El hotel inteligente no es el que más inteligencia artificial utiliza: es el que mejor decide

Durante los últimos meses he tenido la oportunidad de colaborar muy activamente en un trabajo de investigación que me ha obligado a cuestionar algunas de mis propias ideas sobre la inteligencia artificial en hotelería. Y probablemente esa haya sido una de sus mayores aportaciones. Cuando uno trabaja diariamente entre reservas, huéspedes, precios, equipos, incidencias, proveedores y resultados, resulta demasiado fácil dejarse seducir por cualquier herramienta capaz de responder en segundos a algo que antes exigía varios minutos de trabajo. Pero responder más rápido y dirigir mejor un hotel son dos cosas muy diferentes.

El estudio de HGX Research, The Intelligent Hotel. Artificial Intelligence in Hospitality · 2026 Edition, nació precisamente de esa inquietud. No queríamos elaborar otra recopilación de herramientas de inteligencia artificial, ni otro documento explicando todo lo que supuestamente podrá hacer un hotel dentro de diez años. Queríamos responder a una pregunta mucho más incómoda: ¿qué tiene que ocurrir para que la inteligencia artificial produzca realmente mejores decisiones, mejores operaciones, mejores resultados y una mejor experiencia para el huésped?

A medida que avanzábamos en el trabajo apareció una evidencia que, desde mi experiencia, merece mucha más atención de la que recibe. Utilizar inteligencia artificial no significa haber transformado un hotel. Es perfectamente posible tener varios asistentes, producir contenido automáticamente, generar informes y responder mensajes en segundos sin haber mejorado sustancialmente ningún proceso de negocio. De hecho, uno de los datos más interesantes recogidos en la investigación muestra esa distancia: más del 50% de las marcas analizadas utilizan o están adquiriendo inteligencia artificial generativa, pero menos del 10% declara haber reducido el trabajo manual en más de un 30%. La adopción avanza bastante más deprisa que la transformación.

También comprobamos que la conversación sobre inteligencia artificial está excesivamente concentrada en el modelo, cuando para un hotel casi nunca está ahí el problema principal. Importan mucho más cuestiones aparentemente menos espectaculares: qué información consulta, quién es responsable de esa información, qué sistema contiene la verdad, qué puede modificar la IA, qué debe aprobar una persona, qué ocurre si algo falla y cómo sabemos después que la operación terminó correctamente. Son preguntas menos atractivas que hablar de agentes autónomos, pero son las que determinan si estamos construyendo una capacidad empresarial o simplemente una demostración vistosa.

Y existe otra razón por la que considero especialmente importante este debate para la Hotelería independiente. Un hotel de 60, 100 o 150 habitaciones probablemente nunca tendrá el presupuesto, los departamentos especializados ni la infraestructura de una gran cadena internacional. Pero puede perfectamente alcanzar el mismo nivel de disciplina en sus decisiones. No hace falta tener más datos que nadie. Hace falta saber qué datos importan, cuáles son fiables, quién responde por ellos y qué problema concreto queremos resolver. Esa diferencia cambia por completo la conversación.

Del chatbot al hotel que entiende, decide y actúa

Uno de los errores que más observo cuando hablamos de inteligencia artificial en hoteles es comenzar por la herramienta. Aparece una solución interesante y, casi inmediatamente, buscamos algo que pueda hacer con ella.

Creo que deberíamos trabajar exactamente al revés.

Primero identificamos una fricción real del negocio. Después preguntamos si la inteligencia artificial es realmente una buena forma de resolverla.

Puede ser algo tan cotidiano como descubrir por qué determinadas habitaciones permanecen pendientes demasiado tiempo, preparar el briefing de llegadas, identificar una factura duplicada, responder correctamente una política de cancelación, detectar una tendencia emergente en las reseñas o gestionar una petición de late check-out.

Nada de eso suena especialmente futurista. Precisamente por eso me interesa.

Porque la verdadera transformación de la administración de hoteles rara vez empieza con una gran presentación. Empieza eliminando pequeñas fricciones que ocurren cientos de veces al año.

La investigación resume este enfoque mediante una idea extraordinariamente sencilla:

La IA interpreta y propone; los sistemas autorizados confirman; una persona responde por el resultado.

