AI i održivi turizam – što je na vagi?

nedjelja, 26. srpnja 2026. 07:21

Danas je gotovo nemoguće zamisliti turističku konferenciju na kojoj se ne spominje kako umjetna inteligencija temeljno mijenja način rada u sektoru. Nekoliko prezentacija kasnije obično se spominje i to da AI troši puno energije, zahtijeva vodu za hlađenje podatkovnih centara i kontinuirano povećava potražnju za IT infrastrukturom. Obje tvrdnje su točne. Umjetna inteligencija ima utjecaj na okoliš, ali istovremeno omogućuje pristup znanju i alatima koji su prije bili nedostupni mnogim turističkim poduzećima. Stoga pravo pitanje nije je li AI dobar ili loš. Puno je važnije kako ga koristimo, na temelju kojih podataka radi i koje ciljeve mu postavljamo.

Razvijajući I-DEST, i mi radimo u ovom dualizmu. Stvaramo digitalna rješenja koja koriste umjetnu inteligenciju, dok istovremeno nastojimo podržati održivije poslovanje destinacija i turističkih pružatelja usluga. Upravo zato ne možemo izbjeći pitanje kakvu cijenu plaćamo za korištenje tehnologije i što zauzvrat dobivamo.

Koliko to sve košta planetu?

Prema Međunarodnoj agenciji za energiju (IEA), svjetski podatkovni centri će 2024. godine potrošiti oko 415 teravat-sati električne energije. To je otprilike 1,5 posto globalne potrošnje električne energije. Prema osnovnom scenariju, potrošnja bi do 2030. mogla dosegnuti 945 teravat-sati, što je više nego dvostruko više i činilo bi gotovo 3 posto ukupne svjetske potrošnje električne energije. (IEA, 2025)

Jedan od glavnih pokretača ovog rasta je AI, iako podatkovni centri naravno ne služe isključivo sustavima umjetne inteligencije. Cloud usluge, online videozapisi, poslovni IT sustavi i mnoge druge digitalne usluge također zahtijevaju značajne kapacitete.

Međutim, utjecaj jednog AI upita na okoliš može biti znatno manji nego što su to ranije procjene sugerirale.

Prema operativnim mjerenjima koje je Google objavio u kolovozu 2025., obrada prosječnog, točnije medijanskog Gemini tekstualnog upita:

trošila je 0,24 vat-sati energije,
proizvela 0,03 grama ekvivalenta ugljičnog dioksida,
i zahtijevala otprilike 0,26 mililitara vode.

Potrošnja energije bila je otprilike jednaka polovici potrošnje devet sekundi gledanja televizije, dok je količina vode odgovarala otprilike pet kapi. (Elsworth et al., 2025)

Ove podatke ipak treba uzeti s oprezom. Mjerenje se odnosilo na specifičnu uslugu, Gemini tekstualne upite, i ne može se automatski primijeniti na sve AI sustave, složene istraživačke zadatke, generiranje slika ili videa. Osim toga, izračun ne pokazuje u potpunosti ekološki teret razvoja modela, njihovog treniranja, proizvodnje hardvera i izgradnje podatkovnih centara. Googleove rezultate kritizirali su i neovisni stručnjaci jer način izračuna neizravne potrošnje vode i emisija može značajno utjecati na konačni rezultat.

Obje tvrdnje stoga nisu međusobno kontradiktorne. Utjecaj jednog kratkog upita može biti zanemariv, dok milijarde upita već nisu. Sustavi postaju sve učinkovitiji, ali njihova upotreba također se izuzetno brzo širi. Zbog toga ukupna potrošnja energije i vode može rasti čak i ako je za obavljanje pojedinog zadatka potrebno sve manje resursa.

Osim toga, kod potrošnje vode nije važna samo globalna količina. Bitno je i gdje se podatkovni centar nalazi. Ista potreba za vodom ima sasvim drugačije posljedice u kišovitom području nego u regiji koja se redovito suočava s nedostatkom vode.

Životni ciklus hardvera također se ne smije zanemariti. Proizvodnja visokoučinkovitih čipova zahtijeva sirovine, vodu i energiju, a brza zamjena uređaja povećava količinu elektroničkog otpada.

Što dobivamo zauzvrat?

