Amex GBT Hotel Lobby Lleva la Búsqueda de Hoteles Más Allá de la RFP Anual

Amex GBT lanzó Hotel Lobby el 14 de octubre, incorporando IA agéntica a un proceso de búsqueda de hoteles que sigue dominado por un ciclo anual de solicitud de propuestas. El sistema Amex GBT Hotel Lobby automatiza la preparación de datos, los cálculos de tarifas objetivo y la validación de ofertas. Su promesa más amplia es más relevante: convertir la contratación de hoteles de un proyecto periódico en un programa supervisado de forma continua.

Esa promesa importa porque los acuerdos corporativos con hoteles comienzan a quedar obsoletos en cuanto terminan las negociaciones. Los precios de las habitaciones cambian, la demanda se desplaza, los patrones de viaje evolucionan y los empleados reservan fuera de los canales preferentes. Una tarifa negociada meses antes puede resultar menos atractiva frente a las condiciones actuales del mercado, mientras que la ausencia de establecimientos puede debilitar la cobertura en destinos que han cobrado importancia.

Hotel Lobby asigna agentes de IA especializados a tareas relacionadas con cobertura, búsqueda y negociación. La IA agéntica se refiere a software que ejecuta un flujo de trabajo de varios pasos, en lugar de limitarse a responder a una indicación. Según la empresa, los consultores siguen siendo responsables de la estrategia, las negociaciones y las excepciones.

Esta división del trabajo plantea la competencia central. Hotel Lobby no compite principalmente con otro chatbot. Compite con procesos de búsqueda intensivos en hojas de cálculo y sujetos al calendario, que concentran el análisis en un único y prolongado ciclo anual.

El lanzamiento se produce tras la adquisición completada de Amex GBT por Long Lake Management, una operación valorada en aproximadamente 6.300 millones de dólares. Ese cambio de propiedad incrementa la atención sobre si la IA aplicada puede generar mejoras operativas medibles dentro de un negocio de servicios consolidado.

La evidencia inmediata sigue siendo limitada. Amex GBT ha publicado cifras de su metodología de búsqueda ya establecida, pero no ha revelado reducciones específicas de Hotel Lobby en los tiempos de ciclo ni ahorros adicionales. Por tanto, el lanzamiento ofrece un mecanismo de automatización creíble, pero todavía no un historial público de resultados.

Lo Que Amex GBT Hotel Lobby Cambia Realmente

Hotel Lobby lleva la IA de responder preguntas sobre búsqueda a ejecutar partes definidas del flujo de trabajo de búsqueda.

Amex GBT afirma que el sistema utiliza múltiples agentes especializados en lugar de un asistente de propósito general. Esos agentes gestionan la depuración de datos, el análisis de cobertura, los cálculos de tarifas objetivo y la validación de RFP. Una RFP, o solicitud de propuestas, es el proceso estructurado mediante el cual las empresas invitan a los hoteles a presentar tarifas y condiciones negociadas.

La depuración de datos representa una parte importante de ese trabajo. Los registros corporativos de hoteles pueden contener nombres de establecimientos inconsistentes, historiales de gasto incompletos, entradas duplicadas y tarifas difíciles de comparar. Los analistas deben preparar esos registros antes de que un comprador pueda decidir qué hoteles merecen una invitación o qué tarifa objetivo solicitar.

Los cálculos de tarifas objetivo añaden otra capa. Un equipo de búsqueda debe considerar el volumen histórico de reservas, las tarifas de mercado disponibles, los referentes negociados, la demanda de los viajeros y los objetivos del programa. Hotel Lobby está diseñado para organizar esa información antes de que los consultores entren en las negociaciones.

El sistema también revisa las respuestas a las RFP en busca de datos faltantes o inconsistentes. Esta función puede evitar que los consultores dediquen tiempo de negociación a validaciones básicas. La cobertura del lanzamiento señala que los consultores mantienen el control de la estrategia, las negociaciones directas y las excepciones.

Esta distinción separa a Hotel Lobby de un copiloto conversacional. Un copiloto generalmente espera a que un usuario formule una pregunta o solicite un borrador. Un agente de flujo de trabajo recibe una tarea delimitada, opera sobre datos definidos y devuelve un resultado que hace avanzar el proceso.

Amex GBT afirma que sus agentes se basan en referencias de tarifas negociadas de miles de establecimientos en todo el mundo. También utilizan información sobre el desempeño de proveedores derivada de más de 5.000 millones de dólares en gasto hotelero gestionado y de patrones de cumplimiento en los programas de clientes.

