Η τεχνητή νοημοσύνη και ο βιώσιμος τουρισμός – τι ισορροπεί στις δύο πλευρές της ζυγαριάς;

Κυριακή, 26 Ιουλίου 2026 7:21 π.μ.

Σήμερα είναι σπάνιο να βρεθεί τουριστικό συνέδριο όπου να μην αναφέρεται ότι η τεχνητή νοημοσύνη αλλάζει ριζικά τον τρόπο λειτουργίας του κλάδου. Λίγες παρουσιάσεις αργότερα, συνήθως γίνεται λόγος και για το γεγονός ότι η τεχνητή νοημοσύνη καταναλώνει πολλή ενέργεια, χρειάζεται νερό για την ψύξη των κέντρων δεδομένων και αυξάνει συνεχώς τη ζήτηση για υποδομές πληροφορικής. Και οι δύο δηλώσεις είναι αληθείς. Η τεχνητή νοημοσύνη έχει περιβαλλοντικό αποτύπωμα, αλλά ταυτόχρονα παρέχει πρόσβαση σε γνώσεις και εργαλεία που προηγουμένως ήταν απρόσιτα για πολλές τουριστικές επιχειρήσεις. Επομένως, το πραγματικό ερώτημα δεν είναι αν η τεχνητή νοημοσύνη είναι καλή ή κακή. Είναι περισσότερο το πώς τη χρησιμοποιούμε, με ποια δεδομένα λειτουργεί και ποιοι είναι οι στόχοι που της θέτουμε.

Κατά την ανάπτυξη του I-DEST, εργαζόμαστε και εμείς μέσα σε αυτή τη διττότητα. Δημιουργούμε ψηφιακές λύσεις που χρησιμοποιούν τεχνητή νοημοσύνη, ενώ ταυτόχρονα επιδιώκουμε να υποστηρίξουμε τη βιωσιμότερη λειτουργία των προορισμών και των τουριστικών παρόχων. Γι' αυτόν τον λόγο δεν μπορούμε να αποφύγουμε το ερώτημα σχετικά με το ποιο είναι το κόστος της χρήσης της τεχνολογίας και τι κερδίζουμε σε αντάλλαγμα.

Πόσο κοστίζει όλα αυτά στον πλανήτη;

Σύμφωνα με υπολογισμούς του Διεθνούς Οργανισμού Ενέργειας (IEA), τα κέντρα δεδομένων παγκοσμίως κατανάλωσαν περίπου 415 τεραβατώρες ηλεκτρικής ενέργειας το 2024. Αυτό αντιστοιχούσε περίπου στο 1,5% της παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας. Σύμφωνα με το βασικό σενάριο, η κατανάλωση μπορεί να φτάσει τις 945 τεραβατώρες έως το 2030, δηλαδή να υπερδιπλασιαστεί και να αντιπροσωπεύει σχεδόν το 3% της συνολικής παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας. (IEA, 2025)

Ένας από τους κύριους κινητήριους παράγοντες αυτής της αύξησης είναι η τεχνητή νοημοσύνη, αν και τα κέντρα δεδομένων φυσικά δεν εξυπηρετούν αποκλειστικά συστήματα τεχνητής νοημοσύνης. Οι υπηρεσίες cloud, τα διαδικτυακά βίντεο, τα επιχειρηματικά πληροφοριακά συστήματα και πολλές άλλες ψηφιακές υπηρεσίες απαιτούν επίσης σημαντική χωρητικότητα.

Ωστόσο, η περιβαλλοντική επίπτωση μιας μόνο ερώτησης τεχνητής νοημοσύνης μπορεί να είναι πολύ μικρότερη από ό,τι υποδηλώνουν οι προηγούμενες γενικές εκτιμήσεις.

Σύμφωνα με λειτουργικές μετρήσεις που δημοσίευσε η Google τον Αύγουστο του 2025, η εξυπηρέτηση ενός μέσου, πιο συγκεκριμένα ενδιάμεσου αιτήματος κειμένου Gemini:

κατανάλωσε 0,24 βατώρες ενέργειας,
συνοδεύτηκε από εκπομπές 0,03 γραμμαρίων ισοδύναμου διοξειδίου του άνθρακα,
και απαίτησε περίπου 0,26 χιλιοστόλιτρα νερού.

Η κατανάλωση ενέργειας αντιστοιχούσε περίπου σε εννέα δευτερόλεπτα τηλεθέασης, ενώ η ποσότητα νερού σε περίπου πέντε σταγόνες. (Elsworth et al., 2025)

Ωστόσο, αυτά τα δεδομένα πρέπει να αντιμετωπίζονται με τη δέουσα προσοχή. Η μέτρηση αφορούσε μια συγκεκριμένη υπηρεσία, τα αιτήματα κειμένου Gemini, και δεν μπορεί να εφαρμοστεί αυτόματα σε όλα τα συστήματα τεχνητής νοημοσύνης, σε σύνθετες ερευνητικές εργασίες ή στη δημιουργία εικόνων και βίντεο. Επιπλέον, ο υπολογισμός δεν δείχνει πλήρως το περιβαλλοντικό βάρος της ανάπτυξης, της εκπαίδευσης των μοντέλων, της κατασκευής του υλικού και της κατασκευής των κέντρων δεδομένων. Τα αποτελέσματα της Google έχουν επίσης επικριθεί από ανεξάρτητους ειδικούς, καθώς ο τρόπος υπολογισμού της έμμεσης χρήσης νερού και των εκπομπών μπορεί να επηρεάσει σημαντικά το τελικό αποτέλεσμα.

Οι δύο δηλώσεις, επομένως, δεν αντιφάσκουν μεταξύ τους. Η περιβαλλοντική επίπτωση ενός μόνο σύντομου αιτήματος μπορεί να είναι μικρή, αλλά αυτή δισεκατομμυρίων αιτημάτων δεν είναι. Τα συστήματα γίνονται όλο και πιο αποδοτικά, αλλά η χρήση τους εξαπλώνεται επίσης εξαιρετικά γρήγορα. Ως εκ τούτου, η συνολική ζήτηση για ενέργεια και νερό μπορεί να αυξηθεί ακόμη και αν οι πόροι που απαιτούνται για την εκτέλεση μιας εργασίας μειώνονται.

