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"。以下为中国旅游饭店业协会数字化分会主任委员孙茂华在本次会议上的发言内容，现刊发如下。

孙茂华 中国旅游饭店业协会数字化分会主任委员

孙茂华在 2026 年中国饭店数字化运营专题会上的发言

一、企业落地 AI 的现实困境 ——AI 是工具，不是万能解药

我想问一下大家，在你们的实际工作当中，AI 具体承担了哪些工作？我们先聊清楚这个问题，再来探讨酒店可以做什么。携程本身是一家数字化公司，在 AI 落地方面应该有更多已经跑通过的实践。

我之前拜访一位计算机教授，当时带上了我 18 岁的儿子。我一直在思考，未来会不会不少大学毕业生的工作会被 AI 替代，当时我还感觉酒店岗位受冲击相对会小一些。这位教授讲了一句让我印象很深的话：“AI 是孙悟空，你可以让它大闹天宫，但是绝大部分的人把它当猴耍。” 这句话对我儿子触动很大，回来之后就找我要了一台带高性能显卡的电脑，开始自己研究 AI。

即便是数字化企业，推动 AI 落地也并不容易。很多企业老板想要推动 AI，第一反应交给技术部去落地，但往往推不动。技术团队会有防御心态，担心 AI 落地会改变现有的岗位与工作模式。

从我观察看，现实出现两类现象：业务人员很愿意用 AI，尤其拿 AI 来写 PPT；但要真正落地完整 Agent、实现全工作流替代，现实难度很高。

举个例子，周一我还在工作群里表达过我的看法：大家用 AI 产出的 PPT 效果都很好，内容也很贴合管理层的偏好。但时间久了我发现，不少 AI 产出内容趋于同质化。针对业务问题给出的方案面面俱到，但方案落地性往往有待检验。

行业有个广为流传的现象：大厂里出现 AI 写周报、AI 读周报、AI 汇总工作。如果组织运行走到这一步，那组织效能还能不能保障？基于这些观察，我写过一篇文章叫《AI 带来的组织行为学 —— 学术上的改变，AI 和人有什么不一样》。数字化企业推动 AI 尚且这么难，这也是我自己去学习编程的原因。

过去传统工作模式：我提出想法，产品做描述，研发输出样稿，整套流程就要一个半月以上。当年在携程，一个项目初稿往往要一两个月，看完不满意再改、再做 Demo，反复迭代，两三个月是常态。 现在有了 AI，我可以自己动手快速做原型。我经常晚上工作到两三点，也会因为 AI 输出结果不理想而苦恼。和 AI 沟通有时候比和人沟通还累，它会回复 “对不起是它的问题”，但问题本身并没有解决。 我的工作方式因此发生变化：我已经把原型打磨出来，团队需要做的就是尽快完成工程化上线。但现阶段团队在这一块做得还不够，常常会提出各类现实层面的约束条件，这倒逼我也开始学习软件工程相关知识。

我的个人体会：科技企业里面，有两类人更容易把 AI 真正落地。一类是计算机博士，有能力基于现有技术重构方案；另一类是创始人。 我本人是博士，但不是计算机博士，所以必须保持快速吸收、梳理新知识的能力。

我近期做了两方面思考。第一个是 AI 时代的组织行为学。传统组织是围绕 “人” 构建，依靠上传下达完成汇报流转。当 AI 进入组织，出现 AI 读周报、AI 汇总工作，我们就要思考：人的思考价值在组织中如何定位？