Koristi umjetne inteligencije u turizmu nisu nužno najzanimljivije kod velikih međunarodnih kompanija. Mnogo značajnije promjene može donijeti manjim pružateljima usluga. Mali pansion s nekoliko soba, obiteljski restoran ili lokalni organizator programa često nisu koristili višejezičnu komunikaciju, redovito analizirali recenzije gostiju ili izrađivali detaljne izvještaje o održivosti jer nisu imali odgovarajuće osoblje ili vanjske stručnjake.

Danas se dio tih zadataka može obaviti s jednim laptopom. AI ne zamjenjuje stručno znanje, ali može značajno smanjiti troškove i vrijeme potrebne za prve korake.

Jedno od važnih područja društvene koristi je pristupačnost. Uz pomoć umjetne inteligencije lakše se mogu izraditi:

prijevodi u stvarnom vremenu ili brzi prijevodi;
informacije napisane jednostavnim jezikom;
sadržaji koji se mogu čitati naglas;
opisi slika za osobe s oštećenjem vida;
informacije prilagođene različitim potrebama;
pregledi sastavljeni od podataka o pristupačnosti.

Ovi zadaci često su izostajali jer ih pružatelji usluga nisu mogli financirati.

U turizmu koji se suočava s nedostatkom radne snage, automatizacija administracije također može biti korisna. To ne znači nužno zamjenu zaposlenika, već oslobađanje vremena. Manje vremena troši se na popunjavanje tablica, sastavljanje ponavljajućih pisama ili organizaciju podataka, a više ga ostaje za goste.

Ovo vrijedi samo ako uprava poduzeća zaista koristi tehnologiju na taj način. AI je jednako sposoban podržati zaposlenike kao i pojačati nadzor nad njima ili smanjiti broj radnih mjesta. Tehnologija sama po sebi ne odlučuje koji ćemo smjer odabrati.

Predstavljanje kulturne baštine također nudi mnoge mogućnosti. Povijesne zbirke, stare fotografije, etnografski zapisi, dijalektni materijali i duge monografije mogu postati pretraživi. Povijest jednog mjesta tako može biti uključena u tematsku šetnju, audiovodič ili školski program.

Međutim, stručna literatura mnogo je opreznija u vezi s održivim prednostima AI-a nego marketinški materijali tehnoloških kompanija. Pregled Gösslinga i Meija iz 2025. godine ističe kako se puno govori o mogućnostima, ali još uvijek postoji relativno malo pouzdanih dokaza o stvarnim, dugoročnim održivim rezultatima. Autori također upozoravaju da AI može pojačati koncentraciju podataka, nadzor nad potrošačima i daljnju intenzifikaciju turizma (Gössling–Mei, 2025).

Sustavni pregled 213 znanstvenih publikacija pokazao je da se istraživanja o inteligentnoj automatizaciji u turizmu uglavnom bave iskustvom posjetitelja, očuvanjem baštine, kvalitetom života, mjerenjem iskustava posjetitelja i zaštitom okoliša. Međutim, praktičnom mjerenju utjecaja na okoliš do sada je posvećeno manje pažnje nego ekonomskim i društvenim pitanjima (Majid et al., 2023).

Marketing kao prva točka susreta

Većina turističkih poduzeća danas se prvi put susreće s umjetnom inteligencijom u marketingu. Koristi se za pisanje tekstova, prevođenje, izradu objava na društvenim mrežama, biltene, stvaranje slika i odgovaranje na recenzije gostiju. Razlog za to je razumljiv. Rezultati su odmah vidljivi, korištenje je relativno jednostavno i obično nije potrebna posebna IT infrastruktura.

Međutim, iz perspektive održivosti, marketing je mnogo važniji od brže izrade Facebook objave. Komunikacija može značajno utjecati na to: tko dolazi na određeno mjesto; kada putuju; koliko dugo ostaju; koje atrakcije posjećuju i gdje troše svoj novac.

Dobro osmišljena proljetna ili jesenska kampanja, na primjer, može smanjiti opterećenje tijekom ljetne sezone. Predstavljanje manje poznatog dijela grada ili lokalnog poduzeća može pomoći da se posjetitelji ne koncentriraju na nekoliko istih mjesta. AI omogućuje i manjim pružateljima usluga ili turističkim organizacijama da kreiraju različite poruke za različite ciljne skupine. Drugačiji sadržaji mogu se obratiti onima koji žele putovati u mirnijem razdoblju, obiteljima s malom djecom, biciklistima ili onima koji traže lokalnu hranu i proizvođače.

