Hosteltur: el 86% de hoteles usa IA sin estrategia clara

Qué dice realmente el dato del 86%

El 86% de las cadenas hoteleras europeas ya utiliza inteligencia artificial en sus procesos, el 80% reconoce no disponer de una estrategia formal para gestionarla y el 60% identifica la falta de conocimiento especializado como su principal barrera para avanzar. Son cifras del estudio europeo de h2c GmbH citado durante la mesa redonda organizada por Hosteltur Academy el 18 de septiembre bajo el título «IA en la práctica: el perfil que buscan los headhunters del sector hotelero».

A primera vista parecen tres porcentajes compatibles: una industria que adopta tecnología rápido pero con deuda de estrategia y talento. La lectura que hicieron los ponentes va mucho más lejos: la distancia entre las tres cifras no es un problema de adopción, es un problema de criterio.

Por qué el caso hotelero importa a cualquier startup

Aunque la mesa estaba centrada en talento comercial hotelero, la pregunta de fondo es transversal a cualquier empresa que esté adoptando IA en 2026: ¿qué pasa cuando la herramienta ejecuta más rápido que la capacidad del equipo para evaluar lo que ejecuta?

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Rubén Canosa, responsable del área de Analítica, Datos e Inteligencia Artificial de Iberostar, introdujo durante la conversación un concepto que ordena el debate: la IA aumentativa. La tecnología amplía las capacidades del profesional dentro de su ámbito de conocimiento, pero el límite es exactamente ese, el conocimiento previo. Usar IA fuera del perímetro que dominas produce respuestas convincentes que no sabes evaluar.

Llevado a una startup SaaS o a un equipo de growth, dice así: si automatizas la segmentación de campañas sin entender qué señales de demanda prioriza tu modelo de revenue, la IA optimiza con enorme eficiencia una instrucción que puede ser equivocada.

Marketing y revenue: la frontera que la IA obliga a cruzar

Uno de los ejemplos más concretos que se compartieron en la mesa fue el de Iberostar aplicando IA para optimizar la asignación de habitaciones en recepción. El objetivo no era administrativo: al reducir el tiempo de esa tarea, el personal podía dedicar más horas a la relación con el huésped. La decisión sobre dónde aplicar la tecnología precedió a la elección de la herramienta.

Esa lógica, primero la decisión de negocio y luego la tecnología, es exactamente lo que, según la conversación, empieza a faltar en marketing. Cristina Hernández Santonja, fundadora de Smyt y especializada en executive search hotelero, resumió el problema: muchas empresas están pidiendo perfiles con conocimientos de IA sin haber definido qué necesitan que esos perfiles sepan hacer con ella.

El ejemplo que se puso sobre la mesa lo deja claro: una campaña puede mejorar su conversión sin estar captando la demanda que más interesa al hotel; un sistema puede recomendar estimular demanda en fechas en las que revenue management preferiría proteger tarifa; un CRM puede identificar al cliente con mayor probabilidad de conversión sin que ese sea el cliente de mayor valor. La IA puede optimizar con enorme eficiencia una instrucción equivocada.

Y la cuenta va en dos direcciones: marketing necesita entender el impacto económico de sus decisiones (demanda, ocupación, ADR, disponibilidad, coste de distribución), y revenue necesita entender mejor adquisición, conversión y first-party data para tomar decisiones informadas.

Menos ejecución no significa menos conocimiento

Otro punto clave de la conversación fue desmontar la idea de que automatizar tareas reduce la necesidad de conocimiento. Cuando una parte de la ejecución se automatiza, lo que ocurre, según Hernández, es que el valor profesional se desplaza: de hacer un análisis a saber interpretarlo, de configurar una campaña a determinar qué debería optimizar, de producir información a distinguir qué información importa.

Esta idea tiene un respaldo externo que vale la pena traer. Según datos publicados por Hosteltur al presentar su nuevo programa, el State of Hotel Commercial Talent Report 2025–2026 de la Fundación HSMAI indica que los hoteles que integran IA en sus procesos de revenue management reportan mejoras de ingresos totales del 20% al 30% y aumentos de RevPAR de hasta el 10%. El State of Data & AI Literacy Report 2026 de DataCamp, recogido por el mismo medio, concluye que las organizaciones que combinan inversión tecnológica con programas estructurados de desarrollo de capacidades tienen el doble de probabilidades de generar retornos significativos.

Las dos cifras, leídas juntas, dicen lo mismo que la mesa: el retorno de la IA no viene del acceso a la herramienta, viene de la capacidad del equipo para decidir qué pedirle.

Antes de contratar un perfil de IA, hazte estas preguntas

Una de las recomendaciones más prácticas que dejó la conversación fue invertir el orden habitual de las preguntas. En lugar de empezar por «¿qué perfil de IA necesitamos contratar?», la organización debería responder antes:

¿Qué decisiones comerciales queremos mejorar con IA?
¿Qué conocimientos requieren esas decisiones?
¿Qué capacidades tenemos ya en marketing, revenue, distribución y datos?
¿Y cuáles necesitamos desarrollar internamente frente a incorporar desde fuera?

Solo después tiene sentido decidir qué se construye dentro y qué se busca fuera. Iberostar explicó durante la mesa su apuesta por desarrollar talento interno mediante formación, acompañamiento y un plan de AI Readiness, además de una red interna de profesionales que actúan como «champions» dentro de la organización.

Qué significa esto para tu startup

Si estás adoptando IA en tu empresa, y la mayoría lo está haciendo en algún punto de su stack, el caso hotelero deja tres lecciones concretas:

Audita qué decisiones estás automatizando antes de auditar qué herramientas usas. Haz una lista de las decisiones comerciales, de growth o de producto que ya están pasando por un modelo o un agente. Para cada una, pregúntate si tu equipo tiene el conocimiento de negocio suficiente para validar lo que el sistema devuelve. Si la respuesta es no, la prioridad no es otra herramienta: es cerrar esa brecha de criterio primero.
Mide el retorno con métricas de negocio, no de tarea. El reporte de HSMAI muestra que la IA en revenue management se traduce en 20%–30% más ingresos y hasta 10% más RevPAR en hoteles que la integraron bien. El reporte de DataCamp muestra que el doble de organizaciones obtiene retornos significativos cuando combina inversión tecnológica con desarrollo de capacidades. Tu métrica debería ser impacto en revenue, margen o retención, no cuántas tareas eliminaste.
Crea el rol «champion» interno. Iberostar lo hace con una red de profesionales que actúan como nodos de criterio IA dentro de cada área. En una startup eso es más simple: identifica a una persona por área (marketing, ventas, producto, ops) que combine conocimiento funcional con curiosidad por la herramienta, y dale tiempo real para experimentar, documentar y elevar el nivel del resto del equipo.

La conclusión que dejó la mesa, y que cualquier founder debería grabarse, se puede formular en una línea: «¿Sé utilizar inteligencia artificial?» ya no es la pregunta relevante. La pregunta es ¿tengo suficiente conocimiento de negocio para decidir qué debe hacer la inteligencia artificial por mí?