• 1.人需要精神激励；AI 不需要精神激励，只需要 Token 资源就可以运行，人和 AI 工作模式、出错逻辑都不一样。

• 2.我前段时间也做过直播，深度思考哪些工作适合交给 AI，哪些必须由人完成，不同场景下人和 AI 如何分工。

过去，技术能力很强的技术人员晋升到 CTO 之后，不一定继续深耕一线技术，更多转向管理人的团队。AI 时代，技术高手不一定需要直接管理大量人员，可以管控成百上千个 Agent，这对人的脑力提出更高要求。 我之前和一位酒店总经理交流，他有一个观点：AI 时代对管理者的脑力同样是考验，就像程序运行需要消耗算力。 我和 AI 交互经常遇到这样情况：我输入简短指令，AI 返回大段文本，我需要花大量时间阅读，从中筛选关键信息。写 PPT 的时候这个问题不容易显现，但当你去运营组织、做业务判断的时候就会凸显：文字表述看上去很完善，但实际执行效果存在落差。 放到酒店行业，大家讨论很多的 “AI 店长”，技术层面可以实现，但是业务上能不能做对、做好，是我们未来持续要面对的课题。

AI 不需要精神激励，这点也会改变团队的竞争力逻辑。不少团队依靠人文激励、领导力建立竞争力，很多酒店也是依靠管理、人文关怀打造优势。AI 不存在精神激励诉求，这也带来一个值得探讨的问题：是否会让原本不擅长人文激励的管理者获得新的竞争机会，组织内部沟通协同模式也会随之变化。

回到高星级酒店，厘清人与 AI 的分工协同非常重要。结合相关文献研究，人类拥有数百万年进化形成的前额叶皮层。 我问过我儿子：打游戏的时候，对手是 NPC 还是真人，你的感受会不会不一样？他说会有区别。国际上也有相关学术论文：同样的客服回复内容，如果用户知道对面是真人，和知道对面是 AI，客户满意度会存在差异。

总结，业务可以拆分为 Agent（事）与 Experience（客户体验感受），通俗理解就是 “事” 和 “情”：

*“事”：标准化、事务性工作，未来可以交由 AI 完成；如果后续具身机器人技术成熟，还可以承接更多实体操作。

• *“情”：情绪感知、共情回应，这部分更适合真人。依靠人类前额叶带来的镜像共情反应，才能够感知、回应人的情绪，实现情感层面的交互。

不同酒店，“事” 和 “情” 占比不一样：

• *标准化、客单价相对偏低的酒店，事务性工作占比高，更适合标准化 AI 工具；

• *像黄龙、君来这类酒店，客户对情感体验诉求更强，“情” 的权重更高。

It All Depends——没有通用标准答案，需要结合两点判断：一是产品定位、客单价；二是客户当下的情绪状态。客户情绪平稳，就事论事处理业务，AI、机器人可以胜任；一旦客户产生不满、情绪激动，就进入情绪交互场景，更需要真人来承接沟通。 就像我遇到 AI 输出错误，AI 只会道歉，但很难消解人的情绪。系统、软件出现数据问题，团队可以道歉，但情绪安抚、矛盾化解，很多时候离不开人。

AI 的上下文管理，和人的情景化管理逻辑有相似之处。我们可以用 AI 生成 PPT，但人的价值，至少包含处理人的情绪、人的诉求。 

我自己做过实体项目来做实践验证。

我爱好网球，投资了一家网球学练坊，场地在闵行一处相对偏远园区，几乎没有自然到店客流，全部依靠线上数字营销获客。我聘请了一位有酒店总经理从业背景的负责人管理门店，他不懂网球专业，但懂客户体验；我儿子负责数字化相关工作。门店一月份开业至今，美团平台已经拿到 5.0 分，积累三百多条点评。这份成果，多大程度来自数字化工具，多大程度来自客户体验运营，来自 “事” 与 “情” 的结合，后续线下我们可以深入交流。真金白银投入实体项目，也带给我很多一线感悟。

也想和各位同行分享：数字化企业，AI 落地同样存在大量难题，甚至挑战更大。 对酒店行业，数字化属于赋能辅助工具，即便数字化做得不够理想，实体物业、产业基础还在。但数字化是数字化企业的生存根基，如果数字化能力不足，成本更高、产品体验落后，企业就会面临生存压力。携程积累深厚，抗风险能力更强；很多中小数字化企业，需要持续面对激烈的市场竞争。我在旅游数字化行业深耕多年，不一定技术能力最突出，但业务层面愿意做深度钻研，实操细节后续可以继续交流。 

