Na de eerdere artikelen over prestaties en gebruiksgemak van AI binnen revenue management richt dit derde deel zich op de sociale factoren die bepalen of AI binnen hotels daadwerkelijk wordt omarmd.
De adoptie van AI binnen Total Revenue Management wordt vaak gezien als een technologische of analytische uitdaging. In werkelijkheid speelt de sociale context een minstens zo bepalende rol. Revenue-managers benadrukken dat de acceptatie van AI niet alleen afhangt van functionaliteit, maar ook van samenwerking, communicatie en de manier waarop teams met de technologie leren omgaan. AI-adoptie blijkt daarmee evenzeer een menselijk als een technologisch proces.
Leiderschap als katalysator
Leiderschap wordt in de interviews herhaaldelijk genoemd als bepalende factor voor vertrouwen in AI. Wanneer leidinggevenden openstaan voor nieuwe technologie, interesse tonen in de werking van algoritmen en de resultaten actief bespreken binnen het team, groeit het draagvlak merkbaar. Steun vanuit het management is essentieel om tijd en middelen vrij te maken voor experimenteren; zonder dat mandaat blijft AI een individuele inspanning. Leiders die ruimte creëren om te leren en fouten bespreekbaar maken, bijvoorbeeld door aan pilots deel te nemen of nieuwe toepassingen te testen, vergroten volgens respondenten de bereidheid om met AI te werken.
Draagvlak ontstaat vooral wanneer AI niet als technisch project wordt gepresenteerd, maar als onderdeel van de bredere bedrijfsstrategie. Leidinggevenden die het gebruik van data zichtbaar ondersteunen en zelf met analyses werken, geven het goede voorbeeld en maken innovatie vanzelfsprekender. Hun houding bepaalt in hoge mate hoe medewerkers nieuwe technologie ervaren. Leiderschap fungeert daarmee als katalysator: het geeft richting, vertrouwen en betekenis aan verandering.
Collega’s en interne ambassadeurs
Naast formeel leiderschap zijn collega’s vaak de drijvende kracht achter acceptatie van nieuwe technologie. Uit de interviews blijkt dat medewerkers elkaar vaak helpen bij het interpreteren van aanbevelingen of het instellen van parameters. In teams waar kennis actief wordt gedeeld, groeit het vertrouwen sneller en wordt AI vaker toegepast in de besluitvorming.
Enkele respondenten noemden collega’s die nieuwe AI-functies uitproberen en hun bevindingen delen als belangrijke aanjagers van adoptie. Zulke ‘informele experts’ (ambassadors) verlagen de drempel voor anderen en dragen bij aan een positieve houding tegenover technologie.
Generaties
Respondenten zien duidelijke verschillen in de manier waarop generaties met AI omgaan. Jongere medewerkers verkennen systemen sneller door uit te proberen, terwijl meer ervaren collega’s de nadruk leggen op context en controle.
Volgens revenue managers vullen deze benaderingen elkaar aan: de nieuwsgierigheid van jongere collega’s stimuleert innovatie, terwijl ervaring helpt om resultaten kritisch te beoordelen. Het leerproces rond AI vraagt daardoor niet alleen technische kennis, maar vooral een open houding en de bereidheid om de logica achter aanbevelingen te begrijpen.
Externe invloeden en sectorontwikkeling
De adoptie van AI binnen hospitality wordt ook beïnvloed door externe factoren. Leveranciers, consultants en branche-evenementen spelen een belangrijke rol in hoe technologie zich verspreidt. Demonstraties van nieuwe tools en succesverhalen op conferenties wekken interesse en vormen referentiekaders voor wat als modern of professioneel wordt gezien.
Daarnaast ontstaat invloed via ketenstructuren. Internationale hotelgroepen ontwikkelen vaak centrale strategieën voor revenue management en selecteren een of meerdere preferred vendors. Hierdoor wordt de keuze voor een AI-systeem op lokaal niveau deels bepaald door corporate richtlijnen. Dit zorgt voor consistentie, maar beperkt soms de mogelijkheid om in te spelen op specifieke marktdynamiek of eigenaarsvoorkeuren.