Ese contexto propietario es fundamental para el valor del producto. Un modelo general puede resumir una hoja de cálculo, pero no puede reproducir de forma independiente años de tarifas hoteleras negociadas, respuestas de proveedores e historiales de cumplimiento de clientes. Hotel Lobby combina la ejecución mediante IA con una posición de datos desarrollada a través de las operaciones de consultoría de Amex GBT.

La empresa afirma que la capacidad está disponible en todo el mundo para sus clientes de consultoría y programas empresariales de viajes. También es la primera de varias mejoras de IA previstas para Amex GBT Consulting, con integraciones más profundas de informes e inteligencia en consideración.

El lanzamiento no elimina a los compradores humanos del proceso. Redefine dónde emplean su tiempo. Se espera que los consultores revisen los resultados, gestionen excepciones, definan la estrategia y negocien condiciones después de que los agentes completen la preparación repetitiva.

Esta estructura es importante para los clientes empresariales. Los acuerdos hoteleros incluyen normas de cancelación, disponibilidad de habitaciones, servicios, seguridad de los viajeros, requisitos de sostenibilidad y expectativas de servicio. La tarifa objetivo calculada más baja no produce automáticamente el programa más sólido.

Por tanto, Hotel Lobby cambia la secuencia, no la responsabilidad subyacente. Las máquinas preparan y validan una mayor parte de la evidencia. Las personas deciden qué concesiones aceptar y qué compromisos negociar.

La tensión comienza cuando una preparación más rápida permite a las empresas repetir esa secuencia con mayor frecuencia. Un ciclo de búsqueda que antes consumía meses de trabajo concentrado puede convertirse potencialmente en una operación más breve y recurrente.

Por Qué la RFP Hotelera Anual Está Bajo Presión

La RFP anual presupone que el valor negociado se mantiene estable, aunque el mercado y el programa de viajes siguen cambiando.

Muchos equipos de viajes corporativos siguen realizando un importante ejercicio de búsqueda de hoteles cada año. Recopilan datos de gasto, identifican mercados prioritarios, invitan a hoteles, comparan ofertas, negocian condiciones y cargan las tarifas seleccionadas en los sistemas de reserva. El proceso puede ser riguroso, pero captura las condiciones de un momento concreto.

Los precios no esperan a la próxima RFP. La demanda hotelera cambia en torno a conferencias, viajes estacionales, grandes eventos, nuevas ubicaciones de oficinas y la capacidad aérea. La propia huella de viajes de una empresa también puede cambiar tras una adquisición, un cambio de política o una decisión de regreso a la oficina.

La cobertura también puede desviarse. Un programa preferente podría incluir opciones sólidas en los principales destinos del año pasado, pero carecer de establecimientos adecuados allí donde ahora viajan los empleados. Entonces, los viajeros reservan fuera del programa, reduciendo la visibilidad y debilitando las hipótesis de volumen que sustentan los acuerdos negociados.

El cumplimiento plantea un problema relacionado. Una tarifa negociada solo crea valor cuando sigue disponible, aparece correctamente en los canales de reserva y atrae a los viajeros elegibles. El inventario insuficiente, una carga incorrecta o unas condiciones poco atractivas pueden erosionar el beneficio previsto.

Hotel Lobby está diseñado para reducir el coste administrativo de verificar estas condiciones. Si los agentes pueden depurar datos de forma repetida, analizar la cobertura, calcular tarifas objetivo y validar respuestas de proveedores, la búsqueda no tiene por qué seguir siendo un único evento anual.

Amex GBT describe la optimización continua como el destino final. Esto no implica necesariamente una renegociación automatizada constante. Puede comenzar con una supervisión más frecuente, una identificación más rápida de mercados débiles y rondas de búsqueda específicas entre ciclos anuales.

La descripción del flujo de trabajo de la empresa indica que Hotel Lobby sienta las bases para supervisar las tarifas negociadas, la cobertura y el cumplimiento durante todo el año. Esa base es más significativa que simplemente generar documentos de RFP con mayor rapidez.

La supervisión continua puede cambiar la forma en que un comprador prioriza el trabajo. En lugar de reabrir un programa global completo, el equipo podría centrarse en destinos donde el volumen de reservas ha aumentado, la disponibilidad se ha debilitado o el valor negociado se ha deteriorado.

