Subscribe to DeepL Pro to translate larger docum

Visit www.DeepL.com/pro for more information.

Dampak Kecerdasan Buatan dalam Perjalanan,

Pariwisata, dan Perhotelan

Jacques Bulchand-Gidumal

Isi
Pendahuluan......................................................................................................................................2
Mendefinisikan Kecerdasan Buatan ..................................................................................................3
Fondasi TI untuk AI .........................................................................................................................4
Data Besar.....................................................................................................................................4
Bidang AI yang Diminati untuk Perjalanan dan Pariwisata .........................................................5
Sistem AI dan Penggunaannya dalam Perjalanan dan Pariwisata ....................................................8
Sistem AI ....................................................................................................................................10
Perangkat dan Sistem Terpadu ...................................................................................................11
Pariwisata Cerdas dan Destinasi Cerdas ......................................................................................12
Dampak AI pada Perhotelan...........................................................................................................12
Tantangan Terkait AI dalam Perjalanan dan Pariwisata.................................................................14
Isu Terkait Adopsi dan Penggunaan AI oleh Wisatawan ...........................................................14
Substitusi Manusia......................................................................................................................15
Etika dan Bias dalam AI.............................................................................................................16
Penelitian di Masa Depan ...........................................................................................................17
Perkembangan yang Diharapkan di Masa Depan ............................................................................17
Referensi Silang ..............................................................................................................................18
Referensi.........................................................................................................................................18

Abstrak
Kecerdasan buatan (AI) saat ini hadir di hampir setiap bidang perjalanan dan
pariwisata, muncul dalam berbagai jenis aplikasi seperti sistem personalisasi
dan pemberi rekomendasi, robot, sistem percakapan, agen perjalanan pintar,
sistem prediksi dan peramalan, aplikasi penerjemahan bahasa, dan suara

J. Bulchand-Gidumal (🖂)
Institut Pariwisata Berkelanjutan dan Pembangunan Ekonomi (TIDES), Universitas Las Palmas
de Gran Canaria, Las Palmas de Gran Canaria,
Spanyol e-mail: jacques.bulchand@ulpgc.es
© Springer Nature Switzerland AG 2020 1
Z. Xiang dkk. (eds.), Buku Pegangan e-Tourism,
https://doi.org/10.1007/978-3-030-05324-6_110-1
2 J. Bulchand-Gidumal

pengenalan dan sistem pemrosesan bahasa alami. Peningkatan terbaru dalam

data besar, algoritme, dan daya komputasi telah memungkinkan peningkatan
yang signifikan dalam AI. Dalam bab ini, kami mengulas bagaimana AI telah
dan sedang mengubah proses utama dalam industri pariwisata. Kami mulai
dengan dasar-dasar TI dari AI yang relevan untuk perjalanan dan pariwisata,
lalu membahas sistem dan aplikasi AI yang tersedia di sektor ini. Kami
kemudian memeriksa perhotelan secara rinci, sebagai sektor di mana sebagian
besar sistem ini diterapkan. Kami menyimpulkan dengan tantangan yang
dihadapi AI di sektor pariwisata, agenda penelitian, dan menggambar skenario
masa depan AI dalam pariwisata.

Kata kunci
Data besar - Pembelajaran mendalam - Pembelajaran mesin - Personalisasi -
Peramalan - Robot

Pendahuluan

Kecerdasan buatan (AI) bergantung pada data besar, kapasitas pemrosesan, dan
algoritme. Masing-masing dari ketiga elemen ini telah mengalami peningkatan
yang signifikan akhir-akhir ini, seiring dengan beberapa tren yang terjadi:
pertama, penyempurnaan dan kemajuan dalam algoritme AI; kedua, peningkatan
yang signifikan dalam kapasitas pemrosesan; dan ketiga, dalam konteks data
besar, pengembangan sumber dan arsitektur informasi baru yang lebih kuat yang
memungkinkan penyimpanan dan pemrosesan data dalam jumlah besar.
Peningkatan ini, pada gilirannya, mendorong peningkatan yang signifikan dalam
sistem AI dan robotika, dalam proses yang dikenal sebagai Revolusi Industri
Keempat (Li et al. 2019). Saat ini, aplikasi AI sedang dikembangkan dan diuji di
semua bidang industri perjalanan dan pariwisata, termasuk sistem personalisasi dan
pemberi rekomendasi, asisten perjalanan pribadi, robot, sistem prediksi dan
prakiraan, aplikasi penerjemahan bahasa, dan pengenalan suara, serta sistem
pemrosesan bahasa alami.
Kecerdasan buatan sangat relevan dengan perjalanan dan pariwisata karena
beberapa alasan. Wisatawan perlu membuat serangkaian keputusan tentang
perjalanan mereka di masa depan, misalnya, memilih destinasi, transportasi,
akomodasi, dan aktivitas, di antara banyak hal lainnya. Keputusan-keputusan ini
akan memiliki dampak yang signifikan terhadap kepuasan wisatawan dengan
perjalanan mereka. Namun, berbagai destinasi, transportasi, akomodasi, dan
aktivitas yang tersedia saat ini menghadirkan pilihan yang hampir tak terbatas
sehingga membutuhkan bantuan. Organisasi dan agen pariwisata menghadapi
tantangan yang sama ketika mencoba menemukan kecocokan terbaik antara
pelanggan dan paket perjalanan yang disesuaikan dengan kebutuhan mereka.
Organisasi memiliki persediaan pelanggan potensial yang hampir tak terbatas.
Dengan demikian, mencocokkan permintaan dengan produk adalah proses yang
sangat kompleks yang tampaknya sangat cocok dengan kemampuan AI. Begitu
sampai di tempat tujuan, wisatawan harus menavigasi dunia yang tidak diketahui,
yang ditandai dengan kebiasaan, bahasa, norma budaya, dan masakan yang
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 3
Perhotelan
berbeda, di antara banyak fitur lain yang mungkin asing bagi mereka. Sekali lagi,
AI dapat membantu wisatawan di lingkungan yang "aneh", misalnya,
merekomendasikan
4 J. Bulchand-Gidumal

rencana perjalanan atau membantu mengatasi hambatan bahasa dan budaya. Selain
itu, AI juga dapat membantu organisasi untuk mempersonalisasi pengalaman agar
sesuai dengan keinginan wisatawan. Meskipun sektor pariwisata telah terbukti
sebagai pengadopsi awal sebagian besar inovasi, kasus penggunaan AI yang
sebenarnya masih langka. Sebagian besar literatur yang ada berkaitan dengan
skenario laboratorium dan kasus pengembangan. AI saat ini dapat ditemukan
tertanam dalam sistem pemrosesan data di lingkungan nyata dan pada tahap
produksi dari berbagai pengaturan, misalnya, sistem peramalan, robot, sistem
percakapan, dan sistem pengenalan suara. Namun, AI kemungkinan besar akan
terlibat dalam semua bidang
industri perjalanan dan pariwisata dalam waktu dekat.
Dalam bab ini, kami mengulas bagaimana AI telah mengubah dan sedang
mengubah proses utama dalam industri perjalanan dan pariwisata. Kami
membayangkan skenario masa depan di mana sistem AI saat ini dan di masa
depan telah sepenuhnya dikembangkan, digunakan, terintegrasi, dan saling
terhubung. Kami juga memeriksa tantangan industri, terutama masalah privasi,
masalah tempat kerja, dan penyebaran konektivitas yang diperlukan.