He terminado convencido de que esta frase contiene bastante más estrategia de lo que parece.

Si un huésped pregunta si puede salir a las 15:00, la inteligencia artificial puede comprender la petición. Puede consultar determinadas reglas. Puede analizar información. Puede incluso calcular qué opción parece razonable.

Pero si debe comprobar disponibilidad, aplicar un cargo, modificar una reserva, comunicarlo a housekeeping y garantizar que el huésped reciba la confirmación correcta, ya no estamos ante una conversación.

Estamos ante Hotelería.

Y la Hotelería necesita hechos.

Por eso el estudio propone entender cualquier aplicación mediante cinco pasos conectados:

• Datos. Antes de inferir algo, hay que consultar la fuente autorizada. Si existe un sistema que conoce la disponibilidad real, no deberíamos pedir a una IA que la imagine. Lo mismo sucede con precios, pagos, reservas, restricciones o servicios contratados.
• Contexto. Una reserva aislada dice relativamente poco. Hay que relacionarla con el huésped, la estancia, los servicios adquiridos y la situación operacional del hotel. Personalizar no consiste simplemente en conocer el nombre del cliente.
• Decisión. Aquí puede aparecer una de las mayores aportaciones de la IA: interpretar información dispersa, comparar alternativas y preparar una recomendación. Pero la explicación debe responder al cálculo realizado, no ser simplemente un texto convincente.
• Acción. Antes de ejecutar hay que comprobar permisos, revalidar las condiciones y actuar en el sistema responsable. Entre una propuesta y su ejecución pueden haber cambiado el precio, la disponibilidad, el estado de la habitación o incluso la propia reserva.
• Aprendizaje. El proceso no termina cuando la pantalla muestra “realizado”. Necesitamos saber qué ocurrió posteriormente: si el huésped obtuvo lo prometido, si operaciones pudo entregarlo, si hubo una corrección manual o si generamos trabajo adicional en otro departamento.

Esta última parte me parece especialmente importante. Llevamos años midiendo la actividad de nuestros hoteles y, sin embargo, seguimos confundiendo actividad con resultado.

Un chatbot puede responder 5.000 preguntas. Eso no significa que haya resuelto 5.000 necesidades. Puede ocurrir incluso lo contrario: responder mucho y provocar después más llamadas a recepción.

Por eso una de las ideas que más comparto del estudio es esta: no debemos recompensar respuestas; debemos medir resultados.

La pregunta adecuada no es “¿Cuántas interacciones ha gestionado la IA?”, sino “¿Cuántas necesidades se resolvieron correctamente de principio a fin?”.

La misma disciplina debería aplicarse a la rentabilidad. Si incorporamos recomendaciones personalizadas y aumenta el ingreso adicional, no podemos atribuir automáticamente todo el incremento a la inteligencia artificial. Parte de esas ventas habrían ocurrido igualmente.

Tenemos que conocer el margen incremental, no enamorarnos de la facturación bruta.

Y debemos sumar los costes que frecuentemente permanecen escondidos: integración, supervisión humana, correcciones, coordinación, formación, incidencias, consumo, mantenimiento y dependencia del proveedor.

A veces descubriremos algo todavía más incómodo: que la automatización era más cara que mejorar el proceso. Y tampoco pasaría nada. Una estrategia madura consiste también en decidir dónde no utilizar inteligencia artificial.

Cinco niveles de autonomía que deberían sustituir al “automático o manual”

Otra de las aportaciones prácticas del estudio es abandonar una discusión excesivamente binaria. No tenemos únicamente dos posibilidades: hacerlo manualmente o automatizarlo.

Propone cinco niveles:

1. Informa. Consulta información y la explica.
2. Asiste. Prepara trabajo para que alguien lo revise.
3. Recomienda. Propone una alternativa y aporta evidencias.
4. Actúa dentro de límites. Ejecuta únicamente reglas previamente autorizadas.
5. Actúa después de confirmación. Aplica una operación expresamente aceptada.

Esta clasificación cambia mucho la forma de plantear la innovación en hotelería. No necesitamos conceder máxima autonomía para obtener valor.

