Sfoglia altri articoli simili con le etichette:
Un boutique hotel di trentadue camere sul Lago di Como ha chiuso il 2025 con un RevPAR cresciuto del 19,3% rispetto all’anno precedente. Stesso staff, stesso prodotto, stessa location. La differenza è stata una sola: un sistema di revenue management AI-based che ha smesso di chiedere al direttore di guardare ogni mattina i prezzi della concorrenza per decidere le tariffe del giorno. Un caso che ho seguito da vicino. E che racconta meglio di mille slide cosa sta succedendo nell’hospitality italiana.
Vediamo dove l’AI funziona davvero, dove serve cautela, e perché molti hotel italiani stanno ancora sbagliando l’approccio.
Il revenue management non è più un mestiere da fogli Excel
Per anni il revenue manager di un hotel italiano lavorava così: apriva la dashboard del PMS, guardava le tariffe della concorrenza diretta su Booking, controllava il forecast occupazionale a 30-60-90 giorni e decideva manualmente i prezzi. Un mestiere prezioso, fatto di intuizione costruita in dieci o quindici anni di sala.
Oggi quel mestiere non sparisce, ma cambia.
Tool come IDeaS G3, Duetto, Atomize, Pace Revenue e nel mercato italiano RoomPriceGenie usano modelli predittivi che incrociano oltre quaranta variabili: storico occupazionale dello stesso giorno-mese di tre anni, eventi locali (fiere, concerti, partite), meteo previsto, ricerche su Google Travel per la destinazione, pickup curve delle OTA, prezzi della compset in tempo reale, sentiment sui canali social.
Il modello propone. Il revenue manager decide.
Quando ho lavorato con tre catene alberghiere italiane di medie dimensioni nel 2024-2025, il pattern era sempre lo stesso: il primo mese chi accettava ciecamente le proposte dell’AI faceva peggio del manuale. Dopo tre-quattro mesi, con i modelli calibrati sui dati propri e non solo su pattern generici, la situazione si invertiva. Il sistema iniziava a capire la stagionalità specifica della struttura, gli eventi che davvero impattavano, le abitudini della clientela storica.
Dove il dynamic pricing italiano si scontra con la realtà
C’è un fatto che nessuno racconta nei whitepaper dei vendor. Il dynamic pricing alberghiero in Italia funziona molto bene sulle camere standard e malissimo sui prodotti differenziati come suite, jacuzzi room, vista panoramica.
La ragione è che le tariffe storiche di questi prodotti sono spesso state fissate da chi ha aperto l’hotel, mai più toccate, e i modelli AI imparano da pattern che non esistono. Una suite vista lago a Bellagio venduta sempre a 480 euro per cinque anni non ha curva di prezzo. Ha un’abitudine.
I sistemi più maturi prevedono override manuali per categorie di camera con bassa rotazione. Quelli meno maturi propongono prezzi a casaccio. Il risultato lo vediamo nei forum dei direttori d’hotel: tariffe assurde proposte dal sistema, screenshot postati con sarcasmo, fiducia nel tool che crolla.
Concretamente: l’AI sul pricing alberghiero funziona quando hai almeno 200-300 transazioni storiche per categoria di camera. Sotto questa soglia, i modelli imparano poco.
La personalizzazione dell’esperienza è il vero terreno nuovo
Qui si gioca la partita interessante. Il revenue management è una commodity ormai: tutti i grandi gruppi alberghieri usano sistemi simili, la differenziazione di prezzo si riduce ogni anno. Quello che resta come terreno di vantaggio competitivo è l’esperienza dell’ospite.
I sistemi PMS di nuova generazione come Cloudbeds, Mews, Apaleo integrano moduli AI per la profilazione dell’ospite a partire dalla prima prenotazione. Cosa ha acquistato negli stay precedenti, in quali fasce orarie usa la SPA, quali ristoranti partner ha frequentato, se viaggia per business o per piacere, se ha figli, se ha esigenze dietetiche dichiarate.
Sulla base di questi dati il sistema suggerisce al concierge, al momento del check-in, tre o quattro proposte personalizzate: un’esperienza enogastronomica, un trattamento spa, un servizio in camera. Il concierge sceglie cosa proporre. Il modello impara dai sì e dai no.
Mews, in particolare, ha integrato a partire dalla fine del 2025 un assistente conversazionale per il front desk che genera in tempo reale email di pre-stay e post-stay personalizzate per ogni ospite. Quando ho visto la demo, mi è parso solido. Niente magia, niente promesse. Soltanto un’integrazione pulita tra il dato che già hai e un modello linguistico che lo trasforma in conversazione.
Chatbot e AI conversazionale: il confine del fastidio
Tutto bene fino a quando l’ospite chiama il numero verde del gruppo alberghiero e si trova a parlare con un assistente conversazionale che fatica a capire “vorrei spostare la prenotazione di venerdì”.
Il chatbot in hospitality è un’arma a doppio taglio. Funziona per richieste prevedibili (orari colazione, conferma prenotazione, indicazioni stradali). Si schianta sulle richieste con sfumatura emotiva o operativa complessa. E nell’hospitality italiana, dove la clientela alto-spendente paga proprio per il trattamento umano, sbagliare qui costa caro.
