展望未来一年,Soltour公司首席信息官Miguel Abril讲述了这家西班牙旅行社的数字化转型战略,并深入探讨了保持竞争力的关键优先事项。
Soltour公司首席信息官Miguel Abril
去年,西班牙的旅游业(西班牙的经济增长引擎)达到了历史最高水平,为西班牙的GDP贡献了近1870亿欧元(约1950亿美元),这在一定程度上要归功于数字化的成果。Soltour公司首席信息官Miguel Abril表示,技术发挥了根本性作用,不仅通过个性化和运营效率改变了客户体验,还改变了消费者计划、预订和享受旅行的方式。
但是他补充说,旅行业作为国家层面最整合的垂直行业之一,其成熟度是各不相同的。“OTA(在线旅行社)等大型企业正在利用AI和大数据工具,推进新技术的采用,而其他参与者则处于整合的早期阶段,”他说。
Abril引用了来自国家统计局的最新数据,强调在过去五年中,旅游业的技术投资增长了40%多,“这反映了行业日益依赖于数字解决方案以保持竞争力的趋势。”
Abril还提到,旅游业有约70%的组织已经采用了AI、增强现实或自动化等新兴技术。他认为,这些工具不仅可以简化管理,可以更精确地管理资源,还带来了客户体验个性化的可能性。
此外他强调了应用新技术带来的具体好处。“技术让旅游公司能够预测需求,优化资源管理,提高可持续性,”他说。在速度、精确度和个性化等关键环境中,采用解决方案来改善客户体验并领先于新的市场变化,是至关重要的。
构建数字战略
近年来,Soltour推出了自己的数字化转型计划,以巩固其作为旅游运营商技术采用领导者的地位。Soltour公司的转型重点是实现技术基础设施的现代化,彻底改变旅行社和最终用户体验。“我们的承诺是在国家层面引领这一变革,始终保持持续改进的愿景,”他说。
因此,Soltour公司正处于这样一个阶段:数字化不再只是支持工具,而是其增长和领导计划的重要组成部分。他说:“我们认为技术是一个持续发展的进程,这就是我们为什么要继续不断改进。”
努力获得市场优势
作为一家旅游运营商,Soltour公司的短期和中期目标集中在继续为旅行社提供创新解决方案,所有这些都旨在通过更灵活和个性化的工具优化旅行社运营。因此,他们的努力和资源就要集中在改善基础设施和为最终用户提供服务。他说:“我们目前正致力于几个数字化转型项目,这些项目反映了公司对创新和持续改进的承诺。”
具体来说,他们最近的一个项目就是推出一个完全重新设计的网络平台。“这个新版本包含了100多项高级功能,使旅行社能够优化效率并为客户提供更好的服务。”新功能包括了即时生成带有PDF优惠的海报、直接在社交网络上分享的功能、产品与二维码的集成、以及使用AI进行产品搜索。
他们还优化了网站的速度,速度提高了三倍,能够在大约20秒内完成搜索并进入最后一步,而其他旅行社的平均报价时间长达60秒。另一个关键的新功能是能够根据旅行社首选的出发机场个性化旅行搜索,根据客户的特定需求定制所有优惠和产品。
要实施如此大规模的计划,投资是不可否认的。“数字化和创新不是一次性的努力,而是一项持续的战略,”Abril说。“我们对团队进行培训和装备,让他们将技术融入日常工作中,促进持续和自然创新。我们知道技术是保持竞争力的引擎,所以我们不断投资改进我们的平台,实施新工具,并利用最新的技术趋势。”
保持技术集中化
Abril表示,总体来看,当今任何CIO面临的主要挑战都是要管理每天产生的大量数据,以及招募和留住专业IT人才。他说:“市场需求非常高,所需的技能非常具体,我们希望拥有这个领域最好的专家,这是确保我们在数字领域继续发展的战略重点。”因此,Soltour将技术作为业务的核心支柱,创造一种环境,让更多候选人由自己的员工推荐,反映团队的信任和满意度。
展望未来
2025年,Soltour公司的主要目标就是整合技术基础设施,使旅行社能够为客户提供日益个性化、灵活和安全的体验,这不仅包括了优化的平台,还包括集成AI解决方案和其他新兴技术,以提高效率,从定制服务一直到运营自动化。
Abril表示:“我的首要任务就是让Soltour成为旅游业数字创新的标杆,而要做到这一点,关键是要持续关注持续改进、数据安全和团队培训。”
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。