Az AI és a fenntartható turizmus – mi van a mérleg két szerpenyőjében?

2026. július 26., vasárnap 7:21

Ma már alig van olyan turisztikai konferencia, ahol ne hangzana el, hogy a mesterséges intelligencia alapjaiban változtatja meg az ágazat működését. Néhány előadással később rendszerint az is szóba kerül, hogy az AI sok energiát használ, vizet igényel az adatközpontok hűtéséhez, és folyamatosan növeli az informatikai infrastruktúra iránti keresletet. Mindkét állítás igaz. A mesterséges intelligenciának van környezeti terhelése, ugyanakkor olyan tudáshoz és eszközökhöz ad hozzáférést, amelyek korábban sok turisztikai vállalkozás számára megfizethetetlenek voltak. A valódi kérdés ezért nem az, hogy az AI jó vagy rossz. Sokkal inkább az, hogy mire használjuk, milyen adatok alapján dolgozik, és milyen célokat adunk neki.

Az I-DEST fejlesztése során mi is ebben a kettősségben dolgozunk. Olyan digitális megoldásokat készítünk, amelyek mesterséges intelligenciát is használnak, miközben a desztinációk és a turisztikai szolgáltatók fenntarthatóbb működését szeretnénk támogatni. Éppen ezért nem kerülhetjük meg azt a kérdést sem, hogy milyen árat fizetünk a technológia használatáért, és mit kapunk cserébe.

Mennyibe kerül mindez a bolygónak?

A Nemzetközi Energiaügynökség, az IEA számításai szerint a világ adatközpontjai 2024-ben mintegy 415 terawattóra villamos energiát használtak fel. Ez a globális áramfogyasztás körülbelül 1,5 százalékát jelentette. Az alapforgatókönyv szerint a fogyasztás 2030-ra megközelítheti a 945 terawattórát, vagyis több mint kétszeresére nőhet, és a világ teljes villamosenergia-felhasználásának közel 3 százalékát teheti ki. (IEA, 2025)

A növekedés egyik fő mozgatórugója az AI, bár az adatközpontok természetesen nem kizárólag mesterségesintelligencia-rendszereket szolgálnak ki. A felhőszolgáltatások, az online videók, az üzleti informatikai rendszerek és számos más digitális szolgáltatás szintén jelentős kapacitást igényel.

Egyetlen AI-kérdés környezeti hatása ugyanakkor jóval kisebb lehet annál, mint amit a korábbi, általános becslések sugalltak.

A Google 2025 augusztusában közzétett üzemi mérése szerint egy átlagos, pontosabban medián Gemini-szöveges kérés kiszolgálása:

0,24 wattóra energiát használt fel,
0,03 gramm szén-dioxid-egyenérték kibocsátásával járt,
és körülbelül 0,26 milliliter vizet igényelt.

Az energiafelhasználás nagyjából kilenc másodpercnyi televíziózás fogyasztásának felelt meg, a vízmennyiség pedig körülbelül öt cseppnek. (Elsworth et al., 2025)

Ezeket az adatokat azonban megfelelő óvatossággal kell kezelni. A mérés egy konkrét szolgáltatásra, a Gemini szöveges kéréseire vonatkozott, és nem alkalmazható automatikusan minden AI-rendszerre, összetett kutatási feladatra, kép- vagy videógenerálásra. A számítás emellett nem mutatja meg teljes egészében a modellek fejlesztésének, betanításának, a hardverek gyártásának és az adatközpontok felépítésének környezeti terhét. A Google eredményeit független szakértők azért is bírálták, mert a közvetett vízfelhasználás és a kibocsátások számítási módja jelentősen befolyásolhatja a végeredményt.

A két állítás tehát nem mond ellent egymásnak. Egyetlen rövid kérés terhelése csekély lehet, több milliárd kérésé már nem az. A rendszerek egyre hatékonyabbá válnak, de közben a használatuk is rendkívül gyorsan terjed. Emiatt az összesített energia- és vízigény akkor is növekedhet, ha egy-egy feladat elvégzéséhez egyre kevesebb erőforrásra van szükség.

