L’Intelligenza Artificiale è entrata nel Business Travel con una velocità che, fino a pochi anni fa, sarebbe stata difficile immaginare. Oggi la troviamo nei chatbot, nell’analisi dei dati, nell’auditing delle note spese, nella gestione delle disruption, nei sistemi di prenotazione e progressivamente anche nei processi di sourcing.
La domanda sull’adozione, quindi, comincia quasi a diventare superata.
La questione interessante è un’altra: quanto valore sta realmente producendo tutta questa AI?
Perché tra utilizzare una tecnologia e trasformarla in uno strumento capace di migliorare un processo aziendale esiste una distanza importante. E i dati pubblicati da Business Travel News nel suo 2026 AI in Travel Management Survey mostrano con una certa chiarezza che il Business Travel si trova proprio nel mezzo di questo passaggio.
Circa tre organizzazioni su quattro tra quelle intervistate utilizzano già l’AI in qualche forma all’interno del proprio programma Travel. Eppure meno del 10% l’ha integrata in più workflow o l’ha portata a un livello realmente strategico nel processo decisionale. Più della metà degli utilizzatori si trova ancora in una fase di esplorazione o sperimentazione e, considerando l’intero campione, il 38% sta sostanzialmente ancora testando possibili applicazioni.
Il dato forse più interessante arriva però quando si prova a misurare il risultato: solo il 21% dei programmi Travel valuta formalmente il ROI o l’efficacia delle applicazioni AI implementate.
Abbiamo quindi una tecnologia sempre più presente, investimenti in crescita, aspettative molto elevate e ancora pochi strumenti per stabilire con precisione se ciò che stiamo facendo stia davvero producendo il valore atteso.
Ed è probabilmente da qui che dovrebbe iniziare la fase successiva del dibattito sull’AI nel Business Travel.
Usare l’AI non significa ancora averla integrata
Il primo elemento da osservare riguarda il significato che attribuiamo alla parola “adozione”.
Dire che un’azienda utilizza l’Intelligenza Artificiale può voler dire molte cose diverse. Può significare che alcuni collaboratori utilizzano strumenti generativi per analizzare documenti o sintetizzare informazioni. Può significare avere introdotto un chatbot per rispondere alle domande dei traveller. Oppure utilizzare algoritmi per individuare anomalie nelle note spese.
Un’altra cosa è integrare l’AI nel funzionamento complessivo del Travel Programme, collegandola a processi, dati, policy, payment, expense, fornitori e decisioni.
Ed è proprio qui che la ricerca BTN evidenzia ancora una distanza significativa. (riferimenti qui https://www.businesstravelnews.com/AI-Report-2026 + https://www.businesstravelnews.com/AI-Report-2026/BTNs-2026-Corporate-Travel-AI-Survey)
Meno del 10% dei rispondenti dichiara che l’AI sia incorporata in più workflow di Travel Management, mentre soltanto una piccola quota la utilizza già come componente della decisione strategica. La maggior parte dei programmi si trova quindi in una fase che potremmo definire di utilizzo operativo o sperimentale.
Ed è perfettamente comprensibile.
Ogni innovazione attraversa una fase iniziale nella quale si sperimentano strumenti, si cercano applicazioni e si verificano risultati. Il rischio nasce quando l’esperimento diventa permanente e continuiamo ad aggiungere funzionalità senza fermarci a comprendere quali di esse stiano realmente modificando il risultato.
Nel Business Travel questo passaggio è particolarmente importante, perché il valore della tecnologia dovrebbe essere relativamente concreto: ridurre attività manuali, migliorare il servizio al traveller, velocizzare le risposte, individuare anomalie, diminuire errori, rendere più affidabili i dati, migliorare compliance e capacità decisionale.
Quindi, prima o poi, dovrebbe essere possibile misurarlo.
Il paradosso: ciò che utilizziamo di più non è necessariamente ciò che funziona meglio
C’è un passaggio della ricerca BTN che trovo particolarmente interessante.
Le applicazioni AI più diffuse nei programmi Travel sono quelle legate al traveller servicing e ai chatbot, utilizzate dal 52% dei rispondenti, e al reporting, utilizzato dal 44%.
Eppure non sono le applicazioni che ottengono le valutazioni migliori in termini di efficacia.
L’auditing delle note spese e la fraud detection, utilizzati da meno del 30% dei buyer, ottengono invece il punteggio di efficacia più alto della ricerca: 4,07 su 5.
È un dato che merita attenzione perché introduce una distinzione fondamentale tra visibilità dell’AI e valore dell’AI.
Un chatbot è immediatamente percepibile. È davanti al traveller, dialoga con lui e rende evidente la presenza dell’Intelligenza Artificiale.
Un sistema che analizza migliaia di transazioni, individua pattern anomali nelle note spese o intercetta comportamenti difficili da riconoscere attraverso un controllo manuale è molto meno visibile.