二、实体场景 AI 落地：软件系统与具身机器人的机遇与现实瓶颈

准备本次分享的时候，我原本计划直接梳理 AI 能够承接的工作边界，后来意识到，要结合客房这类实体场景重新看待。

我们可以把交互分成四类：人和电脑交互、人和人交互、人和 AI 交互、人和物理世界交互。

• *人和电脑交互的大量工作，已经被 AI 替代；

• *人和人交互，如果核心诉求是情感、情绪体验，人的价值不可替代；

• *人和物理世界交互，要区分短期、长期视角。

长期来看，技术存在突破的可能性。过去大家觉得 AI 能力有限，后续已经出现多次技术跃迁；资本市场也有不少资金投入具身机器人赛道，长期技术迭代值得期待。

但短期现实瓶颈明显：目前市面上的具身机器人，普遍腿部运动能力成熟，但手部执行能力还比较薄弱。

腿部相关任务已经实现落地，例如酒店送物机器人、厨房传菜机器车；但是实体作业高度依赖手脑协同，这一块还有很长的迭代路程。

我之前接触过做具身机器人的企业，其产品已经可以完成部分家庭简单家务。我提议放到酒店场景开展测试，但现实障碍不少。人类手部动作非常灵巧，例如客房阿姨铺床，大量精细手部动作，现阶段机器人还很难完整复刻

大模型提升了机器人对现实世界的感知判断，图像识别认错物体的情况明显减少，但手部执行机构还需要持续迭代。

家务机器人需要兼顾打扫房间、厨卫清洁、叠衣物，每一类对手部动作要求完全不同。我认为酒店其实是不错的训练场景：酒店房型、床铺标准化程度高。把酒店房型数据导入机器人就可以开展训练。我和机器人企业建议，可以优先攻克铺床环节，叠衣物等工作继续保留由客房人员完成，不少酒店愿意参与测试，如果实现突破商业价值很大。我还和梁建章聊过，可以考虑相关方向的投资。 但现实是，不少机器人企业对 2B 酒店行业投入意愿有限。一台机器人采购价格约二十万元，和人力成本对比，酒店很难下决心批量采购，暂时不属于企业商业化优先方向。 

综合看，既有技术层面约束，也有采购成本、批量部署的商业现实门槛。

还有一条思路，不一定只改造机器人，也可以改造物理硬件适配技术。我在中国香港文华东方酒店看到一套设备，工作人员一键操作床垫就可以抬升，降低员工铺床的体力负担。酒店介绍这套设备设计初衷是 “以人为本，提升员工工作体验”。 国内同类硬件应用不多，未来是否可以通过改造床体等硬件，降低机器人铺床作业难度，值得行业探讨。 

三、行业壁垒变迁：AI 时代酒店、线上预订渠道的数据、合作与护城河

岗位驱动逻辑正在发生演进，大致路径是：技能驱动 → 岗位驱动 → 目标驱动 → 理想驱动。

传统模式，前台岗位的工作就是入住办理、业务查询等固定工作。AI 普及之后，传统软件的价值被重构，各家企业都要重新思考自身行业壁垒。

行业有过这样的合作探讨：部分大模型服务商曾经和 OTA 企业洽谈，希望把平台酒店信息接入 AI 产品，用户直接在 AI 产品跳转完成预订。回顾行业过往：早年去哪儿做平台模式，携程选择入驻，后续平台逐步发展自营预订业务，双方展开数年市场竞争。

