Использование элементов систем искусственного интеллекта в деятельности туристских предприятий на примере города Алматы

1.

Испол ь зование элементов систем
искусственного интел лекта в
деятел ь ности т уристских
предприятий
на примере
Диссертация на соискание
степени магистрагорода
наук
Ал маты
Направление: 7M11101 — Туризм
Магистрант Гудочкин Глеб Сергеевич
Научный руководитель: д.р. Кадырбекова Д.С.
НАО «Казахская академия спорта и туризма», Алматы, 2026

2.

DISSERTATION DEFENSE
Содержание
01
02
03
Теоретические основы и эволюция
Современные практики
Модель использования ИИ для
ИИ в туризме
использования ИИ в Алматы
повышения эффективности
Характеристика туристской индустрии,
Концептуальные основы, платформа AlmaTour,
анализ практик, оценка возможностей и
оценка эффективности и перспективы
Сущность и элементы ИИ, эволюция, основные
направления использования
Слайды 3 — 6
ограничений
Слайды 7 — 10
Слайды 11 — 14

3.

01
Теоретические основы и эволюция применения
элементов ИИ в туристской индустрии
Сущность, структура элементов ИИ и основные направления использования

4.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Сущность и структура элементов ИИ в туристской деятельности
ИИ — не технологическая цель, а инструмент повышения эффективности
Технологический уровень
Прикладной уровень
Управленческий уровень
• Данные и алгоритмы
• Чат-боты и виртуальные ассистенты
• Автоматизация коммуникаций
• Модели машинного обучения
• Рекомендательные системы
• Персонализация предложений
• Вычислительная инфраструктура
• Генеративный ИИ
• Анализ отзывов и прогноз спроса
• Программные платформы
• CRM-аналитика
• Поддержка управленческих решений
• Компетенции персонала
• Компьютерное зрение
• Повышение качества сервиса
Таблица 1. Разграничение цифровизации, автоматизации и ИИ
Категория
Сущность
Проявление
Ключевой признак
Цифровизация
Перевод процессов в цифровую
среду
Сайт, онлайн-бронирование,
электронные документы
Создает цифровую основу деятельности
Автоматизация
Выполнение повторяющихся
операций
Автоответы, шаблоны, уведомления
Снижает долю ручного труда
Информационная система
Сбор, хранение, обработка данных
CRM, база клиентов, система
бронирования
Обеспечивает системную работу с данными
Искусственный интеллект
Выявление закономерностей,
формирование прогнозов
Прогноз спроса, подбор маршрутов,
анализ отзывов
Преобразует данные в прогнозы и рекомендации
4

5.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Эволюция применения ИИ в туристской индустрии
Экспертные системы
Электронный туризм
Машинное обучение
Умный туризм
Генеративный ИИ
1950–1980-е
1980–2000-е
2000–2010-е
2010–2020-е
2024 — настоящее время
Правила «если — то»,
Системы бронирования,
Анализ поведенческих
Big data, мобильные
LLM, мультимодальные модели.
экспертные базы. Переход
онлайн-продажи.
данных.
сервисы, геоинформация.
Диалоговое взаимодействие
от хранения к логическому
Формирование цифровой
Рекомендательные
Экосистемный подход к
туриста и предприятия
подбору
инфраструктуры
системы и
туризму
персонализация
Ключевой вывод: качественные сдвиги эволюции
• От хранения к логике — экспертные системы формализовали знания для подбора маршрутов
• От операций к инфраструктуре — электронный туризм создал массивы структурированных данных
• От правил к адаптации — машинное обучение обеспечило прогнозирование и персонализацию
• От транзакций к опыту — анализ неструктурированных данных расширил понимание клиента
• От предприятия к экосистеме — умный туризм перенёс фокус на уровень дестинации
• От аналитики к диалогу — генеративный ИИ сделал интеллектуальные технологии видимым интерфейсом
5

