编者按：数字化之于今天的中国饭店业，已经不是一个"要不要"的选择题，而是一道"怎么用"的必答题。存量竞争之下，客源结构在变、渠道格局在变、用工与能耗成本在变，而变化最深的，是经营数据本身——它第一次有可能比经验更早、更准地告诉我们，明天该卖什么价、该配多少人、该关哪盏灯。谁先把数据变成决策，谁就先一步把成本变成利润。正是在这样的背景下，中国旅游饭店业协会与携程集团于2026年9月19日在无锡市举办"2026年中国饭店数字化运营专题会"。以下为腾讯智慧文旅AI专家张自强在本次会议上的发言内容，现刊发如下。

张自强 腾讯智慧文旅AI专家

一、开场：换一个互联网大厂的视角看组织

张自强：刚才听大家讲了很多个人自上而下的用AI、发生变革的实践，我分享一个不太一样的观点。我们是互联网大厂，组织中的人员会很集中人数会很多。我自己观察到一个点：一个人自己很懂业务、也很乐意学习，AI就会用得很不错。但如果是个几千人的团队呢？这么大的团队，不可能靠一个人先学会AI，再自上而下带动整个团队的变革。这就引出了今天想讲的第一个问题：人的边界问题。

二、阵型之变：从金字塔到杠铃形

张自强：我们会看到整个集团的组织发生了变化。以前一线员工升组长、升总监，越往上人越少，是非常典型的金字塔模型——因为每一层都需要有实践和管理经验的沉淀，你才能往上走，才能懂业务。但AI来了以后会发现，整个金字塔阵型变成了杠铃形结构，中间这一层越来越薄。懂业务的人有了AI之后，我知道我的业务长什么样、需要做什么应用，只要告诉AI就可以了；哪怕AI做得不够好，终归也大差不差，这就是杠铃形的左侧结构。

再往下有一个非常大的发现：反而是有一些资深老员工，AI用得越不好。他们的第一反应是"我比AI聪明"，觉得AI只能回答一些简单问题，没有我对业务的理解，所以很抗拒。那我们集团里谁用AI用得非常好？是应届生。因为他们没有经验，所有东西都要靠AI帮助，让AI疯狂获取知识。以前我要了解一个产品，要去找导师和对应的产品经理；回到酒店里，一个新人要去找主管学习，这个成本很高，而且对方愿不愿意倾囊相授又是另一回事。有了AI以后，大家学习的边界被打破了，学习效率也变得很高。

三、人机协作对人的四个要求：学习速率、洞悉本质、思考质量、品味审美

张自强：评估下来，我们认为人机协作的组织里，对"人"的要求可以总结为四个方面。

第一，学习速率。今天在座的各位创始人接受新事物、学习AI的能力非常强、非常快，我能跟得上，但这未必代表企业里的很多人都能跟上，这是第一。

第二，洞悉本质。比如实习生让AI帮助生成PPT，做得很好，但他自己丧失了判断——不知道老板为什么满意，只是AI告诉他"这个东西是好的"。这是AI带来的好处，也是坏处。所以你对自己负责的板块和业务本身，必须去做很深入的了解。

第三，思考质量。AI输出的东西会参差不齐，PPT可能是好的，但让它输出一份报告，这份报告是不是好的？不一定。所以要对AI的产出有自己的思考判断。

第四，品味审美。同样一份PPT，有人做出来满屏文字，观点再充足也很难看、很枯燥；有人做出来就很漂亮。比如我们生成自己的酒店营销素材，各自都有各自的审美。所以要对自己用AI生产出来的内容，有一些自己独到的品味和审美。

这就是我们观察到的、考核"人"的维度会发生的变化。

四、边界模糊：人会变少，但工作不会被替代

张自强：关于整个组织阵型，我也抛砖引玉——毕竟我们不是在酒店行业扎得很深，希望通过案例来讲。比如回到互联网业务里做一个页面：项目不懂产品，产品不懂交互设计，交互设计不懂开发，原本要配6-7个人，才是一个完整团队。AI进来以后你会发现，项目同学虽然不懂产品但懂需求，可以让AI帮助把需求做产品拆解、生成PRD这样的东西；产品同学也可以不需要UI，让AI帮着"搓"一个Demo，直接把Demo报给开发商。大家会发现，人的边界中间会产生碰撞摩擦，人会变少，但这并不代表工作会被替代，只是说边界会变得更加模糊。