技术归技术，战略归战略，技术迭代很快，但要不要开放数据、以什么方式合作，必须回到战略层面权衡，除非双方真能"联姻"、做到无缝合作，否则这道题没有标准答案。

放到当下，各类线上旅游平台都要重新思考自身护城河，思考数据开放合作模式。要么深度战略合作实现无缝打通；要么明确权责边界。

酒店集团掌握自身核心业务数据，项目合作中应当明确数据使用规则与付费机制。不应当出现服务商压低服务报价，以低价换取企业业务数据的情况；如果数据服务商生存环境被破坏，行业的数据服务供给也会受损。

一些平台近期持续加强数据爬取风控，产品研发落地和企业战略判断需要分开考量。我亲身经历OTA多轮行业价格竞争，深刻感受到：当技术发生变革，企业的战略思路也要同步迭代。酒店集团在合作中具备较强议价能力，应当主动要求合作方开放接口，满足自身业务需要。

我拿我投资的网球馆来类比：场地权属归我，在园区内没有同类竞品，具备场景内的优势。我们需要网球 PMS、智能系统、会员系统。基于预算考量，会员系统选择自研；PMS 选择对外采购，优先挑选不存在直接竞争关系的供应商。 多家智能系统服务商主动上门合作，作为甲方拥有更多选择权，但我们双方属于互相依存的关系。 作为“小业主”我的感悟是：业务数据所有权应当归属业主方；酒店集团更应当强势要求服务商开放接口，支撑自有会员等业务。

线上预订平台的用户信任，是长期服务积累形成。用户选择预订渠道，主要关注五大维度：覆盖面、信息完整度、使用便利性、服务保障、信任度；价格并非首要因素。

商务客户不一定需要海量供给，满足高频差旅即可；旅游出行客户，需要丰富酒店选择，单一酒店集团供给往往无法覆盖。AI 带来机会也存在短板：AI 整合信息之后，通常输出有限的候选选项；传统 OTA 平台可以向用户展示大量酒店供给。同时，OTA平台一般会对平台发布的错误信息提供赔付兜底；当前阶段，AI 生成输出内容如果出现错误，通常不承担履约赔付责任。

现在用户预订入口更加多元：AI 对话产品、短视频平台、酒店官网、电话咨询、OTA 平台都可能成为下单渠道。部分酒店没有和短视频平台合作，就不会在该渠道露出。

很多酒店希望降低对线上渠道的依赖，减少佣金支出。我早年在携程任职时，就主张佣金率应有上限，有了上限，客户心里就有底。平台做大以后容易有'上帝感'，但上帝感意味着上帝的责任——客人不舒服了，你得管。

舆情反馈也能反映用户预期：知名品牌酒店，用户会对房间卫生、服务提出反馈；部分普通民宿，同类问题用户较少公开发声。本质是用户对品牌抱有更高期待。

AI 可以给酒店带来更多曝光机会，但最终履约能力，才是长期信任的来源。比如部分口碑好的酒店，用户建立充分信任之后，会直接选择入住，不依赖平台推荐；还有不少优质酒店，我也是实际入住之后，才感知到它的品质。

新客更多依靠公域渠道获取；客户复购能力，考验酒店自身经营水平。 第一次消费，单体酒店很难让用户直接信任官网渠道；而复购环节，主动权掌握在酒店手中。连锁集团需要维护用户心智层面的品牌信任；一旦官网服务体验不及预期，用户很容易回流到第三方预订平台。

携程曾经上线过 “只看差评” 的功能，因为业主方反馈强烈，功能反复上下线。从产品数据看，约六成用户会查看差评；第三方平台上的差评更容易获得消费者信任；天然缺这层公信力——这不是谁做得好不好，是结构性的差异。