6.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Направления использования элементов ИИ в туристских предприятиях
Направление
Элементы ИИ
Процессы
Ожидаемый эффект
Ограничение
Клиентское обслуживание
Чат-боты, виртуальные
ассистенты, NLP
Консультирование, обработка
запросов, сопровождение клиента
Сокращение времени ответа,
снижение нагрузки на персонал
Необходимость участия
человека в сложных ситуациях
Персонализация
Рекомендательные системы,
анализ данных, прогнозные
модели
Подбор туров, маршрутов, экскурсий,
гостиниц
Повышение релевантности и
рост удовлетворённости
клиента
Зависимость от качества и
полноты клиентских данных
Маркетинг и контент
Генеративный ИИ, машинный
перевод
Создание описаний туров, рекламных
материалов
Экономия времени, ускорение
подготовки контента
Риск фактических ошибок,
необходимость экспертной
проверки
Аналитика и управление
CRM-аналитика, RFM-анализ,
прогнозирование спроса
Сегментация клиентов, планирование
спроса
Повышение обоснованности
управленческих решений
Фрагментарность данных,
нехватка аналитических
компетенций
Качество и репутация
Анализ тональности,
интеллектуальная
классификация отзывов
Анализ отзывов, жалоб, оценок
клиентов
Выявление повторяющихся
проблем, контроль качества
Сложность интерпретации
контекста и эмоций
Туристский продукт
Рекомендательные модели,
генеративный ИИ, контекстные
сервисы
Проектирование маршрутов,
комбинирование услуг
Формирование более гибкого и
персонализированного продукта
Необходимость
профессиональной проверки
маршрутов
6

7.

02
Современные практики использования ИИ в туристских
предприятиях Алматы
Характеристика индустрии, анализ практик, возможности и ограничения

8.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Туристская индустрия Алматы: предпосылки применения ИИ
2,5 млн
60+
110,9 млрд
94,8%
туристов (754 тыс. иностранных)
международных направлений
тенге объём услуг (+15,2%)
домохозяйств с интернетом
Особенности индустрии
Предпосылки применения ИИ
• Алматы — ключевой туристский центр РК: городской,
• Высокий поток требует обработки большого числа обращений
культурный, деловой, событийный, горный туризм
• Необходимость персонализации для разнообразных мотивов
• Сложная экосистема: туроператоры, агентства, отели,
поездки
транспорт, экскурсии, рестораны
• Многоязычная коммуникация с растущим числом иностранных
• Сетевой характер: качество продукта зависит от
туристов
согласованности всех участников
• Сложность анализа растущего объёма отзывов и обратной связи
• Сезонные колебания требуют точного прогнозирования спроса
Вывод: предпосылки применения ИИ в Алматы имеют управленческий характер и связаны с конкретными задачами предприятий, а
не с абстрактной технологической модернизацией. ИИ выступает как инструмент повышения качества туристской деятельности.
8

9.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Практики использования циф ровых и интеллектуальных технологий
Применение ИИ по сегментам туристской индустрии Алматы
Авиационный сегмент (Air Astana)
Онлайн-платформы
Гостиницы и рестораны
• AirGain — предиктивная аналитика для
• Aviata — анализ поведения, рекомендации
• Rixos Almaty, Novotel — анализ отзывов,
динамического ценообразования
• Chocotravel — персонализация, история
оценка тональности, управление репутацией
• easie (ICRON) — интеллектуальное
запросов
• Navat, Sandyq — POS-аналитика,
моделирование операционных сценариев
• Ticketon — рекомендации событий
прогнозирование спроса на блюда
• Биометрические интерфейсы — ускорение
• PanaApp — биометрия, безключевой
предполётных процедур
доступ
Горная инфраструктура (ГК «Шымбулак»)
Туроператоры и экскурсионные объекты
• Компьютерное зрение для анализа видеоданных
• Крупные туроператоры — системный подбор и
• Оценка загруженности очередей и трасс
комбинирование услуг
• Оперативное информирование посетителей
• Малые агентства — мессенджеры, CRM, генеративные
• Управление потоками и повышение безопасности
инструменты
• Музеи и культурные объекты — цифровые гиды,
многоязычная навигация
9

