por qué revenue y marketing ya no pueden decidir por separado

Hosteltur Academy organizó el 18 de septiembre una mesa bajo el título "IA en la práctica: el perfil que buscan los headhunters del sector hotelero", con Rubén Canosa, responsable del área de Analítica, Datos e Inteligencia Artificial de Iberostar; y Cristina Hernández Santonja, fundadora de Smyt y especializada en executive search para el sector hotelero. Modera la conversación Oliver Espinosa, codirector del Programa Ejecutivo en IA Aplicada al Marketing Hotelero de Hosteltur Academy.

La conversación giró en torno a una pregunta que cada vez más organizaciones hoteleras se hacen: ¿Qué competencias necesita hoy el talento comercial (marketing, revenue, distribución) para trabajar con IA con criterio real? y además, ¿existen ya esos perfiles en el mercado?

La inteligencia artificial ya ha entrado en los procesos de las compañías hoteleras. La cuestión empieza a ser qué ocurre después. Durante la mesa "IA en la práctica", organizada por Hosteltur Academy, se puso sobre la mesa un dato que refleja bien esa distancia: según el estudio europeo de h2c citado durante la conversación, el 86% de las cadenas hoteleras ya utiliza IA en sus procesos, el 80% reconoce no disponer de una estrategia formal para gestionarla, y el 60% señala la falta de conocimiento especializado como su principal barrera para avanzar.

La diferencia entre adoptar tecnología y saber qué hacer con ella empieza a ser relevante, y especialmente para marketing, porque cuanto más ejecutan los algoritmos, más importante se vuelve el conocimiento con el que alguien decide qué deben optimizar.

Esta fue una de las cuestiones abordadas con Rubén Canosa, responsable del área de Analítica, Datos e Inteligencia Artificial de Iberostar, y Cristina Hernández, especializada en executive search, en una conversación moderada por Oliver Espinosa sobre cómo está cambiando el talento comercial hotelero.

La IA no está haciendo que un profesional de marketing necesite saber menos. Está obligándole a entender más de aquello que ocurre fuera de marketing

La diferencia entre utilizar IA y saber qué hacer con ella

Rubén Canosa introdujo durante la conversación un concepto especialmente relevante: la IA aumentativa. La tecnología permite ampliar las capacidades de un profesional dentro de su ámbito de conocimiento —analizar más información, acelerar procesos, identificar patrones o ejecutar determinadas tareas con mayor rapidez—, pero Canosa situó también el riesgo precisamente en el límite de ese conocimiento: utilizar IA en ámbitos que el profesional no domina y aceptar como correcta una respuesta porque está formulada de manera convincente.

Es una distinción importante. Un profesional puede utilizar IA para analizar una campaña, interpretar datos, construir una segmentación o solicitar una recomendación sobre inversión. Pero utilizar la herramienta no significa disponer del conocimiento necesario para evaluar la decisión que propone.

Iberostar aporta un ejemplo interesante de cómo entender esa lógica. Uno de los casos explicados durante la mesa fue la utilización de IA para optimizar la asignación de habitaciones. El objetivo no era simplemente automatizar una tarea administrativa: al reducir el tiempo dedicado a esa operación, el personal de recepción puede dedicar más tiempo a la relación con el huésped. La tecnología se aplica, por tanto, a partir de una necesidad de negocio y de una decisión previa sobre dónde aporta valor. Ese orden importa también en marketing.

Marketing necesita saber más de revenue

Una campaña puede mejorar su conversión y no estar captando necesariamente la demanda que más interesa al hotel. Una automatización puede aumentar la venta directa sin generar necesariamente más negocio incremental. Un sistema puede recomendar estimular demanda para unas fechas en las que revenue preferiría proteger tarifa. Un CRM puede identificar al cliente con mayor probabilidad de conversión sin que eso signifique que sea el cliente que mayor valor aporta al hotel.

La IA puede optimizar con enorme eficiencia una instrucción equivocada

Y ahí marketing ya no puede mirar únicamente marketing. Para decidir qué debe optimizar una campaña empiezan a ser necesarios conocimientos que tradicionalmente podían quedar fuera de su perímetro: demanda, ocupación, ADR, disponibilidad, coste de distribución o rentabilidad. Eso no significa que marketing tenga que convertirse en revenue. Significa que necesita entender mucho mejor las consecuencias económicas de sus decisiones.