Višejezična komunikacija također može postati jeftinija i brža. Ovo može biti posebno korisno za manja emitivna tržišta za koja ranije nije bilo budžeta za marketing.

AI može pomoći i u predstavljanju manje poznatih atrakcija, lokalnih priča i manjih pružatelja usluga. Na mnogim web stranicama destinacija nalaze se detaljni opisi najpoznatijih atrakcija, dok se manje vrijednosti jedva spominju. Tehnologija može ubrzati obradu informacija, ali lokalno znanje i autentične priče i dalje moraju dodati ljudi.

Najvažniji rizici marketinga

Sva mjesta počinju zvučati isto

Ako svi pružatelji usluga koriste isti AI alat sličnim uputama, uskoro će svaki smještaj biti „ugodan”, svako mjesto „skriveni dragulj”, a svaki program „nezaboravno iskustvo”. Međutim, u turizmu je upravo karakter mjesta jedna od najvećih vrijednosti.

Zato je korisno izraditi vlastiti jezični vodič. U njemu mogu biti izrazi karakteristični za mjesto, željeni ton komunikacije, izbjegnuti klišeji i priče koje zaista razlikuju uslugu.

Generirana slika ne zamjenjuje stvarnost

Slika koja prikazuje nepostojeću sobu, bazen, pogled ili krajolik nije samo kreativno rješenje. Može dovesti u zabludu gosta, uzrokovati probleme s pravima potrošača i narušiti povjerenje. Generirane slike mogu se koristiti kao ilustracije ili elementi atmosfere, pod uvjetom da je to jasno naznačeno. Međutim, za predstavljanje stvarno dostupne usluge treba koristiti stvarne fotografije.

Greenwashing može postati brži

Tekst o održivosti danas se može izraditi za nekoliko minuta. Međutim, za mjerenje učinka i dalje su potrebni podaci.

Ako iza tvrdnje o okolišu ne stoji mjerenje, dokumentacija ili provjerljivi rezultati, AI ne čini poduzeće održivijim, već samo brže proizvodi neutemeljene zelene poruke. To je poslovni i pravni rizik. Tvrdnje o okolišu sve se strože ispituju, stoga svaki komunicirani rezultat mora biti provjerljiv i precizno formuliran.

Sustav jača ono što postavimo kao cilj

Ako kampanja pokušava povećati samo broj rezervacija ili trenutni prihod, vjerojatno će dodatno jačati najpopularnija razdoblja i proizvode. Kod njih je najlakše postići dobre rezultate.

Održivost se pojavljuje u odlukama samo ako je uključena među mjerne pokazatelje.

Primjeri takvih pokazatelja mogu biti:

udio rezervacija izvan glavne sezone;
prosječno trajanje boravka;
iznos potrošen kod lokalnih poduzeća;
promet na manje posjećenim lokacijama;
udio gostiju koji dolaze javnim prijevozom;
ili potrošnja energije i vode po noćenju.

Isti AI sustav može dati potpuno drugačije prijedloge ako mora uzeti u obzir ne samo broj rezervacija, već i ove aspekte.

Gdje AI već danas dobro funkcionira?

Predviđanje potražnje i planiranje kapaciteta

Na temelju prethodnih podataka o rezervacijama, kalendara događanja, vremenskih uvjeta, prometnih informacija i drugih čimbenika, može se izraditi preciznija prognoza očekivane potražnje.

To može pomoći u:

rasporedu radne snage;
planiranju zaliha;
prilagodbi prometnih kapaciteta;
organizaciji vremenskih intervala za posjete;
i ranom prepoznavanju preopterećenih razdoblja.

Predviđanje ne uklanja gužve, ali može ranije ukazati na problem, ostavljajući više vremena za intervenciju.

Smanjenje bacanja hrane

AI sustavi za prepoznavanje i mjerenje slika mogu identificirati koje vrste hrane i u kojim razdobljima stvaraju najviše otpada. Ovi podaci pomažu kuhinjama u prilagodbi nabave, porcija i ponude jela. U programu Green Ramadan 2025. godine, u kojem je sudjelovalo 45 hotela u 14 zemalja, količina hrane koja ostaje na tanjurima smanjena je za 26 posto, čime je izbjegnuto stvaranje više od 2,6 tona otpada. U inicijativi je korištena i Winnow AI tehnologija za mjerenje (Hilton, 2025). Ovo je dobar primjer kada se ekološki i poslovni interesi izravno susreću: manje hrane završava u otpadu, dok se troškovi nabave smanjuju.

