Amex GBT Hotel Lobby 將酒店採購推向年度 RFP 以外
Amex GBT 於 10 月 14 日推出 Hotel Lobby，為仍由每年一次的徵求建議書週期主導的酒店採購流程引入 agentic AI。Amex GBT Hotel Lobby 系統可自動處理數據準備、目標房價計算及投標驗證。它更重要的承諾影響深遠：將酒店採購由定期專案轉變為持續監察的計劃。
這項承諾之所以重要，是因為企業酒店協議在談判結束後便開始老化。房價會變動、需求會轉移、出行模式會改變，而員工亦可能在首選渠道以外預訂。數月前議定的房價，與現時市場情況相比可能不再吸引；而新近變得重要的目的地若缺少合作物業，亦會削弱覆蓋範圍。
Hotel Lobby 將覆蓋、採購及談判相關工作分配予專門的 AI 代理。Agentic AI 是指可執行多步驟工作流程的軟件，而非只回答提示。公司表示，顧問仍負責策略、談判及例外情況處理。
這種分工構成核心競爭。Hotel Lobby 的主要競爭對手並非另一個聊天機械人，而是高度依賴試算表、受日程限制的採購流程；這些流程將分析集中於一年一度、漫長的週期內。
此次推出緊隨 Long Lake Management 完成收購 Amex GBT，該交易估值約為 63 億美元。這次股權變動令外界更關注應用型 AI 能否在成熟的服務業務中帶來可量度的營運改善。
目前的直接證據仍然有限。Amex GBT 已公布其既有採購方法的數據，但尚未披露 Hotel Lobby 專屬的週期縮短幅度或額外節省。故此，這次推出提供了一個可信的自動化機制，但尚未形成公開的績效紀錄。
Amex GBT Hotel Lobby 實際改變了甚麼
Hotel Lobby 讓 AI 從回答採購問題，轉為執行採購工作流程中已界定的部分。
Amex GBT 表示，該系統採用多個專門代理，而非一個通用型助理。這些代理負責數據清理、覆蓋分析、目標房價計算及 RFP 驗證。RFP 即徵求建議書，是公司邀請酒店提交議定房價及條款的結構化流程。
數據清理是當中重要的一環。企業酒店紀錄可能包含不一致的物業名稱、不完整的消費記錄、重複條目，以及難以比較的房價。分析師必須先整理這些紀錄，買方才能決定哪些酒店值得獲邀，以及應要求甚麼目標房價。
目標房價計算又增加了一層複雜度。採購團隊需要考慮過往預訂量、市場可提供的房價、議定基準、旅客需求及計劃目標。Hotel Lobby 旨在於顧問進入談判前整理這些資訊。
系統亦會檢查 RFP 提交資料是否遺漏或不一致。這項功能可避免顧問將談判時間耗於基本驗證。據發布報道指出，顧問仍掌控策略、直接談判及例外情況。
這項分別將 Hotel Lobby 與對話式 copilot 區分開來。Copilot 一般等待使用者提問或要求撰寫草稿；工作流程代理則接收範圍明確的任務，於既定數據中運作，並交回推進流程的結果。
Amex GBT 表示，其代理運用來自全球數千個物業的議定房價基準，亦使用源自超過 50 億美元管理酒店消費額及客戶計劃合規模式的供應商績效資訊。
這些專有背景資料是產品價值的核心。通用模型可以概述試算表，卻無法自行重現多年來的議定酒店房價、供應商回覆及客戶合規歷史。Hotel Lobby 將 AI 執行能力，與 Amex GBT 透過顧問業務建立的數據優勢結合。
公司表示，該功能已向其全球顧問客戶及企業旅遊計劃提供。這亦是 Amex GBT Consulting 規劃中的多項 AI 升級之首，正考慮整合更深入的報告及情報功能。
