IA / Venta Directa

Montar un piloto de IA lleva una semana, pero llevarlo a la operación del hotel lleva mucho más

Montar un piloto de IA lleva una semana, pero llevarlo a la operación del hotel lleva mucho más
CECILIA RODRÍGUEZ SUÁREZ

CECILIA RODRÍGUEZ SUÁREZ

17 Nov 2026

Tiempo de lectura: 5 minutos

Hoy cualquier hotel puede probar un asistente o un agente de IA en pocos días. Lo que separa esa prueba de una herramienta que el equipo usa cada mañana tiene que ver con los datos, los permisos, los costes y la forma de trabajar.

De eso habló nuestro Chief AI Officer, Raúl Blanco Díaz, en el webinar «¿Dónde termina un piloto de IA y empieza realmente la transformación?», organizado por Codurance y Turistec, junto a Xavier Venteo, Engineering Leader de Voxel (an Amadeus company), y Lesmes López, Regional Manager de Codurance.

Mira el webinar completo (enlace para la foto: https://www.youtube.com/watch?v=0VTPzqc4Rn0&t=542s)
Mira el webinar completo


Un prototipo enseña poco de lo que hay debajo

Cuando Lesmes López preguntó qué distingue a una empresa que prueba IA de otra que ya obtiene resultados, Raúl respondió con datos, simple y directo: Hoy cualquier persona puede montar un pequeño panel de control con una herramienta de IA en una tarde, pero eso no dice nada. Lo que decide si llega a producción es cómo se ha recogido, limpiado y procesado la información con la que se trabaja. Si los datos están mal, la IA amplifica el error; si están cuidados, ayuda a decidir mejor.

Por eso Raúl insiste en acotar cada piloto a un área concreta. Un prototipo que intenta cubrirlo todo es más difícil de evaluar y más fácil de abandonar. Los fallos que más ve en los proyectos que no salen adelante tienen menos que ver con el código y más que ver con la seguridad, los costes de uso del modelo que nadie calculó y el desconocimiento de una tecnología que cambia todo el tiempo.

En Neobookings medimos de forma continua lo que consume cada modelo en los productos que ya están en producción, porque lo que se implementa un día puede quedar obsoleto al siguiente.


Qué pasa cuando la información está desordenada

En un hotel, la información vive en el PMS, en el motor de reservas, en el CRM y en la herramienta de facturación, y cada sistema la guarda a su manera. Si el modelo de lenguaje recibe esos datos sin tratar, se equivoca más, inventa respuestas y gasta más de lo necesario en cada consulta. Raúl compara el trabajo de ordenamiento de datos con darle la comida «ya masticadita, como si fuera una papilla».

Para resolverlo hay dos caminos. En Neobookings consideramos necesario ordenar el dato y construir una infraestructura preparada para agentes, conectando los sistemas mediante MCP (Model Context Protocol), el protocolo que permite a los modelos de IA conectarse con otras herramientas, llevando la información a un «almacén de datos» y «limpiándola» antes de que la use el modelo. «El camino complejo, que es el que para mí hay que tomar, es, antes que nada, ordenar los datos y hacer una arquitectura e infraestructura preparada para agentes y LLMs», explicó.

El segundo camino está al alcance de un hotel que todavía no puede abordar ese trabajo por conocimiento o por coste. Un pequeño agente puede descargar cada día o cada semana los informes del PMS y del CRM, procesar esos cuatro o cinco Excel y devolver estadísticas y previsiones. Es una solución menos completa, pero aun así mejora la operativa desde el primer día.

Xavier Venteo añadió un matiz sobre qué etapas se pueden saltar. Un hotel que ya recibe reservas a través de una API puede construir encima una capa conversacional para que el cliente reserve desde un asistente como ChatGPT o Copilot, y en ese caso la calidad del dato pesa menos. En cuanto quiere ofrecer servicios de valor añadido, recomendaciones o información que el huésped va a tomar como cierta, el dato vuelve a ser imprescindible.


Del chatbot que contesta al agente que propone

Raúl explicó la diferencia entre el chatbot de toda la vida, que carga preguntas frecuentes y responde, y un agente apoyado en un buen modelo de lenguaje, que consulta información, usa herramientas y ejecuta acciones. Sin endiosarlos, porque al final, dijo, «no dejan de ser sistemas con unas instrucciones y unas manos para ejecutar acciones».