A vízfelhasználásnál ráadásul nemcsak a globális mennyiség számít. Fontos az is, hogy hol található az adatközpont. Ugyanaz a vízigény egészen más következményekkel jár egy csapadékos térségben, mint egy rendszeresen vízhiánnyal küzdő területen.

A hardverek életciklusa sem hagyható figyelmen kívül. A nagy teljesítményű chipek gyártása nyersanyagokat, vizet és energiát igényel, az eszközök gyors cseréje pedig növeli az elektronikai hulladék mennyiségét.

Mit kapunk cserébe?

A mesterséges intelligencia turisztikai haszna nem feltétlenül a nagy nemzetközi vállalatoknál a legérdekesebb. Sokkal látványosabb változást hozhat a kisebb szolgáltatóknál. Egy néhány szobás panzió, családi étterem vagy helyi programszervező korábban gyakran azért nem kommunikált több nyelven, nem elemezte rendszeresen a vendégértékeléseket, és nem készített részletes fenntarthatósági kimutatást, mert nem volt hozzá megfelelő munkatársa vagy külső szakértője.

Ma ezeknek a feladatoknak egy része egyetlen laptoppal is elvégezhető. Az AI nem helyettesíti a szakmai tudást, de jelentősen csökkentheti az első lépések költségét és időigényét.

A társadalmi haszon egyik fontos területe a hozzáférhetőség. A mesterséges intelligencia segítségével könnyebben készülhet:

valós idejű vagy gyors fordítás;
egyszerű nyelven megfogalmazott tájékoztató;
felolvasható tartalom;
képleírás látássérült emberek számára;
többféle igényhez igazított információ;
akadálymentességi adatokból összeállított áttekintés.

Ezek a feladatok korábban sokszor azért maradtak el, mert a szolgáltatók nem tudták finanszírozni őket.

A munkaerőhiánnyal küzdő turizmusban az adminisztráció automatizálása is hasznos lehet. Nem feltétlenül munkatársakat vált ki, hanem időt szabadíthat fel. Kevesebb idő megy el táblázatok kitöltésére, visszatérő levelek megfogalmazására vagy adatok rendezésére, és több maradhat a vendégekre.

Ez azonban csak akkor igaz, ha a vállalkozás vezetése valóban erre használja a technológiát. Az AI ugyanúgy alkalmas a munkatársak támogatására, mint az ellenőrzésük fokozására vagy a létszám csökkentésére. A technológia önmagában nem dönti el, melyik irányt választjuk.

A kulturális örökség bemutatásában szintén sok lehetőség rejlik. Helytörténeti gyűjtemények, régi fényképek, néprajzi felvételek, tájnyelvi anyagok és hosszú monográfiák válhatnak kereshetővé. Egy település története így bekerülhet egy tematikus sétaútvonalba, audioguide-ba vagy iskolai programba.

A szakirodalom ugyanakkor jóval óvatosabb az AI fenntarthatósági előnyeivel kapcsolatban, mint a technológiai cégek marketinganyagai. Gössling és Mei 2025-ös áttekintése szerint a lehetőségekről sok szó esik, de a tényleges, hosszabb távon is mérhető fenntarthatósági eredményekről még viszonylag kevés megbízható bizonyíték áll rendelkezésre. A szerzők arra is figyelmeztetnek, hogy az AI az adatkoncentrációt, a fogyasztók megfigyelését és a turizmus további intenzívebbé válását is erősítheti (Gössling–Mei, 2025).

Egy 213 tudományos publikációt feldolgozó szisztematikus áttekintés szerint az intelligens automatizálással kapcsolatos turisztikai kutatások elsősorban a látogatói élménnyel, az örökség megőrzésével, az életminőséggel, a látogatói tapasztalatok mérésével és a környezet védelmével foglalkoznak. A környezeti hatások gyakorlati mérésére azonban eddig kevesebb figyelem jutott, mint a gazdasági és társadalmi kérdésekre (Majid et al., 2023).

