En pocos departamentos de un hotel se concentra tanta presión diaria como en Pisos. Y, paradójicamente, pocas veces se habla de ello cuando discutimos sobre eficiencia, productividad o innovación en Hotelería. Cada mañana hay que transformar una ocupación cambiante en un plan de trabajo concreto: habitaciones de salida, repasos, entradas prioritarias, cambios de sábanas, incidencias, peticiones especiales, diferentes cargas de trabajo, plantas, recorridos y un equipo cuya disponibilidad tampoco es siempre idéntica. Todo debe encajar y, además, hacerlo a tiempo, porque detrás de aquella planificación está esperando Recepción, y detrás de Recepción, un huésped que quiere encontrar su habitación preparada.
Descubre más. Aprende más. Sé más. Suscríbete ahora y accede a un mundo de oportunidades.
Durante años hemos asumido que esa complejidad formaba parte inevitable del trabajo de la gobernanta. Listados del PMS, anotaciones, hojas de cálculo, WhatsApp, papel, memoria y mucha experiencia. Funciona, porque las buenas profesionales de Pisos han desarrollado una extraordinaria capacidad para ordenar mentalmente todas esas variables. Pero precisamente ahí encontrábamos el problema: demasiada información dispersa y demasiadas decisiones concentradas en una sola persona y en muy poco tiempo. No queríamos eliminar ese conocimiento; queríamos evitar que tuviera que reconstruirse prácticamente desde cero cada mañana.
Nuestro objetivo, por tanto, no era simplemente digitalizar el reparto de habitaciones. Digitalizar un proceso ineficiente solo consigue que sea ineficiente más deprisa. Queríamos construir una herramienta que entendiera cómo funciona realmente Pisos: que distinguiera una salida de un repaso, identificara prioridades, tuviera en cuenta cambios de ropa, observaciones, cargas de trabajo y criterios internos, y que permitiera conservar las reglas y el conocimiento operativo que normalmente solo existen en la experiencia de la gobernanta. Sobre todo, queríamos que fuera suficientemente sencilla para utilizarla en plena operación, porque una herramienta que necesita un manual de cuarenta páginas a las ocho de la mañana probablemente tenga un futuro bastante limitado en un hotel.
Fue entonces cuando vimos que la Inteligencia Artificial podía resolver una parte muy concreta del problema. No limpiar una habitación. No sustituir a una gobernanta. Ni siquiera tomar la decisión final. Podía hacer algo mucho más útil: analizar rápidamente todas las variables disponibles, interpretarlas según nuestras propias reglas y generar una propuesta razonada de planificación. A partir de ahí comenzamos a desarrollar nuestro propio sistema, incorporando progresivamente aquello que necesitábamos en la operación real, probándolo, corrigiéndolo y volviendo a probarlo.
Puede que también te interese:
Hoy esa herramienta ya no es una idea ni una prueba de concepto. Está funcionando en la operación diaria del hotel. La gobernanta puede preparar la jornada, incorporar instrucciones específicas, reutilizar criterios previamente definidos, distribuir habitaciones, revisar cargas de trabajo y pedir al sistema que analice la planificación y proponga una alternativa. La IA trabaja con nuestras reglas; la profesional revisa el resultado, introduce las excepciones que conoce y mantiene siempre la decisión final. Hemos conseguido que un proceso que dependía de múltiples fuentes de información se convierta en un flujo mucho más intuitivo, estructurado y trazable.
Y quizá lo más interesante de todo lo que hemos aprendido durante el desarrollo es que el éxito no está en la IA, sino en haber entendido correctamente el problema antes de utilizarla. Podríamos haber comprado una solución sofisticada y seguir teniendo prácticamente el mismo problema. En cambio, partimos de las preguntas que realmente nos preocupaban: ¿qué necesita saber una gobernanta para planificar bien?, ¿qué decisiones repite cada mañana?, ¿qué excepciones debe considerar?, ¿qué conocimiento merece conservarse?, ¿qué puede analizar una máquina y qué debe seguir decidiendo una persona?
El resultado es precisamente el que buscábamos: menos tiempo dedicado a ordenar información y más tiempo disponible para dirigir la operación, supervisar habitaciones, acompañar al equipo y cuidar el estándar de calidad. La tecnología ha pasado a segundo plano, que es probablemente donde debería estar cuando está bien diseñada. La protagonista sigue siendo la gobernanta; simplemente dispone ahora de una capacidad de análisis que antes exigía mucho más tiempo y esfuerzo.