Επιπλέον, όσον αφορά τη χρήση νερού, δεν έχει σημασία μόνο η παγκόσμια ποσότητα. Είναι επίσης σημαντικό πού βρίσκεται το κέντρο δεδομένων. Η ίδια ανάγκη για νερό έχει πολύ διαφορετικές συνέπειες σε μια περιοχή με πολλές βροχοπτώσεις από ό,τι σε μια περιοχή που αντιμετωπίζει τακτικά έλλειψη νερού.

Ο κύκλος ζωής του υλικού δεν μπορεί επίσης να αγνοηθεί. Η κατασκευή ισχυρών τσιπ απαιτεί πρώτες ύλες, νερό και ενέργεια, ενώ η γρήγορη αντικατάσταση των συσκευών αυξάνει την ποσότητα των ηλεκτρονικών αποβλήτων.

Τι κερδίζουμε σε αντάλλαγμα;

Η χρησιμότητα της τεχνητής νοημοσύνης στον τουρισμό δεν είναι απαραίτητα πιο ενδιαφέρουσα στις μεγάλες διεθνείς εταιρείες. Μπορεί να φέρει πολύ πιο εντυπωσιακές αλλαγές στους μικρότερους παρόχους. Ένα μικρό πανδοχείο, ένα οικογενειακό εστιατόριο ή ένας τοπικός διοργανωτής προγραμμάτων συχνά δεν επικοινωνούσαν σε πολλές γλώσσες, δεν ανέλυαν τακτικά τις κριτικές των πελατών και δεν ετοίμαζαν λεπτομερείς εκθέσεις βιωσιμότητας επειδή δεν είχαν το κατάλληλο προσωπικό ή εξωτερικό ειδικό.

Σήμερα, μέρος αυτών των εργασιών μπορεί να γίνει με έναν μόνο φορητό υπολογιστή. Η τεχνητή νοημοσύνη δεν αντικαθιστά την επαγγελματική γνώση, αλλά μπορεί να μειώσει σημαντικά το κόστος και τον χρόνο των πρώτων βημάτων.

Ένας σημαντικός τομέας κοινωνικού οφέλους είναι η προσβασιμότητα. Με τη βοήθεια της τεχνητής νοημοσύνης, μπορεί να δημιουργηθεί πιο εύκολα:

πραγματικός χρόνος ή γρήγορη μετάφραση,
ενημέρωση γραμμένη σε απλή γλώσσα,
περιεχόμενο που μπορεί να ακουστεί,
περιγραφή εικόνας για άτομα με προβλήματα όρασης,
πληροφορίες προσαρμοσμένες σε διαφορετικές ανάγκες,
ή μια επισκόπηση βασισμένη σε δεδομένα προσβασιμότητας.

Αυτές οι εργασίες συχνά παραλείπονταν στο παρελθόν επειδή οι πάροχοι δεν μπορούσαν να τις χρηματοδοτήσουν.

Στον τουρισμό, που αντιμετωπίζει έλλειψη εργατικού δυναμικού, η αυτοματοποίηση της διοίκησης μπορεί επίσης να είναι χρήσιμη. Δεν αντικαθιστά απαραίτητα το προσωπικό, αλλά μπορεί να απελευθερώσει χρόνο. Λιγότερος χρόνος δαπανάται για τη συμπλήρωση πινάκων, τη σύνταξη επαναλαμβανόμενων επιστολών ή την ταξινόμηση δεδομένων, αφήνοντας περισσότερο χρόνο για τους επισκέπτες.

Αυτό όμως ισχύει μόνο αν η διοίκηση της επιχείρησης χρησιμοποιεί πραγματικά την τεχνολογία για αυτόν τον σκοπό. Η τεχνητή νοημοσύνη είναι εξίσου κατάλληλη για την υποστήριξη του προσωπικού όσο και για την ενίσχυση του ελέγχου τους ή τη μείωση του αριθμού τους. Η τεχνολογία από μόνη της δεν αποφασίζει ποια κατεύθυνση θα επιλέξουμε.

Υπάρχουν επίσης πολλές δυνατότητες στην παρουσίαση της πολιτιστικής κληρονομιάς. Τοπικές ιστορικές συλλογές, παλιές φωτογραφίες, εθνογραφικές ηχογραφήσεις, διαλέκτοι και μακροσκελείς μονογραφίες μπορούν να γίνουν αναζητήσιμες. Η ιστορία μιας περιοχής μπορεί έτσι να ενσωματωθεί σε μια θεματική διαδρομή, έναν ηχητικό οδηγό ή ένα σχολικό πρόγραμμα.

Ωστόσο, η βιβλιογραφία είναι πολύ πιο προσεκτική σχετικά με τα πλεονεκτήματα της τεχνητής νοημοσύνης για τη βιωσιμότητα από ό,τι τα διαφημιστικά υλικά των τεχνολογικών εταιρειών. Σύμφωνα με την ανασκόπηση του Gössling και του Mei το 2025, γίνεται πολύς λόγος για τις δυνατότητες, αλλά υπάρχουν ακόμη σχετικά λίγες αξιόπιστες αποδείξεις για πραγματικά, μακροπρόθεσμα μετρήσιμα αποτελέσματα βιωσιμότητας. Οι συγγραφείς προειδοποιούν επίσης ότι η τεχνητή νοημοσύνη μπορεί να ενισχύσει τη συγκέντρωση δεδομένων, την παρακολούθηση των καταναλωτών και την περαιτέρω εντατικοποίηση του τουρισμού (Gössling–Mei, 2025).

Μια συστηματική ανασκόπηση 213 επιστημονικών δημοσιεύσεων διαπίστωσε ότι η τουριστική έρευνα σχετικά με την έξυπνη αυτοματοποίηση επικεντρώνεται κυρίως στην εμπειρία των επισκεπτών, τη διατήρηση της κληρονομιάς, την ποιότητα ζωής, τη μέτρηση των εμπειριών των επισκεπτών και την προστασία του περιβάλλοντος. Ωστόσο, μέχρι στιγμής έχει δοθεί λιγότερη προσοχή στη μέτρηση των περιβαλλοντικών επιπτώσεων σε σύγκριση με τα οικονομικά και κοινωνικά ζητήματα (Majid et al., 2023).