En muchas ocasiones, el mejor caso de uso puede ser simplemente que la inteligencia artificial reúna la información necesaria para que una persona tome una decisión en veinte segundos en lugar de dedicar diez minutos a buscarla. Eso ya es una mejora. Y probablemente sea una mejora mucho más segura.

La autonomía, además, no debería aumentar porque una tecnología sea capaz de hacer algo. Debería aumentar solamente cuando podemos demostrar que datos, permisos, recuperación, trazabilidad y responsabilidad están preparados para soportarlo.

Pensemos otra vez en un late check-out. Un asistente puede identificar la reserva, consultar condiciones, revisar disponibilidad, proponer un precio, explicar las condiciones, solicitar aceptación, revalidar la disponibilidad, aplicar el servicio, actualizar la reserva, avisar a operaciones y confirmar al huésped qué ocurrió realmente.

Eso sí es un proceso completo. Y ahí aparece una diferencia enorme entre una IA que conversa y una IA integrada en la operación hotelera.

80 casos de uso: la pregunta ya no es “qué puede hacer la IA”

Uno de los trabajos que más interesantes me parecieron durante la preparación de este estudio fue analizar y clasificar 80 casos de uso de inteligencia artificial en Hotelería.

No se limitaron al marketing o la atención al huésped. Aparecen revenue, ventas, reservas, operaciones, mantenimiento, housekeeping, restauración, administración, finanzas, reputación, contenidos, recursos humanos y coordinación interna.

Cada caso se analiza mediante cinco preguntas: qué autonomía necesita, qué datos utiliza, qué métrica debería validarlo, cuál es su nivel de riesgo y si puede funcionar sin integración con el PMS.

Esta última cuestión me parece especialmente interesante. Existe cierta tendencia a pensar que el hotel necesita primero una transformación completa de todos sus sistemas antes de poder aprovechar la inteligencia artificial. No necesariamente.

El estudio identifica numerosas aplicaciones que pueden generar valor sin escribir una sola modificación en el PMS.

• Consultas sobre procedimientos internos. El equipo obtiene rápidamente la política o procedimiento adecuado utilizando documentación controlada. Es frecuente, medible y relativamente sencillo de supervisar.
• Guía contextual durante la estancia. Permite resolver preguntas utilizando contenido propio del establecimiento sin necesidad de realizar transacciones.
• Explicación de tarifas y condiciones. Especialmente útil durante la reserva. Muchas conversiones se pierden porque el cliente no comprende exactamente qué está contratando.
• Detección de temas en las opiniones. No sustituye el análisis humano de reputación, pero permite descubrir patrones que una puntuación media puede ocultar.
• Preparación de respuestas a reseñas. Reduce trabajo administrativo manteniendo la aprobación humana antes de publicar.
• Traducción y adaptación de contenidos. Especialmente relevante en hoteles internacionales, siempre que exista una validación terminológica adecuada.
• Asignación de peticiones de huéspedes. Un ejemplo de automatización sencilla pero muy útil cuando existen reglas claras y podemos medir el porcentaje de solicitudes atendidas a tiempo.
• Clasificación de órdenes de mantenimiento. Facilita que la incidencia llegue antes al responsable apropiado sin pretender sustituir el diagnóstico técnico.
• Resumen del cambio de turno. Probablemente uno de los casos menos espectaculares y, en mi opinión, más interesantes. Las pérdidas de información entre turnos siguen produciendo innumerables fallos operacionales.
• Contenido preparado para los nuevos entornos de búsqueda mediante IA. La forma en que el cliente descubre hoteles empieza también a cambiar.
• Creación de paquetes relevantes. Aquí la IA puede relacionar estancia, catálogo y contexto para sugerir combinaciones comercialmente interesantes, siempre comprobando precios y supuestos ahorros.
• Detección de posibles facturas duplicadas. Una aplicación financiera sencilla de comprender y fácil de validar porque el resultado puede ser revisado administrativamente.

Fíjate en algo. No aparece ningún robot recorriendo el lobby mientras toca el piano. Afortunadamente.

Aparecen problemas reales de hoteles reales. Y eso me parece mucho más interesante.

El verdadero hotel inteligente empieza por dirigir mejor

Durante la investigación hubo un momento en el que la discusión dejó de ser principalmente tecnológica y empezó a convertirse en una discusión de liderazgo, estrategia y organización.