A marketing az első találkozási pont

A legtöbb turisztikai vállalkozás ma a marketingben találkozik először a mesterséges intelligenciával. Szövegírásra, fordításra, közösségimédia-bejegyzések készítésére, hírlevelekhez, képek előállítására és a vendégértékelések megválaszolására használja. Ennek érthető oka van. Az eredmény azonnal látható, a használat viszonylag egyszerű, és általában nincs szükség külön informatikai fejlesztésre.

Fenntarthatósági szempontból azonban a marketing sokkal fontosabb annál, mint hogy gyorsabban elkészüljön egy Facebook-bejegyzés. A kommunikáció jelentős hatással lehet arra, hogy: kik érkeznek egy adott helyre; mikor utaznak; mennyi időt töltenek ott; mely látnivalókat keresik fel és hol költik el a pénzüket.

Egy jól felépített tavaszi vagy őszi kampány például csökkentheti a nyári csúcsidőszak terhelését. Egy kevésbé ismert településrész vagy helyi vállalkozás bemutatása pedig segíthet abban, hogy a látogatók ne ugyanazon a néhány helyen összpontosuljanak. Az AI lehetővé teszi, hogy egy kisebb szolgáltató vagy turisztikai szervezet is többféle célcsoportnak készítsen külön üzenetet. Más tartalom szólhat azoknak, akik csendesebb időszakban szeretnének utazni, a kisgyermekes családoknak, a kerékpárosoknak vagy azoknak, akik helyi ételeket és termelőket keresnek.

A többnyelvű kommunikáció szintén olcsóbbá és gyorsabbá válhat. Ez különösen azoknál a kisebb küldő piacoknál lehet hasznos, amelyekre korábban nem jutott külön marketingkeret.

Az AI segíthet a kevésbé ismert attrakciók, helyi történetek és kisebb szolgáltatók bemutatásában is. Sok desztináció honlapján a legismertebb látnivalókról több részletes leírás található, miközben a kisebb értékek alig jelennek meg. A technológia felgyorsíthatja az információk feldolgozását, de a helyismeretet és a hiteles történeteket továbbra is embereknek kell hozzáadniuk.

A marketing legfontosabb kockázatai

Minden hely egyformán kezd hangzani

Ha minden szolgáltató ugyanazt az AI-eszközt használja, hasonló utasításokkal, hamarosan minden szállás „meghitt”, minden település „rejtett gyöngyszem”, és minden program „felejthetetlen élményt kínál”. A turizmusban azonban éppen a hely karaktere jelenti az egyik legnagyobb értéket.

Ezért érdemes saját nyelvi útmutatót készíteni. Ebben szerepelhetnek a helyre jellemző kifejezések, a kívánt hangnem, a kerülendő közhelyek és azok a történetek, amelyek valóban megkülönböztetik a szolgáltatást.

A generált kép nem helyettesíti a valóságot

Egy nem létező szobát, medencét, kilátást vagy tájrészletet bemutató kép nem egyszerűen kreatív megoldás. Félrevezetheti a vendéget, fogyasztóvédelmi problémát okozhat, és rombolhatja a bizalmat. Generált kép használható illusztrációként vagy hangulati elemként, amennyiben ezt egyértelműen jelezzük. Egy ténylegesen megvásárolható szolgáltatás bemutatására azonban valós fényképet kell használni.

A greenwashing is gyorsabbá válhat

Fenntarthatóságról szóló szöveget ma néhány perc alatt lehet készíteni. A működés méréséhez azonban továbbra is adatokra van szükség.

Ha egy környezeti állítás mögött nincs mérés, dokumentum vagy ellenőrizhető eredmény, akkor az AI nem fenntarthatóbbá teszi a vállalkozást, hanem csak gyorsabban állít elő megalapozatlan zöld üzeneteket. Ez üzleti és jogi kockázat is. A környezeti állításokat egyre szigorúbban vizsgálják, ezért minden kommunikált eredménynek bizonyíthatónak és pontosan megfogalmazottnak kell lennie.

