolideerd overzicht van hun programmadata heeft, een fundamentele beperking die bepaalt wat elk AI‑systeem kan leveren, ongeacht de verfijning van het model.

Luchtvaartmaatschappijen, OTA’s en TMC’s navigeren dit door hybride strategieën te omarmen die intelligentie laag voor laag op bestaande systemen plaatsen via agent‑gereed API’s. Ondertussen kiezen NDC‑native spelers voor een andere aanpak, waarbij AI‑gedreven service en beleidsnaleving direct in hun architectuur worden ingebouwd en de afhankelijkheid van traditionele GDS‑kanalen wordt verminderd.

Maar technologische integratie alleen garandeert geen succes. Naarmate AI dieper wordt ingebed en begint invloed uit te oefenen op beslissingen met hogere inzet, ontstaat de volgende uitdaging: vertrouwen.

3. Vertrouwen Versterken

Onderzoek van GBTA toont aan dat hoewel 92 % van de reisinkopers geïnteresseerd is in AI‑gedreven uitgavenvoorspelling en 89 % in geautomatiseerd beheer van verstoringen, slechts 57 % van dezelfde inkopers zich comfortabel voelt bij AI die zelfstandig boekingen wijzigt of annuleert. Dit contrast benadrukt een fundamentele vertrouwenskloof.

Reisleiders zoeken naar verklaarbare, controleerbare oplossingen. Tegelijkertijd eisen klanten steeds meer transparantie en verantwoording. Vertrouwen opbouwen bij diverse belanghebbenden vereist een toewijding aan ‘verantwoorde evolutie’, waarbij innovatie wordt gebalanceerd met transparantie en governance.

Dit betekent dat de organisaties die de grootste vooruitgang boeken niet per se degenen zijn die de meest geavanceerde modellen inzetten of het snelst gaan. Het zijn eerder degenen die een gestructureerde aanpak volgen: het versterken van de datagrondslag voordat AI wordt opgeschaald, het valideren van use‑cases in gecontroleerde, impactvolle omgevingen, en het integreren van proportionele governance in de transformatietraject. In tegenstelling tot uniforme governance organiseert proportionele governance AI‑agents in verschillende autonomieniveaus, elk met gedefinieerde vertrouwensgrenzen en governance‑vereisten.

AI‑ambitie Omzetten in Duurzame Impact

Voor reisorganisaties die naar de volgende fase bewegen, is het omarmen van deze opeenvolgende aanpak niet langer optioneel; het is wat leiders scheidt van achterblijvers. In dit opkomende kader spelen business‑process‑management‑partners een cruciale faciliterende rol door organisaties te helpen AI te operationaliseren binnen complexe ecosystemen van data, processen en menselijke besluitvorming. Uiteindelijk zullen organisaties die gedisciplineerde uitvoering omzetten in een duurzame, moeilijk te repliceren voorsprong als winnaars naar voren komen.