Mendefinisikan Kecerdasan Buatan

Sebelum mendefinisikan AI, kami percaya bahwa akan sangat menarik untuk
menjelaskan terlebih dahulu apa yang dimaksud dengan kecerdasan. Kecerdasan
dapat didefinisikan sebagai serangkaian kemampuan: kemampuan untuk
memahami lingkungan dan fenomena yang terjadi, kemampuan untuk mengambil
keuntungan dari pengalaman masa lalu, dan kemampuan untuk menggabungkan
pengetahuan yang tersedia untuk merespons tantangan baru dengan tepat (Rudas
dan Fodor 2008). Gretzel (2011) merangkum kemampuan-kemampuan tersebut
dan mengatakan bahwa sistem cerdas mampu merasakan lingkungan, belajar, dan
menggunakan apa yang telah dipelajari pada situasi yang akan datang.
Kecerdasan buatan biasanya didefinisikan sebagai sekumpulan teknologi yang
dapat meniru kecerdasan manusia dalam proses pemecahan masalah (Lai dan
Hung 2018). Seperti halnya pesawat terbang yang mendapatkan hasil yang sama
(terbang) dengan burung tetapi menggunakan mekanisme yang sama sekali
berbeda, AI mencoba mendapatkan hasil yang sama (berpikir) dengan manusia
tetapi melalui mekanisme yang berbeda.
Konsep AI telah berkembang dari waktu ke waktu (Buhalis et al. 2019), dari
konseptualisasi awal di mana AI didefinisikan sebagai memiliki beberapa bentuk
kecerdasan, hingga definisi dan konseptualisasi yang lebih baru di mana AI
didefinisikan sebagai kemampuan untuk bertindak secara otonom pada data dalam
jumlah besar (Sterne 2017), hingga masa depan di mana AI dapat melebihi
kecerdasan manusia, sebuah peristiwa yang disebut sebagai singularitas teknologi
(Kurzweil 2005). Dalam hal ini, efek AI (McCorduck 2004) menggambarkan
fenomena di mana ketika sebuah aplikasi AI menjadi mainstream, ia tidak lagi
dianggap sebagai AI. Hal ini disebabkan oleh kecenderungan untuk
membayangkan bahwa aplikasi tersebut tidak benar-benar mengandung AI (tidak
benar-benar berpikir), melainkan hanya bagian dari komputasi normal. Dengan
demikian, konten dan batasan AI bersifat dinamis dari waktu ke waktu.
Buhalis dkk. (2019) merujuk pada empat jenis AI yang disebutkan oleh Hintze
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 5
Perhotelan
(2016). Jenis pertama adalah AI reaktif, yang tidak memiliki memori atau
penggunaan masa lalu. Deep Blue adalah contoh terbaik dari AI reaktif. Jenis
kedua adalah AI dengan memori terbatas, yang memiliki ingatan selektif/terbatas.
Contohnya adalah bagaimana mobil swakemudi memperlakukan objek di
sekitarnya. Jenis ketiga adalah teori pikiran. Ini adalah mesin yang dapat
merepresentasikan
6 J. Bulchand-Gidumal

jenis objek lain dan emosinya, yang akan memungkinkan mesin berinteraksi
secara sosial. Jenis keempat adalah AI dengan kesadaran diri atau kesadaran. Baik
Buhalis dkk. (2019) maupun Hintze (2016) sepakat bahwa tantangan AI saat ini
adalah dalam hal memperluas memori kecerdasan buatan, meningkatkan
kemampuan untuk menggunakan ingatan dan pengalaman masa lalu untuk
membuat keputusan yang lebih baik, dan mengembangkan kapasitas untuk
memproses emosi dan intuisi (Gretzel, 2011). Melampaui keempat jenis AI ini
adalah konsep superintelegensi (Bostrom 2016). Superintelligence didefinisikan
sebagai kecerdasan mesin yang melampaui kecerdasan manusia pada umumnya.
Sebagian besar sistem AI yang ada saat ini memiliki domain yang spesifik.
Artinya, mereka adalah sistem yang mampu memecahkan masalah yang terkait
dengan area tertentu dan tugas tertentu, seperti penyaringan spam, memahami
pertanyaan yang diajukan oleh manusia, menavigasi lingkungan yang dikenal
secara visual, atau bahkan mengendarai mobil otonom. Jenis AI ini telah
didefinisikan sebagai "AI Lemah" atau "AI Sempit" (Russell dan Norvig 2016).
Perkembangan di masa depan akan menciptakan AI untuk tujuan umum atau
"Strong AI" (Russell dan Norvig 2016), yaitu AI jenis ketiga dan keempat yang
disebutkan di paragraf sebelumnya (sistem yang memiliki kecerdasan di lebih dari
satu bidang, dengan kesadaran dan kapasitas untuk berpikir). Baru-baru ini,
konsep "Hybrid AI" (Wirth 2018) telah muncul. Hybrid AI berada di antara Strong
AI dan Weak AI, untuk memasukkan AI yang melebihi Weak AI tetapi tanpa
semua kapasitas Strong AI. Sektor perjalanan dan pariwisata membutuhkan
Hybrid AI dan Strong AI karena banyaknya tugas dan elemen yang perlu
diintegrasikan untuk mengembangkan pengalaman terbaik bagi wisatawan.

Dasar-dasar TI untuk AI

Sistem kecerdasan buatan membutuhkan empat elemen dasar untuk bekerja: data,
program, perangkat keras, dan interkonektivitas di antara sistem yang berbeda.
Kami tidak akan menganalisis perangkat keras secara mendetail karena moto kami
adalah semakin kuat perangkat keras, semakin baik. Aplikasi kecerdasan buatan
biasanya membutuhkan kapasitas perangkat keras yang besar (pemrosesan dan
penyimpanan) agar dapat berjalan dengan baik, meskipun ada beberapa arsitektur
perangkat keras tertentu yang lebih cocok untuk AI. Mengenai interoperabilitas,
salah satu fitur utama AI adalah kemampuannya untuk membuat mesin dapat
saling beroperasi (Bowen dan Morosan 2018; Gretzel et al. 2015), sehingga
mengotomatiskan agregasi dan konsolidasi data dari berbagai sumber (Buhalis dan
Leung 2018).
Sekarang kita akan menganalisis secara rinci kasus data dan algoritma untuk AI.

Data Besar

Data besar merupakan salah satu fondasi TI utama dari AI karena data besar
memberikan masukan yang diperlukan bagi sistem AI untuk meningkatkan
kemampuannya melalui pembelajaran, menemukan dan memahami pola perilaku,
dan menghasilkan wawasan. Big data dapat didefinisikan sebagai serangkaian
kumpulan data dengan volume yang sangat besar, yang dihasilkan dengan
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 7
Perhotelan
kecepatan tinggi dari berbagai sumber dan dengan berbagai jenis data (De Mauro
et al. 2016). Big data biasanya didefinisikan dengan empat V: volume, kecepatan,
variasi, dan kebenaran. Beberapa definisi meliputi
8 J. Bulchand-Gidumal

dua Vs lainnya: nilai dan volatilitas. Fitur-fitur ini relevan dan harus
dipertimbangkan dengan cermat, karena istilah big data sering digunakan secara
keliru. Terkadang sebuah proses ditandai sebagai big data hanya karena
menggunakan database dengan jumlah record yang besar. Namun, jika hanya ada
satu sumber untuk semua catatan ini, atau jika semuanya mewakili jenis transaksi
yang sama (misalnya ulasan hotel di situs web media sosial, transaksi dengan agen
perjalanan online), maka tidak tepat untuk menyebut proses ini sebagai data besar.
Big data dalam pariwisata biasanya berasal dari dua sumber: lingkungan dan
wisatawan. Lingkungan adalah sumber data meteorologi, peristiwa yang terjadi di
tempat tujuan, dan informasi yang diperoleh secara real time dari sensor, Internet
of Things (IoT), dan transaksi. Wisatawan memberikan data sebelum, selama, dan
setelah perjalanan mereka dalam lima cara: aktivitas online, aktivitas offline, data
biometrik dan emosional, perangkat yang dapat dikenakan, dan konten yang
dibuat oleh pengguna (user-generated content/UGC). Sebelum dan selama
perjalanan, pengguna mencari dan memesan layanan secara online, dan jejak
digital mereka dapat dilacak (Gunter dan Önder 2016). Selama perjalanan,
pengguna juga meninggalkan jejak offline (misalnya, pergerakan, pemesanan,
konsumsi), yang ditangkap oleh beberapa perangkat: Data GPS, roaming seluler,
data dari perangkat Bluetooth seperti beacon, IoT, dan PoS. Selain itu, selama
perjalanan, data biometrik dan emosional dari pengguna dapat dikumpulkan secara
otomatis (misalnya, gambar termal, pengenalan wajah). Demikian juga, dan
tergantung pada akses yang diberikan pengguna, data dari perangkat yang dapat
dikenakan (misalnya, jam tangan pintar, pelacak aktivitas, pakaian) dapat
dikumpulkan selama perjalanan. Terakhir, UGC dihasilkan selama dan setelah
perjalanan. Konten tersebut termasuk ulasan online, komentar di jejaring sosial,
serta gambar dan video yang diunggah secara online (Li et al. 2018). Konten yang
dibuat oleh pengguna membutuhkan pemrosesan AI sebelum dapat digunakan
dengan benar oleh peneliti dan analis. Kecerdasan Buatan dapat membantu dalam
memproses analisis sentimen dalam informasi tekstual (Schuckert et al. 2015) dan
menganalisis serta menandai karakteristik gambar, audio, atau video yang
dibagikan oleh pengguna (mis., tempat, partisipan, sentimen). Teknik-teknik ini
sangat meningkatkan UGC sebagai sumber data, dengan memberikan informasi
yang lebih kaya kepada proses yang menggunakan data ini.
Profil pengguna dapat dibuat dengan menggabungkan sumber-sumber data ini.
Profil ini
kemudian dapat digunakan untuk merekomendasikan produk dan layanan yang
disesuaikan dengan kebutuhan pengguna. Ringkasan dari semua sumber data yang
disebutkan dan proses pembuatan data untuk kasus spesifik perhotelan dapat
ditemukan di Gbr. 1.