Potrošnja energije i vode

Inteligentni sustavi mogu pomoći u regulaciji grijanja, hlađenja i ventilacije. Mogu prepoznati neuobičajenu potrošnju, curenje, neispravne uređaje ili uređaje koji rade nepotrebno.

Cilj nije smanjenje udobnosti gostiju, već da sustav ne koristi energiju tamo i tada gdje nije potrebna.

Priprema izvještaja i certifikata o održivosti

Certifikacija ili revizija održivosti zahtijeva značajnu dokumentaciju. Potrebno je prikupiti pravilnike, račune, podatke o potrošnji, fotografije i druge dokaze, organizirati ih i povezati s pojedinim zahtjevima.

AI ovdje pomaže ne tako da „zelenije” prikaže pružatelja usluga, već tako da prepozna i organizira dostupne dokaze, ukaže na nedostatne podatke i podrži praćenje zahtjeva.

Konačnu odluku o usklađenosti ipak mora donijeti kvalificirani stručnjak ili revizor.

Kada AI pogoršava situaciju

Jedan od problema AI preporuka je što često dodatno ističu već popularna mjesta.

Preliminarna studija Leeja i Pennington-Graya, temeljena na milijun modeliranih domaćih putovanja u SAD-u, pokazala je da su ispitani veliki jezični modeli stvorili sezonskije, neravnomjernije i manje raznolike turističke tokove od stvarnih obrazaca. Sustavi su posebno jačali kombinacije već popularnih destinacija i razdoblja (Lee–Pennington-Gray, 2026).

Budući da se radi o preliminarnoj studiji, rezultate trebaju potvrditi daljnja istraživanja, ali otkriveni rizik zaslužuje pažnju.

Ako mnogi traže savjete od istih nekoliko sustava, a ti sustavi redovito preporučuju ista mjesta, to može dodatno povećati gužve.

Drugi problem je nevidljivost.

Preliminarna studija Chena, Wenga i Mora iz 2026. godine analizirala je AI preporuke restorana u pet američkih gradova i 304 gradske četvrti. Čak i kada su modeli mogli birati iz kontroliranog popisa stvarnih ugostiteljskih objekata, 47,5 posto mjesta nije bilo preporučeno niti jednom. Kod 31,9 posto tih mjesta, svi ispitani modeli donosili su isti rezultat (Chen–Weng–Moro, 2026).

Ovo pokazuje da AI ne samo da prikuplja dostupne informacije, već ih i selektira. Neka mjesta redovito stavlja u prvi plan, dok druga jedva ili uopće ne prikazuje.

Ovo može posebno ugroziti manje lokalne poduzetnike s manje recenzija ili slabijom digitalnom prisutnošću.

Što može učiniti putnik?

Ne pitaj samo kamo ići

Pitaj i kada je najbolje putovati i koja je manje gužvovita alternativa u blizini. Korisno pitanje može biti:

„Kada je ovo mjesto najmanje gužvovito i koji sličan program mogu pronaći u blizini?”

Često više činimo za održivost putujući na isto mjesto u drugo vrijeme nego tražeći novu udaljenu destinaciju.

Provjeri praktične informacije

Uvijek provjeri radno vrijeme, raspored, cijene, uvjete rezervacije i valjanost certifikata na izvornom izvoru. AI može uvjerljivo iznijeti podatke koji su zastarjeli ili netočni.

Planiraj manje programa

Ako planer putovanja preporuči deset mjesta za jedan dan, zamoli ga da ih smanji na tri ili četiri.

Manje lokacija obično znači manje lokalnih putovanja, opušteniji program i više stvarnih susreta. U ekološkom opterećenju putovanja prijevoz često ima puno veći udio od nekoliko AI upita potrebnih za planiranje puta.

Propituj tvrdnje o održivosti

Kada smještaj ili program tvrdi da je održiv, vrijedi pitati: Ima li neovisni certifikat? Tko ga je izdao? Koliko dugo vrijedi? Koje podatke mjeri? Koje konkretne rezultate je postigao?

Velika je razlika između certifikata izdanog prema neovisnim standardima i vlastite „zelene” oznake poduzeća.

Što može učiniti turističko poduzeće?

Prvo osiguraj točne podatke

AI može raditi samo s onim što je digitalno dostupno i razumljivo.

