AI is het woord van het moment. Het staat in elk vakblad, elke leverancier roept dat zijn product nu “AI-powered” is, en op elke beurs gaat het nergens anders over. Als hoteleigenaar of GM voel je de druk. Iedereen lijkt al iets met AI te doen. Jij gebruikt misschien zelf al eens ChatGPT voor een mailtje. En tegelijk lees je over datalekken en over personeel dat per ongeluk gevoelige data lekt via AI. Kans en risico, door elkaar heen.
Ik geloof in AI. Niet als hype, maar als een ontwikkeling die de hotellerie blijvend verandert. Tegelijk zie ik in de praktijk waar het nu nog vastloopt: de goede voorbeelden bestaan, maar ze werken in datasilo’s. Zodra die silo’s worden geslecht en de data goed geordend wordt opgeslagen, versnelt de hele AI-trend. Dit artikel haalt kans en risico uit elkaar, en laat zien waar een independent hotel verstandig begint: bij de basis.
AI is geen hype die overwaait
Laten we eerlijk zijn over het eerste deel. AI is echt de toekomst, niet een trend die volgend jaar weer weg is. De toepassingen voor hotels zijn concreet en ze worden snel beter. Twee voorbeelden laten zien wat er nu al kan, en wat de voorwaarde is.
Pricing tot op rateplanniveau
Pricing is het duidelijkste voorbeeld. Moderne prijssystemen analyseren continu vraag en aanbod, tot op het niveau van kamertype, datum en verblijfsduur. Loopt een hotel voor op de planning, dan gaat de prijs omhoog. Blijft een kamertype achter, dan zakt de prijs. Dat gebeurt niet één keer per week, maar doorlopend.
Het gaat zelfs tot op rateplanniveau. Is er meer vraag naar flexibele tarieven dan naar non-refundable tarieven, dan past het systeem de prijs en de minimale verblijfsduur daarop aan. Automatisch, op basis van wat de markt op dat moment doet.
Maar hier zit meteen de voorwaarde. Onder dat slimme systeem ligt een gestructureerd rateplan. Het systeem moet precies weten hoe je tarieven zijn opgebouwd: welke condities, welke voorwaarden, welke inhoud per plan. Zonder die structuur stuurt het algoritme blind.
Gastcommunicatie over reserveringen heen
Gastcommunicatie is een tweede gebied, en daar speelt eenzelfde verhaal. AI kan veelgestelde vragen beantwoorden, in meerdere talen, op elk moment van de dag. Wanneer is de check-in, is er parkeergelegenheid, kan ik later inchecken. Vragen die nu tijd van je receptie kosten, neemt een goed getrainde assistent over. Je team houdt tijd over voor het echte gastcontact.
Maar ook hier ligt een structuurprobleem onder. Gastcommunicatie is in veel hotels verdeeld over meerdere systemen. Een deel loopt via de boekingssite, een deel via het reserveringssysteem, een deel via de reviewtool en een deel via een aparte berichtendienst. Die systemen weten niet van elkaar wat er is verstuurd. Vier kanalen, vier losse gesprekken met dezelfde gast.
Daar komt bij dat veel berichtendiensten reserveringsgebaseerd werken. Elke boeking start met een schone lei. Een gast die bij zijn tweede verblijf vroeg om een hard kussen, krijgt die context niet mee naar zijn derde, vierde of vijfde reservering. De voorkeur is wel ergens vastgelegd, maar nergens gekoppeld aan de gast zelf. Het gastprofiel wordt niet bijgewerkt. Er is, in feite, geen echt klantsysteem.
Voor AI is dat een probleem. Een assistent kan pas persoonlijk en behulpzaam zijn als hij de gast kent over reserveringen heen. Weet het systeem dat deze gast altijd een hard kussen wil, een rustige kamer waardeert en bij elk bezoek het ontbijt bijboekt, dan kan AI daar gericht op inspelen. Ontbreekt die gekoppelde geschiedenis, dan begint elk gesprek weer bij nul, hoe slim het model ook is.
Het verschil tussen een trucje en echte waarde
Diezelfde structuur bepaalt of een upsell werkt. Een goed ingericht reserveringssysteem ziet per rateplan wat de condities en de inhoud zijn. Daardoor kan een AI-laag herkennen of een boeking inclusief ontbijt is, en of de gast een standaardkamer heeft geboekt of een hoger type. Op basis daarvan kan AI gericht een upgrade aanbieden.