Probablemente sea donde más cómodo me sentí.

Porque después de muchos años en hoteles he aprendido algo bastante sencillo: una herramienta nunca resuelve una falta de criterio organizativo; normalmente la hace más visible.

Si comercial considera una cosa, recepción otra, revenue utiliza otra regla, el PMS contiene un dato diferente y operaciones trabaja con una tercera interpretación, introducir inteligencia artificial no genera coherencia. Genera incoherencia más deprisa.

El estudio propone seis decisiones que considero una excelente agenda para cualquier equipo de dirección que quiera avanzar seriamente en este terreno.

1. Elegir el problema.

No empecemos diciendo “queremos implementar IA”. Eso no es un objetivo.

Podemos decir: “Queremos reducir las omisiones entre turnos.” “Queremos responder más rápidamente las dudas sobre tarifas.” “Queremos identificar antes las peticiones que todavía no tienen responsable.” “Queremos mejorar el margen de los servicios adicionales vendidos antes de la llegada.”

Eso sí son problemas. Y pueden medirse.

2. Establecer la autoridad.

Esta palabra aparece repetidamente en el estudio porque me parece fundamental. Para cada dato debemos saber qué sistema manda.

¿Quién determina el precio? ¿Quién confirma una reserva? ¿Quién contiene el inventario? ¿Dónde está el saldo del huésped? ¿Qué sistema confirma que un servicio ha sido añadido?

Un hotel no necesita necesariamente un único sistema. Necesita una única verdad para cada dato. No es lo mismo.

3. Compartir contexto.

Uno de los grandes desperdicios actuales de la Hotelería consiste en obligar al huésped y al propio equipo a repetir constantemente información.

El cliente explicó algo durante la reserva. Lo vuelve a explicar antes de llegar. Después en recepción. Quizá también en el restaurante. Y, si regresa seis meses después, empezamos otra vez.

La verdadera personalización hotelera debería consistir cada vez menos en volver a preguntar y cada vez más en recordar correctamente, validar cuando corresponda y anticiparnos cuando podamos.

Pero eso exige identidad. Y aquí conviene ser tremendamente prudentes.

No podemos confundir dos huéspedes porque sus nombres se parecen. No podemos trasladar automáticamente la autorización asociada a una reserva anterior. No podemos convertir una preferencia en una certeza.

La personalización sin identidad fiable deja de ser servicio y empieza a convertirse en riesgo.

4. Elegir la autonomía apropiada.

No todo debería automatizarse. Y probablemente no todo terminará automatizándose nunca.

Existen decisiones perfectamente adecuadas para que una IA recomiende y otras que deberían permanecer en manos humanas.

Una recomendación de tarifa no tiene la misma consecuencia que una respuesta sobre los horarios del gimnasio. Clasificar una petición de mantenimiento no tiene el mismo riesgo que confirmar que una comida es segura para una persona con una alergia.

Y ahí la prudencia no significa rechazo a la innovación. Significa profesionalidad.

El documento establece algunas líneas que comparto completamente: una inteligencia artificial no debería garantizar seguridad alimentaria por inferencia, improvisar una emergencia, conceder acceso sin autenticación independiente, enviar datos sensibles a herramientas no autorizadas o utilizar inferencias sensibles para determinar cómo tratar a una persona.

Hay ocasiones en las que el mejor diseño consiste precisamente en saber parar.

5. Medir el valor completo.

Creo que este será uno de los grandes debates de los próximos años.

Estamos entrando en una etapa en la que casi cualquier empresa podrá enseñar una impresionante demostración de inteligencia artificial. La pregunta será si funciona económicamente.

Y para responderla tendremos que abandonar métricas cómodas: revenue incremental, margen incremental, tiempo realmente ahorrado, errores evitados, errores generados, correcciones humanas, contactos repetidos, coste de integración, coste del proveedor, coste de supervisión, calidad percibida e incidencias operativas.

Todo eso forma parte del resultado.

Una inteligencia artificial que ahorra cien horas y provoca otras ochenta horas de revisión no ha ahorrado cien horas. Solo ha movido el trabajo de sitio.