Para mí, ahí está una de las aplicaciones más interesantes de la Inteligencia Artificial en Hotelería. No en intentar reemplazar aquello que las personas hacen mejor, sino en observar dónde consumimos innecesariamente su tiempo y su conocimiento. Cuando conseguimos liberar a un profesional de parte de esa carga para que pueda dedicar más atención a aquello donde realmente aporta valor, dejamos de hablar de promesas sobre IA y empezamos a hablar de mejora operativa real.
El verdadero problema no es repartir habitaciones: es interpretar correctamente la carga de trabajo
Uno de los errores más frecuentes cuando hablamos de productividad en Pisos consiste en tratar todas las habitaciones como unidades equivalentes. Diez habitaciones son diez habitaciones. Matemáticamente es cierto. Operativamente puede ser completamente falso.
Imagina dos camareras de pisos con diez habitaciones asignadas cada una. La primera tiene siete repasos y tres salidas. La segunda tiene ocho salidas con nuevas entradas y dos repasos. Sobre la hoja ambas tienen diez habitaciones. Sobre el terreno difícilmente podremos afirmar que tienen la misma carga de trabajo.
Éste fue uno de los primeros razonamientos que quisimos trasladar al sistema.
La planificación inteligente de Pisos que hemos desarrollado no parte simplemente del número de habitaciones. Parte del estado operativo de cada una y de las reglas definidas por el propio hotel. La Inteligencia Artificial recibe información de ocupación, interpreta qué ocurre en cada habitación y construye una propuesta considerando las circunstancias de ese día.
Aquí hay una idea que considero fundamental: la IA no debería inventarse el funcionamiento del hotel.
Por eso hemos diseñado el sistema alrededor de reglas operativas configurables y de una base de conocimiento propia. El hotel puede enseñarle cómo quiere trabajar. No sólo decirle qué habitaciones tiene, sino explicarle qué criterios considera importantes.
El principio es muy parecido al de incorporar a una nueva persona al equipo. Podemos entregarle un listado de habitaciones y esperar que descubra por sí sola cómo trabajamos, o podemos explicarle nuestros procedimientos, prioridades, excepciones y criterios. Con la Inteligencia Artificial sucede exactamente lo mismo: cuanto mejor esté estructurado nuestro conocimiento, mejores serán las decisiones que pueda proponernos.
Nuestra solución trabaja sobre varios niveles de razonamiento:
- Interpretación de la ocupación real. El sistema analiza la información correspondiente a una fecha determinada e identifica qué ocurre con cada habitación: estancia, salida, nueva entrada o situaciones que requieren tratamiento específico. Parece trivial hasta que trabajas con listados reales, donde fechas, reservas consecutivas, cambios de huésped y distintas formas de presentar la información pueden provocar interpretaciones equivocadas.
- Conversión de ocupación en carga de trabajo. Una vez entendido qué ocurre en cada habitación, deja de pensar exclusivamente en habitaciones y empieza a pensar en tareas. Una salida implica una carga diferente de un repaso; una salida con entrada posterior tiene una importancia operativa distinta de una habitación que permanecerá libre; determinados días de estancia pueden implicar cambio de ropa de cama.
- Priorización operacional. No todas las habitaciones tienen que estar preparadas a la misma hora. El sistema puede considerar que determinadas habitaciones con entrada deben adelantarse frente a otras tareas menos urgentes. Esto aproxima la planificación a lo que realmente sucede en un hotel: trabajamos contra ventanas de tiempo, no simplemente contra una lista.
- Equilibrio de cargas. El objetivo no consiste en que todas las personas reciban exactamente el mismo número de habitaciones, sino en intentar que reciban una carga de trabajo razonablemente equilibrada. Esta diferencia conceptual es enorme. Igualdad aritmética y equidad operacional no son lo mismo.