Bidang AI yang Diminati untuk Perjalanan dan Pariwisata

Kecerdasan buatan memiliki beragam subbidang, tergantung pada tujuan, alat,

atau metodologi tertentu yang digunakan. Kami secara singkat menjelajahi
subbidang yang lebih menarik untuk perjalanan dan pariwisata.

Kecerdasan Sekitar
Ambient intelligence (AmI) adalah "[...] tentang lingkungan elektronik yang
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 9
Perhotelan
sensitif dan adaptif yang merespons tindakan orang dan objek serta memenuhi
kebutuhan mereka." (Aarts dan Wichert 2009, 244). Sebagai contoh, sebuah kamar
hotel dapat mengadaptasi
 6
J. Bulchand-Gidumal
Gbr. 1 Pembuatan dan penggunaan data dalam perhotelan
 Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 7
Perhotelan
suhu, musik, dan cahaya sesuai keinginan pengguna. Sistem ini bahkan dapat
secara mandiri merasakan kebutuhan akan adaptasi ini, tanpa persyaratan khusus
dari pengguna. Sistem ini dapat menyesuaikan cahaya di dalam ruangan pada siang
hari, sesuai dengan aktivitas pengguna. Kecerdasan ambien tidak hanya cocok
untuk ruangan pribadi dan kecil seperti kamar hotel, tetapi juga dapat digunakan di
ruang publik yang besar, seperti bandara atau tempat konser. Ambient intelligence
juga dapat digunakan untuk memandu wisatawan (Basiri et al. 2018), berdasarkan
data crowdsourced yang dapat dikenali polanya.

Pemrosesan Bahasa Alami dan Pengenalan Wajah

Pemrosesan bahasa alami (NLP) memungkinkan komputer memproses bahasa
alami dengan baik. Masukannya dapat berupa teks atau suara. Dalam kasus
terakhir, pertama-tama akan ada proses pengenalan suara, sebelum pemrosesan
bahasa terjadi. Pembuatan bahasa alami biasanya merupakan bagian dari NLP,
karena memungkinkan sistem TI untuk mempertahankan percakapan dengan
pengguna. Pemrosesan bahasa alami adalah salah satu persyaratan terjemahan
otomatis. Pentingnya NLP dalam pariwisata sangat tinggi, karena memungkinkan
asisten perjalanan virtual, sistem percakapan, dan robot (Tussyadiah dan Miller
2019).
Pengenalan wajah biasanya digunakan untuk mengidentifikasi seseorang dalam
gambar atau video digital. Sebagai contoh, ini dapat digunakan dalam proses
check-in untuk secara otomatis mengenali tamu. Namun, pengenalan wajah tidak
hanya berguna untuk mengenali orang tertentu. Teknologi ini juga dapat digunakan
untuk menghitung jumlah orang di area tertentu dan bahkan untuk mendeteksi
emosi pada orang-orang yang melewati titik tertentu (misalnya, kebahagiaan
mereka yang meninggalkan prasmanan sarapan).

Pembelajaran Mesin, Pembelajaran Mendalam, dan Jaringan Saraf

Tiruan
Pembelajaran mesin dan pembelajaran mendalam merupakan bagian dari AI,
pembelajaran mendalam m e r u p a k a n jenis pembelajaran mesin yang spesifik.
Pembelajaran mesin adalah seperangkat algoritme yang digunakan mesin untuk
belajar, saat mereka mengulangi proses tertentu dan mendapatkan umpan balik
tentang bagaimana kinerja mereka dalam proses tersebut. Umpan balik ini dapat
diberikan oleh manusia atau dikembangkan oleh mesin setelah mengamati hasil dari
proses sebelumnya (misalnya, kalah atau menang dalam permainan catur).
Pelatihan biasanya dilakukan dengan kumpulan data yang sangat besar, sehingga
memungkinkan algoritme meningkat dengan cepat. S e b a g a i contoh, mesin dapat
diajarkan untuk memilih gambar terbaik dari sekumpulan gambar yang serupa dari
memori perjalanan. Setelah mengamati apakah pelanggan terlibat dengan gambar
atau album yang dipilih, mesin dapat meningkatkan proses pemilihan untuk contoh-
contoh selanjutnya. Pembelajaran mendalam adalah teknik pembelajaran mesin
yang didasarkan pada jaringan saraf.
Tidak seperti pembelajaran mesin, di mana algoritme dilengkapi dengan
seperangkat aturan yang besar, dalam pembelajaran mendalam, komputer
diberikan model yang dapat mengevaluasi contoh dan seperangkat instruksi kecil
tentang cara memodifikasi model agar lebih kuat dan akurat. Dengan demikian,
analisis dimulai dari tingkat yang dangkal tetapi bergerak ke lapisan yang lebih
kompleks dan dalam dalam pendekatan yang berurutan (Bulchand-Gidumal 2016).
8 J. Bulchand-Gidumal
Ada banyak penggunaan mesin dan deep learning dalam pariwisata, yang
biasanya diintegrasikan dalam rangkaian algoritme atau aplikasi lain: peramalan,
penerjemahan, cuaca
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 9
Perhotelan
prediksi, analisis sentimen, pencegahan penipuan, serta pengenalan gambar dan
video (Ma et al. 2018). Namun, deep learning juga menjadi fondasi bagi banyak
bidang minat yang telah kami sebutkan, seperti pengenalan suara dan deteksi
objek di AmI (LeCun et al. 2015).
Jaringan syaraf adalah sekelompok teknik yang dapat digunakan untuk
pembelajaran mesin dan pembelajaran mendalam. Dengan demikian, jaringan
syaraf adalah bentuk pembelajaran mesin dan mendalam. Meskipun kami
sebelumnya menyatakan bahwa sistem berbasis teknologi (buatan) tidak harus
meniru cara alam melakukan aktivitas tertentu, seperti terbang atau bernalar, salah
satu bidang pekerjaan dalam AI adalah mencoba meniru neuron manusia dan
koneksinya, melalui jaringan syaraf tiruan (JST), atau secara sederhana disebut
jaringan syaraf. Jaringan saraf tiruan adalah jaringan yang terdiri dari sejumlah
besar neuron buatan sederhana, yang masing-masing meniru neuron manusia.
Mereka terhubung dengan cara yang sama dengan cara neuron manusia terhubung.
Teori jaringan saraf adalah bahwa ketika jumlah neuron yang terhubung
mendekati jumlah neuron manusia (sekitar 1011 ), sistem buatan dan alami dapat
bekerja dengan cara yang sama. Saat ini, penggunaan utama jaringan syaraf tiruan
dalam pariwisata terkait dengan peramalan (Claveria et al. 2015).

Sistem AI dan Penggunaannya dalam Perjalanan dan Pariwisata

Sistem kecerdasan buatan memiliki beberapa aplikasi dalam pariwisata. Dari

perspektif konsumen, AI membantu pengguna untuk menemukan informasi yang
lebih baik dan lebih relevan, memberi mereka mobilitas yang lebih besar,
meningkatkan pengambilan keputusan, dan pada akhirnya memberikan
pengalaman pariwisata yang lebih baik (Gretzel 2011; Tussyadiah dan Miller
2019). Dari perspektif bisnis, AI dapat digunakan di hampir semua aspek
manajemen (Buhalis et al. 2019), terutama dalam promosi dan produktivitas
(Tussyadiah dan Miller 2019). Kecerdasan buatan juga diharapkan dapat
mendorong perjalanan yang lebih berkelanjutan (Tussyadiah dan Miller 2019),
dengan mempengaruhi pelanggan untuk memiliki perspektif yang lebih sosial.
Sistem kecerdasan buatan dalam industri pariwisata dapat berupa sistem yang
berdiri sendiri atau tertanam dalam aplikasi dan sistem yang sudah ada. Sistem-
sistem ini mencakup sistem rekomendasi, sistem dan teknik personalisasi, sistem
percakapan (chatbot dan asisten suara), alat peramalan, agen otonom, aplikasi
penerjemahan bahasa, dan destinasi pariwisata pintar. Meskipun kami
menganalisis setiap sistem secara terpisah, harus dinyatakan bahwa wisatawan
biasanya akan berinteraksi dengan teknologi yang mengintegrasikan beberapa
sistem ini. Sebagai contoh, seorang tamu dapat berinteraksi dengan robot yang
mengintegrasikan sistem percakapan, dan, tergantung pada kebutuhan, sistem
pemberi rekomendasi, teknik personalisasi, atau agen otonom. Dialog dengan
pengguna mungkin didasarkan pada chatbot atau asisten suara.
Destinasi cerdas adalah ekosistem yang diciptakan di destinasi di mana
teknologi canggih ini digunakan bersama dengan fitur sosial dan organisasi
lainnya, seperti yang akan dijelaskan nanti di bagian ini.
Gambar 2 mengilustrasikan hubungan antara fondasi TI dari AI yang dianalisis
pada bagian sebelumnya dengan sistem dan aplikasi AI yang diperiksa di sini.
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 9
Perhotelan