También puede cambiar las conversaciones con los proveedores. Los hoteles pueden recibir solicitudes más específicas basadas en el desempeño reciente, en lugar de una invitación anual general. Los compradores podrían llegar con evidencia más clara sobre volumen, disponibilidad de tarifas y comportamiento de reserva.

Sin embargo, supervisar no equivale a actuar. Detectar una brecha de cobertura no garantiza que un hotel adecuado vaya a participar. Identificar una tarifa negociada menos favorable no significa que un proveedor vaya a aceptar un objetivo revisado.

Las relaciones con los hoteles también contienen consideraciones estratégicas que se resisten a una automatización simple. Un comprador puede mantener un establecimiento porque atiende a una oficina crítica, respalda requisitos de seguridad para los viajeros o proporciona condiciones de cancelación flexibles. Un hotel puede aceptar una tarifa más baja solo a cambio de compromisos de volumen más sólidos.

La RFP anual sobrevive en parte porque concentra estas decisiones en un calendario predecible. Los hoteles preparan recursos de ventas, los compradores corporativos consolidan la demanda y los proveedores tecnológicos cargan tarifas en torno a plazos conocidos. Avanzar hacia la optimización continua exigirá cambios operativos en ambos lados.

Por ello, Hotel Lobby presiona el proceso en lugar de sustituirlo de inmediato. El sistema reduce el coste de preparar la evidencia. Compradores y proveedores aún deben decidir con qué frecuencia pueden negociar y actualizar acuerdos sin crear nuevas cargas administrativas.

Para los equipos de reuniones y convenciones, las implicaciones son adyacentes pero importantes. Hotel Lobby se centra en programas corporativos de hoteles, no en toda la complejidad de la contratación de espacios para grupos. Aun así, un análisis más rápido de la cobertura de establecimientos, el desempeño negociado y la demanda puede orientar estrategias de alojamiento más amplias.

Una empresa que coordina viajes individuales en torno a reuniones puede obtener una imagen más clara del uso de hoteles preferentes antes de la llegada de los asistentes. Los equipos de compras también pueden comparar el comportamiento del alojamiento transitorio con destinos donde los eventos generan una demanda concentrada.

Por tanto, la primera presión competitiva recae sobre los flujos de trabajo estáticos. Si Amex GBT puede hacer práctica la búsqueda específica durante todo el año, las empresas rivales de gestión de viajes y las plataformas de contratación hotelera tendrán que explicar por qué el análisis anual sigue siendo suficiente.

Los Datos Propietarios de Viajes Son el Mecanismo

La ventaja defendible de Hotel Lobby proviene de combinar agentes con el historial de tarifas negociadas y datos de desempeño de proveedores.

La arquitectura multiagente por sí sola no garantiza decisiones de búsqueda útiles. La calidad de los resultados depende de los registros a los que pueden acceder los agentes, las reglas que rigen cada tarea y los controles aplicados antes de que una recomendación llegue a un consultor.

Amex GBT afirma que Hotel Lobby utiliza referencias de miles de establecimientos, métricas de desempeño que representan más de 5.000 millones de dólares en gasto hotelero gestionado y tendencias de cumplimiento de su cartera de clientes. Estas entradas proporcionan al sistema un punto de referencia que va más allá del historial de reservas de una sola empresa.

La metodología establecida de la empresa ha informado de ahorros medios del 28,8 % frente a las mejores tarifas disponibles. También informa de una tasa de respuesta de establecimientos del 96 % entre más de 80.000 hoteles contratados anualmente. Sus cifras públicas de consultoría identifican por separado 5.000 millones de dólares en gasto hotelero negociado o gestionado durante 2024.

Estas cifras describen la operación de consultoría subyacente. No aíslan el impacto de Hotel Lobby. Esta limitación importa porque los nuevos agentes aplican automatización a un proceso existente con un historial de desempeño ya establecido.

El material de lanzamiento no establece que Hotel Lobby haya generado los ahorros o la tasa de respuesta informados. Indica que el sistema aplica la misma metodología de sourcing, con la IA encargándose de una mayor parte del trabajo de datos. Los lectores deberían interpretar estas cifras como contexto de escala, no como un referente de IA.

Incluso con esa distinción, la escala puede mejorar el mecanismo. Un consultor que evalúa una tarifa objetivo se beneficia de saber qué aceptaron propiedades comparables, cómo se desempeñaron los proveedores tras la contratación y en qué medida los viajeros cumplieron con las opciones preferentes.