A rendszer azt erősíti, amit célként megadunk

Ha egy kampány kizárólag a foglalások számát vagy az azonnali bevételt próbálja növelni, valószínűleg a legnépszerűbb időszakokat és termékeket fogja tovább erősíteni. Ezeknél a legegyszerűbb jó eredményt elérni.

A fenntarthatóság csak akkor jelenik meg a döntésekben, ha a mérőszámok közé is bekerül.

Ilyen mérőszám lehet például:

az elő- és utószezoni foglalások aránya;
az átlagos tartózkodási idő;
a helyi vállalkozásoknál elköltött összeg;
a kevésbé látogatott helyszínek forgalma;
a tömegközlekedéssel érkező vendégek aránya;
vagy az egy vendégéjszakára jutó energia- és vízfelhasználás.

Ugyanaz az AI-rendszer egészen más javaslatot adhat, ha nemcsak a foglalások számát, hanem ezeket a szempontokat is figyelembe kell vennie.

Hol működik már ma is jól az AI?

Kereslet-előrejelzés és kapacitástervezés

A korábbi foglalási adatok, az eseménynaptár, az időjárás, a közlekedési információk és más tényezők alapján pontosabb előrejelzés készülhet a várható keresletről.

Ez segíthet:

a munkaerő-beosztásban;
a készletek tervezésében;
a közlekedési kapacitások alakításában;
a látogatási idősávok kialakításában;
és a túlterhelt időpontok korai felismerésében.

Az előrejelzés nem szünteti meg a zsúfoltságot, de korábban láthatóvá teheti a problémát, így több idő marad a beavatkozásra.

Élelmiszer-pazarlás csökkentése

Az AI-alapú képfelismerő és mérőrendszerek azonosítani tudják, milyen ételből és milyen időszakban keletkezik a legtöbb hulladék. Ezek az adatok segítik a konyhákat a beszerzés, az adagok és az ételkínálat módosításában. A Hilton 2025-ös Green Ramadan programjában 45 szálloda vett részt 14 országban. A program során a tányérokon maradó étel mennyisége 26 százalékkal csökkent, és több mint 2,6 tonna élelmiszer-hulladék keletkezését sikerült elkerülni. A kezdeményezésben a Winnow AI-alapú mérési technológiáját is használták (Hilton, 2025). Ez jó példa arra, amikor a környezeti és az üzleti érdek közvetlenül találkozik: kevesebb étel kerül a hulladékba, miközben a beszerzési költség is mérséklődik.

Energia- és vízfelhasználás

Az intelligens rendszerek segíthetnek a fűtés, a hűtés és a szellőztetés szabályozásában. Felismerhetik a szokatlan fogyasztást, a szivárgást, a rosszul működő berendezéseket vagy a szükségtelenül üzemelő eszközöket.

A cél nem az, hogy a vendég kényelme romoljon, hanem hogy a rendszer ne használjon energiát ott és akkor, amikor nincs rá szükség.

Fenntarthatósági jelentések és tanúsítások előkészítése

Egy fenntarthatósági tanúsítás vagy audit jelentős dokumentációval jár. Szabályzatokat, számlákat, fogyasztási adatokat, fényképeket és más bizonyítékokat kell összegyűjteni, rendszerezni, majd az egyes követelményekhez rendelni.

Az AI ebben nem úgy segít, hogy „zöldebbnek” írja le a szolgáltatót. A hasznos feladat az, hogy felismerje és rendszerezze a rendelkezésre álló bizonyítékokat, jelezze a hiányzó adatokat, és támogassa a követelmények követését.

A végső megfelelőségi döntést azonban továbbra is felkészült szakembernek vagy auditornak kell meghoznia.

Amikor az AI ronthat a helyzeten

Az AI-ajánlások egyik problémája, hogy gyakran a már eleve népszerű helyeket teszik még láthatóbbá.