Institutionele isomorfie: waarom organisaties steeds meer op elkaar gaan lijken
De dynamiek binnen de sector laat zich ook verklaren vanuit bestaande organisatietheorieën. De neiging van hotels om vergelijkbare technologieën, systemen en werkwijzen te adopteren, kan worden begrepen vanuit het theoretische concept institutionele isomorfie. Deze theorie beschrijft hoe organisaties binnen één sector na verloop van tijd steeds meer op elkaar gaan lijken, doordat zij onder invloed van sociale, normatieve en structurele druk elkaars praktijken overnemen. In de context van revenue management betekent dit dat hotels vergelijkbare AI-oplossingen, rapportagestructuren en KPI’s implementeren omdat dit als de professionele, oftewel branche, standaard wordt gezien, of omdat men aansluiting wil houden bij de bredere marktontwikkeling.
Institutionele isomorfie verklaart waarom technologische adoptie in hospitality soms sterk uniform verloopt. AI wordt niet altijd ingevoerd vanuit intrinsieke overtuiging of strategische differentiatie, maar ook uit de wens om legitiem en modern te blijven, bij te blijven in de ogen van peers, ketens en leveranciers. Dit zorgt voor een zekere gelijkvormigheid in de manier waarop beslissingen worden genomen en prestaties worden gemeten. Tegelijkertijd brengt deze ontwikkeling een risico met zich mee: naarmate meer hotels dezelfde technologieën toepassen, kan het onderscheidend vermogen afnemen en wordt innovatie vooral nog een middel om bij te blijven in plaats van om vooruit te lopen.
Conclusie
Het onderzoek maakt duidelijk dat de sociale omgeving sterk bepaalt hoe snel en op welke manier AI wordt geaccepteerd. Leiderschap, samenwerking en externe invloeden creëren samen het draagvlak waarbinnen innovatie kan plaatsvinden. Technologie wordt niet in isolatie omarmd, maar in interactie tussen mensen en organisaties. Succesvolle toepassing van AI vraagt daarom niet alleen om technische kennis, maar ook om een cultuur van leren, delen en gezamenlijke verantwoordelijkheid.
Over de auteur
Gönül Uyanik is een senior Operations Director in de hospitalitysector en MBA-alumnus van Nyenrode Business Universiteit. Zij onderzocht hoe AI hotels kan helpen bij de implementatie van Total Revenue Management en wat dit betekent voor de rol van revenue managers en de organisatiecultuur, en deelt haar inzichten in deze reeks.
Deze artikelenreeks is gebaseerd op een onderzoek dat Uyanik uitvoerde in het kader van een Executive MBA aan Nyenrode Business Universiteit. Daarin sprak zij ervaren revenue managers uit full-service hotels in Nederland over de inzet van AI binnen Total Revenue Management. Dit verslag is bewust breed gehouden, zodat de artikelen herkenbaar zijn voor professionals uit verschillende disciplines. Sommige onderdelen zullen vertrouwd klinken, andere nodigen juist uit om met een frisse blik naar de toekomst van revenue management te kijken.
Wat kunt u in de volgende artikelen verwachten
In de volgende delen van deze reeks wordt verder ingezoomd op de praktische en strategische voorwaarden voor de toepassing van AI in Total Revenue Management. Artikel 4 bespreekt de randvoorwaarden voor succesvolle implementatie, waaronder systeemintegratie, training, organisatiecultuur en de veranderende rol van de revenue manager. Artikel 5 richt zich op de herijking van prestatie-indicatoren en KPI’s als onderdeel van geïntegreerde sturing op winstgevendheid. Artikel 6 sluit de reeks af met inzichten over verantwoord en mensgericht gebruik van AI, met aandacht voor ethiek, governance en leiderschap in een datagedreven omgeving.
Blijf op de hoogte!
Twee keer per week het actuele en relevante hotelnieuws in uw mailbox? Registreer hier voor onze gratis digitale nieuwsbrief en blijf op de hoogte.