Gbr. 2 Sumber: Elaborasi sendiri

10 J. Bulchand-Gidumal

Sistem AI

Sistem Personalisasi dan Rekomendasi

Selama bertahun-tahun, wisatawan harus memutuskan destinasi yang akan
dikunjungi, tempat yang akan dikunjungi di destinasi tersebut, dan aktivitas di
destinasi tersebut dengan menggunakan gambar-gambar dalam katalog. Internet
telah meningkatkan jumlah informasi yang tersedia, dan UGC juga telah
membantu wisatawan untuk membuat keputusan dengan informasi yang lebih
baik. Namun, bahkan dengan informasi tambahan ini, harga telah menjadi
komponen terpenting dalam pengambilan keputusan. Kecerdasan buatan
mengubah perilaku ini, karena memungkinkan wisatawan untuk menemukan
alternatif yang paling sesuai untuk mereka dan memungkinkan bisnis untuk
menyesuaikan pengalaman mereka dengan kebutuhan spesifik pelanggan mereka.
Hal ini dilakukan melalui teknik personalisasi dan sistem rekomendasi.
Sistem pemberi rekomendasi adalah alat dan teknik yang berorientasi untuk
memberikan pilihan kepada wisatawan yang paling sesuai dengan minat mereka
(Ricci et al. 2015). Penggunaan sistem pemberi rekomendasi dalam pariwisata
menjadi semakin penting karena jumlah pilihan yang tersedia bagi pengguna telah
berkembang secara eksponensial dengan adanya lingkungan daring (Gavalas et al.
2014). Biasanya, sistem pemberi rekomendasi mencocokkan karakteristik pilihan
yang tersedia dengan profil pengguna untuk memberikan saran tentang pilihan
yang paling sesuai.
Teknik personalisasi mencoba memberikan informasi yang disesuaikan kepada
pengguna berdasarkan preferensi dan batasan mereka (Gao et al. 2010). Dengan
demikian, teknik personalisasi berarti bahwa perusahaan berubah dari pemasaran
kepada banyak orang menjadi pemasaran kepada satu orang. Teknik personalisasi
membutuhkan informasi dalam jumlah besar tentang perilaku pengguna, sehingga
profil yang akurat dapat didefinisikan. Gao dkk. (2010) menganalisis secara rinci
teori, teknik, dan aplikasi untuk personalisasi.

Sistem Percakapan: Chatbot dan Asisten Suara

Sistem percakapan memungkinkan pelanggan untuk terlibat dalam sebuah
percakapan yang biasanya terkait dengan pencarian informasi. Percakapan ini
dapat berlangsung dalam jangka waktu yang lama dan melibatkan beberapa proses
(Gretzel 2011). Sistem percakapan terkadang disebut sebagai chatbot atau agen
virtual (Buhalis et al. 2019). Sistem ini melibatkan teknologi seperti NLP dan
pengenalan suara dan saat ini ada di mana-mana. Sebagai contoh, mereka hadir
sebagai asisten pribadi di ponsel pintar dan speaker rumah (dengan sistem
komersial seperti Apple Siri, Google Assistant, Microsoft Cortana, dan Amazon
Alexa) dan sebagai chatbot tekstual di situs web dan kios. Sistem-sistem ini
menjadi titik acuan, karena lebih sedikit upaya yang diperlukan bagi pengguna
untuk berkomunikasi dengan mereka, dan mereka menghadirkan pengalaman yang
lebih dekat dengan bagaimana manusia berkomunikasi secara alami. Melián-
González dkk. (2019) menjelaskan faktor penentu penggunaan chatbot oleh
wisatawan.

Peramalan
Peramalan adalah teknik di mana data historis dan kontekstual digunakan untuk
membuat perkiraan tentang masa depan, berdasarkan tren saat ini. Teknik ini
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 1
Perhotelan 1
digunakan di semua jenis sektor dan bisnis, untuk membuat keputusan yang
membutuhkan prediksi tentang apa yang akan terjadi. Peramalan sangat cocok
untuk algoritme AI (Claveria et al. 2015), terutama dengan adanya big data
(Gunter dan Önder 2016). Kecerdasan buatan
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 11
Perhotelan
Metode kecerdasan dalam peramalan dapat dibagi menjadi lima kategori: teori
abu-abu, deret waktu fuzzy, pendekatan himpunan kasar, mesin vektor pendukung
(support vector machines/SVMs), dan ANNs (Claveria dkk. 2015).
Di sektor pariwisata, peramalan dapat digunakan untuk memahami permintaan
wisatawan (Buhalis dan Leung 2018), untuk mengembangkan strategi pemasaran,
untuk manajemen keuangan dan alokasi sumber daya manusia (Claveria et al.
2015; Huang 2014), untuk mendeteksi penipuan di restoran (Stalidis et al. 2015),
dan untuk mendukung pengelolaan fasilitas dan kebutuhan pemeliharaan (Buhalis
dan Leung 2018).
Namun, penggunaan AI harus ditangani dengan hati-hati, karena hasil dari
metode AI telah beragam. Di satu sisi, Yu dan Schwartz (2006) menemukan
bahwa model yang kompleks tidak lebih akurat daripada model tradisional yang
sederhana. Claveria dan Torra (2014) memiliki hasil yang lebih menjanjikan,
meskipun kualitas hasil peramalan dengan jaringan syaraf sangat dimoderasi oleh
tingkat prapemrosesan. Di sisi lain, beberapa penelitian menemukan bahwa
metode AI memiliki akurasi prediksi yang lebih baik. Misalnya, Sun dkk. (2019)
menggunakan pembelajaran mesin untuk meramalkan kedatangan wisatawan, Law
dan Au (1999) menggunakan jaringan syaraf untuk tujuan yang sama, dan Huang
(2014) juga menggunakan jaringan syaraf untuk meramalkan permintaan resor.

Aplikasi Penerjemahan Bahasa

Perjalanan dan pariwisata biasanya melibatkan kontak dengan bahasa yang
berbeda. Namun, bahasa telah ditemukan sebagai salah satu hambatan utama yang
dihadapi wisatawan saat bepergian, serta salah satu sumber ketidaknyamanan dan
kecemasan (Cohen 2004). Dalam banyak kasus, hambatan bahasa juga
menghalangi wisatawan untuk mengeksplorasi budaya lokal, karena mereka
mengikuti waralaba dan merek yang sudah dikenal selama berada di luar negeri.
Karena personalisasi dapat membantu wisatawan menemukan tempat baru
(Benckendorff et al. 2019), terjemahan otomatis dapat memfasilitasi navigasi
wisatawan di destinasi, memungkinkan mereka untuk menjelajahi dan terlibat
dalam semua jenis kegiatan. Kecerdasan buatan yang diberdayakan oleh
pembelajaran mesin dan NLP membantu pengembangan aplikasi penerjemahan
otomatis dan sistem penerjemahan simultan.

Perangkat dan Sistem Terpadu

Robot
Robot adalah mesin otonom (objek fisik) yang memiliki AI dan merasakan
lingkungan, yang keduanya memungkinkan robot untuk membuat keputusan dan
melakukan tindakan. Fisik membedakan robot dari program AI lainnya, dan
otonomi membedakan robot dari ATM, kios check-in, dan perangkat serupa
lainnya. Robot dapat diwujudkan dalam beberapa bentuk (Tung dan Law 2017):
mirip manusia, mirip hewan, objek, atau fungsional.
Secara tradisional, robot ditemukan di lingkungan industri. Namun, AI telah
memungkinkan robot muncul di lingkungan layanan (Ivanov dan Webster 2017),
sampai-sampai robot layanan ini mampu mengatasi banyak kekurangan manusia
di bidang pariwisata, seperti kendala bahasa dan kekurangan tenaga kerja (Bowen
dan Morosan 2018). Ivanov dan Webster (2017) menyebutkan dua jenis robot
12 J. Bulchand-Gidumal
layanan: layanan profesional
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 13
Perhotelan
robot dan robot layanan pribadi. Robot layanan profesional berkemampuan AI ini
digunakan untuk merampingkan proses dan meningkatkan tugas-tugas yang
selama ini dilakukan secara tradisional oleh staf kantor depan (Li et al. 2019).