Lee és Pennington-Gray kutatási előtanulmánya egymillió modellezett amerikai belföldi utazás alapján azt találta, hogy a vizsgált nagy nyelvi modellek a valós turisztikai mintázatoknál szezonálisabb, egyenlőtlenebb és kevésbé változatos utazási áramlásokat hoztak létre. A rendszerek különösen a már népszerű úti célok és időszakok párosítását erősítették (Lee–Pennington-Gray, 2026).

Mivel előtanulmányról van szó, az eredményeket további kutatásoknak is meg kell erősíteniük, de a feltárt kockázat figyelmet érdemel.

Ha sokan ugyanattól a néhány rendszertől kérnek tanácsot, és ezek a rendszerek rendszeresen ugyanazokat a helyeket ajánlják, az tovább növelheti a zsúfoltságot.

A másik probléma a láthatatlanság.

Chen, Weng és Moro 2026-os előtanulmánya három nagy nyelvi modell étteremajánlásait vizsgálta öt amerikai város 304 városrészében. Még akkor is, amikor a modellek ellenőrzött, valós vendéglátóhelyek listájából választhattak, a helyek 47,5 százalékát egyszer sem ajánlották. A láthatatlanul maradó vállalkozások 31,9 százaléka mindhárom vizsgált modellcsaládnál ugyanaz volt (Chen–Weng–Moro, 2026).

Ez azt mutatja, hogy az AI nem egyszerűen összegyűjti a rendelkezésre álló információt. Válogat is közötte. Egyes helyeket rendszeresen előtérbe helyez, másokat alig vagy egyáltalán nem mutat meg.

Ez különösen a kisebb, kevés értékeléssel rendelkező vagy gyengébb digitális jelenlétű helyi vállalkozásokat hozhatja hátrányba.

Mit tehet az utazó?

Ne csak azt kérdezd meg, hova menj

Kérdezz rá arra is, mikor érdemes utazni, és melyik közeli alternatíva kevésbé zsúfolt. Hasznos kérdés lehet például:

„Mikor a legkevésbé zsúfolt ez a hely, és milyen hasonló programot találok a közelben?”

Gyakran többet teszünk a fenntarthatóságért azzal, hogy ugyanoda más időpontban utazunk, mint azzal, hogy egy újabb távoli úti célt keresünk.

Ellenőrizd a gyakorlati információkat

A nyitvatartást, a menetrendet, az árakat, a foglalási feltételeket és a tanúsítványok érvényességét mindig ellenőrizd az eredeti forrásban. Az AI meggyőzően tud közölni olyan adatot is, amely elavult vagy téves.

Tervezz kevesebb programot

Amennyiben az útvonaltervező tíz helyet ajánl egyetlen napra, kérd meg, hogy készítsen belőle hármat vagy négyet.

A kevesebb helyszín általában kevesebb helyi utazást, nyugodtabb programot és több valódi találkozást jelent. Az utazás környezeti terhelésében a közlekedés rendszerint jóval nagyobb tétel, mint az út megtervezéséhez használt néhány AI-kérdés.

Kérdezz vissza a fenntarthatósági állításokra

Amikor egy szállás vagy program fenntarthatónak nevezi magát, érdemes megkérdezni: Van-e független tanúsítványa? Ki adta ki? Meddig érvényes? Milyen adatokat mér? Milyen konkrét eredményt ért el?

Nagy különbség van egy független követelményrendszer alapján kiadott tanúsítvány és egy vállalkozás saját maga által készített „zöld” jelzése között.

Mit tehet a turisztikai vállalkozás?

Először legyenek rendben az adatok

Az AI csak abból tud dolgozni, ami digitálisan elérhető és értelmezhető.

Ha a honlapon pontatlan a nyitvatartás, hiányzik a cím vagy a földrajzi hely, nincs feltüntetve az akadálymentesség, és a szolgáltatások leírása nem egyértelmű, akkor az AI-rendszerek is hibás vagy hiányos információt adhatnak tovább.