10.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Возможности и ограничения внедрения ИИ в Алматы
Возможности внедрения ИИ
Ограничения внедрения ИИ
Автоматизация коммуникаций
Персонализация
Ускорение ответов,
Релевантные предложения, рост
круглосуточный сервис
конверсии
Прогнозирование спроса
Многоязычная поддержка
Точное планирование ресурсов
Снижение языковых барьеров
Группа
Содержание проблемы
Экономические
Высокая стоимость внедрения,
настройки и сопровождения
Инфраструктурные
Разрозненность данных в
бронированиях, отзывах,
обращениях
Кадровые
Организационные
Контур правового и этического контроля
Правовые и
этические
Недостаток специалистов,
способных работать с ИИинструментами
Слабая готовность
предприятий менять бизнеспроцессы
Использование персональных
данных, биометрии, ИИконтента
Возможные последствия
Усиление разрыва между
крупными предприятиями
и МСБ
Низкая точность
рекомендаций,
прерывистый цифровой
путь
Формальное
использование технологий
без влияния на качество
Дублирование ручных
операций, сопротивление
персонала
Юридические риски,
снижение доверия
туристов
• Согласие пользователя — на обработку персональных данных и биометрии
• Ограничение доступа — к персональной информации, минимизация собираемых данных
• Проверка ИИ-контента — профессиональная верификация автоматически созданных материалов
• Человеческий контроль — сохранение ответственности специалиста за решения, влияющие на туриста
• Маркировка синтетического контента — прозрачность использования ИИ-генерации
10

11.

03
Модель использования элементов ИИ для повышения
эффективности деятельности туристского
предприятия
Концептуальные основы, платформа AlmaTour, оценка эффективности

12.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Концептуальные основы модели использования ИИ
Цель: переход от разрозненного применения ИИ к системному использованию, объединяющему данные, обслуживание, маркетинг и
управление
Принципы построения модели
01
02
03
Связность пути туриста — объединение
Управление на основе данных — решения
Устойчивость и безопасность — учёт
поиска, выбора, бронирования и отзывов
на аналитике, не только интуитивно
нагрузки на объекты в пиковые периоды
04
05
Поддержка человека — ИИ помогает специалисту, а не заменяет
Правовой и этический контроль — защита данных, прозрачность,
его. Ответственность за решение сохраняется
проверка автоматизированных решений
Распределение ролей участников индустрии
Группа участников
Текущее состояние
Ограничение
Роль в модели
Крупные предприятия
Прогнозная аналитика, цифровые продажи
Высокая стоимость, ограниченная связь
Источники стандартизированных
данных
Малые и средние предприятия
Клиентские обращения, продажи, отзывы
Финансовые ресурсы, кадровые
компетенции
Основные пользователи доступных
ИИ-инструментов
Городские платформы
Информационные ресурсы, цифровая навигация
Фрагментарность данных, недостаточная
интеграция
Координирующая роль, связный
цифровой путь
12

13.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Платформа AlmaTour: архитектура и функционал
Модель для взаимодействия туриста, турагента и туроператора
Информационный поток
Туристский запрос
Маршрут
Структур. заявка
Специалист
Турпродукт
Витрина → Выбор
Модули платформы AlmaTour
Модуль туриста
Турагент
Туроператор
Витрина туров
Аналитика
Формирование маршрута:
Просмотр заявок,
Создание турпродукта,
Размещение проверенных
Оценка маршрутов,
направление, бюджет,
подготовка отклика,
генерация программы,
туров. ИИ-помощник по
спроса и качества.
цель, тематика, язык
сопровождение. ИИ
проверка готовности
подбору тура
Прогнозные механизмы
готовит черновик
Ключевой принцип: AlmaTour не заменяет специалиста, а ускоряет обработку информации, снижает рутину и повышает качество предложения.
Итоговые решения принимает человек.
Платформа особенно полезна для малых и средних предприятий, где подготовка программ требует значительных временных затрат. Данные заявок
помогают корректировать продуктовую линейку.
13

