Det mesta av AI inom hotellbranschen säljs in på snabbhet. Snabbare svar, färre klick, mindre administration. Det är verkligt, och det är den mindre halvan av möjligheten. Den större halvan är arbete som aldrig ens behöver utföras.

En städning som inte behövs förbrukar inget vatten, inget linne, inga kemikalier och ingen arbetskraft. Ett fel som upptäcks vecka ett blir inte ett enhetsbyte vecka sex. Ett arbetspass som schemaläggs efter verkligt behov skickar inte fyra personer till ett våningsplan som behöver två. Inget av det är effektivitet i vanlig bemärkelse. Det är subtraktion, och det är genom subtraktion som miljösiffrorna faktiskt förändras.

Varför är enbart effektivitet den mindre vinsten?

För att om du snabbar upp en process som inte ens borde köras, så körs den fortfarande. AI är väldigt bra på att hantera det repetitiva, minska misstag och hålla uppgifterna i rullning när teamet är hårt belastat. Riktar du den enbart mot befintliga rutiner får du dagens verksamhet, fast snabbare.

Hotellbranschen är inte en stabil miljö. Beläggningsmönster förändras, gästernas förväntningar skiftar och ingen vecka är den andra lik. System som anpassar sig är mer värda än system som accelererar, eftersom rätt fråga en tisdag i februari inte är rätt fråga i juli. Det intressanta med att använda AI på ett hotell är att avgöra vad som ska göras, inte att göra samma sak snabbare.

Hållbarhet har vuxit ifrån att bara vara en varumärkesfråga, vilket höjer insatserna för det beslutet. Booking.coms Sustainable Travel Report för 2024 visade att 75 % av resenärerna vill resa mer hållbart under de kommande tolv månaderna, och miljöprestanda påverkar nu synlighet i distributionskanaler, frågor från investerare och den långsiktiga kostnadsstrukturen. Besluten som avgör detta fattas på golvet, dussintals gånger om dagen, av personer som inte har rapporteringsramverk i tankarna när de gör det.

Vilka dagliga beslut flyttar faktiskt ett hotells miljösiffror?

Färre än man kan tro, och alla är operativa snarare än strategiska.

Mönstret är att miljödata och operativ data är samma data. Ett hotell som hanterar housekeeping och underhåll i ett och samma system genererar redan det mesta av vad en hållbarhetsrapport kräver, oavsett om någon samlar in det eller inte.

Hur ser AI-stödd hållbarhet ut i vardagen?

Inte dramatisk. Det är det som är poängen.

• Städscheman följer faktisk beläggning och gästernas verkliga val, så onödiga städningar planeras inte in från första början

• Uppgifter når de som kan utföra dem, i rätt ordning, så att ingen går genom byggnaden två gånger

• Underhållsproblem uppdagas tidigt, vilket skyddar energiprestandan och skjuter upp byten av utrustning

• Bokningsnoteringar når housekeeping automatiskt istället för att ligga kvar i ett PMS-kommentarsfält som ingen öppnar

• Rapporteringen visar mönster som är värda att agera på, som att en viss rumstyp orsakar upprepade fel eller att ett våningsplan tar upp oproportionerligt många arbetstimmar

Sweeplys AI-agenter gör två specifika jobb i den här bilden. Tracey läser bokningskommentarer i PMS:et och omvandlar dem till uppgifter. Roomey sköter rumstilldelningen. Båda är avgränsade, och det är just tack vare att de är avgränsade som de är tillförlitliga nog att låta rulla på.

Individuellt sett kan de verka små. Men utslaget över hundratals rum och ett helt år är de skillnaden mellan ett hållbarhetsmål som faktiskt uppnås och ett som bara formuleras.

Hur bevisar man ett hållbarhetspåstående istället för att bara hävda det?

Glappet mellan vad hotell säger och vad de kan bevisa minskar snabbt. Det här är den ordningsföljd jag skulle rekommendera.

1. Välj påståenden som motsvarar en siffra du redan producerar. Ansvarig: hotelldirektör. Tidsåtgång: 1 vecka. ”Vi minskade städaktiviteterna med 60 %” går att bevisa. ”Vi är engagerade i hållbarhet” gör det inte, och uppfattas alltmer som en brist på data.

2. Fastställ en baslinje innan du ändrar något. Ansvarig: driftschef. Tidsåtgång: 2 veckor. Städningar per belagt rum, tvättmängder, svarstid för underhåll, arbetstimmar per avdelning. Utan det blir varje senare siffra bara en uppskattning.

3. Samla den operativa datan på ett ställe. Ansvarig: systemansvarig. Tidsåtgång: 1 dag. Sweeply driftsätts inom 24 timmar på ett PMS som stöds och ansluter till över 20 PMS-plattformar, så att uppgifterna för städning, underhåll och gästönskemål samlas på ett ställe istället för i tre separata exporter.

4. Rapportera månadsvis, inte årsvis. Ansvarig: driftschef. Tidsåtgång: en halv dag per månad. Månadssiffror korrigeras medan folk fortfarande minns månaden. Årssiffror försvaras.

5. Behåll beviskedjan. Ansvarig: den som ansvarar för certifiering. Tidsåtgång: löpande. Certifieringsorgan och ESG-granskare ber om underlag, inte sammanfattningar. Uppgiftshistorik med tidsstämplar besvarar frågan; det gör inte en presentationsbild.

The Views Hotels kan visa upp en 60-procentig minskning av housekeeping-aktiviteter över 750 rum och en besparing på 5 370 euro per månad eftersom de underliggande uppgifterna registrerades i realtid. Íslandshótel kan uppvisa 22 000 sparade timmar om året över 18 anläggningar av samma anledning. Ingen av siffrorna krävde ett separat mätprojekt. Om du hanterar sidan för gästval täcker vår guide om gröna val i städningen utan att minska personalens timmar den operativa delen.

Där AI inte hjälper

Jag säger hellre det här rakt ut än låter kategorin överhypas.

AI minskar inte ett hotells största miljökostnader. Uppvärmning, kyla, varmvatten och själva byggnadskonstruktionen dominerar de flesta anläggningars klimatavtryck, och det handlar om tekniska lösningar och investeringsbeslut. Bättre uppgiftsdirigering kompenserar inte för en gammal värmepanna.

AI är bara så bra som underlaget den har att arbeta med. En anläggning som fortfarande sköter housekeeping med papper och WhatsApp har ingen data att analysera, så det första steget är inte ett AI-projekt, utan att över huvud taget få in arbetet i ett system.

Sweeply är ett operativt skikt ovanpå PMS:et, inte ett PMS i sig, inte ett energihanteringssystem och inte ett fastighetsautomationssystem. Vi kan visa i detalj vad som har hänt med rum, uppgifter och timmar. Vi läser inte av dina mätare, och varje rapport som kombinerar de två behöver båda källorna.

Och ett program för gröna gästval kräver fortfarande att hotellet beslutar vad som ska hända med de frigjorda timmarna. Det är ett ledarskapsbeslut. Ingen AI-agent fattar det.

Prata med vårt säljteam

Boka ett samtal med vårt säljteam för att få prisuppgifter samt jämförelsetal för avböjda städningar och sparade timmar från anläggningar av motsvarande storlek. Sweeply prissätts per säljbart rum, per månad, per modul, och icke säljbara ytor är kostnadsfria.