酒店 AI 一旦开始做事，最容易看错的是百分比。
本周两个新案例，自动化边界几乎相反：
- 捷克 Hotel Atlantis 部署 Flae Robotics 的 BE-A 前台系统。客人从邮件或 WhatsApp 发来消息，BE-A 会识别渠道、语言和意图，当前自主解决率约 25%；复杂消息会自动分类、保留上下文，再升级给人工前台。系统支持 100 多种语言，下一阶段才计划接入 PMS，处理自动预订、房型修改和满房日期替代建议。1
- 吉隆坡独立广场店的 7 天酒店采用鹿马无人酒店方案。鹿马的方案报道披露，自助终端承接了 98% 的证件核验、订单核对、发卡退房和收银开票，服务机器人负责 24 小时客房配送，门店取消三班倒前台编制。按 50 间客房的标准测算，报道给出每月减少 7 万元人工成本、总支出节约 7.2 万元、降幅 33%，静态投资回报周期 2-3 年。这里的数字是厂商方案报道口径，没有独立审计材料，不能直接外推到所有门店。2
这两个案例放在一起看，重点就变了。BE-A 的价值在于把复杂问题交回人，98% 自助终端的价值在于把标准流程压缩成机器动作。真正该问的不是「谁的 AI 更强」，而是：
- AI 到底在执行，还是只在给建议？
- 它读了哪些系统，又把结果写回哪里？
- 出现投诉、退款、身份冲突和例外判断时，谁能接管？
Revfine 提出过一套前台与收益管理 Agent 的自主权阶梯：只给建议；查数据并等待人工批准；在价格上下限等硬护栏内自动执行；最后才是能识别何时必须升级人工的自主系统。它不是统一行业标准，但很适合拿来做项目验收。34
给酒店经营团队的验收单，可以先从四项开始：任务边界、系统链路、人工接管、复盘指标。除了响应时间和承接率，还要看人工推翻率、升级率、投诉解决时长，以及出错后能否在几分钟内回滚。
AI 多做低风险重复动作，高代价例外留给人。这个边界画不清，自动化比例越高，经营风险也可能越高。
Comments
Sign in to comment.