Los agentes pueden aplicar esas comparaciones repetidamente. Un agente podría identificar datos incompletos de propiedades, mientras otro evalúa la cobertura y un tercero comprueba si las respuestas cumplen los requisitos de la RFP. Coordinar estas funciones delimitadas puede hacer que el flujo de trabajo general sea más fácil de auditar.

La gobernanza adquiere mayor importancia a medida que se amplía la ejecución. Un asistente conversacional genera texto para que una persona lo revise. Un agente de flujo de trabajo puede modificar cálculos, clasificar registros o avanzar una tarea antes de la revisión final.

Amex GBT afirma que Hotel Lobby sigue principios de datos confiables, gobernanza y transparencia utilizados en su arquitectura más amplia de agente a agente. La empresa no ha detallado públicamente los modelos implicados, las tasas de error, los procedimientos de auditoría ni los umbrales de intervención.

Esos detalles ausentes no invalidan el producto, pero definen qué deberían preguntar los compradores empresariales. Los clientes necesitan saber a qué datos pueden acceder los agentes, cómo se registran las salidas, cómo se separa la información confidencial sobre tarifas y cómo se corrige una recomendación controvertida.

También deberían preguntar cómo maneja el sistema propiedades inusuales o mercados con referencias limitadas. Un gran conjunto de datos puede generar comparaciones sólidas en ciudades con mucho tránsito, al tiempo que ofrece menos certeza en destinos más pequeños o que cambian rápidamente.

La supervisión humana aborda parte de ese problema. Los consultores siguen siendo responsables de las excepciones, que es donde suelen aparecer los datos escasos y las prioridades estratégicas. Sin embargo, el valor de la supervisión depende de que los revisores puedan ver por qué un agente realizó un cálculo o marcó una respuesta.

La arquitectura también plantea un desafío de diseño del flujo de trabajo. Los agentes especializados deben transmitir información con precisión entre tareas. Un error de limpieza puede afectar posteriormente al análisis de cobertura, los cálculos de tarifas objetivo y la validación de RFP.

Por ese motivo, Hotel Lobby debería evaluarse como un sistema de compras controlado, no como una demostración de inteligencia general. La pregunta pertinente es si produce trabajo trazable y preciso en un proceso empresarial repetible.

Amex GBT tiene experiencia aplicando IA en otras áreas de los viajes corporativos. Sus materiales de resultados de 2025 describían planes para agentes que pudieran reducir el trabajo de reserva, manteniendo a la vez disponible el soporte de viajes en directo cuando fallaran los sistemas automatizados o los usuarios prefirieran ayuda humana.

Hotel Lobby lleva el mismo modelo de humanos y agentes a la consultoría. El mecanismo es sencillo: automatizar trabajo analítico delimitado, conectarlo con datos propietarios y reservar las decisiones que exigen más criterio para los especialistas.

Si ese mecanismo funciona de forma consistente, Amex GBT puede acortar el sourcing sin pedir a los consultores que acepten recomendaciones opacas. Si la trazabilidad es débil, una producción más rápida puede simplemente acelerar la revisión de errores.

La afirmación de ahorros aún necesita una línea de base de IA

Hotel Lobby cuenta con un modelo operativo creíble, pero Amex GBT aún no ha publicado evidencia que separe las ganancias de la IA de su rendimiento de sourcing existente.

El ángulo escéptico más sólido se refiere a la medición. La empresa afirma que su metodología establecida de sourcing hotelero ofrece ahorros medios del 28,8% frente a las mejores tarifas disponibles. También informa una tasa de respuesta de proveedores del 96%.

Son cifras operativas destacables, pero son anteriores a una línea de base pública de rendimiento de Hotel Lobby. El anuncio de lanzamiento no indica cuánto reducen los agentes el tiempo de ciclo, aumentan las tasas de respuesta, mejoran el cumplimiento o añaden a los ahorros negociados.

Tampoco especifica cuántos clientes han completado ciclos de sourcing utilizando la nueva capacidad agéntica. El sistema está disponible globalmente, pero la disponibilidad no revela la profundidad de adopción ni el volumen de trabajo completado.

Esta distinción protege a los lectores de un problema habitual en los lanzamientos de IA. Una empresa presenta una métrica comercial establecida junto a un nuevo producto automatizado, y la proximidad sugiere que el producto generó el resultado. En este caso, Amex GBT describe Hotel Lobby como la aplicación de IA a la misma metodología.

