Tilbake til artikler

Frans Veigar Garðarsson, CPO

Publisert

Oppdatert

AI-agenter gjør bookingnotater til housekeepingoppgaver

AI-agenter gjør bookingnotater til housekeepingoppgaver

Gjesteforespørsler som skrives inn i reservasjonskommentarer, når ofte aldri frem til de som skal utføre dem. Tracey, Sweeplys AI-agent for reservasjonsnotater, leser disse kommentarene i PMS-et, finner ut hva gjesten ba om, og oppretter oppgaven for teamet som skal levere den. Hos THE FLAG i Zürich oppretter agenten rundt 30 oppgaver om dagen.

Hvordan AI-agenter gjør reservasjonsnotater om til housekeepingoppgaver

Kort fortalt

• Tracey er Sweeplys AI-agent for reservasjonsnotater: den leser friteksten som er knyttet til en bestilling i PMS-et, og oppretter den tilsvarende oppgaven for housekeeping, vedlikehold eller service uten at noen må skrive den inn på nytt. • Hos THE FLAG, en gruppe med seks hoteller i Zürich som bruker Apaleo, viser Sweeplys publiserte kundehistorie 1 800 behandlede reservasjonsnotater med 5 bom, mer enn 8 timer spart i uken og 80 % færre klagerelaterte oppgaver. • THE FLAG rapporterte rundt 30 oppgaver opprettet automatisk hver dag og 3,5 timer spart i uken bare på å opprette oppgaver etter utrullingen. • Det trengs ingen ny infrastruktur: agenten kjører på Sweeplys åpne API-er i det PMS-et hotellet allerede bruker, og Sweeply kobles til 20+ hotellsystemer (PMS) med oppstart innen 24 timer på et støttet system. • Agenten ser bare forespørsler som er skrevet inn på reservasjonen, så alt som kommer inn på telefon, sies i resepsjonen eller legges igjen i en meldingstråd hos en OTA, må fortsatt loggføres av en person.

Gjesteforespørsler skrives ned ved bestilling og må deretter overleve en kjede av personer før noen handler på dem. Et ønske om barneseng i en reservasjonskommentar må oppdages i resepsjonen, loggføres et sted, loggføres på riktig sted, ses av housekeeping og utføres før ankomst. Hvert ledd i den kjeden er et punkt der forespørselen stille kan forsvinne, og det er derfor en gjest av og til kommer frem og oppdager at barnesengen ikke står der.

Tracey er Sweeplys AI-agent for akkurat den svikten. Den leser kommentarene som er knyttet til en reservasjon i PMS-et, finner ut hva gjesten ba om, og oppretter oppgaven i Sweeply for teamet som skal levere den. Ingen skriver inn noe på nytt, og ingen må huske noe.

Hva gjør egentlig en AI-agent for reservasjonsnotater?

Et reservasjonsnotat (en «trace») er friteksten som er knyttet til en bestilling: notatet en gjest skriver i bookingmotoren, forespørselen en reservasjonsmedarbeider limer inn fra en e-post, preferansen en gjest som kommer tilbake, har registrert. De fleste PMS-er lagrer den teksten godt. Det de ikke gjør, er å gjøre den om til arbeid for en navngitt person på en bestemt dag.

Det er det gapet Tracey lukker. Den leser notatet, klassifiserer forespørselen og oppretter den tilsvarende oppgaven i Sweeply, sendt til housekeeping, vedlikehold eller serviceteamet avhengig av hvordan hotellet har satt opp kategoriene sine. Derfra fungerer Sweeply som det alltid gjør: oppgaven havner på riktig persons telefon, på vedkommendes språk, med rommet og fristen lagt ved. Sweeply støtter 30+ språk, så et notat skrevet av en leder på ett språk leses av en romassistent på et annet.

Sweeply er et driftslag oppå PMS-et, ikke en erstatning for det, så PMS-et forblir det styrende systemet. Du kan se hvordan agentene fungerer sammen med resten av plattformen på siden AI-agenter, og hvordan arbeidet som kommer ut av dem, drives fra dag til dag under Housekeeping.

