Туристическая отрасль выходит из периода восстановления с новой проблемой: спрос растет, но становится менее предсказуемым. Турист выбирает направление под влиянием цены билета, курса валют, событийной повестки, визовых условий, климата, отзывов и рекомендаций платформ. Для гостиниц, туроператоров, авиакомпаний и региональных властей ошибка в прогнозе означает недозагрузку номеров, перегрузку инфраструктуры, лишние расходы на маркетинг или, наоборот, упущенную выручку в высокий сезон.
По данным Всемирного совета по путешествиям и туризму (WTTC), вклад от путешествий и туризма в мировой ВВП в 2025 году достиг $11,6 трлн, или 9,8% глобальной экономики. Всемирная туристская организация (UN Tourism) отмечал, что международный туризм в 2024 году восстановился до пандемийного уровня, а в 2025 году ожидался дальнейший рост прибытий на 3-5%. В России управленческая значимость туризма также растет. Минэкономразвития оценивало долю отрасли в ВВП страны по итогам 2025 года в 3,1%.
На этом фоне искусственный интеллект (ИИ) в туризме перестает быть только инструментом для подбора отелей или маршрутов. Его ключевая бизнес-функция смещается к прогнозированию спроса: куда поедет турист, когда наступит пик, какие направления получат дополнительный поток и где возникнет риск недозагрузки. Консалтинговая компания Grand View Research оценивала мировой рынок ИИ в туризме $3,37 млрд с прогнозом роста до $13,87 млрд к 2030 году.
Крупные платформы уже перестраивают пользовательский контур. Компания Expedia Group в 2024 году представила ИИ-помощника Romie, рассчитанного на планирование, бронирование и сопровождение поездки. Онлайн-сервис Booking развивают ИИ-инструменты, которые помогают пользователю точнее отбирать варианты размещения, получать ответы о конкретных отелях и быстро понимать содержание большого массива отзывов.
Российские платформы движутся в том же направлении, но делают акцент не только на подборе маршрутов, а на персонализации, автоматизации контента и новых каналах продаж. В «Яндекс Путешествиях» нейросеть «Алиса» используется для создания описаний отелей и апартаментов: при генерации учитываются техническая информация объекта, достопримечательности рядом и отзывы гостей. Для отельеров это снижает издержки на подготовку контента и может повышать конверсию в бронирование. Также сервис применяет ИИ для распределения фотографий по типам комнат.
МТС Travel использует Big Data и AI-технологии в цифровых путеводителях по регионам России. Алгоритмы персонализации подстраивают рекомендации под сегмент пользователя: например, подбирают достопримечательности, кафе и места отдыха с учетом семейного статуса, уровня дохода и других обезличенных параметров. По данным компании, после запуска персонализации среднее время просмотра контента в гидах выросло с трех до пяти минут, а до 40% пользователей проходят авторизацию ради персональных рекомендаций.
Но за видимой частью - чат-ботами и рекомендациями - стоит более важный слой: данные о поведении туристов, бронированиях, сезонности, ценах и изменении спроса.
По мнению Ильнура Ильдаровича Хасанова, кандидата технических наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации, главный эффект ИИ в туризме связан не с заменой менеджера, а сокращением времени между изменением спроса и принятием решения. Если раньше регион или компания анализировали сезон постфактум, то теперь модель может заранее показать, где потребуется дополнительная инфраструктура, а где маркетинговый бюджет лучше перераспределить.
Практическая проблема заключается не столько в выборе алгоритма, сколько в подготовке данных. Туристический спрос формируется из множества источников: временной динамики поездок, географии направлений, финансовых показателей, загрузки объектов размещения, событийного календаря, внешних ограничений и каналов продаж. Поэтому преимущество получают не компании, которые просто подключают нейросеть, а те, кто выстраивает полноценный контур работы с данными: хранилище, аналитические витрины, BI-инструменты и модуль прогнозирования.
В этом контексте показателен проект, выполненный на кафедре информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации. Решение построено как хранилище данных для анализа и прогнозирования туристических потоков: используется базы данных, размерная модель, витрины данных, нейросетевая модель прогнозирования и интерфейс визуализации. В проекте предусмотрены анализ по странам и периодам, сравнение фактических и прогнозных значений, оценка качества модели и экспорт отчетов.
По мнению Алексея Николаевича Чернякова, кандидата философских наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации, развитие таких систем меняет саму культуру управления туризмом. Решения начинают приниматься не на уровне интуитивного ожидания «удачного сезона», а на основе наблюдаемых закономерностей, сценариев и проверяемых прогнозов. Это снижает зависимость отрасли от субъективных оценок и приближает туризм к секторам экономики, где управленческие решения принимаются на основе данных.
Можно предположить, что следующим этапом развития туристического рынка является переход от разрозненных ИИ-сервисов к платформам спроса. Они будут объединять данные бронирований, поискового интереса, транспортной доступности, событийного календаря, погодных факторов и отзывов. Для компаний это будет означать более точную персонализацию и управление загрузкой. Для регионов - возможность планировать инвестиции в инфраструктуру не только по факту прошлогоднего потока, но и по прогнозу будущего спроса.
ИИ в туризме уже перестает быть экспериментом. Его экономический смысл - в способности заранее ответить на вопрос, куда, когда и почему поедет турист. Кто научится отвечать на него точнее конкурентов, тот получит преимущество не только в продажах, но и в управлении всей туристической экономикой.