Asisten Perjalanan Pintar

Seiring dengan meningkatnya kecerdasan buatan, perangkat seluler, pemrosesan
bahasa alami, dan pengenalan suara, konsep asisten perjalanan pintar telah
mendapatkan daya tarik dan kelayakan. Asisten ini adalah aplikasi yang akrab
dengan pengguna (misalnya, preferensi, minat, ketersediaan) dan dengan demikian
dapat memberikan saran sesuai permintaan atau secara otonom, mengantisipasi
kebutuhan pengguna. Sistem ini juga disebut sebagai agen otonom, agen
perjalanan cerdas, dan pramutamu cerdas. Seorang asisten harus dapat
menggabungkan beberapa layanan di suatu tujuan, dengan mempertimbangkan
batasan waktu dan ruang, dan menemukan cara yang sesuai untuk membawa
pengguna dari satu tempat ke tempat lain dengan anggaran yang diinginkan.
Salah satu tantangan terkait asisten perjalanan adalah pertanyaan tentang
pemilik akhir sistem. Saat ini, aplikasi dan sistem seluler biasanya digunakan
secara gratis. Dalam banyak kasus, perusahaan besar (misalnya, Google,
Facebook) membayar biaya sistem. Oleh karena itu, pertanyaannya adalah apakah
asisten perjalanan akan melayani turis atau pengembang sistem. Dalam hal ini,
jenis pemasaran baru diharapkan akan dikembangkan dalam beberapa tahun ke
depan, yang dapat disebut pemasaran asisten perjalanan, yaitu pemasaran yang
berorientasi pada asisten perjalanan, bukan pada wisatawan.

Pariwisata Cerdas dan Destinasi Cerdas

Pariwisata cerdas dapat didefinisikan sebagai "[...] pariwisata yang didukung

oleh upaya terpadu di suatu destinasi untuk mengumpulkan dan
menggabungkan/memanfaatkan data yang berasal dari infrastruktur fisik,
hubungan sosial, sumber-sumber pemerintah/organisasi, dan tubuh/pikiran
manusia yang dikombinasikan dengan penggunaan teknologi canggih untuk
mentransformasi data tersebut menjadi pengalaman di lokasi dan proposisi nilai
bisnis dengan fokus yang jelas pada efisiensi, keberlanjutan, dan pengayaan
pengalaman." (Gretzel et al. 2015, 181). Dengan demikian, kecerdasan buatan
memiliki peran penting dalam pengembangan dan penerapan pariwisata cerdas,
karena transformasi data menjadi pengalaman dan proposisi nilai akan
diberdayakan oleh AI.
Artinya, pariwisata cerdas dan destinasi cerdas adalah ekosistem digital di
mana AI memainkan peran kunci. Namun demikian, untuk mengembangkan
ekosistem ini, ada beberapa komponen sosial dan organisasi lain yang harus
bekerja dan berinteraksi bersama.

Dampak AI pada Perhotelan

Karena perhotelan adalah salah satu industri utama di bidang pariwisata, kami
memutuskan untuk menganalisis dampak AI terhadap perhotelan secara lebih
terperinci, dengan memeriksa teknologi dan aplikasi yang disebutkan sebelumnya
14 J. Bulchand-Gidumal
dalam konteks hotel. Untuk meninjau aplikasi AI yang saat ini sedang digunakan,
atau sedang dikembangkan, atau
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 15
Perhotelan
akan diimplementasikan di masa mendatang, kami telah membagi industri
perhotelan ke dalam dua bidang utama: operasi dan pemasaran.
Di bidang operasi, AI mengalokasikan kamar dan sumber daya lainnya sesuai
dengan nilai tamu, membantu dalam manajemen preventif fasilitas, mendasarkan
penawaran animasi pada perilaku masa lalu dan prediksi kedatangan wisatawan,
menyesuaikan masakan yang tersedia dengan selera pelanggan yang ada,
memungkinkan robot pembersih kamar, membantu memilih karyawan yang sesuai
untuk fasilitas dan produk yang ditawarkan, memfasilitasi sistem cerdas dengan
memungkinkan percakapan alami dengan tamu (mis, pada saat check-in,
permintaan layanan), memungkinkan integrasi informasi dinamis ke dalam proses
bisnis, memfasilitasi penggunaan robot di meja depan, sebagai petugas, dan untuk
pengiriman, meningkatkan manajemen stok, meningkatkan manajemen energi
fasilitas dan konsumsi wisatawan, memungkinkan penciptaan lingkungan di mana
tamu dapat merasa seperti di rumah sendiri, menyediakan akses ke layanan digital
mereka sendiri, dan mendukung manajemen keuangan dengan mempertimbangkan
pendapatan dan kedatangan yang diharapkan.
Di bidang pemasaran dan komersialisasi, AI meningkatkan prakiraan,
menyesuaikan
harga dan penawaran yang diberikan kepada pelanggan yang sudah ada dan calon
pelanggan, meningkatkan sistem manajemen hubungan pelanggan (CRM),
membantu mengembangkan layanan dan pengalaman yang dipersonalisasi melalui
kustomisasi massal, memungkinkan penyebaran pemasaran cerdas, membantu
pengembangan prediksi yang disesuaikan, agen pendukung dan asisten penjualan
cerdas, membuat penawaran secara real time yang dikirim ke pengguna melalui
pendekatan berbasis konteks dan berbasis konten, dan memungkinkan pemasaran
digunakan sebagai alat manajemen antrian.
Salah satu tantangan spesifik yang harus dihadapi hotel adalah bahwa big data
adalah salah satu fondasi penerapan AI. Namun, sulit untuk menggambarkan
kumpulan data yang tersedia untuk hotel sebagai data besar. Meskipun volume
data yang tersedia untuk hotel biasanya tinggi, dan ada beberapa variasi pada data,
data tersebut biasanya terbatas pada interaksi tamu dengan situs web hotel
sebelum perjalanan, dan perilakunya di hotel. Hotel hanya memiliki sedikit data
tentang profil tamu mereka, minat dan preferensi mereka, tujuan yang mereka
sukai dan karakteristik lainnya, dan perilaku mereka di luar hotel. Ini berarti
bahwa hotel hanya dapat memiliki data besar tentang tamu mereka dengan
berpasangan dengan bisnis lain yang dapat melengkapi data mereka.
Pada tahap akhir, ketika AI sepenuhnya dikembangkan dan diimplementasikan
di industri perhotelan dan semua sistem terintegrasi dan dapat saling beroperasi,
hampir semua tugas yang saat ini dilakukan oleh manusia akan dapat dilakukan
oleh robot, AI, dan sistem bahasa alami. Namun, bukan berarti industri perhotelan
akan dijalankan tanpa kehadiran manusia. Manusia akan tetap memiliki dua fungsi
utama. Pertama, manusia akan mengembangkan sekumpulan kecil tugas yang sangat
sulit untuk diotomatisasi, bahkan dengan pengembangan kemampuan robotika dan
AI. Kedua, kehadiran manusia akan digunakan sebagai pembeda dan kemewahan;
ini akan menjadi faktor pembeda. Dengan kata lain, jika manusia tidak efisien dari
segi ekonomi, kehadiran mereka akan dibenarkan dari segi diferensiasi atau
melalui peningkatan kualitas, seperti yang saat ini terjadi di SPBU.
Gambar 3 mengilustrasikan kontinum di mana hotel-hotel yang berbeda akan
berada. Di salah satu ujung kontinum adalah hotel yang efisien yang sepenuhnya
16 J. Bulchand-Gidumal
memanfaatkan
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 17
Perhotelan

Gbr. 3 Teknologi dan aplikasi AI dalam pariwisata

kemampuan teknologi, otomatisasi, robot, dan AI. Hal ini membutuhkan jumlah
manusia yang terbatas dalam pengoperasiannya. Hotel yang efisien ini akan menarik
bagi tamu yang sadar akan nilai (Bowen dan Morosan 2018), karena mereka dapat
menghemat biaya utama industri perhotelan (Gursoy 2018). Di ujung lain dari
spektrum ini adalah hotel yang berbeda, di mana manusia akan digunakan di
berbagai titik sentuh sebagai cara untuk membedakannya. Namun, bahkan di
hotel-hotel terkemuka ini, para tamu akan selalu memiliki pilihan untuk
menggunakan teknologi swalayan berdasarkan AI, jika mereka lebih suka
melakukannya. Di antaranya, akan ada beberapa jenis hotel di mana kombinasi
manusia dan teknologi yang berbeda akan ditemukan.