14.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Ожидаемые эф ф екты и перспективные направления
Ожидаемые эффекты внедрения
Перспективные направления трансформации
Сокращение уточнений
Персонализация
1. Единая цифровая база знаний о туристских объектах, маршрутах,
Структурированная заявка
Релевантные предложения
гидах
2. Многоязычная интеллектуальная поддержка туристов
Управленческая аналитика
Поддержка МСБ
Корректировка продукта
Снижение разрыва с крупными
3. Анализ запросов и отзывов для разработки новых продуктов
4. Персонализированные городские, культурные и горные маршруты
5. Поддержка МСБ через доступные ИИ-инструменты
6. Интеграция с городскими туристскими ресурсами и навигацией
7. Повышение цифровых компетенций сотрудников
Условия результативного внедрения
• Качество базы знаний — актуальные и достоверные сведения об объектах и маршрутах
• Доверительный механизм проверки участников — реестр проверенных гидов, турагентов, туроператоров
• Соблюдение правовых требований — защита персональных данных, прозрачность обработки
• Готовность предприятий — перестройка процессов коммуникации, обучение персонала
• Поэтапное внедрение — начинать с простых инструментов, постепенно усложняя
• Профессиональная проверка — все ИИ-результаты верифицируются специалистом
14

15.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Основные выводы и заключение
01
ТЕОРЕТИЧЕСКИЕ ОСНОВЫ
02
ПРАКТИКИ В АЛМАТЫ
03
МОДЕЛЬ ИСПОЛЬЗОВАНИЯ ИИ
ИИ в туризме — прикладной инструмент
Индустрия Алматы имеет предпосылки для
Модель направлена на системное
повышения эффективности: автоматизация
ИИ: цифровая среда, разнообразие услуг,
использование ИИ с сохранением
коммуникаций, персонализация, анализ
рост онлайн-коммуникаций. Применение ИИ
человеческого контроля. Платформа
отзывов, прогноз спроса, поддержка
неоднородно: крупные игроки — сложные
AlmaTour объединяет запрос, участников
управленческих решений.
решения, МСБ — фрагментарно.
рынка, базу знаний и аналитику.
Подтверждение гипотезы
Системное использование ИИ способно повысить эффективность туристских предприятий Алматы за счёт автоматизации коммуникаций, персонализации,
анализа отзывов и прогнозирования спроса.
Цель достигнута, задачи решены: теоретические основы (задача 1), практики Алматы (задача 2), модель использования ИИ (задача 3).
Результаты имеют теоретическую и практическую значимость.
15

16.

1. Теоретические основы
2. Практики в Алматы
3. Модель использования ИИ
Практические рекомендации
Поэтапное внедрение ИИ
1
Чат-боты и ассистенты
3
Многоязычная коммуникация
Начинать с анализа бизнес-процессов
Первичная обработка типовых
Машинный перевод, многоязычные
и данных, не с покупки сложных
обращений, сложные запросы —
чат-боты, адаптированные описания
решений
менеджеру
Анализ отзывов и тональности
4
2
5
Облачные решения для МСБ
6
Подготовка сотрудников
Быстрое выявление проблем сервиса
CRM, автоматизация, генеративные
Формулировка запросов к ИИ,
и факторов удовлетворённости
инструменты, аналитические панели
проверка материалов, интерпретация
аналитики
7
Защита персональных данных и человеческий контроль — соблюдение законодательства РК, прозрачность обработки, профессиональная
проверка ИИ-материалов, сохранение ответственности специалиста
Общий принцип: Наибольший эффект достигается, когда ИИ используется не как технологическая цель, а как инструмент
повышения качества сервиса, персонализации, ускорения коммуникаций и поддержки управленческих решений.
16

17.

Спасибо за внимание!
Гудочкин Глеб Сергеевич
НАО «Казахская академия спорта и туризма», Алматы, 2026
Научный руководитель: доктор PhD, и.о. ассоц. профессор Кадырбекова Д.С.
Факультет менеджмента туризма и спорта | Кафедра туризма и сервиса