Különösen fontos:

a pontos név, cím és elérhetőség;
az aktuális nyitvatartás;
az árak és foglalási feltételek;
a közlekedési lehetőségek;
az akadálymentességi információk;
a szolgáltatás megfelelő kategorizálása;
valamint a honlap strukturált adatokkal történő ellátása.

A jól karbantartott, gépek számára is értelmezhető adat ma már nemcsak keresőoptimalizálási kérdés. Az AI-alapú ajánlásokban való megjelenés egyik feltétele is lehet.

Előbb mérj, utána kommunikálj

Energia, víz, hulladék, helyi beszerzés, vendégéjszakák, közlekedés. Ezekből lehet valódi fenntarthatósági eredményt számítani.

Az AI segíthet az adatok rendezésében, az eltérések felismerésében és a jelentések elkészítésében. Nem szabad azonban arra használni, hogy mérés nélkül készítsen meggyőző környezeti állításokat.

Jó kezdőterület lehet:

az élelmiszer-hulladék;
a fűtés és hűtés ütemezése;
a mosodai folyamatok;
a vízszivárgás felismerése;
a készletezés;
vagy a beszerzés tervezése.

Ezeknél sokszor viszonylag gyorsan megjelenik az üzleti eredmény is.

Az AI javasoljon, az ember döntsön

Minden vendégeknek szóló szöveget, árazási javaslatot, fordítást és környezeti állítást ellenőrizzen ember.

Egy rosszul megadott ár, nyitvatartás vagy foglalási feltétel sokkal nagyobb kárt okozhat, mint amennyi időt az automatizálással megtakarítottunk.

Ne használj nagyobb rendszert a szükségesnél

Nem minden feladathoz kell a legnagyobb nyelvi modell, és nem minden kommunikációhoz szükséges AI-generált videó.

Egy rövid szöveg javításához, adatok osztályozásához vagy egyszerű összefoglalóhoz gyakran kisebb, takarékosabb rendszer is elegendő. Egy jó valós fénykép pedig sok esetben többet ér, mint egy energiaigényesen előállított, mesterséges videó.

Ez nemcsak környezeti kérdés. Költség és hatékonyság szempontjából is észszerű döntés.

Mire használjuk mi, az I-DEST-nél a mesterséges Intelligenciát?

Nem szeretnénk úgy tenni, mintha kívülről figyelnénk ezt a folyamatot. Az I-DEST fejlesztése és szakmai munkánk során mi is rendszeresen használunk mesterséges intelligenciát. Nem önálló döntéshozóként tekintünk rá, hanem olyan munkaeszközként, amely felgyorsíthat bizonyos folyamatokat, segíthet az összefüggések feltárásában, és csökkentheti az emberi figyelmetlenségből eredő hibák számát.

Előrejelzések és forgatókönyvek készítése

Keresleti idősorokat, szezonalitást, kapacitásterhelést és különböző fejlesztési forgatókönyveket elemzünk.

Az AI itt nem azért hasznos, mert tévedhetetlen választ ad. Abban segít, hogy rövid idő alatt sok változatot vizsgáljunk meg, és olyan összefüggéseket is észrevegyünk, amelyek kézi feldolgozással nehezebben lennének láthatók.

A bemenő adatok minősége azonban mindent meghatároz. Hibás vagy hiányos alapadatból a rendszer gyorsan készíthet hibás előrejelzést. Az AI ezért nem helyettesíti az adatellenőrzést, hanem még fontosabbá teszi azt.

Mire használjuk mi, az I-DEST-nél a mesterséges Intelligenciát?