這次推出並未將人類買方排除於流程之外，而是重新劃分他們的時間投放。預期代理完成重複性的準備工作後，顧問將審閱結果、處理例外情況、制定策略及磋商條款。
這種架構對企業客戶十分重要。酒店協議涉及取消規則、客房供應、設施、旅客安全、可持續發展要求及服務期望。計算得出的最低目標房價，並不會自動形成最強的計劃。
因此，Hotel Lobby 改變的是次序，而非根本責任。機器準備及驗證更多證據；人員則決定接受哪些取捨及磋商哪些承諾。
當更快的準備工作令公司能更頻密地重複這個次序時，張力便開始出現。過去需要數月集中完成的採購週期，可能轉變成較短、反覆進行的作業。
為何年度酒店 RFP 正面臨壓力
年度 RFP 假設議定價值會保持穩定，然而市場及旅遊計劃都持續變化。
許多企業旅遊團隊至今每年仍進行一次大型酒店採購工作。他們蒐集消費數據、識別優先市場、邀請酒店、比較報價、磋商條款，並將選定房價載入預訂系統。流程可以相當嚴謹，但它只反映某一時點的情況。
定價不會等待下一輪 RFP。酒店需求會隨會議、季節性旅遊、大型活動、新辦公室地點及航空運力而變動。公司自身的出行足跡亦可能因收購、政策變更或重返辦公室決定而改變。
覆蓋範圍同樣可能偏移。首選計劃或許在去年的主要目的地提供了優質選擇，卻欠缺員工現時前往地點的合適物業。旅客於是會在計劃以外預訂，降低可見度，並削弱議定協議背後的交易量假設。
合規帶來相關問題。議定房價只有在持續可供預訂、於預訂渠道正確顯示，並吸引合資格旅客時，才能創造價值。庫存不足、載入資料不準確或條款欠吸引力，都會侵蝕預期效益。
Hotel Lobby 的設計旨在降低檢查這些情況的行政成本。若代理能反覆清理數據、分析覆蓋範圍、計算目標房價及驗證供應商回覆，採購便毋須維持為一年一次的單一活動。
Amex GBT 將持續優化描述為最終目標。這不一定代表持續自動重新談判，而可以由更頻密的監察、更快識別疲弱市場，以及在年度週期之間進行針對性採購開始。
公司的工作流程說明指出，Hotel Lobby 為全年監察議定房價、覆蓋範圍及合規情況奠定基礎。這個基礎比單純更快生成 RFP 文件更具意義。
持續監察可改變買方安排工作的優先次序。團隊不必重新啟動整個全球計劃，而可集中處理預訂量上升、供應量減弱或議定價值惡化的目的地。
它亦可改變與供應商的對話。酒店或會根據近期表現收到更具針對性的要求，而非廣泛的年度邀請。買方可憑藉更清晰的交易量、房價供應及預訂行為證據進行洽談。
不過，監察不等於行動。發現覆蓋缺口，並不保證有合適酒店願意參與；發現議定房價較弱，亦不代表供應商會接受修訂後的目標。
酒店關係亦包含難以簡單自動化的策略考量。買方可能保留某物業，因為它服務關鍵辦公室、支援旅客安全要求，或提供彈性的取消條款。酒店則可能只會以更強的交易量承諾，換取接受較低房價。
年度 RFP 得以延續，部分原因是它將這些決策集中於可預測的日程。酒店調配銷售資源、企業買方整合需求，而技術供應商則在已知期限前後載入房價。邁向持續優化，將要求雙方改變營運方式。
這正是 Hotel Lobby 對流程施壓、而非立即取代流程的原因。系統降低了準備證據的成本；買方及供應商仍須決定可在不產生新行政負擔下，多頻密地談判及更新協議。
對會議及展覽團隊而言，影響雖屬相鄰範疇，卻十分重要。Hotel Lobby 聚焦企業酒店計劃，而非團體場地簽約的全部複雜性。不過，更快分析物業覆蓋、議定表現及需求，有助制定更廣泛的住宿策略。