AI 时代改变原有格局，酒店获得更多曝光机会。单体、小型酒店，不必过度纠结订单来源；大型酒店集团，仍需要重视自有渠道建设。

线上流量展位资源有限，头部展示位置的商业成本，长期看存在上行压力。 

分享一段我个人使用 AI 的经历：选购网球拍，不同 AI 模型给出完全不一样的参数建议。有的建议 300 克以上重拍，有的推荐 265 克球拍，也有建议 200 多克球拍搭配软线。我先后购买多款，最后结合专业教练建议，选定 280 克球拍搭配适配球线，才符合我的使用习惯，那支 300 克重拍现在闲置在球馆。 即便我把身高、体重、使用场景全部告知 AI，不同模型输出方案依然会有冲突。AI 拥有海量信息，但输出会受训练数据影响，客观存在幻觉、概率偏差问题。

这是我个人实际经历：经历这件事后，我不会直接依据 AI 输出结果采购装备、规划旅行。OTA、官网依然具备不可替代价值，AI 更多承担信息曝光的作用。 我很少直接在短视频平台下单，特别便宜的偶尔会买，因为它会创造需求，但更多的会跳转至其他平台比价。旅游产品比价更加复杂，机票燃油附加、城市税、保险等名目较多，AI 抓取的数据经常出现偏差，需要人工核对确认。

客户体验管理也会随之变化：过去体验管理多用于点评维护；未来 AI 会抓取更多体验相关信息，体验管理需要更加前置，对酒店是利好，对 OTA 带来何种影响还需要持续观察。

市场上有一类值得行业关注的现象：当 AI 服务商同时提供信息推荐，又自营酒店预订业务，业务角色叠加，会给信息推荐机制带来新变量。

我个人比较重视个人隐私保护，这是我个人使用产品的顾虑，不代表对产品的整体评价。对于部分大模型产品，出于个人隐私考量，我没有关联自己的社交账号，使用独立副号注册，避免聊天数据与社交数据打通。

放到酒店消费场景，不少酒店会要求留存客人手机号；手机号有可能被用于后续营销触达。若非法定强制登记，我个人一般不会预留手机号。

整个行业业态会发生很大变化，但变革更多集中 C 端；B 端想要依靠大模型直接生成成熟商用软件，难度很高。AI 可以快速生成代码原型，就像买到原材料可以做菜，但商用软件仍然需要成熟成品，保障稳定性、安全性。个人沙盒原型开发，和面向大量客户公开上线，完全是两回事；上线需要运维、安全、重构等工程化工作。我自己用 AI 搭建原型，不会直接对外发布；原型打磨满意后，交给研发团队重构再上线。小范围测试可以，一旦面向多家客户使用，就需要迁移正式生产环境。 

四、公域获新客，私域做复购

很多人期待私域可以规避高额佣金，但私域运营本身需要投入积分、人力等各类成本。会员体系值得做，尤其对酒店集团，长期沉淀价值很高；但要找准私域定位：私域核心价值在于复购，而不是获取新客；新客主要依靠公域渠道。

餐饮类产品很适合私域，可以推送时令产品；客房产品复购频次偏低，如果客户一年仅到店一两次，投入大量私域运营精力，投入产出比不一定理想。平台的价值，在于用户去到陌生目的地，不熟悉当地酒店，通过平台获取选择。只要线下履约体验做得足够好，就有机会沉淀到私域。同时也要看到风险：如果 AI、系统发生预订故障，由谁承担担保赔付，企业是否愿意为故障承担责任？企业敢不敢说"AI出的问题我认"？这很关键。

继续拿网球馆类比：美团就是网球馆的公域流量来源，就类似携程之于酒店。我们要保障美团渠道基础到店量，获取新增客源；公域流入之后，再转化运营私域。 我们门店葛总有酒店销售总监从业背景，在客户同意的前提下加微信，把客户的消费偏好、到店频次这些信息录进系统，形成分层标签，区分网球小白与资深爱好者，给到销售前置参考，所以我们自己内部的转化比预想的好。高复购业务，私域价值突出；酒店行业，要区分人群、区分产品看待私域投入。私域和公域不是对立关系。

