Hotell- och restaurangbranschen har sällan ett centralt AI-system som påverkar hela verksamheten. Istället är det fristående tillämpningar: ett dynamiskt prissystem för rum eller bord, en chatbot som hanterar bokningar, ett verktyg som sätter samman scheman baserat på förväntad belastning, programvara som sammanfattar recensioner eller svarar gäster. Var och en av dessa tillämpningar är i sig begränsad. Tillsammans bildar de ett lager av beslut som ingen har lagt fast centralt.
Därtill kommer att branschen ofta arbetar med en liten fast kärna och en större flexibel skal: säsongsanställda, inhyrd personal, flera enheter med egen chef. Den som inför ett verktyg på en plats delar det inte automatiskt med de andra. Förhållandet mellan vad som är känt centralt och vad som faktiskt används på golvet är därför vanligtvis mer skevt än i sektorer med en stramare organisationsstruktur.
IT-avdelningen, om den finns, förvaltar kassasystemen, bokningsplattformen och möjligen schemaläggningsprogrammet. Vad platschefen själv har skaffat eller aktiverat — en AI-funktion i bokningsverktyget, ett fristående abonnemang för att besvara gästrecensioner, en app som föreslår personalplanering — förekommer där sällan. Det är ingen försummelse; det är en följd av hur beslut fattas i denna sektor: decentraliserat, på den enskilda enheten, av personer som vill se resultat och inte väntar på en godkännandeprocess.
Följden är att en översikt som utgår från IT-listan ger en skev bild. Frågan är inte bara vad som har skaffats, utan vad som används: av chefen som på kvällen justerar priser med ett fristående abonnemang, av receptionen som låter en chatbot svara gäster, av planeraren som låter ett verktyg tänka med kring bemanning. Denna användning blir synlig genom att fråga, inte genom att söka i ett inköpssystem.
Om den frågan ställs som en kontroll — vem har infört något här utan tillstånd — får ni inget fullständigt svar. Personer som har skaffat något eftersom det fungerade kommer inte att rapportera det om den första reaktionen är en korrigering. Inventeringen fungerar bara om utgångspunkten är: vad är i drift, oavsett hur det hamnade där. Det är ett annat förhållningssätt än en granskning, och det förhållningssättet krävs för att få syn på skugg-AI. Hur man för det samtalet på ett sätt så att medarbetare faktiskt berättar vad de använder beskrivs på sidan om hur ni förhindrar att medarbetare använder ett verktyg som ingen känner till.
Ett prissättningsverktyg som justerar rumspriser, en chatbot som kommunicerar med gäster och ett schemaläggningsverktyg som fördelar personal är av olika karaktär. Det ena systemet styr intäkter, det andra påverkar kundrelationen direkt, det tredje påverkar anställningsvillkor. De hör inte i samma fack. Ett styrningssätt som fungerar inom hotell- och restaurangbranschen tittar på vad varje system gör och för vem, och kopplar en risknivå till det — inte till leverantörens namn eller licensens pris.
Denna indelning skiljer sig mellan sektorer. Inom finansiella tjänster ligger tyngdpunkten på system som påverkar kreditbeslut, som beskrivs på sidan om AI-styrning inom finansiella tjänster. Inom fastighetssektorn handlar det oftare om värderingsmodeller, som beskrivs på sidan om AI-styrning inom fastighetssektorn. Hotell- och restaurangbranschen har sin egen blandning: gästkontakt, dynamisk prissättning och personalplanering, var och en med sin egen riskprofil.
Ett hotell- eller restaurangföretag har vanligtvis redan en form av riskhantering: livsmedelssäkerhet, anställningsvillkor, brandsäkerhet. AI-styrning behöver inte vara en separat konstruktion vid sidan om detta. Frågan är om en AI-tillämpning som bestämmer priser, talar med gäster eller planerar personal passar in i samma struktur som andra operativa risker. Ofta är det fallet — då handlar det om vem som beslutar, vem som utövar tillsyn och hur det är fastställt, inte om en ny efterlevnadsprocess.
Detta tillvägagångssätt återkommer i andra sektorer med mycket decentraliserat beslutsfattande och lite central IT-förvaltning, som beskrivs på sidorna om AI-styrning inom jordbrukssektorn och om AI-styrning inom energisektorn. Även inom IT-sektorn, där det just finns mycket teknisk kunskap men verktygen expanderar oerhört snabbt, finns en liknande frågeställning, beskriven på sidan om AI-styrning inom IT-sektorn.
Så snart det är klart vilka AI-tillämpningar som faktiskt är i drift i ett hotell- eller restaurangföretag och vilken roll de spelar, uppstår en följdfråga som inte handlar om risk utan om arbetets utformning: vilken del av en uppgift — justera priser, besvara gästfrågor, göra scheman — kan ett system ta över, och vilken del förblir mänskligt arbete. Den frågan besvaras av FTE TO AI:s arbetsskanning, som per uppgift beräknar vilken del som är lämplig för AI, oberoende av frågan om hur den användningen styrs.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.