安排會議前後個人出行的公司，可在與會者抵達前，更清楚掌握首選酒店的使用情況。採購團隊亦可比較短期住宿行為與活動帶來集中需求的目的地。
因此，首輪競爭壓力將落在靜態工作流程上。若 Amex GBT 能令全年進行針對性採購變得可行，競爭對手的旅遊管理公司及酒店採購平台便須說明，為何年度分析仍然足夠。
專有旅遊數據是運作機制
Hotel Lobby 可防禦的優勢，來自將代理與議定房價歷史及供應商績效數據配對。
多代理架構本身並不保證作出有用的採購決策。輸出質素取決於代理可存取的紀錄、規管每項任務的規則，以及建議交予顧問前採取的控制措施。
Amex GBT 表示，Hotel Lobby 採用涵蓋數千個物業的基準、代表逾 50 億美元管理酒店消費額的績效指標，以及來自客戶組合的合規趨勢。這些輸入資料令系統擁有超越單一公司預訂歷史的參考點。
公司既有方法曾報告，相對最佳可得房價平均節省 28.8%。公司亦表示，每年採購的逾 80,000 間酒店中，物業回覆率達 96%。其公開的顧問數據則另外指出，2024 年議定或管理的酒店消費額達 50 億美元。
這些數據描述的是底層顧問業務，並未將 Hotel Lobby 的影響獨立計算。這項限制相當重要，因為新代理是在既有流程及既有績效紀錄上應用自動化。
啟動資料並未證實 Hotel Lobby 帶來所報稱的節省額或回覆率。資料指出，系統沿用相同的採購方法，並由 AI 處理更多數據工作。讀者應把這些數字視為規模背景，而非 AI 效能基準。
即使作出這項區分，規模仍可改善整個機制。評估目標價格的顧問，如能掌握可比物業接受了甚麼價格、供應商簽約後的表現，以及旅客在多大程度上遵從首選選項，便能作出更佳判斷。
代理可重複套用這些比較。其中一個代理可識別不完整的物業數據，另一個評估覆蓋範圍，第三個則檢查回覆是否符合 RFP 的要求。協調這些專門職能，可令整體工作流程更易審核。
隨着執行範圍擴大，管治變得更重要。對話式助理會產生供人員檢視的文字；工作流程代理則可在最終覆核前修改計算、分類記錄或推進工作。
Amex GBT 表示，Hotel Lobby 遵循其更廣泛代理對代理架構所採用的可信數據、管治及透明度原則。公司尚未公開說明所涉模型、錯誤率、審核程序或介入門檻。
這些未披露的細節不會否定產品本身，但界定了企業買家應提出的問題。客戶需要知道哪些數據可供代理存取、輸出如何記錄、機密價格資訊如何分隔，以及有爭議的建議如何更正。
他們亦應詢問系統如何處理非典型物業，或基準資料有限的市場。龐大數據集可在商務旅客密集的城市提供有力比較，但對規模較小或快速變動的目的地，所能提供的確定性或會較低。
人為監督可處理部分問題。顧問仍須負責例外情況，而稀疏數據和策略優先事項往往正是在這些情況下出現。然而，監督的價值取決於覆核人員能否看見代理為何作出某項計算或標記某項回覆。
這套架構亦帶來工作流程設計上的挑戰。專門代理必須在不同工作之間準確傳遞資訊。一次數據清理錯誤，可能會影響後續的覆蓋範圍分析、目標價格計算及 RFP 驗證。
因此，Hotel Lobby 應被評估為受控的採購系統，而非通用智能示範。關鍵問題是，它能否在可重複的業務流程中產生可追溯且準確的工作成果。
Amex GBT 在企業差旅的其他範疇已有應用 AI 的經驗。其 2025 年業績資料提及，計劃推出可減少預訂工作量的代理，同時在自動化系統失效或使用者偏好人手協助時，保留即時差旅支援。
Hotel Lobby 將同一個人員與代理協作模式帶入顧問服務。其機制直接明確：把界限清晰的分析工作自動化，連接至專有數據，並把需要較多判斷的決策留給專家。