Potrebbe però produrre un impatto economico e operativo superiore.
Forse una delle prossime domande da porsi sarà proprio questa: stiamo investendo maggiormente nelle applicazioni che rendono visibile l’AI oppure in quelle che risolvono davvero un problema?
Le due cose naturalmente possono coincidere. Ma non necessariamente.
Il ROI dell’AI è ancora il grande assente
Se soltanto il 21% dei Travel Programme misura formalmente il ritorno o l’efficacia delle proprie applicazioni AI, significa che per la maggior parte delle aziende siamo ancora in una fase nella quale la valutazione passa soprattutto attraverso impressioni, esperienza degli utenti e miglioramenti percepiti.
La metà dei rispondenti che ha già implementato strumenti AI ritiene infatti che sia ancora troppo presto per misurarne il ritorno.
È una posizione ragionevole.
Ciò che diventa interessante è quello che accade tra chi invece ha iniziato a farlo: tra i rispondenti che dichiarano di riuscire a identificare un ritorno, quasi l’85% lo considera positivo e quasi la metà lo definisce forte.
Il punto quindi non sembra essere l’assenza di valore.
Il punto è la difficoltà nel definirlo e misurarlo.
Ed è qui che il Travel Management potrebbe trovarsi davanti a una situazione già vissuta con molte altre tecnologie.
Introduciamo uno strumento perché promette efficienza. Misuriamo quante persone lo utilizzano, quante transazioni processa o quante interazioni gestisce. Concludiamo che l’adozione sta crescendo.
Ma adoption e ROI sono due cose diverse.
Un chatbot può gestire diecimila conversazioni in un mese. Il dato, da solo, racconta attività.
Per comprendere il valore dovremmo sapere quante richieste ha risolto realmente, quante sono passate successivamente a un operatore, quanto tempo è stato risparmiato, qual è stato l’impatto sulla soddisfazione del traveller e quale costo sarebbe stato necessario sostenere attraverso un processo tradizionale.
Solo allora quelle diecimila conversazioni cominciano a raccontare qualcosa.
Forse stiamo misurando troppo l’attività e ancora poco il risultato
Questo è probabilmente uno degli aspetti sui quali il Travel Manager dovrà lavorare maggiormente.
L’AI introduce una quantità enorme di nuovi indicatori: richieste processate, risposte generate, automazioni eseguite, anomalie individuate, previsioni elaborate.
Sono metriche interessanti, ma rischiano di diventare l’equivalente tecnologico del numero di prenotazioni.
Raccontano ciò che il sistema ha fatto.
Molto meno ciò che ha prodotto.
Se utilizziamo l’AI per il reporting, il valore potrebbe essere misurato nel tempo risparmiato per costruire un report, ma anche nella capacità di individuare più rapidamente un problema o una deviazione.
Se viene applicata alla gestione delle disruption, dovrebbe interessarci quanto rapidamente identifica l’alternativa, quanti traveller riesce a riproteggere prima dell’intervento manuale, quale costo evita e quale impatto produce sulla persona.
Se la utilizziamo nella fraud detection, potremmo misurare anomalie individuate, importi recuperati, falsi positivi, tempo di auditing risparmiato e capacità di intercettare pattern che un controllo tradizionale difficilmente avrebbe visto.
Se entra nel sourcing, dovremmo comprendere se migliora la capacità negoziale, velocizza l’analisi delle offerte o individua opportunità che prima non emergevano.
Il KPI quindi non dovrebbe essere necessariamente “quanto utilizziamo l’AI”.
Dovrebbe diventare quanto è migliorato il processo da quando la utilizziamo.
Dal business case tecnologico al business case Travel
C’è anche un altro rischio.
L’AI viene spesso valutata come progetto tecnologico, mentre nel Travel dovrebbe essere innanzitutto valutata rispetto all’obiettivo del programma.
La domanda “quale AI dobbiamo introdurre?” potrebbe quindi arrivare dopo un’altra domanda molto più semplice: quale problema stiamo cercando di risolvere?
- Abbiamo tempi di risposta troppo lunghi?
- Troppi contatti all’assistenza?
- Dati frammentati?
- Un processo di expense ancora fortemente manuale?
- Difficoltà nel controllo della compliance?
- Scarso utilizzo delle tariffe negoziate?
- Troppo tempo dedicato alla costruzione dei report?
- Una gestione delle disruption prevalentemente reattiva?
Da lì diventa molto più semplice stabilire se l’Intelligenza Artificiale stia producendo valore.
Perché abbiamo un punto di partenza, un obiettivo e un risultato da confrontare.
Senza questo passaggio rischiamo invece di utilizzare l’AI perché disponibile, per poi cercare successivamente qualcosa che possa dimostrarne l’utilità.
È una differenza apparentemente piccola. In termini di governance è enorme.
