Tekoälyn käyttö prosessien automatisoinnissa hospitality-toimialalla

Hospitality-toimialalle on tyypillistä työvoimavaltaisuus ja tähän usein liittyen myös pienet toiminnan katteet (Tussyadiah ym. 2021). Vaikka toimialalla ovat keskiössä ihmiset – asiakkaat ja palvelun tuottajat – myös teknologioilla on mittava rooli. Esimerkiksi majoitusliikkeellä voi olla käytössä useita järjestelmiä, kuten jakelu-, varaus- ja myyntijärjestelmä, maksujärjestelmä, toiminnan analytiikkaa, turvateknologiaa ja automatisoitua asiakaspalvelua vaikkapa chatbotin tai palvelurobotin muodossa. Teknologia ei siis ole toimialalle vierasta.

Toimialan yritysjohdoissa etsitäänkin koko ajan uusia vaihtoehtoja toiminnan tehostamiseksi ja prosessien automatisoinniksi. Mitä paremmin henkilökunta ehtii keskittyä asiakkaiden palveluun ja parhaan mahdollisen asiakaskokemuksen tuottamiseen, sitä suotuisammin se näkyy myös liiketoiminnan tuloksessa ja asiakastyytyväisyydessä. Myös edelläkävijyyttä toimialan teknologiaratkaisuissa halutaan toisinaan signaloida (Limna 2023; Tuomi, Tussyadiah & Ascençao 2024).

Nopeatempoisella toimialalla nopeatkin kokeilut voivat tuottaa hyödyllisiä tuloksia ainakin jatkokehittelyä varten, ellei kerralla vielä valmista tulisikaan. Haaga-Helian HosByte: Mara-alan älykäs monikanavamyynti -hankkeessa testattiin, miten Haltia Lake Lodge hyötyisi myyntiprosessinsa tukena tilausmääräyksen automaattisesta esitäyttämisestä hyväksytyn tarjouksen pohjalta. Tarkoituksena oli arvioida, kuinka hyvin tekoäly pystyy vähentämään manuaalista työtä ja parantamaan tiedon siirtymistä myynnin ja operatiivisen toiminnan välillä. Kokeilussa teknisenä suunnittelijana ja toteuttajana toimi Helppo.ai.

Haaga-Helian Hosbyte -palvelumuotoiluhankkeen yhtenä tavoitteena on törmäyttää mara-alan pk-yrityksiä teknologiastartupeihin. Hankkeen tavoitteista tähän tekoälypilottiin valikoituivat konkreettisemmin yhteiskehittäminen ja prototyyppien pilototointi, liittyen älykkääseen monikanavamyyntiin mara-alalla. Digitaaliset alustat ja tekoäly ovat keskeisessä roolissa Hosbyte-hankkeessa, ja nämä tulivat hyvin näkyväksi myös Haltia Lake Lodgen ja Helppo.ai:n toteuttamassa pilotissa Hosbyte-hanketiimin koordinoimana.

Tekoälypilotti Haltia Lake Lodgessa: automatisoitu tiedon siirtyminen tarjoukselta tilausmääräykselle

Hospitality-toimialalla hyväksytystä tarjouksesta usein muodostetaan henkilökunnalle ns. order eli tilausmääräys, joka kertoo miten tilaisuus hoidetaan asiakkaan kanssa sovitulla tavalla.

Haltia Lake Lodge on boutique-hotelli ja elämyskohde Nuuksion kansallispuiston kupeessa. Hotellin myyntiprosessi koostuu tarjousten laatimisesta Duuers-järjestelmällä, tarjousten hyväksynnästä asiakkaiden toimesta sekä tilausmääräysdokumentin muodostamisesta. Tilausmääräys sisältää kaikki tapahtuman tai majoituksen tiedot: osallistujamäärän, palvelut, ajankohdan ja mahdolliset lisätilaukset. Tilausmääräys tehdään manuaalisesti kopioimalla tiedot tarjouksessa Word-pohjaan. Tämä vie aikaa, ja altistaa prosessin virheille. Lisäksi tilausmääräystä hyödynnetään esimerkiksi työvuorosuunnittelussa ja laskutuksessa.

Haltia Lake Lodgelle sopisi ratkaisu, joka automatisoi tiedon siirtymisen tarjoukselta tilausmääräykselle, tämän automaattisen päivityksen muutoksineen asiakkaan vierailun aikana, ja edelleen aina laskutukseen sekä asiakaspalautteen keräämiseen saakka. HosByte-hankkeen pilotti rajattiin prosessin alun vaiheeseen tilausmääräyksen automaattiseen esitäyttämiseen hyväksytyn tarjouksen pohjalta.

Pilotin päätavoite oli helpottaa ja nopeuttaa tilausmääräyksen luomista hyväksytyistä tarjouksista. Lisäksi tavoitteiksi asetettiin manuaalisen työn määrän vähentäminen, ajansäästö tarjous-tilausmääräys -prosessissa, käytettävyyden arviointi myynnin näkökulmasta sekä teknologisten vaihtoehtojen soveltuvuuden testaaminen.

Ratkaisu: räätälöity GPT

Pilotissa päädyttiin toteuttamaan tekoälyassistentti Haltia Lake Lodgelle räätälöitynä GPT:nä (Generative pre-trained transformer). Tämän arvioitiin mahdollistavan nopean kokeilun ja dokumenttien tulkinnan ilman raskaita integraatioita. Taustalla oli halu saada nopeasti käytännön kokemuksia ja testata logiikkaa ilman merkittäviä investointeja. Tekoälyassistentti mallinnettiin seuraavasti.