行业里有个常见的误判：某个品牌看自己的会员数据，觉得这位客人很忠诚，其实把客人的完整行程摊开看，他会在好几个品牌之间来回跳。这是我从一个朋友那看来的数据。

酒店集团看到的复购数据，往往掩盖客户跨品牌消费的真实情况。

用户留存有这样的统计特征：第一次消费后，会流失超半数用户；完成第二次消费，留存概率提升至 70% 以上；完成第三次消费，留存可达 90% 以上，除非遇到重大负面体验。

单店很难开展深度用户生命周期分析，集团更具备条件；要分析客户不再复购，是没有出行需求，还是体验遇到痛点，针对性运营。把公域引流来的客户沉淀到私域，就有机会节约佣金成本。

同时要尊重客户偏好：部分客户反感频繁营销打扰，过度推送会带来负面效果。给客户打标签、并且让标签真正匹配履约服务，在实际落地中还有很长距离。

AI 可以快速产出大段文本，但人不能放弃独立思考，否则很容易被 AI 输出带着走。我比较认同Harness AI的理念：重点提升人自身思考判断的能力。

AI 时代会拉开超级个体与普通个体之间差距，同样使用 AI，不同人产出效果差异很大。

举个生活化例子：我父亲参考 AI 建议养鱼，两次都没有养活；我母亲咨询有实际经验的亲属，反而把鱼养活。AI 会放大人本身认知层面的偏差。信息茧房现象越来越突出，我仅仅对一条网络内容点赞或者评论，算法就会持续推送同类内容；即便关闭麦克风，算法依然可以捕捉用户行为偏好，值得警惕。

无论 AI 输出什么方案，最终业务决策责任人必须是人，AI 不能承担决策责任。即便方案由 AI 生成，也要明确人为结果负责。

AI 生成内容门槛低，容易带来浅层阅读，深度思考反而更加消耗脑力。AI 可以辅助创意发散，但需要人完成筛选、蒸馏、拍板。Demo 原型可以批量产出，但最终投产落地只能选定一个方案。海外有公开商业案例：企业 CEO 推进项目，AI 初期提示项目风险；CEO 反复引导之后，AI 输出支持方案，项目落地后企业出现数亿美元损失。

现在不少人会拿 AI 输出内容佐证自己原有观点，家庭内部讨论子女择校，家族群互相转发 AI 生成的回答，这类现象越来越普遍。

五、回到本心：Mission—Vision—Value

回到酒店行业，我们要有清醒认知：把 AI 用好，并不等于酒店的核心竞争力。AI 工具对所有市场参与者是平权的。

就像互联网浪潮到来，每家企业都可以用互联网，但不同企业经营结果差异巨大，也催生大量代运营服务商。AI 的平权属性更强，复杂度也更高。

面对层出不穷 AI 工具，企业更要守住本心。看到 AI 强大能力，很容易产生 “AI 可以解决一切” 的冲动。各类 API、大模型、服务琳琅满目，很容易让人眼花缭乱。

酒店行业的初心，第一是服务好客户，最终目标是实现企业盈利，这应当作为我们决策的标尺。 我习惯使用 Mission‑Vision‑Value（使命‑愿景‑价值观）框架梳理业务。每家酒店要有自己的愿景：我们要为客户创造什么价值。AI 可以把愿景拆解成上百上千种可能性。人的价值，就是用企业价值观作为标尺，筛选 AI 给出的海量可能性，确定企业的战略方向。

在 AI 可以带来无限可能性的时代，专注变得格外重要。

过去行业流传说法：互联网来了，所有行业用互联网重做一遍；移动互联网来了，所有行业用移动互联网重做一遍。但现实中真正跑通的企业是有限的。现在又出现说法：所有行业都要用 AI 重做一遍。 AI 能力已经达到新高度，会对人的思维模式带来影响，未来行业走向没有标准答案。 我们只能边走边看，坚守自身使命、愿景、价值观。在 AI 带来的海量选项当中，用人类有限脑力，坚持做我们判断正确的事。