I casi più interessanti potrebbero essere quelli meno spettacolari
Gli esempi raccolti dalla stessa BTN mostrano che alcune aziende stanno già utilizzando l’AI in modi molto concreti.
JBT Marel, ad esempio, la utilizza per standardizzare e consolidare dati provenienti da tre diverse TMC. Paccar applica Microsoft Copilot all’analisi dei booking report giornalieri per individuare prenotazioni effettuate presso hotel preferenziali ma a tariffe diverse da quelle negoziate. EPAM Systems ha invece integrato strumenti AI nei workflow dei dipendenti per guidare le scelte, evidenziare requisiti di policy e ridurre l’intervento manuale.
Sono casi interessanti proprio perché hanno poco dell’AI spettacolare.
Partono da problemi molto tradizionali del Travel Management: qualità dei dati, controllo delle tariffe, policy, attività manuali.
Forse è proprio questa la fase nella quale stiamo entrando.
Dopo la sorpresa iniziale per ciò che l’Intelligenza Artificiale riesce a fare, arriva una fase molto più concreta nella quale interessa capire dove riesce a farlo meglio, più velocemente o con maggiore precisione rispetto al processo precedente.
E soprattutto se il beneficio giustifica investimento, integrazione e cambiamento organizzativo.
Anche la governance sembra ancora inseguire la tecnologia
C’è poi un dato che completa il quadro: soltanto il 29% delle organizzazioni intervistate da BTN dispone di una policy formale sull’utilizzo dell’AI nel Travel, mentre un ulteriore 16% dichiara di essere in fase di sviluppo.
Anche qui emerge una situazione piuttosto chiara.
La tecnologia è entrata nei programmi prima che molte organizzazioni riuscissero a definire completamente come governarla.
Questo significa decidere quali strumenti possono essere utilizzati, quali dati possono essere elaborati, quali decisioni possono essere automatizzate, quali richiedono ancora controllo umano e soprattutto chi risponde del risultato.
Sono questioni che diventano ancora più rilevanti nel momento in cui l’AI passa dalla produzione di informazioni all’esecuzione.
Un sistema che prepara un report comporta un livello di rischio.
Un sistema che decide autonomamente come riproteggere un traveller, applica una regola di policy o seleziona un’alternativa comporta un livello diverso di responsabilità.
BTN individua proprio qui una delle prossime evoluzioni: il passaggio dall’AI utilizzata per produrre insight a sistemi capaci di intervenire maggiormente sull’esecuzione, sulla policy e sull’orchestrazione dei workflow.
E quando aumenta il potere decisionale della tecnologia deve inevitabilmente aumentare anche la qualità della governance.
Il mercato comincia già a chiedere risultati
A rendere questa riflessione ancora più attuale c’è un secondo dato, molto recente.
In una survey del Business Travel Show America pubblicata a settembre 2026, realizzata su oltre 200 corporate travel buyer, appena il 7% si dichiara pienamente soddisfatto del proprio tech stack, mentre circa la metà lo valuta semplicemente nella media. Più di un buyer su cinque ritiene inoltre che le ambizioni sull’AI stiano procedendo più rapidamente rispetto ai risultati realmente disponibili nei programmi e negli strumenti.
Forse è un primo segnale di maturità.
L’entusiasmo iniziale lascia progressivamente spazio alla valutazione.
Non basta più trovare la dicitura “AI powered” nella presentazione di un provider.
Comincia a diventare necessario capire che cosa cambia concretamente.
Quale attività scompare.
Quale decisione migliora.
Quale costo diminuisce.
Quale dato diventa più affidabile.
Quale esperienza del traveller migliora.
E soprattutto quale risultato sarebbe stato diverso senza quella tecnologia.
Dopo il “dove possiamo usare l’AI?” arriva una domanda migliore
Il Business Travel probabilmente non ha un problema di scarsa adozione dell’Intelligenza Artificiale. I numeri mostrano esattamente il contrario.
Sta entrando rapidamente nei programmi, negli strumenti dei provider e nei comportamenti quotidiani delle persone.
Il passaggio successivo è molto più impegnativo, perché richiede di distinguere sperimentazione, utilizzo e valore.
E forse il Travel Manager dovrebbe iniziare proprio da qui.
Per ogni applicazione AI introdotta nel programma, provare a rispondere a poche domande molto concrete: quale problema risolve, quale processo modifica, quale risultato vogliamo ottenere e attraverso quale indicatore possiamo verificarlo.
Non per rallentare l’innovazione.
Per darle una direzione.
Perché dopo due anni nei quali abbiamo chiesto continuamente “dove possiamo usare l’AI nel Business Travel?”, forse è arrivato il momento di porci una domanda più adulta:
dove l’AI sta realmente migliorando il nostro modo di gestire i viaggi?
È una domanda meno spettacolare.
Ma probabilmente è quella che deciderà quali applicazioni resteranno quando l’effetto novità sarà finito.