• Mallille annettiin opetusmateriaalina Duuersin tarjousdokumentteja sekä Haltia Lake Lodgen tilausmääräyspohja
• Mallille annettiin toimintaohje: käännä tarjous orderiksi. Toimintaohje sisälsi kunkin kentän kohdentamisohjeet, eli miten tarjouskentät mäpätään tilausmääräykseksi. Esimerkiksi: Vie kentän X arvot tarjouksesta kenttään Y orderilla. Mahdolliset täydennykset, muunnokset ja muu logiikka kuvattiin ohjeessa myös.
• Myyjä pystyi syöttämään tarjouksen tekoälylle pdf-tiedostona ja tekoälyassistentti muodosti esitäytetyn tilausmääräysdokumentin Word-tiedostoon
• Manuaaliseksi työksi jäi tallentaa tiedosto oikeaan Sharepoint-kansioon

Kokeilun kokemukset

Pilotin tekoälyassistentti eli räätälöity GPT onnistui muodostamaan tilausmääräysdokumentteja hyväksytyistä tarjouksista. Käytännön testauksissa kuitenkin ilmeni, että virheitä ja vääriä mäppäyksiä (tarjouksen tietty kenttä ei siirtynyt oikeaan kenttään) esiintyi etenkin monimutkaisissa tarjouskokonaisuuksissa. Myyjän tekemä laaduntarkistus vei aikaa, joka vähensi ratkaisun hyötyä. Ajansäästö jäi siten rajalliseksi, koska laadunvarmistus oli välttämätöntä.

Haltia Lake Lodgessa koettiin kuitenkin, että jatkokehitys voisi olla mielenkiintoinen. He voivat hyödyntää pilotin oppeja jatkokehityksessä ja pyrkiä vaiheittain kohti tavoitetilaa, jossa koko asiakaspolku tarjouksesta laskutukseen asti automatisoituu ja tiedonkulku organisaation sisällä tehostuu.

Teknisen suunnittelijan ja toteuttajan mukaan pilotin tulokset osoittivat, että luova tekoäly pystyy ratkaisemaan osan ongelmasta – mutta ei vielä täysin tuotantovalmiilla tasolla. Suurimmat rajoitteet liittyvät tekoälyn tekemien virheiden määrään ja laadunvarmistuksen tarpeeseen. Valittu pieni osakokonaisuus ei ollut riittävän suuri liiketoimintahyödyiltään.

Seuraavassa keskeisiä havaintoja pilotista.

• Kevyt GPT-ratkaisu on hyvä tapa testata nopeasti ideaa ilman raskasta kehitystyötä.
• Tilausmääräyksen automaattinen muodostaminen on teknisesti mahdollista, mutta käytännön tilanteissa syntyy virheitä, jotka vaativat manuaalista tarkistusta.
• Tiedon laatu ja formaatin yhtenäisyys ovat ratkaisevia. Jos tarjousdokumentit vaihtelevat liikaa, tekoälyn tuotos ei ole luotettava.
• Ajansäästöä ei synny, jos laadunvarmistus on raskas.
• Laadun ja virheiden kannalta parempaan lopputulokseen päästäisiin tähän tarpeeseen räätälöidyllä sovelluksella tai integraatiotyövälineellä. Tätä kustannus-hyötysuhdetta tulisi arvioida – eli olisiko investointi kannattava hyötyyn nähden.
• Markkinoilla on valmiita matkailu- ja majoitusalalle tarkoitettuja sovelluskokonaisuuksia, joissa tarjous-tilausmääräys -prosessi löytyy samasta paketista. Näiden soveltuvuutta omaan toimintaan kannattaa harkita.

Jatkokehitysmahdollisuudet

Tekoäly tarjoaa usealle hospitality-alan toimijalle mahdollisuuksia parempaan tehokkuuteen, asiakaskokemuksen parantamiseen ja dataan perustuvaan päätöksentekoon (Kim ym. 2025). Tekoälyteknologioita käytetään hospitality-toimialallakin yhä enemmän digitaalisina assistentteina (Limna 2023; Tuomi 2024), josta voivat hyötyä niin asiakkaat kuin henkilökuntakin. Tasapainon löytäminen digitaalisten ja inhimillisten kohtaamisten välillä säilyy haasteena (Limna 2023).

Tässä kokeilussa tilausmääräyksen automatisointikokeilu ei juurikaan vapauttanut henkilökuntaa laadukkaisiin asiakkaiden kohtaamistilanteisiin. Tekoäly kylläkin on erittäin tehokas toteuttamaan tarkkoja käskyjä, mutta mitä monimutkaisempi tilaisuus ja sen tilausmääräys on, sitä suuremmaksi virheiden tai väärien mäppäysten mahdollisuus kasvaa. Ihannetilanteessa tekoäly ja palvelujen automatisointi voi kuitenkin vähentää inhimillisiä virheitä ja kömmähdyksiä (Limna 2023).

Mitä jatkokehitysmahdollisuuksia voisi tällä tilausmääräyspilotilla vielä olla? Ehkäpä tekoälyä voisi hyödyntää asiakastyytyväisyyttä ja asiakkaiden kulutusta potentiaalisesti lisäävillä suosituksilla, esimerkiksi lisämyyntivinkkeinä. Jos asiakashistoria voitaisiin ottaa huomioon, voisivat suositukset olla räätälöityjä myös aiempaan asiakaskäyttäytymiseen perustuen.

Huomattakoon myös kieliversiot (Tuomi, Tussyadiah & Ascençao 2024), jotka ovat tekoälyn myötä paljon helpommin saatavilla nykyisin. Eri kieliversiot tilaukseen liittyvissä dokumenteissa voivat parantaa niin asiakkaiden kuin henkilökunnankin ymmärrystä.

Kuva: Shutterstock