En dan komt het verschil tussen een trucje en echte waarde aan het licht. Een upsell-bericht versturen is makkelijk. Maar pas als de AI gekoppeld is aan kloppende data kan het ook echt iets. Dan weet het of de superior kamer waarvoor het een upgrade aanbiedt überhaupt nog vrij is. Het weet welk supplement het mag vragen. En het kan de reservering daadwerkelijk bijwerken zodra de gast ja zegt.
Zonder die gestructureerde basis blijft het bij een berichtje dat een upgrade aanbiedt die misschien niet eens beschikbaar is, tegen een prijs die niemand heeft gecontroleerd, zonder dat de boeking wordt aangepast. Dat is geen service. Dat is ruis.
De kern: AI draait op jouw data
Hier zit het punt dat de meeste hype-verhalen overslaan. AI verzint niets. Het werkt op data. En in een hotel komt die data uit je onderliggende systemen: je reserveringssysteem, je channel manager, je boekhouding, je website.
Is die data goed, dan werkt AI goed. Is die data rommelig, dan versnelt AI alleen de rommel. In de techniek heet dat garbage in, garbage out. Vertaald naar je hotel: een slim algoritme op slechte gegevens geeft slechte antwoorden, hoe geavanceerd het model ook is.
De voorbeelden uit de vorige sectie maken het concreet. Een prijssysteem op rateplannen die niet kloppen, optimaliseert op verkeerde aannames. Een AI-assistent zonder gekoppeld gastprofiel begint elk gesprek bij nul. Een upsell zonder actuele beschikbaarheid biedt iets aan dat niet bestaat. Telkens hetzelfde patroon: het model is niet het probleem, de data eronder wel.
AI versnelt dus wat er al is. Is je inrichting op orde, dan versnelt het je winst. Is je inrichting inconsistent, dan versnelt het je verwarring. Daarom begint AI niet bij een nieuwe tool, maar bij de basis eronder. Hoe je die basis op orde krijgt, beschrijf ik in het artikel over hotelsystemen goed inrichten.
Wie dit overslaat, koopt een dure tool die teleurstelt. Niet omdat de tool slecht is, maar omdat de data eronder niet klopt. Dat is de stille reden waarom veel AI-projecten in hotels mislukken.
Het risico dat erbij hoort
AI is een kans. Maar het brengt ook een nieuw beveiligingsrisico mee, en dat risico loopt langs twee kanten. De ene kant is je eigen team. De andere kant is de aanvaller.
Je personeel als nieuwe zwakke schakel
Dit is het risico dat hoteliers het minst zien aankomen. Je medewerkers ontdekken zelf hoe handig AI is. Ze plakken een gastenlijst in ChatGPT om er een overzicht van te maken. Ze laten een klacht samenvatten. Ze vragen een model om een mail op te stellen op basis van een reservering. Handig en snel, maar ongemerkt zetten ze gastgegevens in een openbaar AI-systeem.
Dit verschijnsel heeft een naam: shadow AI. Het is AI-gebruik door werknemers buiten het zicht van de organisatie, en de risico’s zijn groot. Het gaat vooral mis bij organisaties die nog geen afspraken hebben gemaakt over AI-gebruik. Medewerkers gaan dan zelf aan de slag en voeren data in zonder zich te realiseren wat ermee gebeurt.
Het voorbeeld dat dit pijnlijk duidelijk maakt komt van de gemeente Eindhoven. Uit een steekproef bleek dat medewerkers in één maand tijd meer dan duizend documenten met persoonsgegevens naar externe AI-tools hadden geüpload, wat tot een datalek leidde dat gemeld moest worden bij de Autoriteit Persoonsgegevens (bron: NOS). Het probleem daarbij: data die je in een openbaar model zet, kan gebruikt worden om dat model te trainen, en kan zo bij anderen terechtkomen.
Voor een hotel is dat een reëel risico. Je verwerkt namen, adressen, telefoonnummers en boekingsdetails. Belandt dat in een openbaar AI-model, dan ben je als verwerkingsverantwoordelijke in overtreding, ook als een medewerker het met goede bedoelingen deed.
Verbieden is niet de oplossing, want mensen doen het toch. De betere weg is iets veiligs faciliteren dat je kunt monitoren. Geef je team een afgeschermde omgeving en duidelijke afspraken, dan houd je het gebruik in het zicht in plaats van in de schaduw.
De aanvaller die AI inzet
De tweede kant is de buitenkant. Criminelen gebruiken AI om hun aanvallen geloofwaardiger te maken. Phishingberichten waren vroeger te herkennen aan slechte taal en vreemde formuleringen. Met AI zijn ze foutloos, in perfect Nederlands, en soms zelfs met een vriendelijke AI-assistent die eerst je vertrouwen wint voordat het verzoek om een betaling komt.
