Где сходятся три апрельских сигнала
В апреле 2026 года в индустрии почти одновременно произошло несколько событий, которые на первый взгляд не связаны между собой, но если посмотреть на них вместе — складывается одна картина, и она объясняет, куда движется ИИ в гостиничном бизнесе на ближайшие полтора-два года.
Amadeus встроил динамическое ценообразование на базе ИИ прямо в свою CRS — центральную систему бронирования, которая распределяет номерной фонд между всеми каналами продаж — и сделал это в варианте для независимых отелей, не только для крупных сетей. По их данным, рост RevPAR — ключевого показателя доходности на номер с учётом загрузки — составил от 6 до 11 процентов по сравнению с системами, которые работают на жёстко заданных правилах. Canary Technologies опубликовала отчёт по 400 с лишним технологическим директорам отелей, из которого следует, что 85 процентов сетей выделяют минимум 5 процентов IT-бюджета на ИИ в этом году, а 82 процента планируют расширить его использование.
HospitalityNet и Skift в апрельских материалах называют agentic AI — то есть ИИ, способный действовать самостоятельно по многошаговым сценариям, а не просто отвечать на вопросы — одной из главных сил, трансформирующих индустрию в этом году. И параллельно с этим набирают обороты платформы вроде inHotel, которые предлагают отелям не отдельный ИИ-инструмент, а целую «команду виртуальных сотрудников» — отдельных ИИ-ассистентов для каждой роли: для revenue-менеджера, для F&B, для GM, для службы бронирования.
Если читать всё это подряд как новости, складывается ощущение, что индустрия дружно идёт в одну сторону: ИИ становится мейнстримом, все его внедряют, мы вступаем в новую эру. Но если посмотреть внимательнее, там идут процессы как минимум двух разных направлений, и от того, какое из них поймает читатель, будет зависеть, какие решения он примет в своём отеле или в своей сети в этом году. Между этими направлениями проходит линия, которая, на мой взгляд, и определит победителей и проигравших среди ИИ-продуктов для гостиничного бизнеса в следующие пару лет.
Я для удобства буду называть эти два направления ИИ первого поколения и ИИ второго поколения — не потому что одно лучше другого, а потому что они решают разные задачи и устроены архитектурно по-разному.
ИИ первого поколения. Знание как продукт
ИИ первого поколения — это системы, обученные на отраслевых текстах: учебниках, курсах, методичках профессиональных ассоциаций, видеолекциях, документации лучших практик от известных консультантов revenue-менеджмента. Когда такой ИИ разговаривает с менеджером отеля, он опирается на это знание и отвечает примерно так, как ответил бы опытный наставник.
Что делать, если pickup — это динамика прироста бронирований за последние дни до заезда — начал падать на третьей неделе перед заездом? Как реагировать, если Booking меняет свои условия по контракту? Когда стоит вводить ограничения по минимальной длительности проживания в высокий сезон? На эти вопросы ИИ первого поколения отвечает хорошо, потому что у него в голове буквально лежат тысячи документов от лучших практиков отрасли.
Самый известный пример сегодня — продукты компании inHotel с их виртуальными ассистентами Omar, Marc и другими, обученными в том числе живыми экспертами индустрии. Это полезные продукты. Это правильное направление развития. И таких систем, по моим наблюдениям, в 2026 году будет становиться всё больше — потому что собрать корпус знаний, обучить на нём языковую модель, упаковать в удобный чат-интерфейс и продать за 99 евро в месяц теперь технологически несложно.
ИИ второго поколения. Решения как продукт
ИИ второго поколения устроен принципиально иначе. Он не отвечает на вопросы про revenue management вообще — он смотрит на конкретный отель: на его текущие данные занятости, на скорость прироста бронирований за последние семь дней по сравнению с тем же периодом прошлого года, на цены конкурентов, обновлённые каждые два часа, на прогноз погоды на ближайшие десять дней, на школьные каникулы в регионах-источниках, на события в городе, на специфику сезонности именно этого объекта — и выдаёт конкретную рекомендацию на завтра по конкретной категории номеров с конкретным обоснованием.