Tantangan Terkait AI dalam Perjalanan dan Pariwisata

Kecerdasan buatan saat ini telah dan akan memberikan banyak dampak positif
pada sektor perjalanan dan pariwisata. Namun, ada beberapa tantangan dan risiko
yang harus dihadapi. Kami menganalisis secara rinci tiga isu utama: perspektif
wisatawan terhadap AI, substitusi manusia oleh mesin, dan etika dan bias dalam
AI. Kami mengakhiri bagian ini dengan beberapa saran untuk penelitian di masa
depan.

Isu Terkait Adopsi dan Penggunaan AI oleh Wisatawan

Tantangan pertama dengan AI adalah pemikiran, sikap, dan persepsi wisatawan

terhadap teknologi ini. Seperti halnya teknologi atau inovasi lainnya, wisatawan
dapat dikelompokkan ke dalam kategori yang disebutkan oleh Rogers (2010):
inovator, pengadopsi awal, mayoritas awal, mayoritas akhir, dan tertinggal. Dengan
mempertimbangkan risiko dan manfaat AI, Tussyadiah dan Miller (2019)
menemukan tiga jenis pengguna: laggards (yang melihat tingkat risiko yang tinggi
dan tingkat manfaat yang rendah untuk AI), penggemar (yang melihat tingkat
manfaat yang tinggi dan tingkat risiko yang rendah untuk AI), dan realis (yang
sadar akan kemungkinan manfaat dan risiko AI). Para penulis ini menemukan
bahwa orang-orang yang memiliki sentimen negatif terhadap AI adalah mereka
yang belum pernah menggunakan teknologi tersebut sebelumnya (Tussyadiah dan
Miller 2019). Mengenai adopsi robot oleh pengguna, seperti halnya dengan
teknologi lain, faktor pendorong utama yang dirasakan adalah
18 J. Bulchand-Gidumal

kegunaan dan kinerja (Bowen dan Morosan 2018). Namun, Gretzel (2011)
memperingatkan bahwa ada kebutuhan untuk beralih dari penelitian tentang niat
penggunaan, ke penelitian tentang penggunaan aktual, pola penggunaan, dan
ketidakgunaan.
Kecerdasan buatan memiliki beberapa manfaat dan risiko bagi pengguna. Bagi
wisatawan, salah satu manfaat utama AI adalah dapat membantu mereka
menavigasi lingkungan yang tidak dikenal, sehingga mengurangi kecemasan dan
ketakutan yang sering dirasakan oleh wisatawan (Buhalis et al. 2019). AI juga
dapat membantu mereka mengembangkan pengalaman baru dan berkesan (Li et al.
2019).
Mengenai risiko, tiga kekhawatiran utama para turis berkaitan dengan
ketakutan akan pengawasan, kesenjangan AI, dan masyarakat yang sepenuhnya
dipandu oleh teknologi. Mengenai ketakutan akan pengawasan, beberapa penulis
(Gretzel 2011; Tussyadiah dan Miller 2019) telah menyebutkan ancaman terhadap
privasi yang dapat ditimbulkan oleh sistem AI, karena sistem ini mengumpulkan
data dalam jumlah yang sangat besar, dan yang paling penting, memiliki
kemampuan untuk mendapatkan pola dan informasi dari data tersebut.
Seperti yang terjadi pada kesenjangan digital di awal abad ini yang disebabkan
oleh kurangnya akses, ada risiko bahwa akan ada kesenjangan AI. Kesenjangan AI
ini dapat disebabkan oleh keengganan beberapa pengguna untuk berpartisipasi
dalam lingkungan AI, karena persepsi mereka tentang risiko dalam sistem AI.
Mengenai kekhawatiran mengenai masyarakat yang sepenuhnya dipandu oleh
teknologi, wisatawan mungkin harus memilih antara layanan yang lebih otomatis,
efisien, dan hemat biaya dan layanan mewah yang kurang otomatis dan berbasis
manusia. Sebagai contoh, hotel mungkin akan berada di sebuah kontinum, seperti
yang dijelaskan di atas.

Substitusi Manusia

Penggantian tenaga kerja manusia oleh mesin telah terjadi sejak Revolusi Industri
Pertama. Namun, untuk waktu yang lama, mesin hanya mampu menggantikan
manusia dalam tugas-tugas rutin yang sederhana. Dengan pertumbuhan AI dan
teknologi yang diberdayakan oleh AI, generasi mesin baru telah muncul (seperti
robot servis) yang sekarang dapat bersaing dan menggantikan manusia di hampir
setiap tugas yang memungkinkan (Brynjolfsson dan McAfee 2011). Ini berarti
bahwa sektor pariwisata, yang selama ini kebal terhadap situasi ini, kini terancam.
Bowen dan Morosan (2018) memperkirakan bahwa 25% tenaga kerja di bidang
perhotelan dapat digantikan oleh robot dalam satu dekade ke depan, sehingga
mengkategorikan adopsi robot sebagai pergeseran paradigma. Beberapa fungsi
tradisional dalam pariwisata (seperti resepsionis hotel) bahkan dapat menghilang
(Bowen dan Morosan 2018). Beberapa penulis menyebut AI sebagai ancaman
terbesar bagi umat manusia (Musk 2014).
Faktanya, perpindahan pekerja telah menjadi salah satu kekhawatiran utama
terkait dampak AI di bidang pariwisata (Tussyadiah dan Miller 2019), tidak hanya
karena hilangnya pekerjaan tetapi juga karena hilangnya rasa memiliki (Li et al.
2019).
Ada perdebatan sengit dalam literatur akademis tentang pekerjaan mana yang
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 19
Perhotelan
lebih rentan dilakukan oleh mesin. Sigala (2018) menyatakan bahwa mesin pandai
dalam penalaran yang kompleks dan pada tugas-tugas berbasis algoritme dan
berulang, sementara manusia paling baik dalam generalisasi, persepsi, kreativitas,
dan interaksi dengan
20 J. Bulchand-Gidumal

dunia nyata. Namun, seperti yang dikatakan oleh Sigala (2018), bukan berarti
mesin dan teknologi tidak dapat melakukan tugas-tugas yang saat ini menjadi
keahlian manusia. Hanya saja, saat ini lebih mahal bagi komputer untuk
melakukan tugas-tugas tersebut.
Oleh karena itu, meskipun konsensus awal (berdasarkan pengaturan industri
dan perkantoran) adalah bahwa pekerjaan berketerampilan rendah lebih terancam,
data dan penelitian saat ini memiliki pandangan yang sedikit berbeda
(Brynjolfsson dan McAfee 2011). Fenomena polarisasi pekerjaan tampaknya
menunjukkan situasi di mana pekerjaan berketerampilan rendah dan
berketerampilan tinggi adalah yang paling aman dari otomatisasi, meskipun
alasannya berbeda untuk setiap kasus. Pekerjaan berketerampilan tinggi aman
karena kompleksitas tugas dan adanya tugas-tugas non-rutin, sementara pekerjaan
berketerampilan rendah aman karena biaya jabatan yang rendah, keragaman tugas,
dan adanya tugas-tugas non-rutin. Sebaliknya, pekerjaan berketerampilan
menengah, yang sebagian besar terkait dengan pekerjaan rutin, lebih rentan untuk
dilakukan oleh teknologi (Melián-González et al. 2019).
Beberapa penulis (misalnya Brynjolfsson dan McAfee 2011; Ivanov dan
Webster 2017) mengusulkan bahwa dalam konteks layanan, teknologi tidak akan
mengambil alih pekerjaan, tetapi akan digunakan untuk meningkatkan
kemampuan karyawan dan membebaskan mereka dari tugas-tugas rutin, sehingga
memungkinkan karyawan memiliki lebih banyak waktu untuk layanan yang lebih
baik. Dengan demikian, kecerdasan buatan dapat meningkatkan kapasitas mereka,
dalam sebuah proses yang disebut sebagai augmentasi dan hibridisasi AI
(Benckendorff et al. 2019).
Dalam hal ini, salah satu tantangan utama industri pariwisata adalah bahwa
bisnis pariwisata dapat kehilangan rasa keramahtamahan (Bowen dan Morosan
2018), yang merupakan salah satu ciri utama bisnis pariwisata.

