26 március 2026

Megosztás

Autóipar, mobilitás és utazás | Ügyfélélmény (CX), Use Case-k fejlesztése és további telepítés, AI és Agentic AI megoldásaink, GenAI az ügyfélélmény szolgálatában

Az Iberostar bejelentkezési folyamatának átalakítása mesterséges intelligenciával támogatott szobakiosztással

A Konecta mesterséges intelligenciára épülő döntéstámogató rendszer bevezetésével alakította át az Iberostar bejelentkezési folyamatait. Az automatizált szobakiosztás megszüntette a manuális beavatkozás szükségességét, és átlagosan 65%-kal csökkentette a vendégek várakozási idejét. 

Az ügyfélről röviden

Az Iberostar Hotels & Resorts a Grupo Iberostar szállodaüzletága és egyben meghatározó tevékenységi területe. A 100%-ban családi tulajdonban lévő spanyol multinacionális vállalat közel 70 éves turisztikai múlttal rendelkezik, miközben üzleti gyökerei egészen 1877-ig nyúlnak vissza. 

A csoport portfóliója több mint 33 500 szobát foglal magában, mintegy 100 négy- és ötcsillagos szállodában, 14 országban. Működésük középpontjában a magas színvonalú vendégélmény biztosítása áll, szoros összhangban a felelős turizmus iránti elkötelezettséggel, amely kiemelten kezeli az emberek és a környezet védelmét. 

Kiemelt mutatók

65%

-os csökkenés a bejelentkezési várakozási időben 

75%

-os csökkenés az ehhez a feladathoz kapcsolódó munkatársi terhelésben 

A napi szintű szállodai foglalások kezelése rendkívül komplex feladat, hiszen több millió lehetséges szoba–vendég kombinációt kell figyelembe venni. Az Iberostar számára ezért kulcsfontosságú volt, hogy a rövid távú, legfeljebb 4 nappal előre szóló foglalásokhoz azonnal és pontosan rendeljen szobát, miközben a nehezebben kezelhető eseteket - például a szűk kapacitású vagy nehezen optimalizálható foglalásokat - akár 15 napos előretekintéssel is hatékonyan kezelje. 

A manuális tervezés nemcsak erőforrás-igényes volt, hanem korlátozottan tudta kezelni a jövőbeli változókat és az optimalizálási szempontokat is. A cél egyértelmű volt: jelentősen csökkenteni a manuális munkavégzés mértékét, miközben egy jóval pontosabb, tudatosabb és üzletileg is hatékonyabb szobakiosztási gyakorlatot alakítani ki. 

A megoldás részeként a Konecta egy mesterséges intelligenciára épülő döntéstámogató rendszert vezetett be, amely digitális iker (digital twin) szimulációval működik. A korábbi, manuális táblázatkezelés helyett optimalizáló algoritmusok valós időben több ezer lehetséges szobakiosztási forgatókönyvet vizsgálnak meg, és ezek közül választják ki a legmegfelelőbbet.

A rendszer működésének alapját gondosan felépített, a vendégigényeket is figyelembe vevő adatstruktúra adja, amely biztosítja a pontos és releváns döntéshozatalt.  Egy távolsági modell koordináták alapján feltérképezi a szobák elhelyezkedését, az emeleteket és az épületek közötti távolságokat, miközben egy szemantikus elemzés felismeri az összetartozó foglalásokat, így biztosítva, hogy például családok és baráti társaságok egymáshoz közel kerüljenek elhelyezésre. 

A döntéshozatal két lépésben történik: először a rendszer a kapcsolódó vendégek közelségét optimalizálja a fizikai távolság minimalizálásával, majd erre építve a teljes szobakiosztást úgy alakítja, hogy csökkenjenek a várakozási idők. Emellett automatikusan kiszűri a nem teljesíthető kéréseket, így biztosítva a szállodai működés zavartalanságát. 

A manuális, tapasztalati alapú döntéshozatal helyett bevezetett, több szempontot egyszerre figyelembe vevő automatizált modell alapjaiban alakította át a szálloda napi működését. A rendszer ma már emberi beavatkozás nélkül működik, így a munkatársak idejüket a háttérfolyamatok helyett a vendégekre fordíthatják.
 

A valós üzleti hatás különösen jól látszott a csúcsidőszaknak számító július és augusztus hónapokban: a vendégek várakozási ideje 65%-kal csökkent, miközben a családok és csoportosan utazók elhelyezése is javult, az összetartozó foglalások közötti átlagos távolság 10%-kal mérséklődött. 

Az automatizált szobakiosztásra való átállás összességében is érezhetően javította a vendégélményt, jól mutatva, hogy az összetett adatmodellek közvetlenül is hozzájárulhatnak a személyesebb, emberközpontúbb kiszolgáláshoz. 

Success stories