Το μάρκετινγκ ως πρώτο σημείο επαφής

Η πλειονότητα των τουριστικών επιχειρήσεων σήμερα συναντά για πρώτη φορά την τεχνητή νοημοσύνη στο μάρκετινγκ. Τη χρησιμοποιεί για τη συγγραφή κειμένων, τη μετάφραση, τη δημιουργία αναρτήσεων στα μέσα κοινωνικής δικτύωσης, ενημερωτικών δελτίων, εικόνων και την απάντηση στις κριτικές των πελατών. Αυτό έχει κατανοητή αιτία. Το αποτέλεσμα είναι άμεσα ορατό, η χρήση είναι σχετικά απλή και συνήθως δεν απαιτείται ειδική ανάπτυξη πληροφορικής.

Από την άποψη της βιωσιμότητας, ωστόσο, το μάρκετινγκ είναι πολύ πιο σημαντικό από το να ολοκληρωθεί γρηγορότερα μια ανάρτηση στο Facebook. Η επικοινωνία μπορεί να έχει σημαντική επίδραση στο ποιοι επισκέπτονται έναν συγκεκριμένο προορισμό, πότε ταξιδεύουν, πόσο χρόνο περνούν εκεί, ποια αξιοθέατα επισκέπτονται και πού ξοδεύουν τα χρήματά τους.

Μια καλά οργανωμένη καμπάνια την άνοιξη ή το φθινόπωρο, για παράδειγμα, μπορεί να μειώσει την πίεση της καλοκαιρινής περιόδου αιχμής. Η παρουσίαση μιας λιγότερο γνωστής περιοχής ή τοπικής επιχείρησης μπορεί να βοηθήσει ώστε οι επισκέπτες να μην συγκεντρώνονται στα ίδια λίγα μέρη. Η τεχνητή νοημοσύνη επιτρέπει σε έναν μικρότερο πάροχο ή τουριστικό οργανισμό να δημιουργήσει μηνύματα για διαφορετικές ομάδες στόχους. Διαφορετικό περιεχόμενο μπορεί να απευθύνεται σε όσους θέλουν να ταξιδέψουν σε πιο ήσυχες περιόδους, σε οικογένειες με μικρά παιδιά, σε ποδηλάτες ή σε όσους αναζητούν τοπικά φαγητά και παραγωγούς.

Η πολυγλωσσική επικοινωνία μπορεί επίσης να γίνει φθηνότερη και ταχύτερη. Αυτό μπορεί να είναι ιδιαίτερα χρήσιμο για μικρότερες αγορές αποστολής, για τις οποίες προηγουμένως δεν υπήρχε ξεχωριστός προϋπολογισμός μάρκετινγκ.

Η τεχνητή νοημοσύνη μπορεί επίσης να βοηθήσει στην παρουσίαση λιγότερο γνωστών αξιοθέατων, τοπικών ιστοριών και μικρότερων παρόχων. Σε πολλούς ιστότοπους προορισμών, υπάρχουν πολλές λεπτομερείς περιγραφές για τα πιο γνωστά αξιοθέατα, ενώ οι μικρότερες αξίες εμφανίζονται ελάχιστα. Η τεχνολογία μπορεί να επιταχύνει την επεξεργασία πληροφοριών, αλλά η τοπική γνώση και οι αυθεντικές ιστορίες πρέπει να προστεθούν από ανθρώπους.

Οι σημαντικότεροι κίνδυνοι του μάρκετινγκ

Όλοι οι προορισμοί αρχίζουν να ακούγονται ίδιοι

Αν όλοι οι πάροχοι χρησιμοποιούν το ίδιο εργαλείο τεχνητής νοημοσύνης με παρόμοιες οδηγίες, σύντομα όλα τα καταλύματα θα είναι «ζεστά», όλες οι περιοχές «κρυμμένα διαμάντια» και όλα τα προγράμματα «προσφέρουν αξέχαστες εμπειρίες». Ωστόσο, στον τουρισμό, ο χαρακτήρας ενός τόπου είναι μία από τις μεγαλύτερες αξίες.

Γι' αυτό αξίζει να δημιουργηθεί ένας οδηγός γλώσσας για κάθε προορισμό. Αυτός μπορεί να περιλαμβάνει εκφράσεις που χαρακτηρίζουν τον τόπο, τον επιθυμητό τόνο, τα κλισέ που πρέπει να αποφεύγονται και τις ιστορίες που πραγματικά διαφοροποιούν την υπηρεσία.

Η παραγόμενη εικόνα δεν αντικαθιστά την πραγματικότητα

Μια εικόνα που παρουσιάζει ένα ανύπαρκτο δωμάτιο, πισίνα, θέα ή τοπίο δεν είναι απλώς μια δημιουργική λύση. Μπορεί να παραπλανήσει τον επισκέπτη, να δημιουργήσει προβλήματα προστασίας καταναλωτών και να υπονομεύσει την εμπιστοσύνη. Οι παραγόμενες εικόνες μπορούν να χρησιμοποιηθούν ως εικονογραφήσεις ή στοιχεία ατμόσφαιρας, εφόσον αυτό δηλώνεται ξεκάθαρα. Ωστόσο, για την παρουσίαση μιας υπηρεσίας που μπορεί πραγματικά να αγοραστεί, πρέπει να χρησιμοποιούνται πραγματικές φωτογραφίες.

Το greenwashing γίνεται πιο γρήγορο

Κείμενα για τη βιωσιμότητα μπορούν να δημιουργηθούν μέσα σε λίγα λεπτά σήμερα. Ωστόσο, για τη μέτρηση της λειτουργίας εξακολουθούν να απαιτούνται δεδομένα.

Αν μια περιβαλλοντική δήλωση δεν υποστηρίζεται από μετρήσεις, έγγραφα ή επαληθεύσιμα αποτελέσματα, τότε η τεχνητή νοημοσύνη δεν κάνει την επιχείρηση πιο βιώσιμη, αλλά απλώς παράγει γρηγορότερα αβάσιμα πράσινα μηνύματα. Αυτό αποτελεί επιχειρηματικό και νομικό κίνδυνο. Οι περιβαλλοντικές δηλώσεις εξετάζονται όλο και πιο αυστηρά, επομένως κάθε ανακοινωμένο αποτέλεσμα πρέπει να είναι αποδεδειγμένο και ακριβώς διατυπωμένο.