在座的各位其实就非常典型——从需求理解到实践落地，一个人就能搞定。但组织不应该是这样，如果组织全是这样，那就更适合小公司。我们研究出三条不一样的路径。

五、三条变革路径：个体辐射性、团队协作性、集团中台性

张自强：第一条，个体辐射性。类似于各位创始人，一个人很强，是超级节点，通过自己对AI的学习使用，去带动周边的人，这个我们叫做个体的辐射性。

第二条，团队协作性。举个人力资源的例子，做绩效评比和激励、淘汰。要做好这件事，首先要有理有据，目标完成情况、项目贡献、协作评价，这些数据要汇总得起来、摆得出来；其次激励和淘汰要给得准，不同人才序列的评估口径和激励和淘汰方案都不一样，还要和预算对得上。原本做这个动作，HR要去各团队收集数据，要和各级领导反复沟通对齐，还要和法务、财务确认，是一个非常复杂的过程。我们怎么做的？从团队里抽出小范围的精英，把绩效评比和激励和淘汰这个流程重塑成一个"技能"，这个技能里包含了团队的绩效数据，包含了各序列的激励和淘汰方案。重塑完以后，这个技能会帮我做两件事：第一，评比结果是不是站得住，数据依据、评估过程是不是经得起质询和申诉；第二，激励和淘汰怎么给、怎么和员工沟通，我的HR怎么谈、他的领导怎么谈，不同角色有不同的话术。整个流程重塑完以后，未来再做这样的事情，就不会有那么多风险了。这就是我们说的团队协作性。

第三条更高阶，集团中台性，这个反而更适合一些小公司——过程中人去指挥AI，中间不需要任何管理节点存在。我们之前看到过一家很典型的公司，他们没有任何管理层，就是人让AI干活、人输出决策就可以。所以在整个组织变革里，我们认同"一把手工程"固然非常重要，但也需要根据自己的业务，去调整自己的组织阵型。

六、破除玄学：先过业务壁垒和技术壁垒，再谈AI提效

张自强：大家都在讲组织变革的话题，我分享一下AI变革这个话题，举一个具体例子：前段时间有很多短视频讲，公司要做变革、要做AI提效，请FDE进场。开会的时候，老板拍板说"我们整个组织要提效50%"。FDE进场以后说："好，现在我们要提升50%，请问公司有哪些流程和指标要优化？"结果坐了一屋子人，谁也梳理不出来自己公司有什么流程。这个事情就变成了很玄学的东西。

所以在回答"壁垒"之前，我要先讲一下，壁垒分两层：第一层叫业务壁垒，第二层叫技术壁垒。再坐大家对自己酒店的情况已经非常了解，业务也很了解，要优化哪些环节已经想得非常清楚，业务壁垒这一层不存在——这时候FDE和AI进来就可以直接帮忙。第二层是技术壁垒。以黄龙饭店为例，技术建设很早，数据中台化、酒店相关系统的打造都非常完善，AI进来的时候，技术壁垒这一层的基础就不差了。反过来，如果我要改造客诉流程，但我没有相关通道——所有客诉都是打个电话到前台，前台说"我记下来"就结束了，中间没有技术积累——那这个流程改造就无从谈起。所以我们判断，组织要做整个AI变革，可能还有一个壁垒是技术壁垒：技术上要先把底层的东西打磨好。这个话题很偏技术，大家有兴趣的话，可以会后单独沟通。

七、安全气囊：在固化的流程里让AI自由发挥

张自强：再到安全气囊这个事情，依旧引一个例子：前段时间有个人问AI智能体："我要订一个餐厅"，智能体回答"我已经订好了"。客人线下去吃饭，说"我订位了"，餐厅说"先生不好意思，我们没有查到您的订位信息"。客人说"我订了"，餐厅说"这个您找谁定的就去找谁"。

大家可以看到，从以前的问答，到生成，再到现在整个Agent时代——刚才大家也讲了，企业流程要靠Agent管控，一方面要有企业知识，一方面要有企业固化的流程。那AI怎么安全地做？我们认为，要在固化好的流程里面让AI自由发挥，而不是让AI自由发挥去改变我们的流程。所以第一步是先把流程固化下来；从安全气囊这个偏技术的角度看，我们认为Agent是AI组织变革里非常重要的超级个体。

怎么做？第一层是纯技术防护，用互联网的常规手段，比如WAF安全防护、Agent沙箱安全运行环境。如果你的Agent运行在不安全的环境上，很可能被别人攻击，或者发生错误，这是必要的第一层。第二层，就是为什么要举这个例子——我们要把问题做分层，回到问答场景，把问题分成不同的等级。比如说财务承诺这件事情，帮客人订房、退房，如果没有相应的接口支撑，就不应该承诺，要让AI做到"零财务承诺"。再比如，客人说"我今天住在顶楼，心情不好，要跳下去了"——这种情况就应该立即触发紧急响应机制。所以要先去做整个安全的分层。