El ejemplo que puso fue el de un director de hotel que llega por la mañana con cincuenta fuegos abiertos. Un agente puede reunir esas incidencias, ordenarlas por prioridad y proponer cómo atacarlas, con botones para que otros agentes se pongan en contacto con cada departamento. Si el técnico de los extintores llega diez minutos tarde y resolverlo supone enviarle un WhatsApp, el agente se encarga y devuelve una respuesta para que el director decida. Su tiempo queda para lo que de verdad necesita su criterio experto y humano.

Por eso Raúl cree que cada empresa, pequeña o grande, va a necesitar a alguien que sepa montar y dar forma a estos agentes. Xavier, por otro lado, lo llevó a la gobernanza. Sin un grupo o una persona que controle el proceso, la IA multiplica los errores de organización, puede comprometer datos personales de clientes y dispara un presupuesto que ya ha dejado de ser barato, porque las tarifas de los modelos están subiendo y se paga por uso.


Cuanto más poder tiene un agente, más hay que establecer sus límites

Consultar habitaciones disponibles tiene un riesgo muy distinto al de modificar una reserva o tocar datos personales. Xavier recordó que ha habido casos en los que un agente decidió borrar una base de datos entera, y de ahí la necesidad de definir qué no puede hacer y en qué momentos tiene que dar el visto bueno una persona.

Raúl contó que como parte del desarrollo de los productos que estamos llevando adelante dedicamos mucha iteración a acotar a los agentes con guardarraíles, que son aquellas reglas que delimitan lo que pueden hacer.

Aun así, reconoció que es difícil garantizar una seguridad total, porque mañana puede llegar una pregunta que nadie había previsto, y que la persona sigue siendo quien mejor detecta la picardía de quien intenta saltarse los límites. Al respecto, Lesmes propuso pasar al asistente baterías de evaluaciones de forma periódica y revisar que sus respuestas se mantienen dentro de lo esperado. La conclusión de Raúl fue trabajar en entornos muy cerrados y abrir poco a poco: «Lo que está ocurriendo es que la gente despliega prototipos, herramientas, pero con las puertas abiertas al campo, y ahí es donde realmente surgen los problemas»


El pago, la parte más delicada

Cuando un agente pasa de recomendar a cobrar, entran en juego los datos de la tarjeta y la PCI DSS, la norma de seguridad que regula cualquier pago con tarjeta. Xavier explicó que hoy esos datos no deberían pasar por un modelo alojado fuera de la propia infraestructura, y menos fuera de la Unión Europea, donde la regulación es más exigente. Donde sí ve un uso inmediato es en ayudar a decidir, por ejemplo, con qué tarjeta se paga menos comisión o qué opción ofrece mejor tipo de cambio en un pago internacional.

Raúl afirma que el pago agéntico llegará y lo imagina como una especie de contrato en lenguaje natural, del tipo «puedes comprar estas zapatillas cuando bajen de 50 euros», que el agente ejecutará cuando se cumplan ciertas condiciones. Pero para que sea una realidad falta un protocolo estándar que hoy todavía no existe.


Cuándo escalar y cuándo parar

Xavier es precavido y pide hacer la cuenta antes de crecer. Con la IA desaparece el límite de capacidad, y con él desaparece también el techo del coste. Hay que proyectar qué ocurre si el servicio pasa de cien mil a un millón de clientes y comprobar que el ingreso sigue por encima del gasto.

Raúl está de acuerdo en medir, y defiende que también se deje margen para pequeños pilotos cuya rentabilidad todavía no se puede calcular. A veces la única forma de tener datos es lanzarlos, ver cómo responde la gente y decidir después si merecen una versión profesional.

Al acelerar, además, los cuellos de botella cambian de sitio. Xavier contó que en su equipo el Product Owner validaba todo antes de subirlo a producción; cuando la IA multiplicó lo que se entregaba, dejó de llegar, y tuvieron que crear un agente de validación que solo le pasa los casos que necesitan su revisión. En un hotel ocurre igual. Automatizar la recepción de una solicitud sirve de poco si después espera en tres departamentos que no se coordinan.


Por dónde empezar

El consejo de Raúl para cualquier hotel es sentarse con una herramienta de IA y contarle cómo es la operativa de cada día, paso a paso. A partir de ahí se pueden sacar patrones, detectar lo que se repite y pedir ejemplos de agentes que lo automaticen. Con una condición que repitió varias veces, hacerlo desde una cuenta corporativa y nunca desde una gratuita, para que la información del hotel no acabe sirviendo para entrenar modelos de terceros.

Elige esta semana una tarea que repites cada día, descríbesela a la IA y mide cuánto tiempo te devuelve. Y si necesitas implementación y guía, te invitamos a un café.

Contáctanos