Οι σημαντικότεροι κίνδυνοι του μάρκετινγκ

Το σύστημα ενισχύει αυτό που του θέτουμε ως στόχο

Αν μια καμπάνια προσπαθεί αποκλειστικά να αυξήσει τον αριθμό των κρατήσεων ή τα άμεσα έσοδα, πιθανότατα θα ενισχύσει περαιτέρω τις πιο δημοφιλείς περιόδους και προϊόντα. Είναι πιο εύκολο να επιτευχθεί καλό αποτέλεσμα σε αυτά.

Η βιωσιμότητα εμφανίζεται στις αποφάσεις μόνο αν περιλαμβάνεται και στους δείκτες μέτρησης.

Ένας τέτοιος δείκτης μπορεί να είναι:

το ποσοστό κρατήσεων εκτός και μετά την περίοδο αιχμής,
ο μέσος χρόνος παραμονής,
το ποσό που δαπανάται σε τοπικές επιχειρήσεις,
η κίνηση σε λιγότερο επισκέψιμες τοποθεσίες,
το ποσοστό επισκεπτών που φτάνουν με δημόσια μέσα μεταφοράς,
ή η κατανάλωση ενέργειας και νερού ανά διανυκτέρευση.

Το ίδιο σύστημα τεχνητής νοημοσύνης μπορεί να δώσει εντελώς διαφορετικές προτάσεις αν πρέπει να λάβει υπόψη όχι μόνο τον αριθμό των κρατήσεων αλλά και αυτούς τους παράγοντες.

Πού λειτουργεί ήδη καλά η τεχνητή νοημοσύνη;

Πρόβλεψη ζήτησης και σχεδιασμός χωρητικότητας

Με βάση προηγούμενα δεδομένα κρατήσεων, ημερολόγια εκδηλώσεων, πληροφορίες καιρού, μεταφορές και άλλους παράγοντες, μπορεί να δημιουργηθεί ακριβέστερη πρόβλεψη για τη ζήτηση.

Αυτό μπορεί να βοηθήσει:

στον προγραμματισμό του προσωπικού,
στον σχεδιασμό αποθεμάτων,
στη διαμόρφωση μεταφορικών δυνατοτήτων,
στη δημιουργία χρονικών διαστημάτων επισκέψεων,
και στην έγκαιρη αναγνώριση υπερφορτωμένων χρονικών στιγμών.

Η πρόβλεψη δεν εξαλείφει την υπερβολική κίνηση, αλλά μπορεί να κάνει το πρόβλημα ορατό νωρίτερα, δίνοντας περισσότερο χρόνο για παρέμβαση.

Πού λειτουργεί ήδη καλά η τεχνητή νοημοσύνη;

Μείωση της σπατάλης τροφίμων

Τα συστήματα αναγνώρισης εικόνας και μέτρησης που βασίζονται στην τεχνητή νοημοσύνη μπορούν να εντοπίσουν ποια τρόφιμα και σε ποιες χρονικές περιόδους δημιουργούν τα περισσότερα απόβλητα. Αυτά τα δεδομένα βοηθούν τις κουζίνες να προσαρμόσουν τις προμήθειες, τις μερίδες και τις προσφορές φαγητού. Στο πρόγραμμα Green Ramadan της Hilton το 2025, συμμετείχαν 45 ξενοδοχεία σε 14 χώρες. Κατά τη διάρκεια του προγράμματος, η ποσότητα φαγητού που έμενε στα πιάτα μειώθηκε κατά 26%, αποφεύγοντας τη δημιουργία περισσότερων από 2,6 τόνων αποβλήτων τροφίμων. Στην πρωτοβουλία χρησιμοποιήθηκε και η τεχνολογία μέτρησης που βασίζεται στην τεχνητή νοημοσύνη της Winnow (Hilton, 2025). Αυτό είναι ένα καλό παράδειγμα όπου τα περιβαλλοντικά και επιχειρηματικά συμφέροντα συναντώνται άμεσα: λιγότερο φαγητό καταλήγει στα απόβλητα, ενώ μειώνονται και τα κόστη προμηθειών.

Κατανάλωση ενέργειας και νερού

Τα έξυπνα συστήματα μπορούν να βοηθήσουν στη ρύθμιση της θέρμανσης, της ψύξης και του αερισμού. Μπορούν να εντοπίσουν ασυνήθιστη κατανάλωση, διαρροές, δυσλειτουργίες εξοπλισμού ή συσκευές που λειτουργούν άσκοπα.

Ο στόχος δεν είναι να μειωθεί η άνεση των επισκεπτών, αλλά να μην καταναλώνεται ενέργεια εκεί και όταν δεν είναι απαραίτητο.

Προετοιμασία εκθέσεων βιωσιμότητας και πιστοποιήσεων

Μια πιστοποίηση βιωσιμότητας ή ένας έλεγχος συνοδεύεται από σημαντική τεκμηρίωση. Πρέπει να συγκεντρωθούν κανονισμοί, τιμολόγια, δεδομένα κατανάλωσης, φωτογραφίες και άλλα αποδεικτικά στοιχεία, να οργανωθούν και να συνδεθούν με τις απαιτήσεις.

Η τεχνητή νοημοσύνη δεν βοηθά περιγράφοντας τον πάροχο ως «πιο πράσινο». Η χρήσιμη εργασία είναι να αναγνωρίσει και να οργανώσει τα διαθέσιμα αποδεικτικά στοιχεία, να επισημάνει τα ελλιπή δεδομένα και να υποστηρίξει την παρακολούθηση των απαιτήσεων.

Η τελική απόφαση συμμόρφωσης, ωστόσο, πρέπει να λαμβάνεται από εξειδικευμένο επαγγελματία ή ελεγκτή.

Όταν η τεχνητή νοημοσύνη επιδεινώνει την κατάσταση

Ένα από τα προβλήματα των προτάσεων της τεχνητής νοημοσύνης είναι ότι συχνά κάνουν τα ήδη δημοφιλή μέρη ακόμη πιο ορατά.