- Agrupación lógica del trabajo. Si la distribución física del hotel lo permite, tiene sentido evitar recorridos innecesarios, cambios constantes de planta y desplazamientos improductivos. En términos de Lean Hospitality, reducir actividades que no aportan valor —como movimientos innecesarios o esperas evitables— puede mejorar simultáneamente productividad y calidad. La literatura sobre Lean aplicada a Hotelería lleva años defendiendo precisamente la eliminación sistemática de desperdicios operativos.
- Aplicación de instrucciones particulares. Hemos incorporado un campo donde quien planifica puede introducir órdenes concretas para ese día: prioridades, condicionantes, ausencias, necesidades especiales o cualquier circunstancia que altere la planificación habitual. La IA no trabaja entonces sobre un escenario genérico, sino sobre la realidad operacional de ese turno.
- Memoria de criterios reutilizables. Determinadas instrucciones no son excepciones de un día, sino formas de trabajar. Por eso pueden almacenarse y reutilizarse. Aquí empieza a producirse algo mucho más interesante que la automatización: el hotel comienza a convertir conocimiento tácito en conocimiento estructurado.
- Validación humana antes de ejecutar. La propuesta nunca debería convertirse automáticamente en una orden incontestable. La responsable de Pisos puede revisarla, mover habitaciones, modificar asignaciones e introducir cambios antes de comunicarla. La última palabra continúa siendo humana.
- Comunicación operativa posterior. Una vez validada la planificación, el sistema genera un resumen comprensible por camarera, incluyendo sus habitaciones, tareas y observaciones. Es decir, la planificación deja de ser sólo una herramienta para decidir y pasa también a facilitar la ejecución del trabajo.
Este último punto me parece especialmente importante.
Muchas herramientas administrativas son excelentes almacenando información y bastante menos eficaces ayudando a trabajar. Nosotros queríamos lo contrario: que la información acabara convirtiéndose en una instrucción operativa sencilla.
La camarera de pisos no necesita conocer el algoritmo que ha equilibrado la carga. Necesita saber qué habitaciones tiene asignadas, qué debe hacer en cada una y si existe alguna observación relevante.
Eso es diseñar desde la operación hacia la tecnología y no desde la tecnología hacia la operación.
Lo realmente interesante no es la IA: es convertir experiencia hotelera en un sistema de decisión
A medida que desarrollábamos la solución descubrimos algo que considero más importante que el propio programa.
Para enseñar a una Inteligencia Artificial a planificar Pisos correctamente, primero tuvimos que preguntarnos cómo tomamos nosotros esas decisiones.
Y no siempre resulta fácil responder.
Muchas organizaciones funcionan gracias a conocimientos que nadie ha escrito nunca. La gobernanta sabe que determinadas habitaciones deben hacerse antes. Recepción sabe qué llegadas suelen presentarse temprano. Mantenimiento conoce las habitaciones que necesitan especial seguimiento. Dirección conoce determinadas prioridades de servicio. El problema es que cada pieza de información vive en una persona diferente.
La IA nos obliga a explicitar ese conocimiento.
¿Por qué esta habitación antes que aquella?
¿Por qué esta salida pesa más que este repaso?
¿Por qué intentamos mantener determinadas habitaciones agrupadas?
¿Cuándo debemos cambiar las sábanas?
¿Qué hacemos si una camarera tiene una carga inferior porque entra más tarde?
¿Qué ocurre con una habitación que tiene salida y nueva entrada el mismo día?
¿Qué prioridad tiene una habitación que Recepción necesita urgentemente?
¿Qué reglas son permanentes y cuáles son excepciones?
Cuando empiezas a responder sistemáticamente estas preguntas, ya no estás simplemente implantando Inteligencia Artificial.
Estás haciendo ingeniería de procesos hoteleros.
Y ésa es probablemente la parte que más valor aporta.
Hay una cierta tendencia a pensar que introducir IA significa entregar datos a un modelo y esperar una respuesta brillante. Mi experiencia desarrollando este tipo de soluciones me está llevando justamente a la conclusión contraria: la calidad de la Inteligencia Artificial depende enormemente de la calidad del pensamiento que existe antes de utilizarla.
Si nuestros procesos son ambiguos, nuestras reglas contradictorias y nuestros datos deficientes, automatizaremos ambigüedad, contradicciones y errores con una velocidad extraordinaria. Lo cual no deja de ser una forma muy moderna de hacer mal las cosas.
Por eso hemos incorporado una base de conocimiento.