再就是回答边界。哪些问题该回答，哪些问题应该引导，哪些问题应该拒绝，在日常对话请求里就要立即做判断：不在服务边界里的问题做引导；隐私问题，比如"隔壁住的是谁"，就要明确拒绝。再回到酒店比较有温度的场景：我们有人工服务，但也有一些酒店面向短频快的出差人士，不可能像我们今天这样贴身服务，客人会大量依赖机器人。回答一个问题之后，我们要判断客人和AI交互的过程——我们会做类似三段式的投诉分析：第一段，先看客人的情绪，他问的问题可能没得到答案，就第一时间帮他追问；第二段，他已经烦躁、有不安情绪了，AI就要在话术上做安抚；第三段，发现事情已经不太可控了，就立即转人工。以及不同场景的兜底话术，都要做配置，不至于整个流程失控。

最后就是回述机制。我有大量的C端用户和Agent交互，哪个输出内容是好的、哪个是错的，有点赞点踩。不好的东西就回滚到Agent流程里面持续优化，最终达到非常符合我们业务、符合服务智能体的程度。

八、数字孪生：从入住前的基础建设，到离店后的生命周期

张自强：围绕刚才讲到的话题，我再做一些补充。我们认为酒店数字孪生不一定会发生在入住这一个瞬间，有可能在入住之前就要做所谓的基础建设。比如客人已经关注了这个酒店，但迟迟没有来；甚至已经预订了，但又取消了——这背后是什么逻辑？一定可以通过归因做到。数字孪生里面，一方面是客人来了以后产生的消费数据要沉淀下来，另一方面兴趣数据我们也能拿到。

再就是行为里的"生命周期"。客人今天来了、明天走了，你不能在这个时间点做营销动作——他刚走，给他推营销没有意义；如果三四个月没有入住了，是不是要有被激活的动作？比如他这一次是公务出行，但在和我们管家聊天的过程中发现，他孩子来这里度假的意愿非常强烈，旅客的用户画像就有了更丰富的维度。未来围绕他的生命周期——比如这次是会议出行，到了某个寒暑假，是不是可能再和他发生联动？这是旅客层的。

再就是后链路。比如大家今天在这里用餐，并没有把它带走；但实际上我们有很多好的产品可以和人发生关系。比如谁对某个餐品很感兴趣，这完全可以发生在旅客的数字档案里面——人和商品也可以发生关系。客人离开以后，是不是可以帮他带动更多的消费？因为来酒店这一次消费可能就已经到增长天花板了，那我们就要想其他的发展路径。比如一些个别酒店的衍生品收入可能会比卖房收入还多，这就是这一次旅居的体验，为用户未来在自己生活当中增加消费机会。这就是我简单的理解。

九、入口之变：被AI识别，才能被AI推荐

张自强：还有一个很大的问题：大家慢慢开始习惯用AI去问问题，入口发生了变化。比如各类AI应用的搜索。其实我们也在讨论一个问题——大家一定会说，搜索以后就一定会有广告，那谁家的东西应该被优先推荐呢？这是一个逻辑问题。比如"我来无锡了，要住哪家酒店"，一定会有排序：先推谁、后推谁？优先推谁一定会有一个算法。

所以从AI应用入口的角度，现在变成了：可能你的Agent做得更好、你的各种组件能够被AI识别——而不是只被人识别，那你被AI推荐的概率就会越来越高。

十、结语：谨慎乐观，激进拥抱，对场景分级施策

张自强：最后顺着大家的思路做一些延展。我们讨论对AI的态度，是"谨慎乐观"还是"乐观谨慎"？AI的发展已经远远超过我们之前的预期，发展非常快。落到饭店来看，我个人的观点：我们要比较激进地去拥抱。但在业务上，要自己对场景做区分：哪些是开放性场景、创新性业务，我们就大胆用AI去试；哪些是面向C端用户的严格服务场景，我们也可以用AI，但要把它约束到框架里面去——让它在严谨的知识库和接口之上、在规则框架内服务客户，不能跳出规则。

这样，我们才能把更多的人力释放出来，去做更有温度、更有价值的事情。随着AI不停地迭代，我们大厂也要有担当，在底层上做更多的研发、支撑和创新，让AI在更多场景里落地，这个才是比较好的路径。谢谢大家！