Szoftverfejlesztés és hibakeresés

Az I-DEST technikai fejlesztésében is használunk mesterséges intelligenciát. Segítségével gyorsabban áttekinthetők a hosszabb kódrészletek, felismerhetők bizonyos logikai hibák, következetlenségek és biztonsági kockázatok, valamint egyszerűbben készíthetők tesztesetek. A cél nem az, hogy az AI emberi ellenőrzés nélkül programozza a rendszert. Arra használjuk, hogy több szempontból is átvizsgálhassuk a fejlesztéseket, hamarabb felismerjük a problémákat, és lehetőség szerint már azelőtt kijavítsuk őket, hogy a felhasználók találkoznának velük. Ez különösen fontos egy olyan összetett rendszer esetében, mint az I-DEST, ahol különböző adatforrások, nyelvek, felhasználói felületek, értékelési modulok és ajánlási funkciók kapcsolódnak egymáshoz. Egyetlen módosítás több másik funkció működésére is hatással lehet.

Az AI-alapú kódelemzés és tesztelés további ellenőrzési réteget ad a hagyományos fejlesztői és felhasználói tesztek mellé. Az AI használata ugyanakkor önmagában nem garantál hibamentes szoftvert. A gép által javasolt kód is tartalmazhat hibát, elavult megoldást vagy biztonsági problémát. Ezért minden lényeges módosítást fejlesztő ellenőriz, és a rendszer működését a bevezetés előtt tesztelni kell.

A cél tehát nem a fejlesztő kiváltása, hanem a hibák számának csökkentése, a tesztelés támogatása és a fejlesztési munka megbízhatóbbá tétele.

Fordítás és terminológiai ellenőrzés

Stratégiák, pályázati dokumentumok, turisztikai leírások és szabványok többnyelvű feldolgozására is használjuk az AI-t. A gépi fordítást minden szakmailag lényeges dokumentumnál emberi ellenőrzés követi. A turisztikai, fenntarthatósági és európai uniós szakszókincsben egyetlen rosszul fordított fogalom is megváltoztathatja egy mondat vagy követelmény értelmét. Az AI ugyanakkor segít abban, hogy egy hosszabb dokumentumban következetesen ugyanazokat a fogalmakat és megnevezéseket használjuk. A terminológiai következetesség különösen fontos a nemzetközi szabványok, tanúsítási követelmények és többnyelvű digitális felületek esetében. Mindemellett az AI biztosítja az I-DEST soknyelvű elérhetőségét annak érdekében, hogy a desztinációknak, szolgáltatóknak ne kelljen sok ynelven feltöltenie az adatokat a rendszerbe - mindenki csak annyit dolgozzon, amennyit minimum szükséges.

Marketing és tartalomkészítés

Az AI segít az első szövegváltozatok, a többnyelvű tartalmak és a különböző célcsoportoknak szóló kommunikáció előkészítésében.

A használat során néhány egyszerű szabályt követünk:

saját hangnemben kommunikálunk;
ellenőrizhető, valós adatokból dolgozunk;
a végleges tartalmat ember hagyja jóvá;
a fenntarthatósági állításokat bizonyítékhoz kötjük;
és nemcsak a kattintást vagy a foglalást tekintjük eredménynek.

A marketingben az AI fenntarthatósági hatását nagyrészt az határozza meg, milyen célokat adunk a rendszernek. Ha kizárólag a rövid távú konverzió számít, az algoritmus könnyen a már eleve népszerű időszakokat és helyszíneket erősíti tovább. Ha azonban a szezonalitás, a területi eloszlás vagy a helyi szolgáltatók láthatósága is megjelenik a célok között, más típusú kampányok és ajánlások készülhetnek. Néha, nagyon ritkán a mestreséges Intelligencia segít a különböző poszterek, hirdetésekhez használt összefoglalók elkészítésében is.

Az I-DEST fejlesztési iránya

Az I-DEST-nél arra törekszünk, hogy az AI ellenőrzött adatokra és azonosítható forrásokra építse a válaszait, ne kizárólag a nyelvi modell belső tudására.

A fenntarthatósági értékelést nem saját benyomásokhoz, hanem nemzetközileg elfogadott követelményrendszerekhez kapcsoljuk. Ezért dolgozzuk fel gépi formában a Global Sustainable Tourism Council, vagyis a GSTC desztinációkra és turisztikai szolgáltatókra vonatkozó kritériumait.