Η προκαταρκτική μελέτη των Lee και Pennington-Gray, που βασίστηκε σε ένα εκατομμύριο μοντελοποιημένα εσωτερικά ταξίδια στις ΗΠΑ, διαπίστωσε ότι τα μεγάλα γλωσσικά μοντέλα που εξετάστηκαν δημιούργησαν ροές ταξιδιών πιο εποχιακές, άνισες και λιγότερο ποικίλες από τα πραγματικά τουριστικά πρότυπα. Τα συστήματα ενίσχυσαν ιδιαίτερα τους συνδυασμούς ήδη δημοφιλών προορισμών και περιόδων (Lee–Pennington-Gray, 2026).

Δεδομένου ότι πρόκειται για προκαταρκτική μελέτη, τα αποτελέσματα πρέπει να επιβεβαιωθούν από περαιτέρω έρευνες, αλλά ο εντοπισμένος κίνδυνος αξίζει προσοχής.

Αν πολλοί ζητούν συμβουλές από τα ίδια λίγα συστήματα και αυτά τα συστήματα προτείνουν συνεχώς τα ίδια μέρη, αυτό μπορεί να αυξήσει περαιτέρω την υπερφόρτωση.

Το άλλο πρόβλημα είναι η αορατότητα.

Η προκαταρκτική μελέτη των Chen, Weng και Moro το 2026 εξέτασε τις προτάσεις εστιατορίων τριών μεγάλων γλωσσικών μοντέλων σε πέντε αμερικανικές πόλεις και 304 συνοικίες. Ακόμη και όταν τα μοντέλα μπορούσαν να επιλέξουν από μια ελεγμένη λίστα πραγματικών εστιατορίων, το 47,5% των χώρων δεν προτάθηκε ούτε μία φορά. Το 31,9% των επιχειρήσεων που παρέμειναν αόρατες ήταν ίδιες και για τις τρεις οικογένειες μοντέλων που εξετάστηκαν (Chen–Weng–Moro, 2026).

Αυτό δείχνει ότι η τεχνητή νοημοσύνη δεν συλλέγει απλώς τις διαθέσιμες πληροφορίες. Επιλέγει επίσης από αυτές. Ορισμένα μέρη προβάλλονται τακτικά, ενώ άλλα εμφανίζονται ελάχιστα ή καθόλου.

Αυτό μπορεί να βλάψει ιδιαίτερα τις μικρότερες, λιγότερο αξιολογημένες ή με ασθενέστερη ψηφιακή παρουσία τοπικές επιχειρήσεις.

Όταν η τεχνητή νοημοσύνη επιδεινώνει την κατάσταση

Τι μπορεί να κάνει ο ταξιδιώτης;

Μην ρωτάς μόνο πού να πας

Ρώτησε επίσης πότε αξίζει να ταξιδέψεις και ποια κοντινή εναλλακτική είναι λιγότερο πολυσύχναστη. Μια χρήσιμη ερώτηση μπορεί να είναι:

«Πότε είναι λιγότερο πολυσύχναστο αυτό το μέρος και ποιο παρόμοιο πρόγραμμα υπάρχει κοντά;»

Συχνά κάνουμε περισσότερα για τη βιωσιμότητα ταξιδεύοντας στον ίδιο προορισμό σε διαφορετική χρονική στιγμή παρά αναζητώντας έναν ακόμη πιο απομακρυσμένο προορισμό.

Επιβεβαίωσε τις πρακτικές πληροφορίες

Επιβεβαίωσε το ωράριο λειτουργίας, τα δρομολόγια, τις τιμές, τους όρους κράτησης και την ισχύ των πιστοποιήσεων από την αρχική πηγή. Η τεχνητή νοημοσύνη μπορεί να παρουσιάσει πειστικά δεδομένα που είναι παρωχημένα ή λανθασμένα.

Σχεδίασε λιγότερα προγράμματα

Αν ο προγραμματιστής διαδρομής προτείνει δέκα μέρη για μία ημέρα, ζήτησε να τα μειώσει σε τρία ή τέσσερα.

Λιγότερα μέρη συνήθως σημαίνουν λιγότερα τοπικά ταξίδια, πιο ήρεμα προγράμματα και περισσότερες πραγματικές συναντήσεις. Στο περιβαλλοντικό αποτύπωμα ενός ταξιδιού, η μετακίνηση είναι συνήθως πολύ μεγαλύτερος παράγοντας από τις λίγες ερωτήσεις τεχνητής νοημοσύνης που χρησιμοποιήθηκαν για τον προγραμματισμό του ταξιδιού.

Αμφισβήτησε τις δηλώσεις βιωσιμότητας

Όταν ένα κατάλυμα ή ένα πρόγραμμα αυτοχαρακτηρίζεται βιώσιμο, αξίζει να ρωτήσεις: Έχει ανεξάρτητη πιστοποίηση; Ποιος την εξέδωσε; Ποια είναι η ισχύς της; Ποια δεδομένα μετράει; Ποιο συγκεκριμένο αποτέλεσμα έχει επιτύχει;

Υπάρχει μεγάλη διαφορά μεταξύ μιας πιστοποίησης που εκδίδεται βάσει ανεξάρτητου συστήματος απαιτήσεων και μιας «πράσινης» σήμανσης που δημιουργείται από την ίδια την επιχείρηση.

Τι μπορεί να κάνει η τουριστική επιχείρηση;

Πρώτα τα δεδομένα να είναι σωστά

Η τεχνητή νοημοσύνη μπορεί να λειτουργήσει μόνο με ό,τι είναι ψηφιακά διαθέσιμο και κατανοητό.

Αν ο ιστότοπος έχει ανακριβές ωράριο λειτουργίας, λείπει η διεύθυνση ή η γεωγραφική τοποθεσία, δεν αναφέρεται η προσβασιμότητα και η περιγραφή των υπηρεσιών δεν είναι σαφής, τότε και τα συστήματα τεχνητής νοημοσύνης μπορεί να παρέχουν λανθασμένες ή ελλιπείς πληροφορίες.

Ιδιαίτερα σημαντικά είναι:

το ακριβές όνομα, διεύθυνση και στοιχεία επικοινωνίας,
το τρέχον ωράριο λειτουργίας,
οι τιμές και οι όροι κράτησης,
οι επιλογές μεταφοράς,
οι πληροφορίες προσβασιμότητας,
η σωστή κατηγοριοποίηση της υπηρεσίας,
καθώς και η παροχή δομημένων δεδομένων στον ιστότοπο.

