上月，Booking.com首席商务官James Waters与帝亚吉欧（Diageo）全球管理总监Patricia Borges在阿姆斯特丹HumanX大会上，分享了将人工智能深入业务各环节的实战经验。双方并未夸大技术红利，而是谨慎提出了一个引发深思的概念——“令人遗憾的工作”（regrettable work），即那些看似低价值、实则蕴含机构知识与同理心的任务，警示企业在自动化进程中需重新划定机器效率与人类贡献的界限。
Booking.com：效率提升与人力阵痛并存
Booking.com目前部署了代理型系统（agentic systems），日均处理数万条住客与合作伙伴消息。公司数据显示，客服主题检测准确率翻倍，人工客服带宽释放1.5至1.7倍。AI产品开发主管Pranav Pathak介绍，其采用分层架构：小型垂直模型处理常规任务以保障速度与低成本，大型模型负责推理与建立信任。
然而，规模化应用伴随权衡。Booking Holdings CFO Ewout Steenbergen指出，尽管预订量增长，单笔预订客服成本下降约10%。去年，该公司在全球裁员超900人。部分留任员工抱怨服务标准下滑，对此Booking否认完全以AI取代人类，坚称技术旨在加速问题解决。CEO Glenn Fogel直言不讳地表示：“AI带来的好处有人力成本。”他要求员工具备AI素养，以便在职位消失时能凭借新技能转岗。
在内部推广方面，Booking曾面临开发者采用率滞后的挑战。通过文化引导与工具优化，目前其3000多名开发者中超75%使用AI工具，其中三分之二每日使用，合并请求量增加30%。此外，通过与Glean和ServiceNow合作，IT工单解决时间在某些领域缩短33%，质量保证审查覆盖率从7%提升至100%。但管理层强调，对于复杂场景，人类监督仍不可或缺。
帝亚吉欧：数据治理下的运营重构
帝亚吉欧则侧重利用AI推动个性化营销与供应链优化。Borges介绍，公司通过虚拟内容工作室快速生成品牌资产，并推出AI助手Elli协助消费者调制无酒精鸡尾酒。在运营端，“烈酒智能平台”追踪威士忌全生命周期，利用机器人和机器学习检查橡木桶，优化陈酿过程并减少蒸发损失。
为确保AI分析可靠性，帝亚吉欧建立了受管控的语义层，统一180个国家的数据定义。高管警告，必须优先确保数据清洁与结果明确，避免盲目追逐新工具。目前，其BPM平台允许用户通过自然语言查询性能数据，早期回报显现积极迹象。
行业洞察：信任赤字与规模化困境
两家企业的经历折射出更广泛的行业模式。麦肯锡2025年AI状态调查显示，88%的组织已采用AI，但仅23%在全范围扩展代理型系统，近三分之二仍处试点阶段。Axis Intelligence分析指出，因数据质量差、治理缺失等原因，企业AI项目失败率高达80%至95%。
消费者态度同样复杂。Booking.com《全球AI情感报告》显示，虽95%的亚太消费者对旅游AI感到兴奋，全球75%的人已在规划或旅行中使用AI，但信任度极低：仅6%的人完全信任AI做决策，89%的人希望使用却仅有12%愿交出完全选择权。分析师警告，若通用AI代理直接处理搜索与预订，像Booking这样的中介机构角色可能被削弱。
面对挑战，两家公司仍持续投入。Booking Holdings每年约7亿美元的技术投入中大部分用于AI，帝亚吉欧则深耕云平台与专用部署。双方均表明，成功的关键不仅在于模型能力，更在于对人才的判断：诚实地评估机器接管后失去的价值，审慎决定哪些任务应自动化、增强或保护，才是AI成为真正倍增器的核心。