Az önértékelés célja nem az, hogy automatikusan kedvező képet adjon a felhasználóról. A rendszernek azt kell megmutatnia:

mely követelmény teljesül;
milyen bizonyíték támasztja ezt alá;
mely adat vagy dokumentum hiányzik;
és hol van szükség további intézkedésre.

Az ajánlásokban az időzítés, a szezonalitás, a közlekedés környezeti terhelése és a területi koncentráció figyelembevétele is fontos.

A Müncheni Műszaki Egyetem kutatói olyan turisztikai ajánlórendszert dolgoztak ki, amely a felhasználói igények mellett a közlekedési módok szén-dioxid-kibocsátását, a célpont népszerűségét és a szezonalitást is beépíti az ajánlásokba (Banerjee et al., 2025).

Egy kapcsolódó felhasználói vizsgálat szerint a jól látható kibocsátási, népszerűségi és szezonalitási információk befolyásolhatják az utazók választását. A résztvevők nagyobb valószínűséggel választottak alacsonyabb kibocsátású közlekedési módot, illetve kevésbé zsúfolt vagy az adott időszakhoz jobban illeszkedő úti célt, ha ezeket az információkat egyértelműen megjelenítették számukra (Banerjee–Mahmudov–Wörndl, 2024).

Ez fontos tanulság. A fenntarthatóság nem feltétlenül korlátozás. Megfelelő adatokkal és jól meghatározott célokkal az AI olyan lehetőségeket is megmutathat, amelyek az utazónak, a helyi közösségnek és a vállalkozásoknak egyaránt kedvezőbbek.

Nem az AI, hanem mi döntjük el, miylen turizmust építünk

A mesterséges intelligencia környezeti terhelése valós. Ugyanakkor a turizmus legnagyobb környezeti terhei továbbra is elsősorban az utazáshoz, a közlekedéshez, az épületek működtetéséhez, a fogyasztáshoz és a népszerű helyek időszakos túlterheléséhez kapcsolódnak.

Az AI haszna is valós, de nem automatikus.

Ugyanaz a rendszer segíthet elkerülni egy zsúfolt helyszínt, vagy még több látogatót küldhet oda. Segíthet megtalálni egy helyi vállalkozást, vagy láthatatlanná teheti. Csökkentheti az élelmiszer-hulladékot, vagy előállíthat egy jól hangzó, de adatokkal alá nem támasztott fenntarthatósági kampányt.

A döntő kérdés nem az, hogy AI vagy fenntarthatóság.

Az számít, milyen adatokból dolgozik a rendszer, mit kérünk tőle, milyen célokat állítunk be, és ki ellenőrzi az eredményt.

Ez nem csupán technológiai kérdés. Szakmai és vezetői döntés.

Éppen ezért a desztinációk, a turisztikai vállalkozások és az utazók is alakíthatják, hogy a mesterséges intelligencia a turizmus további koncentrációját vagy egy kiegyensúlyozottabb, hozzáférhetőbb és takarékosabb működést szolgálja.

Nem az AI, hanem mi döntjük el, miylen turizmust építünk

Nyilatkozat

Jelen blogbejegyzéshez egyetlen új képet sem generáltunk a mesterséges Intelligenciával, minden felhasznált kép - dokumentált formában, a forráskódban feltüntetve a forrást - már korábban közzétett forrásból származik, hiszen az I-DEST-nél csak akkor használjuk az AI-t, amikor annak valóban hozzáadott értéke van.

Felhasznált források

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. Kutatási előtanulmány.

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. A Hilton, a UNEP West Asia és a Winnow együttműködésében megvalósított program eredményei.

International Energy Agency – IEA (2025): Energy and AI. Az adatközpontok energiafelhasználására és a 2030-ig várható növekedésre vonatkozó elemzés.

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. Kutatási előtanulmány.

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 és GSTC Destination Criteria. A desztinációkra, szálláshelyekre és turisztikai szolgáltatókra vonatkozó nemzetközi fenntarthatósági követelményrendszerek.