Etika dan Bias dalam AI

Dampak yang diharapkan dari AI pada semua aspek kehidupan dan masyarakat
sangatlah besar. Sebagai bagian dari Revolusi Industri Keempat, dampaknya
sebanding dengan mesin dan komputer. Hal ini menciptakan tantangan etika
tertentu yang perlu didiskusikan. Dua di antaranya telah disebutkan, yaitu
hilangnya privasi dan ketakutan akan masyarakat yang sepenuhnya dipandu oleh
teknologi.
Risiko lain yang penting dan relevan terkait penggunaan AI secara luas adalah
bias. Semua manusia memiliki bias (termasuk, tentu saja, mereka yang membuat
algoritme AI), dan bias merupakan hal yang alamiah pada manusia, misalnya, bias
yang berkaitan dengan ras, jenis kelamin, usia, dan status ekonomi. Masalahnya
adalah bahwa AI jauh lebih kuat daripada manusia dan mungkin dapat
memfasilitasi penguatan bias yang tertanam dalam algoritme (Smith 2019). Hal ini
berpotensi berarti bahwa ketika AI belajar, ia belajar untuk mengimplementasikan
struktur bias yang kemudian direplikasi. Dalam hal ini, telah direkomendasikan
bahwa sistem AI harus transparan, cukup kuat untuk menahan manipulasi, dan
dapat diprediksi (Bostrom dan Yudkowsky 2014). Sistem kecerdasan buatan akan
terus menerus harus membuat trade-off, dan mereka harus mampu membuat
keputusan yang seimbang yang memaksimalkan manfaat bagi semua peserta.
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 21
Perhotelan
Terakhir, jika sistem kecerdasan buatan (Bostrom 2016) dikembangkan, sistem AI
yang dibangun harus menyertakan etika sebagai fitur dasar (Bostrom dan
Yudkowsky 2014).
22 J. Bulchand-Gidumal

Penelitian di Masa Depan

Terlepas dari pertanyaan-pertanyaan yang telah disebutkan di bagian sebelumnya,

pengembangan AI di sektor perjalanan dan pariwisata membutuhkan penelitian di
beberapa bidang. Tiga di antaranya berasal dari tantangan serupa yang
diidentifikasi oleh Murphy dkk. (2017) yang melibatkan penggunaan robot dalam
pariwisata dan perhotelan: pertama, penerimaan pelanggan terhadap sistem AI
dalam perjalanan dan pariwisata; kedua, dampak AI terhadap ekonomi sektor
perjalanan dan pariwisata; dan ketiga, dampak AI yang disebutkan di atas terhadap
tempat kerja dan substitusi manusia. Kami juga telah mengidentifikasi empat
pertanyaan lain: pertama, analisis dampak AI yang sedang berlangsung terhadap
pemasaran dan operasi; kedua, perubahan dinamika kerja sektor perjalanan dan
pariwisata di berbagai bidang seperti pengembangan produk dan komposisi paket;
ketiga, dampak AI terhadap keberlanjutan (Tussyadiah dan Miller 2019); dan yang
terakhir, penelitian tentang bagaimana informasi yang dihasilkan selama kegiatan
perjalanan dan pariwisata dapat diintegrasikan dengan data dari sumber lain untuk
memahami profil dan perilaku pelanggan dengan lebih baik.

Perkembangan yang Diharapkan di Masa Depan

Masa depan AI dalam pariwisata masih terbuka. Di satu sisi, ada pandangan yang
optimis. Dalam pandangan ini, masyarakat dapat mengatasi tantangan utama AI.
Masalah privasi akan terpecahkan, konektivitas akan diimplementasikan agar
sistem AI dapat digunakan, dan pekerja serta sistem AI akan dapat bekerja sama.
Di bawah paradigma ini, AI dapat dipahami sebagai sekelompok teknologi yang
akan meningkatkan pengalaman pariwisata dan menjadikannya lebih baik bagi
semua pelaku. Bisnis akan dapat memahami pelanggan mereka dengan lebih baik
dan dengan demikian merancang produk, layanan, dan pengalaman yang lebih
baik yang disesuaikan dengan kebutuhan mereka. Bisnis juga dapat secara dinamis
membuat paket yang dipersonalisasi sesuai dengan minat klien. Teknologi akan
menggantikan dan melengkapi pekerjaan tertentu, sehingga mengurangi biaya
operasional secara keseluruhan dan menghasilkan penghematan yang kemudian
dapat diteruskan kepada pelanggan. Hal ini juga berarti bahwa bisnis akan dapat
menawarkan layanan dengan harga yang terjangkau yang sebelumnya mungkin
sangat mahal (Bowen dan Morosan 2018). Dalam kasus lain, teknologi dapat
meningkatkan pekerjaan tertentu atau membebaskan pekerja dari tugas-tugas
tertentu, meningkatkan layanan dan dukungan pelanggan.
Dari sudut pandang pelanggan, AI akan memungkinkan mereka untuk
mempersiapkan perjalanan mereka dengan lebih baik
dengan cepat, dengan biaya transaksi yang jauh lebih rendah dan paket yang
sepenuhnya dipersonalisasi yang sesuai dengan kebutuhan dan minat mereka.
Mereka akan menerima penawaran prediktif yang sesuai dengan kebutuhan
mereka. Selama perjalanan, teknologi akan membantu wisatawan untuk
menavigasi lingkungan yang tidak dikenal dengan lancar, mengurangi kecemasan
dan ketakutan akan hal yang tidak diketahui. Perbedaan bahasa dan budaya tidak
akan menjadi penghalang bagi pariwisata, tetapi justru menjadi daya tarik
tambahan. Teknologi akan memungkinkan pelanggan untuk menerima layanan
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 23
Perhotelan
terbaik sekaligus menjamin privasi sebanyak mungkin (Bowen dan Morosan
2018).
Di sisi lain, ada pandangan yang kurang optimis. Dalam pandangan ini,
sebagian besar pekerjaan industri akan digantikan oleh mesin, yang akan
menyebabkan hilangnya
24 J. Bulchand-Gidumal

perasaan keramahtamahan. Akan ada pengaturan di mana penggunaan mesin

adalah wajib dan bukan hanya pilihan, seperti yang sudah terjadi di banyak
bandara. Wisatawan harus berurusan dengan mesin dan robot yang belum siap
untuk digunakan di lingkungan produksi dan bisnis akan memilih untuk
menggunakan produk yang lebih murah meskipun kinerjanya kurang optimal.
Dalam banyak kasus, teknologi akan menggantikan manusia, tetapi biaya tenaga
kerja yang mungkin tidak akan dibebankan kepada pelanggan, yang akan
membayar dengan harga yang sama untuk mendapatkan pengalaman yang lebih
buruk secara keseluruhan. Privasi dan keamanan data tidak akan terjamin.
Karyawan akan kesulitan untuk bekerja sama dengan robot dan sistem AI, dan
organisasi tidak akan sepenuhnya siap untuk mengadopsi sistem AI.
Seperti halnya sebagian besar teknologi yang mengubah paradigma,
kemungkinan tidak ada satu pun dari kedua skenario tersebut yang sepenuhnya
akurat, dan masa depan akan menjadi kombinasi keduanya.

Referensi Silang

▶ AI dan Pengalaman Perjalanan

▶ Kecerdasan Buatan dan Pembelajaran Mesin
▶ Data Besar
▶ Data Terbuka dan Komersial (Besar) dalam Pariwisata
▶ Pasca Pariwisata Cerdas
▶ Sistem Rekomendasi
▶ Robotika dalam Perjalanan, Pariwisata, dan Perhotelan
▶ Destinasi Cerdas
▶ Wisatawan Cerdas dan Perilaku Cerdas