若這個機制表現穩定，Amex GBT 便可縮短採購流程，而毋須要求顧問接受不透明的建議。若可追溯性不足，更快的輸出或只會加快錯誤覆核。
節省額主張仍需要 AI 基準
Hotel Lobby 具備可信的營運模式，但 Amex GBT 尚未發表可將 AI 帶來的收益與其既有採購表現分開衡量的證據。
最有力的質疑角度在於衡量方式。公司表示，其既有酒店採購方法相對於最佳可用價格，平均可節省 28.8%。公司亦報稱供應商回覆率達 96%。
這些是值得注意的營運數字，但早於公開的 Hotel Lobby 表現基準出現。啟動公告沒有說明，這些代理在多大程度上縮短週期、提高回覆率、改善合規性，或增加議定的節省額。
公告亦未說明有多少客戶已使用新的代理式能力完成採購週期。系統雖然在全球可用，但可用性並不能反映採用深度或已完成工作的數量。
這項區分可避免讀者陷入 AI 發布中常見的問題：公司把既有業務指標放在新自動化產品旁邊，兩者的接近性令人以為產品帶來了相關成果。在這個案例中，Amex GBT 將 Hotel Lobby 描述為把 AI 應用於同一套方法。
公平的評估應區分三個層面。第一是過往的顧問服務表現；第二是生產力改善，例如減少用於清理數據的工時；第三是計劃改善，例如更佳價格、更強覆蓋範圍或更高合規性。
Hotel Lobby 或可先在第二層取得成效，之後才改變第三層。縮短準備時間仍可創造價值，因為顧問可專注於談判，或管理更多具針對性的採購工作。
不過，生產力本身並不能證明酒店結果更佳。較快的目標價格計算可以是錯的；已驗證的 RFP 回覆可符合格式規則，卻提供欠吸引力的商業條款；更短週期亦可能鼓勵不必要的重新談判。
持續監察帶來另一項衡量挑戰。系統可產生更多提示，卻未必帶來更多節省。買家需要設定門檻，以區分有意義的價格或覆蓋範圍變動與一般市場雜訊。
供應商的行為將影響結果。酒店有自身的收益管理系統、入住率預測及渠道策略。當需求強勁，或企業帳戶的業務量不足時，酒店或會抗拒頻繁修訂。
更頻繁的採購亦可能造成疲勞。如酒店反覆收到沒有明確商機的要求，回覆質素可能下降。現有的 96% 回覆率並不能證明供應商會以相同方式回應持續或具針對性的週期。
管治問題仍未有答案。公開資料並未指出是否有外部審核代理、模型準確度如何，或如何偵測帶有偏見的建議。資料亦未解釋顧問多久會覆寫一次代理輸出。
這些是推出初期常見的缺口，但令外界無法作出確切結論。Amex GBT 主張中最有力的版本，是 Hotel Lobby 利用大量專有數據，自動處理界定清晰的採購工作。現有證據尚未顯示其增量財務成果。
更廣泛的公司背景提高了市場期望。Long Lake 在 Hotel Lobby 公告前不久完成其 Amex GBT acquisition。買方自稱為專注於 AI 的控股公司，因此營運層面的 AI 是其持有邏輯的核心。
Hotel Lobby 是該論點的早期測試，因為酒店採購具備可量度的輸入與結果。Amex GBT 可追蹤準備時間、採購時長、供應商參與度、接受的價格、議定的供應量、預訂合規性及實現的節省額。
這種可量度性讓公司有機會發表比一般 AI 主張更有力的證據。可信的案例研究應比較代理部署前後的相似計劃，並說明市場狀況的變化。
企業客戶應在採購過程中要求這個程度的證據。他們亦應區分平均結果與自身差旅市場的結果。全球基準未必能預測業務集中於少數高需求城市的公司之表現。
客戶亦應要求提供錯誤及覆寫資訊。如顧問經常更正目標價格或驗證決定，系統節省的時間可能少於自動化宣傳所暗示的水平。如覆寫情況罕見且有充分記錄，信心應會提高。
