报告行业投资评级 - 报告未明确给出“买入”、“持有”或“卖出”等传统股票投资评级，其核心是阐述人工智能在旅游和酒店业的战略重要性、应用现状与未来方向，旨在为行业参与者提供转型路线图 [6][7][17] 报告的核心观点 - 人工智能正从实验性工具转变为旅游和酒店业的战略必需品，它通过驱动效率、可持续性和创新，重新定义行业竞争、运营和增长模式 [6][7] - 行业对人工智能的采纳广泛但实施不均衡，绝大多数企业仍处于试点或部分实施阶段，全面规模化部署面临显著障碍，同时也意味着巨大的扩展潜力和价值创造机会 [10][12][32] - 人工智能的成功应用关键在于将其从孤立工具转变为融入组织思维的赋能者，实现自动化与人性化服务的结合，从而提供更智能、个性化、无缝的旅行体验，最终提升品牌声誉 [17][29][30][61] 根据相关目录分别进行总结 01 执行摘要 & 关键发现 - **已证实的影响力与扩展潜力**：85%的受访者已在试点或使用人工智能，并报告了成本节约和运营效率方面的可衡量改进，但仅有3%实现了全企业范围的全面实施 [10][12][19] - **主要采纳障碍**：行业面临人才短缺（76%）、数据隐私与网络安全担忧（64%）、以及过时遗留系统难以整合（85%）等关键挑战 [10][12][55][56] - **战略转向**：许多组织已设立专门的人工智能预算，标志着从实验性探索转向结构化、战略性采用 [23] - **驱动因素**：提升客户体验是首要驱动力（97%），其次是提升运营韧性（76%）和员工生产力（73%）[43][44][47] 02 一个转型中的领域——旅游与酒店业中的挑战与机遇 - **行业背景**：行业正面临成本上升、通胀、地缘政治不确定性等“完美风暴”，这加速了对创新和韧性的需求，人工智能被视为提供转型潜力的关键 [24][25] - **四大关键影响领域**：人工智能的影响聚焦于宾客体验、运营和数据基础设施、人力资源以及渠道管理，最终汇聚于提升品牌声誉这一战略成果 [13][25][28][29] - **具体机遇**： - **宾客体验**：利用人工智能分析实时数据，预测需求并提供高度个性化服务，以弥合客户期望与服务之间的差距 [28] - **人力资源**：通过自适应学习平台、预测性排班等应用，赋能员工并解决人才短缺问题，打造面向未来的劳动力 [28] - **运营与数据**：连接割裂的遗留系统，实现数据驱动的智能管理，以优化资源和提升效率 [28] - **渠道管理**：在人工智能代理时代，通过优化定价、管理声誉和增强在线存在感来保持竞争力，应对去中介化趋势 [28] 03 调查结果：需要更好的整合 - **采纳成熟度**：94%的区域领导者已开始试验或试点人工智能，但71%的受访者将少于3%的年度预算分配给人工智能项目，51%处于部分实施阶段，40%处于试点阶段，仅3%实现全面部署 [32][33] - **技术合作与优先方向**：60%的受访者正与初创公司合作推进人工智能计划，而与政府合作的比例仅为11% [35][36] 未来12-24个月，行业优先考虑的技术是生成式人工智能（89%）和预测分析（86%），表明重点从自动化效率转向智能决策与个性化 [37][38] - **商业影响**：85%的受访者报告了人工智能带来的中度至显著成本节约和效率提升，但对收入的变革性影响尚有限，仅3%的领导者认为其影响是变革性的，凸显当前应用多集中于效率提升而非创造新收入流 [39][40][42] - **应用案例分布**：个性化宾客体验是领先的应用案例（57.6%），预测、客户服务和收益管理各占39%，而后端如能源管理、资产管理等领域应用率均低于25%，表明人工智能整合在企业级功能方面仍处于早期阶段 [48][49][51] - **准备程度评估**：80%的领导者自认为对人工智能采纳的准备程度一般，仅8%感觉完全准备好，突显了在内部专业知识、劳动力准备和实施框架方面存在普遍的能力差距 [52][53] 04 避开陷阱：实施AI时不应做的事情 - **避免孤立与不对齐**：不应将人工智能视为现有工作流程的附加功能，而应重塑流程，避免在不与战略KPI和运营模式对齐的情况下部署孤立工具 [67] - **避免基础薄弱**：不应在未实现基础设施现代化（如过时遗留系统、低质量数据）之前仓促测试人工智能解决方案，否则将导致集成不良和无法扩展 [68][69][70] - **忽视人力因素**：不应忽视员工的信任和理解，若缺乏内部能力建设、跨职能协作和清晰的沟通，将导致抵制和技术未被充分利用 [71] - **缺乏治理扩张**：不应在没有明确治理计划（包括定义所有权、数据隐私控制和培训）的情况下盲目扩展人工智能部署，否则将面临结果不一致和数据风险 [72][73] 05 旅游业和酒店业领袖需要思考什么？ - **更智能的渠道与声誉**：未来分销将通过人工智能驱动的直接预订体验实现，API优先架构将实现动态定价和统一声誉监控，中介机构需重新评估其商业模式以保持相关性 [79][80] - **用户体验转型**：深度个性化应是无形且直觉的，关键在于利用高质量数据提供无缝体验，同时平衡个性化与隐私界限，建立伦理框架 [82][83] - **改造旧系统**：转型可从“低垂的果实”开始，利用现有数据驱动可衡量的结果（如优化维护计划），无需立即淘汰全部旧系统，关键在于智能连接而非拆除 [85][86][88] - **自适应学习与人才发展**：应通过人工智能赋能的微学习和数据驱动的职业路径，将学习嵌入日常运营，从内部识别和培养“沉睡人才”，以解决劳动力短缺问题 [89][90]

AI应用普及程度 - 亚太地区企业对AI应用呈显著增长，89%的受访者在过去12个月内已采用AI，较上次调查的69%增幅明显 [1] - 香港88%的受访企业已在工作中使用AI工具，例如ChatGPT、Copilot等 [1] - 65%的香港受访者主要应用第三方AI工具于部分业务领域或偶尔使用 [1] AI应用深度与潜力 - 香港企业对AI认知成熟，但多数停留在概念验证阶段，仅用于提升生产力如处理重复性工作及流程自动化 [2] - 需通过预测分析及代理型AI等进阶技术，重塑商业模式与工作流程，以释放AI真正潜力 [2] AI对招聘趋势的影响 - AI普及正重塑会计与财务行业招聘趋势，17%的香港受访者指出其所在机构因AI应用已减少聘用初级会计与财务人员 [2] - 42%的香港受访者认为目前招聘方式未见改变或言之尚早 [2] - AI常用于数据分析与研究，这些任务传统上由初级员工负责，使其能转向更具策略性的职责 [3] 未来人才技能需求 - 企业对技术技能的招聘标准提高，未来员工需具备与AI协作的能力 [3] - 员工需培养不可替代的软技能，如人际互动、人机协作、有效沟通、创意思维、批判性思考及专业怀疑精神 [3] - 培养初级员工承担更高层次职责需时，企业应兼顾人才发展以促进长远增长 [3] 数据安全与治理 - 26%的香港受访者对AI应用引发的数据保护与私隐问题表示最关注 [3] - 72%的香港受访者在过去12个月内已实施网络安全措施，显示整体成熟度较高 [3] - 企业应制定AI发展路线图，建立清晰的治理指引，以确保在职场中以道德方式使用AI工具 [4] 网络安全新兴趋势 - 值得关注的新兴趋势包括“托管式安全营运中心”（MSOC），将安全营运中心功能外包 [4] - “AI安全”趋势旨在保护AI系统免受数据外泄及滥用风险 [4] - 降低数据外泄风险需投资安全软件并提升员工的信息安全意识 [4] 政策与法规环境 - 政府可提供政策支持，为香港培育具备未来技能的人才 [3] - 政府可与机构及雇主合作为现有员工提供AI技能培训，并资助中小企试行或采用AI技术 [3] - 《个人资料（私隐）条例》及《关键基础设施（计算机系统）条例》等相关法规有助建立促进创新的道德环境 [5]