Referensi
Aarts E, Wichert R (2009) Kecerdasan lingkungan. Dalam: Bullinger HJ (ed) Panduan teknologi.
Springer, Berlin/Heidelberg, hal 244-249
Basiri A, Amirian P, Winstanley A, Moore T (2018) Membuat sistem pemandu wisata menjadi
lebih cerdas, adaptif, dan personal dengan menggunakan data pergerakan yang bersumber dari
kerumunan. J Ambient Intell Humaniz Comput 9(2):413-427
Benckendorff PJ, Xiang Z, Sheldon PJ (2019) Teknologi informasi pariwisata. CABI, Boston
Bostrom N (2016) Superintelligence: jalur, bahaya, strategi. Oxford University Press, Oxford
Bostrom N, Yudkowsky E (2014) Etika kecerdasan buatan. Dalam: Buku pegangan Cambridge
dari kecerdasan buatan. Cambridge University Press, Cambridge, hal 316-334
Bowen J, Morosan C (2018) Waspadalah industri perhotelan: robot akan datang. Tema Wisata
Rumah Sakit Seluruh Dunia 10(6):726-733
Brynjolfsson E, McAfee A (2011) Berpacu dengan mesin: bagaimana revolusi digital
mempercepat inovasi, mendorong produktivitas, dan mengubah lapangan kerja dan ekonomi
secara permanen. Digital Frontier Press, Lexington
Buhalis D, Leung R (2018) Perhotelan cerdas-interkonektivitas dan interoperabilitas menuju
ekosistem. Int J Hosp Manag 71:41-50
Buhalis D, Harwood T, Bogicevic V, Viglia G, Beldona S, Hofacker C (2019) Gangguan
teknologi dalam layanan: pelajaran dari pariwisata dan perhotelan. J Serv Manag 30: 484-506
Dampak Kecerdasan Buatan dalam Perjalanan, Pariwisata, dan 25
Perhotelan
Bulchand-Gidumal J (2016) Aprendizaje profundo y su impacto en turismo. Dalam La actividad
turística española en 2015: (edisi 2016): 419-422. Síntesis
Claveria O, Torra S (2014) Peramalan permintaan pariwisata ke Catalonia: jaringan syaraf tiruan
vs model deret waktu. Model Ekonomi 36:220-228
Claveria O, Monte E, Torra S (2015) Pendekatan peramalan baru untuk industri perhotelan. Int J
Contemp Hosp Manag 27(7):1520-1538. https://doi.org/10.1108/IJCHM-06-2014-0286
Cohen E (2004) Pariwisata kontemporer: keragaman dan perubahan. Elsevier, Boston
De Mauro A, Greco M, Grimaldi M (2016) Definisi formal data besar berdasarkan fitur-fitur
pentingnya. Libr Rev 65(3):122-135
Gao M, Liu K, Wu Z (2010) Personalisasi dalam komputasi web dan informatika: teori, teknik,
aplikasi, dan penelitian di masa depan. Inf Syst Front 12(5):607-629
Gavalas D, Konstantopoulos C, Mastakas K, Pantziou G (2014) Sistem pemberi rekomendasi
seluler dalam pariwisata. J Netw Comput Appl 39:319-333
Gretzel U (2011) Sistem cerdas dalam pariwisata: perspektif ilmu sosial. Ann Tour Res
38(3):757-779
Gretzel U, Sigala M, Xiang Z, Koo C (2015) Pariwisata cerdas: fondasi dan perkembangan.
Electron Mark 25(3):179-188
Gunter U, Önder I (2016) Memperkirakan kedatangan di kota dengan analisis Google. Ann Tour
Res 61: 199-212
Gursoy D (2018) Masa depan pemasaran perhotelan dan penelitian manajemen. Perspektif
Manajemen Tur 25:185-188
Hintze A (2016) Memahami empat jenis AI, dari robot reaktif hingga makhluk yang sadar diri.
Percakapan, Tersedia di: http://theconversation.com/understanding-the-four-types-of-ai- dari-
robot-reaktif-menjadi-makhluk-yang-menyadari-diri-67616. Terakhir diakses pada 17 Juli
2019
Huang HC (2014) Sebuah studi tentang peramalan kecerdasan buatan untuk permintaan resor. J
Theor Appl Inf Technol 70(2):265-272
Ivanov SH, Webster C (2017) Adopsi robot, kecerdasan buatan, dan otomatisasi layanan oleh
perusahaan perjalanan, pariwisata, dan perhotelan-sebuah analisis biaya-manfaat. Dalam:
Kecerdasan buatan dan otomatisasi layanan oleh perusahaan perjalanan, pariwisata, dan
perhotelan-sebuah analisis biaya-manfaat. Konferensi ilmiah antar-nasional "pariwisata
kontemporer - tradisi dan inovasi", Oktober 2017, Universitas Sofia, hlm 19-21
Ivanov SH, Webster C, Berezina K (2017) Adopsi robot dan otomatisasi layanan oleh
perusahaan pariwisata dan perhotelan. Revista Turismo Desenvolvimento 27(28):1501-1517
Kurzweil R (2005) Singularitas sudah dekat: ketika manusia melampaui biologi. Penguin, New
York Lai WC, Hung WH (2018) Kerangka kerja hotel cerdas berbasis cloud dan AI. Dalam:
Memproses-
erselenggaraan konferensi internasional ke-18 tentang bisnis elektronik, ICEB, Guilin, 2-6
Desember, hal 36-43
Law R, Au N (1999) Sebuah model jaringan saraf untuk meramalkan permintaan orang Jepang
untuk bepergian ke Hong Kong. Tour Manag 20(1):89-97
LeCun Y, Bengio Y, Hinton G (2015) Pembelajaran mendalam. Nature 521 (7553): 436
Li J, Xu L, Tang L, Wang S, Li L (2018) Data besar dalam penelitian pariwisata: tinjauan
literatur. Tour Manag 68: 301-323
Li JJ, Bonn MA, Ye BH (2019) Kesadaran kecerdasan buatan dan robotika karyawan hotel dan
dampaknya terhadap niat pergantian karyawan: peran moderasi dari dukungan organisasi yang
dirasakan dan iklim psikologis yang kompetitif. Tour Manag 73: 172-181
Ma Y, Xiang Z, Du Q, Fan W (2018) Pengaruh foto yang disediakan pengguna terhadap manfaat
ulasan hotel: pendekatan analitis dengan condong ke dalam. Int J Hosp Manag 71:120-131
McCorduck P (2004) Mesin yang berpikir. Penyelidikan pribadi ke dalam sejarah dan prospek
kecerdasan buatan, 2nd edn. A K Peters/CRC Press, Boca Raton
Melián-González S (2019) Dampak teknologi digital terhadap pekerjaan. Tersedia di SSRN:
https:// ssrn.com/abstract=3353258
Melián-Gonzalez S, Gutiérrez-Taño D, Bulchand-Gidumal J (2019) Memprediksi niat untuk
menggunakan chatbots untuk perjalanan dan pariwisata. Curr Issues Tour.
https://doi.org/10.1080/13683500.2019. 1706457
26 J. Bulchand-Gidumal

Murphy J, Hofacker C, Gretzel U (2017) Menyongsong era robot di bidang perhotelan dan
pariwisata: tantangan untuk pengajaran dan penelitian. Eur J Tour Res 15: 104-111
Musk E (2014) Tersedia di https://twitter.com/elonmusk/status/495759307346952192. Terakhir
diakses pada 27 Juli 2019
Ricci F, Rokach L, Shapira B (2015) Sistem pemberi rekomendasi: pengenalan dan tantangan.
Dalam: Buku panduan sistem pemberi rekomendasi. Springer, Boston, pp 1-34
Rogers EM (2010) Difusi inovasi. Simon dan Schuster. New York
Rudas IJ, Fodor J (2008) Sistem cerdas. Int J Comput Commun Control III(Suppl.):132-138
Russell SJ, Norvig P (2016) Kecerdasan buatan: pendekatan modern. Pearson Education Limited,
Harlow
Schuckert M, Liu X, Law R (2015) Ulasan daring perhotelan dan pariwisata: tren terkini dan
arah masa depan. J Travel Tour Market 32(5):608-621
Sigala M (2018) Teknologi baru dalam pariwisata: dari kemajuan dan lintasan multi-disiplin
hingga anti-disiplin. Perspektif Manajemen Tur 25:151-155
Smith CS (2019) Mengatasi bias dalam kecerdasan buatan. Tersedia di https://www.nytimes.com/
2019/11/19/teknologi/artificial-intelligence-bias.html. Terakhir diakses pada 17 Desember
2019
Stalidis G, Karapistolis D, Vafeiadis A (2015) Pendukung keputusan pemasaran menggunakan
kecerdasan buatan dan pemodelan pengetahuan: aplikasi untuk manajemen tujuan wisata.
Dalam: Kavoura A, Sakas DP, Tomaras P (eds) Procedia-ilmu sosial dan perilaku 175:106-
113. Elsevier, Madrid
Sterne J (2017) Kecerdasan buatan untuk pemasaran: aplikasi praktis. Wiley, Hoboken
Sun S, Wei Y, Tsui KL, Wang S (2019) Memperkirakan kedatangan wisatawan dengan
pembelajaran mesin dan indeks pencarian internet. Tour Manag 70:1-10
Tung VWS, Law R (2017) Potensi penelitian pengalaman pariwisata dan perhotelan dalam
interaksi manusia dan robot. Int J Contemp Hosp Manag 29(10):2498-2513
Tussyadiah I, Miller G (2019) Dampak yang dirasakan dari kecerdasan buatan dan respons
terhadap intervensi perubahan perilaku positif. Dalam: Teknologi informasi dan komunikasi
dalam pariwisata 2019. Springer, Cham, hal 359-370
Wirth N (2018) Halo pemasaran, apa yang bisa dibantu oleh kecerdasan buatan? Int J Market Res
60(5):435-438
Yu G, Schwartz Z (2006) Peramalan permintaan pariwisata jangka pendek dengan model
kecerdasan buatan. J Travel Res 45(2):194-203