Y la relación funciona también en sentido contrario: revenue necesita comprender mejor adquisición, conversión, comportamiento digital, CRM y cliente si quiere incorporar esas señales a sus propias decisiones.

Menos ejecución no significa menos conocimiento

La perspectiva del executive search añadió otro elemento relevante. Cristina Hernández advirtió durante la conversación sobre el riesgo de interpretar que, si la IA permite ejecutar determinadas tareas con mayor facilidad, el conocimiento acumulado detrás de ellas deja de ser necesario. Puede suceder precisamente lo contrario.

Cuando una parte de la ejecución se automatiza, 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, de conocer una plataforma a comprender cómo una decisión tomada dentro de ella afecta al resto del negocio.

La experiencia no desaparece con la automatización. Cambia el lugar donde aporta valor

El especialista sigue siendo necesario, pero amplía su perímetro

Esto no significa construir profesionales capaces de hacerlo todo. Canosa defendió precisamente utilizar la IA para aumentar las capacidades dentro del ámbito que cada profesional domina, en lugar de asumir que la tecnología puede sustituir conocimientos que no posee.

Ese matiz resulta especialmente importante para marketing y revenue. Ninguno de los dos tiene que convertirse en especialista del otro, pero ambos necesitan entender el impacto económico de las decisiones que toma su contraparte. Para marketing, eso puede significar comprender cómo demanda, ocupación, tarifa o disponibilidad deberían condicionar una decisión de adquisición. Para revenue, entender cómo captación, comportamiento digital, conversión o first-party data pueden proporcionar señales sobre una demanda que todavía no aparece reflejada en una reserva. Y para ambos, significa disponer de suficiente conocimiento para decidir qué datos, objetivos y criterios proporcionan a los sistemas que empiezan a automatizar parte de su trabajo.

Antes de buscar nuevos perfiles, saber qué competencias faltan

Esta transformación también cambia la pregunta para las compañías. Iberostar explicó durante la mesa su apuesta por desarrollar talento interno mediante formación, acompañamiento y un plan de AI Readiness, además de una red de profesionales que actúan como champions dentro de la organización.

Desde la perspectiva del executive search, Hernández apuntó una cuestión complementaria: las empresas empiezan a pedir profesionales con conocimientos de IA sin haber definido siempre con precisión qué necesitan que esos profesionales sepan hacer con ella. Por eso, antes de preguntar "¿qué perfil de IA necesitamos contratar?", una organización debería responder otras preguntas: ¿qué decisiones comerciales queremos mejorar?, ¿qué conocimientos requieren?, ¿qué capacidades tenemos ya en marketing, revenue, distribución y datos?, ¿y cuáles necesitamos desarrollar? Solo después tiene sentido decidir qué talento debe desarrollarse internamente y qué capacidades hay que incorporar desde fuera.

La competencia que no aparece en ningún prompt

A medida que las herramientas sean mejores y más accesibles, saber utilizarlas tenderá a dejar de ser por sí solo una ventaja diferencial. Lo difícil será saber qué pedirles y cómo evaluar lo que devuelven: qué información proporcionar, qué objetivo establecer, qué señales relacionar, cómo interpretar una recomendación en términos de demanda, precio, coste y margen y, especialmente, cuándo no aceptar una respuesta.

¿Sé utilizar inteligencia artificial?" ya no es la pregunta. Es "¿tengo suficiente conocimiento de negocio para decidir qué debe hacer la inteligencia artificial por mí?

De esa pregunta nace el programa

Este mismo problema fue uno de los puntos de partida para construir el Programa Ejecutivo en IA Aplicada al Marketing Hotelero con enfoque en Revenue Management de Hosteltur Academy. La pregunta inicial no fue qué herramientas había que enseñar, sino qué decisiones debería ser capaz de tomar mejor un profesional hotelero después de formarse. Por eso marketing no se estudia separado de revenue; revenue no se entiende sin distribución; CRM y personalización se conectan con datos; y la automatización no se evalúa únicamente por cuánto trabajo elimina, sino por su impacto sobre una decisión comercial concreta. El programa reúne 50 horas de formación y más de 23 profesionales en activo para trabajar precisamente esas conexiones.

Cuanto más capaz sea la IA de ejecutar, más importante será entender el negocio que le estamos pidiendo optimizar.

Puede verse la conversación completa con Rubén Canosa y Cristina Hernández en "IA en la práctica: el perfil que buscan los headhunters del sector hotelero".