Una evaluación justa debería separar tres capas. La primera es el rendimiento histórico de la consultoría. La segunda es la mejora de productividad, como dedicar menos horas a limpiar datos. La tercera es la mejora del programa, como mejores tarifas, mayor cobertura o un cumplimiento más alto.

Hotel Lobby podría tener éxito en la segunda capa antes de cambiar la tercera. Reducir el tiempo de preparación seguiría creando valor porque los consultores podrían centrarse en negociaciones o gestionar más ejercicios de sourcing específicos.

Sin embargo, la productividad por sí sola no demuestra mejores resultados hoteleros. Un cálculo más rápido de la tarifa objetivo puede ser erróneo. Una respuesta de RFP validada puede cumplir las reglas de formato y, aun así, ofrecer condiciones comerciales poco atractivas. Un ciclo más corto también puede fomentar renegociaciones innecesarias.

La supervisión continua presenta otro desafío de medición. Un sistema puede generar más alertas sin generar más ahorros. Los compradores necesitan umbrales que distingan los cambios significativos en tarifas o cobertura del ruido normal del mercado.

El comportamiento de los proveedores influirá en los resultados. Los hoteles cuentan con sus propios sistemas de gestión de ingresos, previsiones de ocupación y estrategias de canal. Pueden resistirse a revisiones frecuentes cuando la demanda es fuerte o cuando una cuenta corporativa no tiene suficiente volumen.

Un sourcing más frecuente también podría producir fatiga. Si los hoteles reciben solicitudes repetidas sin una oportunidad clara, la calidad de las respuestas puede disminuir. La cifra actual de respuesta del 96% no establece que los proveedores reaccionen de forma similar a ciclos continuos o específicos.

Las cuestiones de gobernanza siguen abiertas. Los materiales públicos no identifican auditorías externas de los agentes, la precisión de los modelos ni los procedimientos para detectar recomendaciones sesgadas. Tampoco explican con qué frecuencia los consultores anulan las salidas de los agentes.

Estas son lagunas normales en un lanzamiento, pero impiden conclusiones firmes. La versión más sólida de la afirmación de Amex GBT es que Hotel Lobby automatiza trabajo de sourcing definido utilizando importantes datos propietarios. La evidencia aún no muestra el resultado financiero incremental.

El contexto más amplio de la empresa eleva las expectativas. Long Lake completó su adquisición de Amex GBT poco antes del anuncio de Hotel Lobby. El comprador se describe como una holding centrada en IA, lo que convierte la IA operativa en un elemento central de la tesis de propiedad.

Hotel Lobby es una prueba temprana de esa tesis porque el sourcing hotelero ofrece entradas y resultados medibles. Amex GBT puede rastrear el tiempo de preparación, la duración del sourcing, la participación de proveedores, las tarifas aceptadas, la disponibilidad negociada, el cumplimiento de reservas y los ahorros realizados.

Esa capacidad de medición brinda a la empresa la oportunidad de publicar evidencia más sólida que las afirmaciones generales sobre IA. Un estudio de caso creíble compararía programas similares antes y después del despliegue de agentes, explicando al mismo tiempo los cambios en las condiciones de mercado.

Los clientes empresariales deberían exigir ese nivel de evidencia durante las compras. También deberían distinguir los resultados promedio de los resultados en sus propios mercados de viaje. Un referente global puede no predecir el rendimiento de una empresa concentrada en unas pocas ciudades de alta demanda.

Los clientes también deberían solicitar información sobre errores y anulaciones. Si los consultores corrigen con frecuencia las tarifas objetivo o las decisiones de validación, el sistema puede ahorrar menos tiempo de lo que sugiere la automatización promocionada. Si las anulaciones son poco frecuentes y están bien documentadas, la confianza debería mejorar.

El riesgo no es que Hotel Lobby carezca de un uso plausible. El uso es excepcionalmente concreto. El riesgo es que los compradores confundan un historial consolidado de consultoría con un rendimiento de agentes demostrado de forma independiente.

Tres señales mostrarán si el sourcing continuo funciona

La siguiente etapa debería juzgarse por la adopción, resultados medibles del flujo de trabajo y respuesta de los proveedores, en ese orden.

La primera señal es la adopción por parte de clientes con ciclos de sourcing completados. Amex GBT afirma que Hotel Lobby está disponible en todo el mundo, pero el mercado necesita evidencia de que los programas empresariales lo utilizan en carteras reales de propiedades.