Τα καλά συντηρημένα, κατανοητά από μηχανές δεδομένα δεν είναι πλέον μόνο ζήτημα βελτιστοποίησης μηχανών αναζήτησης. Μπορεί επίσης να είναι προϋπόθεση για την εμφάνιση στις προτάσεις που βασίζονται στην τεχνητή νοημοσύνη.

Τι μπορεί να κάνει η τουριστική επιχείρηση;

Πρώτα μέτρησε, μετά επικοινώνησε

Ενέργεια, νερό, απόβλητα, τοπικές προμήθειες, διανυκτερεύσεις, μεταφορές. Από αυτά μπορούν να υπολογιστούν πραγματικά αποτελέσματα βιωσιμότητας.

Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην οργάνωση δεδομένων, στην αναγνώριση αποκλίσεων και στην προετοιμασία εκθέσεων. Ωστόσο, δεν πρέπει να χρησιμοποιείται για να δημιουργεί πειστικές περιβαλλοντικές δηλώσεις χωρίς μετρήσεις.

Ένα καλό σημείο εκκίνησης μπορεί να είναι:

τα απόβλητα τροφίμων,
ο προγραμματισμός θέρμανσης και ψύξης,
οι διαδικασίες πλυντηρίου,
η ανίχνευση διαρροών νερού,
η διαχείριση αποθεμάτων,
ή ο προγραμματισμός προμηθειών.

Σε αυτές τις περιπτώσεις, τα επιχειρηματικά αποτελέσματα συχνά εμφανίζονται σχετικά γρήγορα.

Η τεχνητή νοημοσύνη να προτείνει, ο άνθρωπος να αποφασίζει

Κάθε κείμενο προς τους πελάτες, πρόταση τιμολόγησης, μετάφραση και περιβαλλοντική δήλωση πρέπει να ελέγχεται από άνθρωπο.

Μια λανθασμένη τιμή, ωράριο λειτουργίας ή όρος κράτησης μπορεί να προκαλέσει πολύ μεγαλύτερη ζημιά από τον χρόνο που εξοικονομήθηκε με την αυτοματοποίηση.

Μην χρησιμοποιείς μεγαλύτερο σύστημα από το απαραίτητο

Δεν χρειάζεται κάθε εργασία το μεγαλύτερο γλωσσικό μοντέλο, και δεν απαιτείται τεχνητή νοημοσύνη για κάθε επικοινωνία.

Για τη διόρθωση ενός σύντομου κειμένου, την ταξινόμηση δεδομένων ή μια απλή περίληψη, συχνά αρκεί ένα μικρότερο, πιο οικονομικό σύστημα. Μια καλή πραγματική φωτογραφία μπορεί επίσης να αξίζει περισσότερο από ένα ενεργοβόρο παραγόμενο βίντεο.

Αυτό δεν είναι μόνο περιβαλλοντικό ζήτημα. Είναι επίσης λογική απόφαση από την άποψη του κόστους και της αποτελεσματικότητας.

Πώς χρησιμοποιούμε την τεχνητή νοημοσύνη στο I-DEST;

Δεν θέλουμε να προσποιηθούμε ότι παρακολουθούμε αυτή τη διαδικασία από έξω. Κατά την ανάπτυξη του I-DEST και την επαγγελματική μας εργασία, χρησιμοποιούμε επίσης τακτικά τεχνητή νοημοσύνη. Δεν τη βλέπουμε ως ανεξάρτητο λήπτη αποφάσεων, αλλά ως εργαλείο εργασίας που μπορεί να επιταχύνει ορισμένες διαδικασίες, να βοηθήσει στην αποκάλυψη συσχετισμών και να μειώσει τον αριθμό των λαθών που προκύπτουν από ανθρώπινη απροσεξία.

Προβλέψεις και σενάρια

Αναλύουμε χρονοσειρές ζήτησης, εποχικότητα, φόρτο χωρητικότητας και διάφορα σενάρια ανάπτυξης.

Η τεχνητή νοημοσύνη είναι χρήσιμη εδώ όχι επειδή δίνει αλάνθαστες απαντήσεις. Βοηθά να εξετάσουμε πολλές παραλλαγές σε σύντομο χρονικό διάστημα και να παρατηρήσουμε συσχετισμούς που θα ήταν πιο δύσκολο να εντοπιστούν με χειροκίνητη επεξεργασία.

Ωστόσο, η ποιότητα των εισερχόμενων δεδομένων καθορίζει τα πάντα. Από λανθασμένα ή ελλιπή βασικά δεδομένα, το σύστημα μπορεί γρήγορα να δημιουργήσει λανθασμένες προβλέψεις. Επομένως, η τεχνητή νοημοσύνη δεν αντικαθιστά την επαλήθευση δεδομένων, αλλά την καθιστά ακόμη πιο σημαντική.

Πώς χρησιμοποιούμε την τεχνητή νοημοσύνη στο I-DEST;

Ανάπτυξη λογισμικού και εντοπισμός σφαλμάτων

Χρησιμοποιούμε τεχνητή νοημοσύνη και στην τεχνική ανάπτυξη του I-DEST. Με τη βοήθειά της, μπορούν να εξεταστούν γρηγορότερα μεγαλύτερα τμήματα κώδικα, να εντοπιστούν ορισμένα λογικά λάθη, ασυνέπειες και κίνδυνοι ασφαλείας, καθώς και να δημιουργηθούν ευκολότερα σενάρια δοκιμών. Ο στόχος δεν είναι η τεχνητή νοημοσύνη να προγραμματίζει το σύστημα χωρίς ανθρώπινη εποπτεία. Τη χρησιμοποιούμε για να εξετάσουμε τις αναπτύξεις από πολλές οπτικές γωνίες, να εντοπίσουμε νωρίτερα τα προβλήματα και, ει δυνατόν, να τα διορθώσουμε πριν τα αντιμετωπίσουν οι χρήστες. Αυτό είναι ιδιαίτερα σημαντικό σε ένα τόσο σύνθετο σύστημα όπως το I-DEST, όπου διάφορες πηγές δεδομένων, γλώσσες, διεπαφές χρήστη, μονάδες αξιολόγησης και λειτουργίες προτάσεων συνδέονται μεταξύ τους. Μια μόνο τροποποίηση μπορεί να επηρεάσει τη λειτουργία πολλών άλλων λειτουργιών.