6. Aprender sistemáticamente.

La gran ventaja potencial de estos sistemas no consiste únicamente en automatizar. Consiste en convertir el hotel en una organización capaz de aprender mejor de lo que sucede.

Pero para eso hay que registrar también aquello que normalmente ocultamos: las correcciones, los errores, las excepciones, las reclamaciones, los casos que necesitan intervención humana, las recomendaciones rechazadas y los procesos que finalmente funcionaron mejor mediante una regla convencional.

No considero un fracaso retirar una iniciativa que no produce suficiente valor. Me parece exactamente lo contrario. Es disciplina empresarial.

De la prueba al resultado: un roadmap de doce meses

Uno de los aspectos más prácticos del estudio es que evita plantear una transformación total de la noche a la mañana. Propone un desarrollo progresivo durante doce meses, con puertas de decisión claras.

Durante los primeros 30 días, mi prioridad sería identificar fricciones, fuentes de información, responsables y permisos. No compraría demasiadas cosas. No intentaría transformar demasiados departamentos. Mediría. Elegiría pocos problemas. Y establecería una situación inicial con la que poder comparar.

Entre 30 y 90 días, probaría casos acotados. Preferentemente inteligencia que informe, asista o recomiende. Revisaría cuidadosamente respuestas, errores y consecuencias reales con los equipos que realizan el trabajo.

Entre los tres y seis meses, empezaría a conectar procesos. Ahí cambia todo. Aparecen identidad, acciones, sincronización, disponibilidad, estados compartidos, duplicidades, fallos de proveedores y operaciones que necesitan confirmación.

Es también donde muchas demostraciones aparentemente extraordinarias empiezan a descubrir la complejidad de un hotel.

Y entre los seis y doce meses, escalaría únicamente aquello que ya hubiera demostrado valor, calidad y seguridad.

El principio es sencillo: no ampliamos porque el piloto haya sido bonito; ampliamos porque el resultado haya sido demostrable.

Esta filosofía incorpora además algo que muchas estrategias de innovación olvidan: una puerta también sirve para no pasar.

Si no tenemos datos adecuados, solucionemos los datos. Si no existe un responsable, asignémoslo. Si la integración todavía no permite garantizar la operación, reduzcamos la autonomía. Y si el caso no produce valor, detengámoslo.

Pasar a la siguiente fase sin evidencia solamente consigue trasladar el mismo problema a una fase más cara.

Veinte preguntas que probablemente deberían estar en muchas reuniones de dirección

El estudio termina proponiendo algo que me gustaría ver encima de muchas mesas antes de aprobar cualquier iniciativa de IA en Hotelería.

Son veinte preguntas. No se preguntan al proveedor. Se las pregunta el hotel a sí mismo.

Empiezan por cuestiones aparentemente básicas: ¿Qué fricción concreta estamos intentando solucionar? ¿Cuál es nuestra situación inicial? ¿Por qué este problema necesita inteligencia artificial? ¿Quién es responsable del resultado?

Después empiezan las preguntas difíciles: ¿Qué sistema gobierna cada dato? ¿Podemos utilizar legalmente esa información para este propósito? ¿Cómo comprobamos la identidad? ¿Qué información puede estar desactualizada? ¿Qué puede leer el sistema? ¿Qué puede modificar? ¿Qué acciones están expresamente prohibidas? ¿Cuándo debe confirmar una persona o el propio huésped? ¿Qué condiciones vuelven a comprobarse inmediatamente antes de ejecutar?

Y finalmente aparecen las preguntas que determinan si realmente estamos preparados: ¿Cómo recuperamos la operación si algo falla? ¿Cómo probamos errores y accesos indebidos? ¿Qué queda registrado para reconstruir lo ocurrido? ¿Cómo medimos el éxito completo y la calidad del servicio? ¿Cuál es el coste total durante el periodo analizado? ¿Qué dependencia estamos creando del proveedor? ¿Cómo formamos al equipo y aprovechamos su criterio? ¿Qué tendría que suceder para que decidiéramos parar o rediseñar el proyecto?

Me gusta especialmente la última. Porque introduce algo que muchas veces falta en nuestra forma de innovar: decidir previamente cuándo reconoceremos que algo no funciona.

También evita que una iniciativa sobreviva simplemente porque ya hemos gastado demasiado dinero en ella.