Il pattern che funziona è ibrido. Chatbot in prima linea per richieste standard, escalation rapida e trasparente al concierge umano per tutto il resto. La parola chiave è “trasparente”: il cliente deve sapere subito che sta parlando con un sistema, e deve poter passare a una persona senza dover ripetere tutto.
Compliance, AI Act e dati ospiti: il fronte che molti sottovalutano
Profilare un ospite è un’attività che ricade sotto il GDPR da sempre. Profilarlo con un modello AI per produrre raccomandazioni personalizzate, dal 2 agosto 2026, ricade anche sotto il Regolamento UE 2024/1689 (AI Act) nelle disposizioni generali, e potenzialmente sotto regole più stringenti se il sistema fa emozione-detection (riconoscimento dello stato emotivo dell’ospite da camera video o registrazioni vocali, una pratica vietata salvo eccezioni).
Molti hotel italiani stanno acquistando questi tool senza un’analisi seria dell’impatto privacy. La AIPIA, l’associazione italiana professionisti AI, ha iniziato a strutturare moduli formativi specifici per i settori verticali, hospitality compresa, proprio per colmare questo gap di competenze.
Quanto costa entrare e cosa aspettarsi
Il range di investimento per un hotel italiano di 40-80 camere che voglia entrare seriamente in questo territorio si colloca tra i 9.000 e i 25.000 euro all’anno per i tool, escludendo costi di consulenza e formazione interna. Cifra non banale, ma più piccola di quella che molti consulenti raccontano.
Il ritorno realistico, secondo i casi che ho visto e seguito direttamente nel 2024-2025, sta in un incremento RevPAR del 7%-14% al primo anno, con un periodo di taratura iniziale di 90-120 giorni in cui il sistema impara la specificità della struttura. Risultati superiori al 15% al primo anno richiedono di solito un riassetto profondo del modello commerciale, non soltanto l’introduzione di un tool.
Chi promette il 30% di crescita immediata sta vendendo aria.
Casi italiani che stanno funzionando, senza clamore
Il gruppo Belmond sulle sue strutture italiane (Cipriani Venezia, Splendido Portofino) ha integrato dalla seconda metà del 2024 un sistema interno di scoring degli ospiti che incrocia booking history, preferenze dichiarate e segnali deboli raccolti durante lo stay. Non è AI rivolta al pricing. È AI rivolta a far decidere meglio chi accoglie l’ospite al rientro dopo due anni. Risultato dichiarato in una conferenza di settore: tasso di retention nelle strutture europee cresciuto di otto punti percentuali in dodici mesi.
Sul fronte degli hotel indipendenti, Casa Maria Luigia di Massimo Bottura a Modena ha integrato dal 2025 un assistente conversazionale che gestisce le richieste in pre-stay in cinque lingue. Il sistema non sostituisce il front office, lavora come filtro prima dell’arrivo. Quando ho parlato con chi ha seguito l’implementazione, il dato che mi è restato impresso è questo: il numero di richieste personalizzate arrivate dopo la conferma di prenotazione è passato da una media di 1,3 per ospite a 4,7. Più informazioni in anticipo, meno richieste impossibili al check-in.
I gruppi come Lungarno Collection a Firenze e Una Group stanno seguendo direzioni simili, con tempistiche diverse. Quello che li accomuna è una scelta strategica: prima di automatizzare, capire cosa funziona già a mano. È una posizione meno appariscente, ma è quella che produce risultati sui dodici-diciotto mesi.
Il segmento agriturismi-resort di fascia medio-alta sta arrivando con due-tre anni di ritardo. Non per arretratezza, ma per dimensione media più piccola che non giustifica gli investimenti dei tool enterprise. Stanno iniziando a usare versioni semplificate degli stessi sistemi, spesso integrate direttamente nel channel manager (SiteMinder, Cubilis, Vertical Booking). È un’evoluzione lenta, ma ha senso.
Cosa cambia per il direttore d’albergo
Il mestiere del direttore d’albergo italiano sta vivendo una trasformazione meno raccontata di quella del marketing manager. Meno tempo davanti agli Excel del revenue, più tempo a leggere le sintesi delle dashboard, più tempo a interpretare i pattern che il modello segnala. E soprattutto più tempo, di nuovo, in sala con gli ospiti.
Cambia anche il profilo del nuovo assunto. Cinque anni fa al colloquio per una posizione di revenue manager si chiedeva esperienza con Excel avanzato e con un PMS specifico. Oggi le job description includono comprensione dei sistemi predittivi, capacità di leggere le metriche di un modello, attitudine a impostare override consapevoli. Non sono competenze esoteriche, ma vanno apprese, e fino a tre anni fa nei corsi alberghieri italiani non c’erano.
Quando funziona, l’AI in hotel non sostituisce la professionalità. La libera dalle attività ripetitive e la riporta dove serve davvero: nelle relazioni. Quando non funziona, è perché è stata applicata come fosse una piallatrice automatica su un manufatto artigianale.
La differenza, ancora una volta, sta nella consapevolezza con cui si sceglie.