Η ανάλυση και οι δοκιμές κώδικα που βασίζονται στην τεχνητή νοημοσύνη προσθέτουν ένα επιπλέον επίπεδο ελέγχου στις παραδοσιακές δοκιμές από προγραμματιστές και χρήστες. Ωστόσο, η χρήση της τεχνητής νοημοσύνης από μόνη της δεν εγγυάται λογισμικό χωρίς σφάλματα. Ο κώδικας που προτείνεται από τη μηχανή μπορεί επίσης να περιέχει λάθη, παρωχημένες λύσεις ή προβλήματα ασφαλείας. Επομένως, κάθε σημαντική τροποποίηση ελέγχεται από προγραμματιστή και η λειτουργία του συστήματος δοκιμάζεται πριν από την εισαγωγή του.

Ο στόχος, επομένως, δεν είναι η αντικατάσταση του προγραμματιστή, αλλά η μείωση του αριθμού των σφαλμάτων, η υποστήριξη των δοκιμών και η αύξηση της αξιοπιστίας της ανάπτυξης.

Μετάφραση και έλεγχος ορολογίας

Χρησιμοποιούμε την τεχνητή νοημοσύνη για την επεξεργασία στρατηγικών, εγγράφων υποβολής προτάσεων, τουριστικών περιγραφών και προτύπων σε πολλές γλώσσες. Κάθε μετάφραση μηχανής που αφορά σημαντικά επαγγελματικά έγγραφα ακολουθείται από ανθρώπινο έλεγχο. Στο λεξιλόγιο του τουρισμού, της βιωσιμότητας και της Ευρωπαϊκής Ένωσης, ένας κακώς μεταφρασμένος όρος μπορεί να αλλάξει το νόημα μιας πρότασης ή απαίτησης. Ωστόσο, η τεχνητή νοημοσύνη βοηθά να χρησιμοποιούμε συνεπώς τους ίδιους όρους και ονομασίες σε ένα μεγαλύτερο έγγραφο. Η συνέπεια της ορολογίας είναι ιδιαίτερα σημαντική για τα διεθνή πρότυπα, τις απαιτήσεις πιστοποίησης και τις πολύγλωσσες ψηφιακές διεπαφές. Επιπλέον, η τεχνητή νοημοσύνη εξασφαλίζει την πολύγλωσση προσβασιμότητα του I-DEST, ώστε οι προορισμοί και οι πάροχοι να μην χρειάζεται να εισάγουν δεδομένα σε πολλές γλώσσες στο σύστημα - όλοι να εργάζονται μόνο όσο είναι απολύτως απαραίτητο.

Μάρκετινγκ και δημιουργία περιεχομένου

Η τεχνητή νοημοσύνη βοηθά στην προετοιμασία των πρώτων εκδόσεων κειμένων, του πολύγλωσσου περιεχομένου και της επικοινωνίας που απευθύνεται σε διαφορετικές ομάδες στόχους.

Κατά τη χρήση της, ακολουθούμε μερικούς απλούς κανόνες:

επικοινωνούμε με τη δική μας φωνή,
εργαζόμαστε με επαληθεύσιμα, πραγματικά δεδομένα,
το τελικό περιεχόμενο εγκρίνεται από άνθρωπο,
οι δηλώσεις βιωσιμότητας συνδέονται με αποδείξεις,
και δεν θεωρούμε μόνο τα κλικ ή τις κρατήσεις ως αποτέλεσμα.

Στο μάρκετινγκ, η επίδραση της τεχνητής νοημοσύνης στη βιωσιμότητα καθορίζεται σε μεγάλο βαθμό από τους στόχους που θέτουμε στο σύστημα. Αν μετρά μόνο τη βραχυπρόθεσμη μετατροπή, ο αλγόριθμος μπορεί εύκολα να ενισχύσει τις ήδη δημοφιλείς περιόδους και τοποθεσίες. Ωστόσο, αν η εποχικότητα, η γεωγραφική κατανομή ή η προβολή των τοπικών παρόχων περιλαμβάνονται επίσης στους στόχους, μπορούν να δημιουργηθούν διαφορετικοί τύποι καμπανιών και προτάσεων. Σπάνια, η τεχνητή νοημοσύνη βοηθά επίσης στη δημιουργία διαφόρων αφισών και περιλήψεων για διαφημίσεις.

Η κατεύθυνση ανάπτυξης του I-DEST

Στο I-DEST, προσπαθούμε να διασφαλίσουμε ότι η τεχνητή νοημοσύνη βασίζεται σε επαληθευμένα δεδομένα και αναγνωρίσιμες πηγές για τις απαντήσεις της, και όχι μόνο στις εσωτερικές γνώσεις του γλωσσικού μοντέλου.

Συνδέουμε την αξιολόγηση βιωσιμότητας όχι με προσωπικές εντυπώσεις, αλλά με διεθνώς αποδεκτά συστήματα απαιτήσεων. Γι' αυτό επεξεργαζόμαστε μηχανικά τα κριτήρια του Global Sustainable Tourism Council (GSTC) για προορισμούς και τουριστικούς παρόχους.

Ο στόχος της αυτοαξιολόγησης δεν είναι να δώσει αυτόματα μια ευνοϊκή εικόνα για τον χρήστη. Το σύστημα πρέπει να δείξει:

ποια απαίτηση πληρούται,
ποια απόδειξη το υποστηρίζει,
ποια δεδομένα ή έγγραφα λείπουν,
και πού χρειάζονται περαιτέρω ενέργειες.

Στις προτάσεις, η χρονική στιγμή, η εποχικότητα, το περιβαλλοντικό αποτύπωμα των μεταφορών και η γεωγραφική συγκέντρωση είναι επίσης σημαντικά.

Οι ερευνητές του Τεχνικού Πανεπιστημίου του Μονάχου ανέπτυξαν ένα σύστημα προτάσεων τουρισμού που ενσωματώνει, εκτός από τις ανάγκες των χρηστών, τις εκπομπές διοξειδίου του άνθρακα των μέσων μεταφοράς, τη δημοτικότητα του προορισμού και την εποχικότητα στις προτάσεις του (Banerjee et al., 2025).

