Molti programmi viaggi hanno già attivato una chatbot, un controllo automatico delle note spese o un assistente che riprenota i voli cancellati. Per l’intelligenza artificiale nel business travel la fase delle prove si sta chiudendo, e la domanda che arriva da CFO e HR è sempre la stessa: che cosa è cambiato, in concreto, per l’azienda e per chi viaggia?
Contare le richieste non basta
L’indagine 2026 di Business Travel News sull’AI nel travel management, condotta tra gennaio e marzo su 293 professionisti del settore, ha misurato un divario preciso. Le chatbot e gli assistenti virtuali sono l’applicazione più diffusa tra chi usa l’AI, ma ricevono un punteggio di efficacia di 3,52 su 5. Audit delle note spese e rilevazione delle frodi, molto meno adottati, arrivano a 4,07. Nella lettura che ne ha dato Rosemarie Caglia su Travel for Business, solo il 21% dei programmi viaggi misura formalmente il ritorno delle applicazioni AI. E solo il 29% ha una policy formale sul loro uso.
Il motivo è abbastanza semplice. Le dashboard dei fornitori mostrano volumi: conversazioni aperte, transazioni processate, prenotazioni gestite. Sono numeri facili da produrre e da presentare. Un volume alto, però, può significare che lo strumento funziona, oppure che i viaggiatori devono tornare tre volte sulla stessa richiesta prima di risolverla.
Un indicatore di attività descrive il carico di lavoro. Il valore sta altrove.
Cinque KPI per l’intelligenza artificiale nel business travel
Il primo indicatore riguarda l’assistenza: il tempo di risoluzione, misurato dalla prima richiesta del viaggiatore alla chiusura effettiva del problema, e non al primo messaggio di risposta. Va letto insieme al secondo, il tasso di escalation a un operatore. Una chatbot che chiude in fretta ma passa a una persona metà dei casi sta spostando il lavoro, e il travel manager deve saperlo.
Il terzo guarda alla prenotazione. Le eccezioni alla travel policy intercettate prima dell’acquisto (classe superiore non autorizzata, hotel fuori tariffa, anticipo insufficiente) dicono se l’AI integrata nel self-booking tool sta orientando le scelte o si limita a registrarle.
Il quarto è il più vicino al dato BTN sull’efficacia: le anomalie nelle note spese confermate dopo verifica umana, rapportate a quelle segnalate. Con meno falsi positivi il team amministrativo lavora meno, e le segnalazioni che restano hanno più peso.
Il quinto riguarda il duty of care. Le TMC stanno portando nei loro servizi sistemi predittivi che anticipano le cancellazioni e propongono un’alternativa prima ancora che il viaggiatore riceva la notifica, come raccontava Travel for Business a fine agosto. Qui l’indicatore giusto è il tempo di riprotezione: quanti minuti passano tra la disruption e una soluzione confermata, e in quanti casi il viaggiatore ha dovuto intervenire di persona.
Cinque numeri bastano per ogni revisione trimestrale. Per ciascuno conviene fissare un valore di partenza, misurato prima dell’attivazione o su un campione gestito senza AI, altrimenti il confronto resta un’impressione.
Cosa chiedere alla TMC prima del rinnovo
Gran parte di questi dati sta nei sistemi della TMC e dei fornitori tecnologici. Al momento del rinnovo, o della prossima gara, il travel manager ha la leva per chiederli. In concreto: accesso alle metriche di risultato, non solo di volume, e la possibilità di estrarre i log delle interazioni su un campione di casi. Poi una definizione condivisa di che cosa conta come “richiesta risolta” e una clausola sui report periodici. Serve anche sapere quali azioni l’assistente compie da solo e quali richiedono una conferma. Tra il modello autonomo e quello “co-pilota”, messi a confronto da Travel for Business con i casi Navan e Gattinoni, cambia il punto in cui l’errore si può misurare.
Un fornitore che non riesce a produrre questi dati sta dando un’informazione utile anche così.
Governance minima e un vocabolario comune
Le regole da scrivere sono poche. Una persona con nome e cognome risponde di ciascun caso d’uso. Le azioni con effetti difficili da annullare, come l’emissione di un biglietto non rimborsabile o il rifiuto di una nota spese, restano soggette alla conferma di un operatore. Le soglie che fanno scattare l’escalation sono scritte prima, insieme al nome di chi le riceve.
Poi c’è il team. L’art. 4 dell’AI Act, il Regolamento (UE) 2024/1689 nella versione modificata dal Regolamento (UE) 2026/1744, chiede a fornitori e deployer, cioè alle organizzazioni che utilizzano i sistemi, di adottare misure per sviluppare l’alfabetizzazione in materia di IA del personale che li usa. Per un ufficio viaggi significa che chi lavora con l’assistente deve sapere che cosa fa, dove sbaglia e quando fermarlo.
Il primo ostacolo, spesso, è il lessico. Travel manager, TMC e fornitori tecnologici usano le stesse parole con significati diversi: “agentico”, “autonomo”, “supervisione”, “guardrail”. Una community professionale come quella di Travel for Business, che affianca all’informazione la formazione sul business travel e sul mobility management, è il luogo naturale per allineare quel vocabolario tra chi compra e chi vende. Su questo l’Associazione Italiana Professionisti dell’Intelligenza Artificiale (AIPIA) mette a disposizione un glossario pubblico con definizioni brevi dei termini che ricorrono nei contratti e nelle policy, dagli agenti AI ai guardrail fino all’AI Act. Un riferimento esterno comune evita che la stessa clausola venga letta in tre modi al tavolo della negoziazione.
Le note spese come primo banco di prova
Il paradosso emerso dall’indagine BTN suggerisce anche da dove cominciare. Il controllo delle note spese ha un vantaggio raro: produce dati verificabili, con un prima e un dopo chiari, e un esito che il CFO riconosce senza bisogno di spiegazioni. Un trimestre di misura su questo caso d’uso, con anomalie segnalate, anomalie confermate e ore risparmiate, offre un metodo che si può poi applicare al chatbot e alla gestione delle disruption.
Così il business case dell’AI si costruisce partendo dall’ufficio viaggi, prima ancora che dal catalogo del fornitore.