Hvordan blir en reservasjonskommentar til en housekeepingoppgave?

  1. Gjesten skriver forespørselen ved bestilling. Ansvarlig: gjesten, via bookingmotoren, en OTA eller en e-post som teamet ditt limer inn i reservasjonen. Varighet: sekunder.

  2. Kommentaren lagres på reservasjonen i PMS-et. Ansvarlig: PMS-et. Varighet: umiddelbart.

  3. Tracey leser notatet og klassifiserer det. Ansvarlig: agenten. Varighet: sekunder etter at kommentaren dukker opp.

  4. Oppgaven opprettes i Sweeply og sendes til riktig team. Ansvarlig: agenten. Varighet: sekunder.

  5. Teamet utfører den og lukker oppgaven. Ansvarlig: housekeeping, vedlikehold eller resepsjonen. Varighet: innenfor den vanlige oppgavesyklusen, før gjesten ankommer.

  6. En leder går gjennom det som er opprettet. Ansvarlig: vakthavende leder. Varighet: noen minutter om dagen, og en del mer de første fjorten dagene mens kategoriene finjusteres.

Rutingen avhenger av oppgavekategoriene hotellet setter opp. Et typisk oppsett ser slik ut:

Hva gjesten skriver

Team som får den

Hva teamet ser

«Vi reiser med en baby og ønsker en barneseng»

Housekeeping

Klargjøringsoppgave for rommet inkludert barneseng, med frist før ankomst

«Lyset på badet flimret sist»

Vedlikehold

Feiloppgave på rommet, med frist før innsjekking

«Vi kommer sent, rundt kl. 01.00»

Resepsjonen

Oppgave om sen ankomst på dagens ankomstliste

«Vi er her for å feire bryllupsdagen vår»

Serviceteamet

Klargjøringsoppgave for rommet med den oppmerksomheten hotellet tilbyr

Hva endret seg hos THE FLAG i Zürich?

THE FLAG, en gruppe med hoteller og serviceleiligheter i Zürich som kjører på Apaleo, var en av de første aktørene som tok agenten i bruk i daglig drift. Gjesteforespørsler kom inn som reservasjonskommentarer og nådde teamet gjennom en treg, manuell kjede som var utsatt for feil og slitsom å holde ved like.

Etter utrullingen rapporterte THE FLAG rundt 30 oppgaver opprettet automatisk hver dag og 3,5 timer spart i uken bare på å opprette oppgaver, med færre tapte forespørsler og mindre frem og tilbake mellom resepsjonen og housekeeping. Sweeplys publiserte kundehistorie om THE FLAG viser det lengre bildet på tvers av de seks hotellene: 1 800 reservasjonsnotater behandlet med 5 bom, mer enn 8 timer spart i uken og 80 % færre klagerelaterte oppgaver.

«Sweeply er mer enn en housekeepingapp. Det er en leveranseplattform for AI-agenter. Ved å åpne API-ene våre for autonome systemer gjør vi det mulig for agenter ikke bare å forstå gjestenes behov, men også å handle på dem. Når en agent fanger opp en gjestepreferanse, sørger Sweeply for at den faktisk blir fulgt opp», sier Frans Veigar Garðarsson, VP Product i Sweeply.

Agenten kjører i den teknologiplattformen THE FLAG allerede hadde. Den kobles til via Sweeplys åpne API-er og fungerer innenfor Apaleo-økosystemet, noe som er mulig fordi Apaleo publiserer API-et sitt åpent i utviklerdokumentasjonen sin. Ingen ny infrastruktur, og ikke noe ekstra system teamet må lære. Selve koblingen er beskrevet på siden om Apaleo-integrasjonen.

Må du bytte PMS for å bruke en AI-agent?

Nei. Sweeply kobles til 20+ hotellsystemer (PMS), blant annet Mews, Apaleo, Oracle OPERA Cloud, Guestline, Cloudbeds og Guesty, og et hotell med et støttet PMS kan være i drift innen 24 timer.