No queremos que la IA se limite a responder.
Queremos que aprenda cómo queremos que razone dentro de nuestro contexto operacional.
En esa base podemos documentar procedimientos, prioridades, características de habitaciones, reglas internas, criterios de reparto y cualquier conocimiento necesario para comprender el funcionamiento del departamento.
Aquí aparece una segunda derivada interesante: la dependencia del conocimiento individual disminuye.
No significa restar importancia a las personas. Justamente lo contrario.
Una gobernanta experimentada puede haber acumulado durante años un conocimiento extraordinariamente valioso. Pero si todo ese conocimiento permanece exclusivamente en su cabeza, la organización disfruta de él mientras esa persona está presente y empieza prácticamente desde cero cuando no está.
Capturarlo, estructurarlo y convertirlo en reglas reutilizables significa transformar experiencia personal en capital operativo del hotel.
Éste es uno de los grandes terrenos donde creo que la Inteligencia Artificial puede aportar mucho a la Hotelería durante los próximos años.
No solamente haciendo cosas.
También preservando y aplicando conocimiento.
Existe además una cuestión económica difícil de ignorar. El trabajo continúa siendo una de las grandes partidas del coste operativo hotelero y HVS sitúa habitualmente los costes laborales en una horquilla aproximada del 30% al 45% de los costes operativos totales, dependiendo del tipo de establecimiento. La división de Habitaciones suele concentrar una parte especialmente elevada de ese esfuerzo precisamente por la intensidad laboral de Pisos y otros servicios asociados.
Pero reducir costes no debería significar simplemente reducir personas.
Ésa sería una interpretación demasiado pobre.
Para mí, mejorar productividad significa utilizar mejor el tiempo disponible.
Una camarera caminando innecesariamente entre plantas no está aportando más servicio.
Una gobernanta dedicando media hora a rehacer manualmente un reparto que podría tener preprocesado tampoco.
Una habitación terminada demasiado tarde porque quedó mal priorizada puede convertirse en espera para Recepción y posteriormente en espera para el huésped.
Una persona sobrecargada mientras otra termina mucho antes representa un problema de planificación, no necesariamente un problema de productividad individual.
Y aquí cambia completamente la conversación.
Ya no hablamos de hacer más habitaciones por persona.
Hablamos de reducir fricción operacional.
Ésa es una diferencia fundamental.
También hemos querido mantener algo que considero irrenunciable: la transparencia del razonamiento.
No me interesa especialmente que un sistema diga: “ésta es la planificación óptima”.
Me interesa mucho más que pueda proponer:
“Esta distribución parece razonable porque equilibra salidas y repasos, agrupa habitaciones próximas, prioriza las entradas previstas y respeta estas instrucciones”.
Entonces puedo estar de acuerdo.
O no.
Pero puedo discutir la decisión.
Una buena IA aplicada a operaciones debería funcionar más como copiloto que como oráculo.
Porque en Hotelería existen demasiadas variables humanas para convertir cada recomendación en una verdad matemática.
Una camarera puede estar reincorporándose después de una baja.
Otra puede conocer especialmente bien determinada zona.
Una tercera quizá deba abandonar antes su turno.
Puede existir una inspección.
Un huésped puede haber solicitado una atención concreta.
Una suite puede necesitar más tiempo de lo habitual.
Y esa mañana pueden suceder quince cosas que ayer no conocíamos.
La planificación perfecta realizada a las 08:00 probablemente dejará de ser perfecta a las 09:17.
Por eso el sistema debe ser flexible, editable y conversacional.
Y aquí encuentro otra ventaja particularmente interesante de la IA frente a una automatización tradicional.
Un programa convencional necesita que prácticamente todas las posibilidades hayan sido previstas previamente.
La Inteligencia Artificial puede interpretar instrucciones en lenguaje natural.
“Prioriza las habitaciones con entrada.”
“Hoy esta persona debe llevar menos carga.”
“Intenta mantener juntas las habitaciones de la cuarta planta.”
“No asignes esta zona a esta camarera.”
“Esta habitación debe estar preparada antes de las once.”
Ese tipo de instrucciones forman parte del lenguaje normal de un hotel.
No necesitamos convertir cada excepción en una nueva opción de menú.