当前商业环境的挑战 - 市场频繁波动和劳动力规划持续调整使企业领导者决策面临更严峻挑战，必须以更谨慎态度和更小容错空间应对不确定性 [1] - 复杂多变的经济环境下，动态战略制定和情境规划运用尤为重要 [1] 预测分析的定义与价值 - 预测分析是运用先进统计方法、人工智能和自动化数据处理技术为企业提供未来规划见解的方法 [4] - 通过识别过去和当前数据中的信息，帮助企业管理者更深入理解业务优势和未来趋势 [4] - 预测分析可分为描述性分析和规范性分析两大类，描述性分析回顾历史解释已发生事件，规范性分析前瞻未来提供更优行动方案 [4] - 强大预测分析能力能够优化战略规划，强化资源配置，降低风险暴露，并在市场环境变化时迅速调整策略 [5] 预测分析的实施与最佳实践 - 预测分析需与企业业务目标紧密结合并深度嵌入日常决策过程以实现积极影响最大化 [6] - 必须防止低质量数据对预测结果准确性的破坏性影响，需确保数据准确无误且全面覆盖相关领域 [6] - 财务团队应积极将预测分析功能直接嵌入已使用的各类管理系统中，以确保企业能实时根据预测结果采取行动 [6] - 实施时可从解决单个业务问题入手，选择高价值用例进行试点，如客户流失预测或市场需求预测 [6] 预测分析的战略升级 - 当预测分析实践相互融合协同作用时，其从孤立技术工具转变为企业至关重要的战略能力 [7] - 战略能力形成依赖于财务团队在数据收集、清理准备、模式分析、模型构建及测试改进等关键维度上的持续努力 [7] - 需实现各个环节紧密集成，打破信息孤岛，促进数据在不同部门间流通与共享 [8] - 应建立广泛信任机制，赢得内外部利益相关者支持与配合，确保预测分析结果落地实施 [8] 预测分析的未来趋势 - 预测分析下一个前沿领域在于规模化和可访问性提升，云计算、低代码工具及嵌入式人工智能正不断降低应用门槛 [9] - 生成式人工智能兴起正在拓展预测结果传达方式，使洞察更具对话性，更易于转化为实际行动 [9] - 预测分析工具将逐渐从专业资源转变为组织共享力量，各业务职能部门可借助这些工具预测潜在挑战并制定未来战略 [9]

AI驱动增长 - 2025年65%高管将AI和预测分析视为增长主因 可实现高效大规模个性化 61%高管认为个性化体验对增长关键[17] - 生成式AI已显成效 53%高管称团队效率显著提升 50%提到内容创作加速[19] - 企业2025年计划增加技术投入 80%增投新技术 79%加强客户数据和 analytics 投资 78%提高数字媒体预算 69%计划增投人才[21][22] 技术投资与回报 - 仅12%组织有明确ROI解决方案 多数处于试点或推广评估阶段[25][26] - 市场领导者与追随者存在实施差距 近半领导者有AI解决方案 追随者较少且难显ROI[55] - 有成熟解决方案的企业多已完成ROI框架 试点阶段较少 64%完成ROI测量框架 试点阶段仅34%[60][62] 个性化体验差距 - 仅14%从业者能提供卓越数字客户体验 较去年25%下降[33] - 71%消费者希望品牌预判需求 仅34%品牌做到 78%期待全渠道无缝体验 仅45%达标[35] - 88%消费者关注数据安全 仅49%组织满足 信任缺口大[37] 数据与实时能力挑战 - 47%从业者用 analytics 预测需求 仅39%常规个性化网站体验 31%实时更新优惠[42] - 75%从业者受数据碎片化影响实时个性化[44] - 74%个性化推荐未完全自动化 76%客户支持未完全自动化[47] 生成式AI应用现状 - 从业者用生成式AI在聊天和客户支持等领域 19%已见ROI[72] - 个性化客户旅程和内容生成是高增长机会 仅13%报告ROI 22%尚未采用[72] - 近半消费者愿用AI助手 2024年网络星期一聊天机器人流量激增[74] 组织与协作需求 - 客户旅程所有权分散致体验不一致 责任分散致团队摩擦[15] - 营销和技术团队AI优先级不同 前者侧重创意 后者侧重基础设施 需加强协作[5] - 55%高管计划构建统一数据生态系统[5]