Det som betyr noe, er ikke hvilket PMS du har, men om gjesteforespørslene faktisk skrives inn på reservasjonene i det. Hvis teamet ditt allerede registrerer forespørsler som reservasjonskommentarer, har en agent noe å lese. Hvis forespørslene ligger i en WhatsApp-gruppe for de ansatte, må det første grepet gjøres tidligere, i bestillings- og resepsjonsflyten, ikke i en agent. Det skillet er verdt å avklare før du kjøper noe, og argumentene for å koble de to systemene sammen er beskrevet mer utførlig i fordelene ved å integrere PMS-et med oppgavestyring. Hvis du vil ha uavhengige anmeldelser før den samtalen, har Sweeply en vurdering på 4,9 på Hotel Tech Report.

Der en AI-agent ikke hjelper

Å være ærlig om dette sparer alle for en bortkastet prøveperiode.

  • Den ser bare det som står på reservasjonen. En forespørsel gitt på telefon, i resepsjonen eller i en meldingstråd hos en OTA som aldri når PMS-et, er usynlig for agenten. Slike forespørsler må fortsatt loggføres av en person.

  • Tvetydig fritekst krever fortsatt skjønn. «Noe hyggelig til den lille» kan klassifiseres, men ikke perfekt. Gå gjennom de opprettede oppgavene daglig de første par ukene, og juster kategoriene underveis.

  • Få forespørsler gir liten gevinst. Et lite hotell med en håndfull reservasjonskommentarer i uken vil ikke få timer tilbake. Verdien øker med antallet notater du håndterer, og det er derfor hotellgrupper og operatører av serviceleiligheter merker det først.

  • Den erstatter ikke samtalen. Å vite om barnesengen er ikke det samme som å legge merke til at en gjest ser utslitt ut ved innsjekking. Det er verdt å fjerne administrasjonen fordi det frigjør folk til den delen programvare ikke kan gjøre.

  • Sweeply er ikke et PMS. Hvis reservasjonsdataene er tynne eller forespørsler aldri registreres ved bestilling, ligger problemet i bestillingsflyten, og ikke noe driftslag kan løse det.

Snakk med salgsteamet vårt

Book en samtale med salgsteamet vårt for å få priser for hotellet ditt og sjekke om PMS-et ditt gjør reservasjonskommentarer tilgjengelige for agenten i dag. Sweeply prises per salgbart rom, per måned, per modul, og ikke-salgbare arealer er gratis.

Konklusjon

Den målbare gevinsten er timer: rundt 30 oppgaver om dagen opprettet uten menneskelig innsats hos THE FLAG, og 3,5 timer i uken spart bare på å opprette oppgaver. Den strukturelle gevinsten er større, fordi en hel kategori av feil forsvinner når en gjesteforespørsel ikke lenger avhenger av at noen husker å skrive den ned. Start med å sjekke om forespørslene dine i det hele tatt når PMS-et, for det er det en agent trenger for å kunne lese dem.

Ofte stilte spørsmål

Hva er forskjellen mellom Tracey og Roomey?

Tracey og Roomey er Sweeplys to AI-agenter, og de har ulike oppgaver. Tracey jobber med reservasjonsnotater (traces): den leser kommentarene knyttet til en bestilling i PMS-et og oppretter oppgaven for housekeeping, vedlikehold eller service som følger av dem. Roomey jobber med romtildeling. Begge kjører på toppen av PMS-et hotellet allerede bruker, i stedet for å erstatte det, og begge styres fra Sweeplys Agent Home.

Hva skjer med gjestedata når en AI-agent leser reservasjonskommentarer?

Reservasjonsdata blir værende i PMS-et som hovedsystem, og Sweeply behandler bare det som trengs for å opprette oppgaven. Data krypteres under overføring med TLS 1.2 eller høyere og ved lagring med AES-256. Sweeply driftes på Google Cloud Platform med primærregion i USA, og overføringer skjer under EU-US Data Privacy Framework. En databehandleravtale kan fås fra security@getsweeply.com.