In de hotellerie speelt dat nu actief. Gasten ontvangen berichten met kloppende boekingsgegevens en een betaalverzoek dat echt lijkt. Hoe dat werkt en hoe je je gasten beschermt, lees je in het artikel over datalekken in hotels. De kern voor nu: AI maakt de aanvaller slimmer, precies op het moment dat je eigen team onvoorzichtiger wordt. Twee bewegingen die elkaar versterken.
Hoe begin je dan wel?
De boodschap is niet: blijf van AI af. De boodschap is: begin verstandig, op de juiste plek en in de juiste volgorde.
Denk terug aan het lagenmodel van Gartner. Je kernsystemen vormen laag 1, je onderscheidende systemen laag 2, en het experiment, waaronder AI, vormt laag 3. Je begint met experimenteren aan de buitenkant, waar een fout geen ramp is. Niet door AI meteen te koppelen aan het hart van je operatie.
Vier praktische stappen helpen je op weg.
- Weet welke AI-tools je personeel gebruikt. Wat je niet weet, kun je niet beveiligen. Vraag het na en breng het in kaart. De kans is groot dat er al meer wordt gebruikt dan je denkt.
- Spreek af welke gegevens nooit in een openbaar AI-model mogen. Geen gastnamen, geen boekingsdetails, geen betaalgegevens. Maak die regel concreet en deel hem met je team. Combineer het met een veilige omgeving die je wél aanbiedt, zodat mensen niet in het wilde weg gaan experimenteren.
- Wees transparant naar je gasten. Komt een gast in contact met een AI-assistent in plaats van een mens? Wees daar open over. Vertrouwen wint het altijd van een trucje, zeker in een sector die op gastrelaties draait.
- Koppel AI pas aan je kernsystemen als je weet wat er met de data gebeurt. Welke gegevens worden gebruikt, waar worden ze opgeslagen, en wie heeft toegang? Een AI-leverancier die je gastdata verwerkt, is een verwerker, net als je andere systemen. Daar hoort een verwerkersovereenkomst bij, en die kun je opvragen. De regels daarvoor staan bij de Autoriteit Persoonsgegevens. Houd de regie over je eigen data, ook als je een externe dienst inzet.
De silo’s worden geslecht, en dan versnelt het
Voordat we te kritisch worden over wat er nog niet kan, dit. De obstakels die ik in dit artikel beschrijf zijn van tijdelijke aard. De goede voorbeelden bestaan al, maar ze werken vandaag nog in datasilo’s: pricing in het ene systeem, gastdata in het andere, communicatie weer ergens anders. Elk systeem slim, maar geen van alle met het volledige beeld.
Op het moment dat die silo’s worden geslecht en de data goed geordend op één plek staat, versnelt de AI-trend zich. Dan kan de gastreis voor de gast écht persoonlijk worden, over reserveringen en kanalen heen. Dan kan een hotel zijn aanbod, zijn prijs en zijn communicatie continu optimaliseren op basis van wat werkelijk gebeurt. Het businessmodel zelf wordt scherper.
Mijn verwachting is dat independent hotels hiervoor echt naar hun basissystemen moeten kijken. Niet naar de nieuwste AI-tool, maar naar de fundering eronder: schone gastdata, schone reserveringsdata en een schone basis van beschikbaarheid, tarieven en inventory. Die laatste heet in de sector ARI, de kern van wat een hotel verkoopt en tegen welke prijs. Wie die basis op orde heeft, kan AI er probleemloos op aansluiten. Wie dat niet heeft, blijft achter.
Dat is geen verre toekomst. Het is het verschil tussen de hotels die hun basis nu op orde brengen en de hotels die straks achteraan aansluiten.
De volgorde maakt het verschil
AI is geen toverstaf en geen bedreiging die je moet vrezen. Het is een krachtig hulpmiddel dat versnelt wat er al is. Daarom begint het niet bij de tool, maar bij de basis eronder.
Eerst je kernsystemen op orde en gekoppeld. Dan je onderscheidende systemen consistent afgestemd. Dan pas AI, aan de buitenkant, met heldere afspraken over data en veiligheid. In die volgorde werkt AI voor je. In de omgekeerde volgorde werkt het tegen je.
Het goede nieuws is dat de eerste stap volledig in jouw hand ligt. Niet technischer worden, maar zorgen dat de basis klopt. Daar begint elk succesvol AI-traject.
Wil je weten of jouw basis klaar is voor AI? Start de gratis Quickscan. In 60 tot 90 minuten breng ik in kaart waar je staat en wat er eerst op orde moet.