ИИ первого поколения скажет: «При падении pickup нужно проверить компсет (то есть набор сравнимых отелей-конкурентов) и рассмотреть ограничения по минимальной длительности». ИИ второго поколения скажет: «Pickup на категории Suite Panorama упал на 23 процента за последние пять дней по сравнению с прошлым годом, при этом погодный прогноз на выходные обещает первый снег после двух недель оттепели — рекомендую поднять цену на 8 процентов на пятницу и субботу, аргумент: исторический паттерн на этом объекте показывает рост last-minute спроса при первом снеге на величину Х».
Разница не в красноречии, а в том, что одна система оперирует знанием в общем виде, а вторая принимает решение в конкретной ситуации с конкретными цифрами.
Почему эта граница имеет практические последствия
Граница между двумя поколениями важна по нескольким причинам, и я хочу остановиться на каждой, потому что они имеют практические последствия.
Первое. Что именно покупает отель
Если вы покупаете ИИ первого поколения, вы фактически покупаете доступ к консолидированному знанию индустрии в удобном интерфейсе. Это полезно, особенно если у вас в команде нет сильного revenue-менеджера или если ваш менеджер только начинает. Это работает как «всегда доступный наставник». Но решения по ценам всё равно принимает человек, и качество этих решений зависит от того, насколько хорошо человек умеет применять общее знание к своей конкретной ситуации.
Если вы покупаете ИИ второго поколения, вы покупаете другое — рекомендации, готовые к применению на завтрашний день, с уже посчитанной аргументацией. Решения тоже принимает человек, но он работает не с теорией, а с конкретными цифрами по своему объекту. Это разные продукты, и их нельзя сравнивать в лоб по цене или по красоте интерфейса. Вопрос «что вам нужнее» — это вопрос о том, чего вам сейчас не хватает: знания или решений на основе данных.
Второе. Как это масштабируется
ИИ первого поколения масштабируется почти бесконечно дешёво: один обученный корпус знаний обслуживает тысячи клиентов с одинаковым качеством, потому что знание универсальное. Это позволяет таким платформам ставить низкую цену и быстро расти. ИИ второго поколения масштабируется тяжело: для каждого нового отеля нужно подключить его данные, настроить сегментный профиль и обучить модель учитывать специфику конкретного типа объекта.
И вот здесь я скажу от себя: за полтора десятка лет работы в технологической стороне этой индустрии, включая шесть с половиной лет в роли CIO большого горнолыжного курорта в Красной Поляне, я видел изнутри, насколько по-разному ведут себя ski resort, городской отель и морской курорт даже в одной стране, не говоря уже о разных. У горнолыжного объекта один сильный пик в декабре-марте, погодная зависимость в реальном времени и почти полная пустота в межсезонье. У городского — равномерная загрузка с пиками под деловые события, MICE-сегмент, выходные слабее будней. У морского — школьные каникулы как главный драйвер, температура воды как фактор, который многие модели вообще не учитывают.
Универсальная модель, обученная на «среднем отеле», на любом из этих объектов работает плохо. Не потому что модель плохая, а потому что среднего отеля не существует. Это тот самый момент, когда ИИ второго поколения становится не «дороже», а «единственно работающим» вариантом — и масштабирование такой системы требует не миллиона клиентов с одной моделью, а аккуратной настройки под каждый сегмент объектов, что радикально меняет экономику продукта.
Третье. Связь с понятием agentic AI
И здесь мы выходим в большую картину — это связано с понятием agentic AI, которое в апреле 2026 года стало одним из главных терминов в индустрии. Skift в своём Megatrends 2026 и академики из George Washington University в недавнем исследовании выделяют agentic AI как одну из пяти главных сил, трансформирующих hospitality. Но термин «agentic» в большинстве материалов используется как маркетинговый ярлык, а не как точное описание архитектуры.
Когда говорят «agentic AI в отелях», обычно имеют в виду «ИИ, который что-то делает сам», в противовес «ИИ, который только отвечает на вопросы». Это слишком грубое определение, и оно скрывает главную сложность.
Настоящий agentic AI — это система, которая принимает многошаговые решения в условиях неопределённости, с точками контроля человека в нужных местах.
Не «ИИ, который сам выставит цену», а «ИИ, который проходит через цепочку: собрать данные, оценить ситуацию, сформировать рекомендацию, обосновать её, дождаться решения revenue-менеджера, учесть это решение в обучении на следующем цикле». Это принципиально другая архитектура, чем чат-интерфейс. Это инфраструктурный слой, который работает в фоне круглосуточно по всем объектам и приходит к человеку только в моменты, когда нужно его решение.