Los ciclos completados importan más que las demostraciones. Revelan si la integración de datos, la revisión de consultores y la carga de tarifas funcionan en distintos clientes. También pueden mostrar si el sistema maneja variaciones regionales y registros empresariales imperfectos.

La evidencia de uso repetido reforzaría aún más el caso. Un cliente que utiliza Hotel Lobby una vez podría simplemente estar probando la automatización durante su proceso anual normal. Un cliente que realiza revisiones específicas durante el año respaldaría la tesis de optimización continua de Amex GBT.

La segunda señal es una línea de base de productividad publicada. Amex GBT debería cuantificar la duración del sourcing antes y después del despliegue, junto con las horas dedicadas a la preparación de datos, la validación y la revisión de excepciones.

El tiempo de ciclo por sí solo no basta. La empresa debería informar tasas de error, anulaciones de consultores y la proporción de respuestas que requieren corrección manual. Esa combinación mostraría si la velocidad refleja automatización real o trabajo trasladado a la revisión.

Los ahorros deberían informarse por separado de la productividad. Amex GBT puede comparar resultados negociados, disponibilidad de tarifas, cobertura y cumplimiento con programas históricos similares. También debería identificar si los beneficios informados proceden de los agentes, las negociaciones de los consultores, los cambios en los mercados hoteleros o una combinación.

Si esas medidas mejoran sin un aumento de errores, se refuerza el juicio central del lanzamiento. Hotel Lobby habría demostrado que la IA agéntica puede reducir el coste de ejecutar un proceso de sourcing riguroso.

Si el tiempo disminuye, pero aumentan los errores o las anulaciones, el juicio se debilita. El sistema seguiría automatizando actividad, pero los consultores podrían dedicar las horas recuperadas a corregir las salidas de la máquina en lugar de negociar.

La tercera señal es la respuesta de los proveedores a un sourcing más frecuente. Los hoteles deben decidir si las solicitudes específicas y ricas en datos justifican una interacción más rápida o generan trabajo administrativo adicional.

Una tasa de respuesta estable durante revisiones específicas respaldaría el modelo. Sugeriría que la automatización beneficia a ambas partes al producir solicitudes más claras y negociaciones más pertinentes.

Una tasa de respuesta decreciente expondría un límite. Los agentes del lado comprador no pueden obligar a los hoteles a participar, ofrecer inventario o aceptar tarifas objetivo. El sourcing continuo solo funciona cuando la atención de los proveedores sigue disponible.

El comportamiento de los competidores proporcionará contexto de apoyo. Es probable que otras empresas de gestión de viajes y plataformas de compras destaquen la automatización, la analítica o la gestión continua de programas si Amex GBT gana tracción.

La comparación útil no será qué proveedor dice “IA agéntica” con más frecuencia. Los compradores deberían comparar la profundidad de los flujos de trabajo completados, la cobertura de datos propietarios, los controles humanos y los resultados demostrados.

El lanzamiento de Amex GBT Hotel Lobby merece atención porque vincula agentes a un proceso empresarial acotado, costoso y medible. Es más concreto que un chatbot general de viajes, pero está menos probado de lo que podrían sugerir las cifras de rendimiento que lo rodean.

Para los gestores de viajes, la acción inmediata es identificar dónde desaparece actualmente el tiempo de sourcing. La normalización de datos, la preparación de tarifas objetivo, la validación de respuestas, la revisión de excepciones y la carga de tarifas deberían medirse por separado. Esa línea de base hace comprobable cualquier afirmación de un proveedor.

Los equipos también deberían documentar por qué aceptan o rechazan las recomendaciones. Un flujo de trabajo de IA con capacidad de búsqueda puede ayudar a preservar decisiones, supuestos y elementos de seguimiento cuando los sistemas automatizados producen resultados con mayor frecuencia.

La cuestión estratégica ya no es si la IA puede redactar una RFP. Hotel Lobby está diseñado para ejecutar la preparación en torno a esa RFP y repetir el análisis cuando cambien las condiciones.

Los compradores corporativos deberían pedir ahora a Amex GBT pruebas de ciclos completados, controles documentados y resultados obtenidos. Si esas métricas se mantienen en múltiples rondas de abastecimiento, la RFP anual de hoteles empezará a parecer menos una norma y más una restricción de calendario.