Μια σχετική έρευνα χρηστών διαπίστωσε ότι οι σαφείς πληροφορίες για τις εκπομπές, τη δημοτικότητα και την εποχικότητα μπορούν να επηρεάσουν τις επιλογές των ταξιδιωτών. Οι συμμετέχοντες ήταν πιο πιθανό να επιλέξουν μέσα μεταφοράς με χαμηλότερες εκπομπές, καθώς και λιγότερο πολυσύχναστους ή πιο κατάλληλους για την εποχή προορισμούς, όταν αυτές οι πληροφορίες παρουσιάζονταν ξεκάθαρα (Banerjee–Mahmudov–Wörndl, 2024).

Αυτό είναι ένα σημαντικό μάθημα. Η βιωσιμότητα δεν είναι απαραίτητα περιορισμός. Με τα κατάλληλα δεδομένα και καλά καθορισμένους στόχους, η τεχνητή νοημοσύνη μπορεί να δείξει επιλογές που είναι πιο ευνοϊκές τόσο για τον ταξιδιώτη όσο και για την τοπική κοινότητα και τις επιχειρήσεις.

Δεν αποφασίζει η τεχνητή νοημοσύνη, αλλά εμείς τι τουρισμό θα χτίσουμε

Η περιβαλλοντική επιβάρυνση της τεχνητής νοημοσύνης είναι πραγματική. Ωστόσο, οι μεγαλύτερες περιβαλλοντικές επιβαρύνσεις του τουρισμού εξακολουθούν να συνδέονται κυρίως με τα ταξίδια, τις μεταφορές, τη λειτουργία κτιρίων, την κατανάλωση και την εποχιακή υπερφόρτωση δημοφιλών τοποθεσιών.

Η χρησιμότητα της τεχνητής νοημοσύνης είναι επίσης πραγματική, αλλά όχι αυτόματη.

Το ίδιο σύστημα μπορεί να βοηθήσει να αποφευχθεί μια πολυσύχναστη τοποθεσία ή να στείλει ακόμη περισσότερους επισκέπτες εκεί. Μπορεί να βοηθήσει να βρεθεί μια τοπική επιχείρηση ή να την κάνει αόρατη. Μπορεί να μειώσει τα απόβλητα τροφίμων ή να δημιουργήσει μια καλοφτιαγμένη αλλά αβάσιμη καμπάνια βιωσιμότητας.

Το κρίσιμο ερώτημα δεν είναι αν η τεχνητή νοημοσύνη ή η βιωσιμότητα.

Αυτό που έχει σημασία είναι από ποια δεδομένα λειτουργεί το σύστημα, τι του ζητάμε, ποιοι στόχοι τίθενται και ποιος ελέγχει το αποτέλεσμα.

Αυτό δεν είναι μόνο τεχνολογικό ζήτημα. Είναι επαγγελματική και διοικητική απόφαση.

Γι' αυτόν τον λόγο, οι προορισμοί, οι τουριστικές επιχειρήσεις και οι ταξιδιώτες μπορούν να διαμορφώσουν αν η τεχνητή νοημοσύνη θα εξυπηρετήσει περαιτέρω συγκέντρωση στον τουρισμό ή μια πιο ισορροπημένη, προσβάσιμη και οικονομική λειτουργία.

Δεν αποφασίζει η τεχνητή νοημοσύνη, αλλά εμείς τι τουρισμό θα χτίσουμε

Δήλωση

Για αυτήν την ανάρτηση στο blog, δεν δημιουργήσαμε καμία νέα εικόνα με τεχνητή νοημοσύνη. Όλες οι εικόνες που χρησιμοποιήθηκαν - τεκμηριωμένες στον πηγαίο κώδικα - προέρχονται από ήδη δημοσιευμένες πηγές, καθώς στο I-DEST χρησιμοποιούμε την τεχνητή νοημοσύνη μόνο όταν έχει πραγματική προστιθέμενη αξία.

Χρησιμοποιημένες πηγές

Banerjee, A. – Mahmudov, T. – Adler, E. – Aisyah, F. N. – Wörndl, W. (2025): Modeling sustainable city trips: integrating CO₂e emissions, popularity, and seasonality into tourism recommender systems. Information Technology & Tourism, 27, 189–226. DOI: 10.1007/s40558-024-00303-1.

Banerjee, A. – Mahmudov, T. – Wörndl, W. (2024): A User Interface Study on Sustainable City Trip Recommendations. arXiv:2405.11243.

Chen, L. – Weng, G. – Moro, E. (2026): Large language models create an uneven informational layer over cities. arXiv:2607.06260. Προκαταρκτική μελέτη.

Elsworth, C. – Huang, K. – Patterson, D. – Schneider, I. – Sedivy, R. – Goodman, S. – Townsend, B. – Ranganathan, P. – Dean, J. – Vahdat, A. – Gomes, B. – Manyika, J. (2025): Measuring the Environmental Impact of Delivering AI at Google Scale. arXiv:2508.15734.

Gössling, S. – Mei, X. Y. (2025): AI and sustainable tourism: an assessment of risks and opportunities for the SDGs. Current Issues in Tourism. DOI: 10.1080/13683500.2025.2477142.

Hilton (2025): Hilton Scales Up Green Ramadan Initiative in 2025, Achieves 26% Reduction in Plate Waste During the Holy Month. Αποτελέσματα του προγράμματος που υλοποιήθηκε από τη Hilton, την UNEP West Asia και τη Winnow.

International Energy Agency – IEA (2025): Energy and AI. Ανάλυση για την κατανάλωση ενέργειας των κέντρων δεδομένων και την αναμενόμενη αύξηση έως το 2030.

Lee, S. – Pennington-Gray, L. (2026): Large Language Models Yield Unsustainable Tourist Flows: Testing Algorithmic Biases Using the Baseline-Rescaling-Outcome Model. DOI: 10.31235/osf.io/kqczf. Προκαταρκτική μελέτη.

Majid, G. M. – Tussyadiah, I. – Kim, Y. R. – Pal, A. (2023): Intelligent automation for sustainable tourism: a systematic review. Journal of Sustainable Tourism, 31(11), 2421–2440. DOI: 10.1080/09669582.2023.2246681.

Global Sustainable Tourism Council – GSTC: GSTC Industry Criteria και GSTC Destination Criteria. Διεθνή συστήματα απαιτήσεων βιωσιμότητας για προορισμούς, καταλύματα και τουριστικούς παρόχους.