La tecnología empieza a adaptarse a nuestro lenguaje operacional, en lugar de obligarnos continuamente a traducir nuestro trabajo al lenguaje del software.
Eso, aunque pueda parecer un detalle, cambia mucho la facilidad de adopción.
Pero seguramente el aprendizaje que más me interesa de todo este proyecto es otro.
Durante años hemos utilizado tecnología hotelera principalmente para registrar lo que ya ha ocurrido.
El PMS registra reservas.
El sistema de mantenimiento registra incidencias.
Los controles de presencia registran horas.
Las encuestas registran satisfacción.
Los sistemas financieros registran ingresos y costes.
Ahora podemos empezar a construir herramientas que utilicen esa información para ayudarnos a decidir qué deberíamos hacer a continuación.
Ese salto, desde el registro hacia la decisión, es bastante más importante de lo que parece.
No porque las máquinas vayan a dirigir hoteles.
Sino porque buena parte del trabajo de un responsable consiste precisamente en transformar información incompleta en decisiones operativas.
Si podemos automatizar parte de la recopilación, ordenar las variables, detectar incoherencias y recibir una primera propuesta razonada, ganamos algo que en un hotel siempre escasea: tiempo para pensar.
Y ahí es donde creo que deberíamos medir realmente el retorno.
No sólo preguntándonos cuántos minutos ahorramos preparando una planificación.
También preguntándonos cuántos errores evitamos, cuántos desequilibrios detectamos antes, cuántas habitaciones prioritarias terminamos a tiempo, cuántos desplazamientos innecesarios eliminamos y cuánto conocimiento operativo conseguimos conservar.
Una investigación sobre Lean Hospitality señala precisamente que la presión competitiva obliga a los hoteles a mejorar simultáneamente eficiencia, productividad y calidad, y que la optimización de procesos puede trasladarse con éxito a operaciones hoteleras. Esa filosofía encaja muy bien con lo que estamos intentando hacer aquí: la tecnología únicamente tiene sentido cuando ayuda a eliminar trabajo que no aporta valor y permite concentrar los recursos donde sí lo aportan.
Y hay también una dimensión que no deberíamos olvidar: la calidad del trabajo de las personas.
Una buena planificación significa comenzar el turno sabiendo qué hacer.
Significa percibir que el reparto tiene lógica.
Significa reducir discusiones provocadas por distribuciones aparentemente injustas.
Significa evitar improvisaciones innecesarias.
Significa que la responsable del departamento pueda dedicar más tiempo a inspeccionar habitaciones, formar, acompañar al equipo y coordinarse con Recepción, en lugar de invertir buena parte de su energía en construir y reconstruir listados.
La IA, paradójicamente, puede permitirnos dedicar más tiempo a las personas.
Ésta es la clase de innovación que me interesa en Hotelería.
No la que consigue una buena demostración durante cinco minutos, sino la que un martes de agosto, con el hotel lleno, varias salidas tardías, una baja inesperada y Recepción preguntando cuándo estará preparada una habitación, consigue que el departamento funcione un poco mejor.
Mi primer consejo para cualquier hotelero que quiera explorar algo parecido sería no empezar preguntándose qué puede hacer la IA. Empieza describiendo detalladamente dónde se pierde tiempo, dónde aparecen errores y qué decisiones dependen excesivamente de una sola persona. Cuando encuentres un proceso repetitivo pero intelectualmente complejo, probablemente habrás encontrado un buen candidato.
El segundo sería documentar antes de automatizar. Define qué significa una buena planificación, cuáles son tus prioridades, qué excepciones existen y qué conocimiento utiliza hoy tu equipo para decidir. La tecnología no debería sustituir ese conocimiento, sino aprender a trabajar con él.
Y el tercero quizá sea el más importante: conserva siempre la capacidad humana de corregir la propuesta. En Hotelería trabajamos con habitaciones, horarios, costes y productividad, pero finalmente trabajamos con personas. El mejor sistema no será el que consiga decidir sin nosotros. Será el que nos permita decidir mejor, más rápido y con más información, para que podamos dedicar nuestra atención precisamente a aquello que ningún algoritmo debería quitarnos: cuidar del equipo y del huésped.
Creo genuinamente que la mejor manera de conocer el valor de un Coach Hotelero es probarlo primero de forma gratuita y conocerle. 