Большинство продуктов, которые в 2026 году называют себя agentic, на самом деле остаются чат-ассистентами с расширенным набором инструментов. Это нормальная стадия развития рынка — но это не agentic в строгом смысле слова.
Где две темы соединяются
ИИ первого поколения по своей природе остаётся чат-ассистентом, потому что он работает с общим знанием, а общее знание не требует многошагового пайплайна. Чтобы стать по-настоящему agentic, нужно работать с конкретными данными конкретного объекта в реальном времени — и это то, что делает ИИ второго поколения. Поэтому когда индустрия говорит «agentic AI это будущее», она, не всегда осознавая это, говорит про переход от первого поколения ко второму. Большая часть этого перехода ещё впереди, и он будет небыстрым.
По моему опыту последних лет — а я сейчас работаю с несколькими действующими объектами разных сегментов одновременно — самая большая сложность этого перехода вообще не в моделях. Модели сегодня доступные и достаточно умные. Сложность в том, чтобы построить инфраструктуру, которая надёжно подаёт чистые данные из разных источников (а у отеля их может быть пять-семь, от PMS до channel manager и собственной аналитики продаж), валидирует выходные рекомендации против бизнес-правил конкретного объекта, держит человека в петле принятия решений и при этом не превращает его в оператора, который только нажимает «принять».
Это инженерная задача, которую недооценивают почти все, кто заходит в эту нишу с улицы. И именно поэтому я думаю, что серьёзные продукты второго поколения будут появляться не из больших технологических компаний, а из команд, где есть глубокий операционный опыт работы в самих отелях. Там, где люди понимают, чем на самом деле занят revenue-менеджер в восемь утра в среду в феврале, и какая именно подсказка ему нужна, чтобы принять решение за две минуты, а не за двадцать.
Что из этого следует практически
Что из этого следует практически для тех, кто принимает решения по ИИ-инструментам в своём отеле или сети в этом году.
Если у вас сейчас нет сильного revenue-менеджера в команде и вы ищете способ повысить квалификацию операционного состава — продукты первого поколения вроде inHotel могут быть отличным решением, особенно по их цене. Они дадут вашим людям доступ к знанию, которое раньше было доступно только через дорогих консультантов.
Если у вас уже есть опытная revenue-команда, и ей не хватает не знания, а скорости и точности решений на конкретных данных конкретных объектов — вам нужны продукты второго поколения, и их пока меньше на рынке, и они дороже на старте, и они требуют интеграции с PMS — то есть с системой управления собственно гостиницей, в которой живут все ваши данные о бронированиях.
Это разные ответы на разные вопросы, и не нужно пытаться выбирать между ними «что лучше». Нужно сначала честно ответить, какая именно у вас проблема.
Главный риск 2026 года
И ещё одно наблюдение, которое мне кажется важным сказать вслух. В апреле 2026 года все говорят про ИИ в hospitality, и легко создаётся ощущение, что отель, который сейчас не внедрит ИИ, отстанет навсегда. Это не совсем так.
Отель, который внедрит неправильный ИИ — обученный не на тех данных, или решающий не ту задачу, или не интегрированный с реальными процессами — потеряет не только деньги на подписку, но и доверие команды к самой идее ИИ на следующие два-три года. Это намного хуже, чем подождать полгода и принять решение осознанно.
Главный риск 2026 года — не «не успеть», а «успеть не туда».
Что дальше
Я буду продолжать писать про эту тему в ближайшие месяцы. В следующих материалах планирую разобрать конкретно, как устроены multi-agent системы в отелях изнутри, что происходит с интеграцией ИИ в крупные системы revenue management вроде Duetto и IDeaS, и что значит agentic AI на уровне ежедневных процессов revenue-команды. Если вам интересен какой-то конкретный угол этой темы — напишите в комментариях, я учту это в планировании.
Сергей Львов · TravelTechExpert · Апрель 2026
#ИИвГостиничномБизнесе #ГенеративныйИИ #АгентныйИИ #HospitalityTech #ЦифроваяТрансформация #RevenueManagement #ОтельныйБизнес #ИскусственныйИнтеллект #HoReCa #ТуризмИГостеприимство