Machine learning e inteligencia artificial o cómo mejorar la experiencia de viaje

Viajar es uno de los placeres de la vida. Las aglomeraciones, las colas o los retrasos suponen, sin embargo, uno de los frenos para lograr que el hecho de viajar suponga una inspiración y se convierta, por el contrario, en algo menos placentero. La inteligencia artificial y el machine learning pueden ser de gran ayuda para mejorar la experiencia de viaje.

“Trabajamos para que el machine learning sirva para eliminar los puntos de fricción de los clientes a la hora de viajar”, explica a EL PAÍS Retina Rodrigo Acuña, responsable de AI Research de Amadeus, proveedor líder de tecnología para el sector del viaje. “Trabajamos en muchos segmentos de la experiencia de viaje, como aerolíneas, aeropuertos, agencias y hoteles, y es por eso por lo que podemos estar presentes a lo largo de lo que en la industria denominamos passenger journey, el mapa de experiencia del pasajero”.

La clave de todo el proceso, explica el directivo, reside en “entender qué es lo que motiva a cada persona a buscar y reservar un viaje determinado”. ¿Por qué es importante entender esto? Porque aquí residirá la clave para mejorar su traslado de principio a fin y construir relaciones a largo plazo con el usuario en una industria saturada.

• Todo sobre el viajero

La tecnología es clave a la hora de afrontar esta complejidad, ya que permite modelar, testear e incluso anticipar los comportamientos de los viajeros. Para ello, Amadeus divide en cuatro bloques distintos la experiencia de usuario.

Amadeus puede determinar las cinco soluciones de viajes más pertinentes y preferidas por el usuario

El primero se conoce como inspiration (inspiración). Es el momento en el que el usuario decide el viaje que va a emprender y se prepara para llevar a cabo las reservas necesarias. “Para un vuelo entre Madrid y Nueva York existen muchísimas combinaciones de trayectos o precios, entre otros factores”, explica Acuña. “Amadeus, a través de los sistemas de machine learning, puede por ejemplo determinar las cinco soluciones de viajes más pertinentes y probablemente preferidas por el usuario. Además, podemos recomendar el mejor precio de venta de un billete teniendo en cuenta no solo la oferta y la demanda, sino también las particularidades de cada tipo de cliente.”

El segundo paso de este proceso es el de la reserva (booking). En este punto, las compañías, fundamentalmente las aerolíneas, intentan no solo facturar el billete, sino otros productos adicionales, los llamados ancillary services (servicios auxiliares) tales como traslados en destino, maletas, productos a bordo o seguros de viaje. Amadeus dispone de sistemas para optimizar la venta de estos servicios auxiliares. Además, está innovando con algoritmos alimentados por aprendizaje automático con el objetivo de mejorar las recomendaciones de productos, haciéndolas más pertinentes y personalizados.

• Del embarque al aterrizaje

En tercer lugar está lo que se conoce como in trip. Este es un momento sumamente sensible, dado que se produce cuando el visitante está en pleno viaje. A través del sistema 'Departure Control System’, las aerolíneas pueden gestionar el embarque de pasajeros así como el despegue del avión. Según explica Acuña, Amadeus ha complementado este sistema recientemente gracias a nuevos algoritmos de aprendizaje automático, capaces de estimar el peso del equipaje para que las aerolíneas puedan decidir apropiadamente la cantidad de combustible y de cargo varias horas antes del despegue.

Por último, cuando el viajero ha regresado (probablemente a su pesar) a casa es frecuente que recomiende su viaje a través de las redes sociales o en plataformas destinadas a ese efecto, como TripAdvisor. Los sistemas de machine learning, conjuntamente con procesadores de lenguaje natural (capaces de convertir lo que hablamos o escribimos los humanos en algo entendible por máquinas) tienen el potencial de procesar y sintetizar las recomendaciones para que las empresas mejoren sus ofertas en el futuro.