La inteligencia artificial cambia también la distribución hotelera

Existe otra parte del estudio que considero estratégicamente importante.

La búsqueda está evolucionando desde una lógica basada exclusivamente en listas hacia una lógica basada en intención.

Durante años el viajero ha utilizado filtros: destino, fecha, categoría, precio, puntuación, distancia.

Cada vez será más habitual expresar directamente lo que necesita: “Quiero un hotel tranquilo cerca del mar para una escapada de tres noches, con buen restaurante, posibilidad de masaje y sin ambiente familiar.”

Eso cambia considerablemente la distribución hotelera.

La investigación recoge que un 37% de los viajeros analizados ya utiliza modelos lingüísticos integrados en webs de viajes para planificar y reservar.

No significa que mañana desaparezcan Google, las OTAs o los metabuscadores. Sería una conclusión irresponsable. Pero sí indica una dirección.

Cuando la búsqueda se convierte en conversación, la calidad de la información estructurada del hotel adquiere todavía más importancia: nuestros servicios, nuestras políticas, nuestros horarios, nuestras tipologías, nuestros atributos, nuestras experiencias, nuestros precios y nuestras condiciones.

Todo debe poder entenderse correctamente.

El marketing hotelero empieza así a incorporar un nuevo requisito: no solamente debemos resultar atractivos para una persona que mira nuestra web. También tendremos que resultar comprensibles para los sistemas que intermedian en el proceso de descubrimiento.

Y eso vuelve a llevarnos al mismo principio: información fiable, contexto, coherencia y autoridad.

El hotel de 2030 probablemente será menos espectacular de lo que imaginamos

Cuando hablamos del futuro solemos imaginar recepciones sin personas, robots transportando maletas y habitaciones que anticipan cada deseo.

Quizá veamos parte de eso.

Pero sospecho que el verdadero hotel inteligente será bastante menos cinematográfico.

Será un hotel donde housekeeping conozca antes las habitaciones realmente prioritarias. Donde revenue detecte una desviación sin dedicar media mañana a encontrarla. Donde comercial pueda analizar una petición de grupo considerando correctamente el desplazamiento y la contribución esperada. Donde una incidencia no desaparezca al cambiar el turno. Donde una intolerancia comunicada anteriormente no dependa de que alguien recuerde haber leído un correo. Donde recepción pueda resolver una petición compleja sin consultar cuatro aplicaciones y llamar a tres departamentos. Donde el equipo pueda dedicar menos tiempo a localizar información y más tiempo a atender excepciones que necesitan criterio. Y donde la dirección reciba excepciones que requieren atención, no otros veinte dashboards.

Ese hotel no sustituye a las personas. Las coloca allí donde generan mayor valor.

Y esa diferencia me parece fundamental.

Después de colaborar activamente en este estudio, mi primer consejo para cualquier hotelero que esté pensando en incorporar inteligencia artificial en su hotel sería sorprendentemente sencillo: no empieces por comprar IA. Durante una semana anota decisiones repetitivas que obliguen a tus equipos a consultar varias fuentes, repetir información, esperar confirmaciones o reconstruir conversaciones. Escoge una. Ponle un responsable. Mide cuánto tarda hoy y cuántos errores produce. Ya tienes un posible caso de uso.

Mi segundo consejo sería resistir la tentación de automatizar demasiado pronto. Primero haz que la inteligencia artificial observe, después que informe, posteriormente que asista y solamente cuando conozcas suficientemente bien sus límites permítele actuar. La autonomía debería ganarse mediante evidencia. En Hotelería, un proceso ligeramente más lento pero fiable continúa siendo mucho mejor que uno extraordinariamente rápido que obliga después a descubrir qué hizo exactamente.

Y el tercero quizá sea el más importante: no permitas que la inteligencia artificial aleje la Hotelería del huésped. Úsala para eliminar esperas, recuperar memoria, coordinar equipos, detectar excepciones, preparar decisiones y reducir trabajo que no aporta valor. El hotel verdaderamente inteligente no será el que pueda presumir de utilizar más inteligencia artificial. Será aquel en el que huéspedes y equipos apenas necesiten pensar en ella, porque las cosas, sencillamente, funcionan mejor.