風險不在於 Hotel Lobby 缺乏合理用途；其用途異常具體。風險在於買家把既有顧問服務紀錄，與尚未獨立證明的代理表現混為一談。
三項訊號將顯示持續採購是否可行
下一階段應依次按客戶採用情況、可量度的工作流程成果及供應商回應來評估。
第一項訊號是已有完成採購週期的客戶採用情況。Amex GBT 表示 Hotel Lobby 可在全球使用，但市場需要證據證明企業計劃正將其應用於真實物業組合。
完成的週期比示範更重要。它們能揭示數據整合、顧問覆核及價格載入能否適用於不同客戶，也可顯示系統是否能處理地區差異及不完美的企業記錄。
重複使用的證據將進一步鞏固這個論點。只使用 Hotel Lobby 一次的客戶，可能只是在正常年度流程期間測試自動化；在年內進行具針對性覆核的客戶，則可支持 Amex GBT 的持續優化論點。
第二項訊號是已公布的生產力基準。Amex GBT 應量化部署前後的採購時長，以及用於數據準備、驗證及例外情況覆核的工時。
單看週期時間並不足夠。公司應報告錯誤率、顧問覆寫情況，以及需要人手更正的回覆比例。這個組合可顯示速度是否反映真正的自動化，還是工作被轉移至覆核環節。
節省額應與生產力分開報告。Amex GBT 可把議定結果、價格可用性、覆蓋範圍及合規性，與相似的歷史計劃比較。公司亦應指出所報稱的效益是來自代理、顧問談判、酒店市場變化，還是多項因素的組合。
如這些指標改善而錯誤沒有增加，發布的核心判斷便更具說服力。Hotel Lobby 將證明代理式 AI 可降低執行嚴謹採購流程的成本。
如時間縮短但錯誤或覆寫增加，這項判斷便會減弱。系統仍會自動化部分活動，但顧問可能把節省下來的時間用於更正機器輸出，而非談判。
第三項訊號是供應商對更頻繁採購的回應。酒店必須決定，具針對性而且數據豐富的要求是否值得更快跟進，抑或只會增加額外行政工作。
在具針對性覆核中維持穩定回覆率，將支持這個模式。這意味自動化透過產生更清晰的要求及更相關的談判，令雙方受益。
回覆率下降則會暴露限制。買方代理無法迫使酒店參與、提供庫存或接受目標價格。持續採購只有在供應商仍願意投入注意力時才可行。
競爭對手的行為將提供輔助背景。如 Amex GBT 取得進展，其他差旅管理公司及採購平台很可能會強調自動化、分析功能或持續計劃管理。
有用的比較不會是哪家供應商最常說「代理式 AI」。買家應比較已完成的工作流程深度、專有數據覆蓋範圍、人為控制措施及已證明的成果。
Amex GBT 推出 Hotel Lobby 值得關注，因為它把代理連接至一個範圍狹窄、成本高昂且可量度的企業流程。它比一般差旅聊天機械人更具體，但其實證程度低於周邊表現數字可能暗示的水平。
對差旅經理而言，眼前行動是梳理採購時間目前消失在哪些環節。數據標準化、目標價格準備、回覆驗證、例外情況覆核及價格載入，應分開量度。這個基準可讓任何供應商主張接受驗證。
團隊亦應記錄為何採納或拒絕相關建議。可搜尋的 AI 工作流程 有助保留決策、假設及跟進事項，尤其在自動化系統產生更頻繁輸出的情況下。
策略問題已不再是 AI 能否草擬 RFP。Hotel Lobby 的設計目標，是執行該 RFP 周邊的準備工作，並在情況改變時重複進行分析。
企業採購方現應要求 Amex GBT 提供已完成週期的證據、書面記錄的管控措施，以及實現的成果。若這些指標能在多輪採購中持續成立，年度酒店 RFP 看起來將不再像一項標準，而更像是一項排程限制。