Ako na web stranici radno vrijeme nije točno, nedostaje adresa ili geografska lokacija, nema informacija o pristupačnosti, a opis usluga nije jasan, AI sustavi također mogu prenijeti netočne ili nepotpune informacije.

Posebno je važno:

točno ime, adresa i kontakt;
trenutno radno vrijeme;
cijene i uvjeti rezervacije;
mogućnosti prijevoza;
informacije o pristupačnosti;
odgovarajuća kategorizacija usluge;
i strukturirani podaci na web stranici.

Dobro održavani podaci, razumljivi i strojevima, danas nisu samo pitanje optimizacije za pretraživače. Oni mogu biti i uvjet za pojavljivanje u AI preporukama.

Prvo mjeri, pa komuniciraj

Energija, voda, otpad, lokalna nabava, noćenja, prijevoz. Na temelju tih podataka mogu se izračunati stvarni rezultati održivosti.

AI može pomoći u organizaciji podataka, prepoznavanju odstupanja i izradi izvještaja. Međutim, ne smije se koristiti za izradu uvjerljivih tvrdnji o okolišu bez mjerenja.

Dobra početna područja mogu biti:

otpad od hrane;
raspored grijanja i hlađenja;
procesi u praonici rublja;
prepoznavanje curenja vode;
upravljanje zalihama;
ili planiranje nabave.

Na tim područjima često se brzo vide i poslovni rezultati.

AI neka predlaže, čovjek neka odlučuje

Sve tekstove za goste, prijedloge cijena, prijevode i tvrdnje o okolišu treba provjeriti čovjek.

Loše postavljena cijena, radno vrijeme ili uvjeti rezervacije mogu uzrokovati puno veću štetu nego što je vremena ušteđeno automatizacijom.

Ne koristi veći sustav nego što je potrebno

Nisu svi zadaci potrebni najvećem jezičnom modelu, niti je za svaku komunikaciju potreban AI-generirani video.

Za ispravak kratkog teksta, klasifikaciju podataka ili jednostavan sažetak često je dovoljan manji, ekonomičniji sustav. Dobra stvarna fotografija često vrijedi više od energetski zahtjevnog umjetnog videa.

Ovo nije samo pitanje okoliša. To je i razumna odluka u smislu troškova i učinkovitosti.

Kako mi u I-DEST-u koristimo umjetnu inteligenciju?

Ne želimo se pretvarati da promatramo ovaj proces izvana. Tijekom razvoja I-DEST-a i našeg stručnog rada, i mi redovito koristimo umjetnu inteligenciju. Ne gledamo na nju kao na samostalnog donositelja odluka, već kao na alat koji može ubrzati određene procese, pomoći u otkrivanju povezanosti i smanjiti broj pogrešaka uzrokovanih ljudskom nepažnjom.

Izrada prognoza i scenarija

Analiziramo vremenske serije potražnje, sezonalnost, opterećenje kapaciteta i različite scenarije razvoja.

AI je ovdje koristan ne zato što daje nepogrešive odgovore. Pomaže nam da u kratkom vremenu ispitamo mnoge varijante i uočimo povezanosti koje bi ručnom obradom bile teže vidljive.

Kvaliteta ulaznih podataka ipak određuje sve. Pogrešni ili nepotpuni osnovni podaci mogu brzo dovesti do pogrešnih prognoza. Stoga AI ne zamjenjuje provjeru podataka, već je čini još važnijom.

Kako mi u I-DEST-u koristimo umjetnu inteligenciju?

Razvoj softvera i otkrivanje pogrešaka

AI koristimo i u tehničkom razvoju I-DEST-a. Pomaže nam u bržem pregledavanju duljih dijelova koda, prepoznavanju određenih logičkih pogrešaka, nedosljednosti i sigurnosnih rizika te jednostavnijem stvaranju testnih slučajeva. Cilj nije da AI samostalno programira sustav bez ljudske kontrole. Koristimo ga kako bismo iz više perspektiva pregledali razvoj, ranije prepoznali probleme i, ako je moguće, ispravili ih prije nego što ih korisnici primijete. Ovo je posebno važno za složeni sustav poput I-DEST-a, gdje se različiti izvori podataka, jezici, korisnička sučelja, moduli za ocjenjivanje i funkcije preporuka međusobno povezuju. Jedna izmjena može utjecati na rad više drugih funkcija.

AI analiza koda i testiranje dodaju dodatni sloj provjere uz tradicionalne testove programera i korisnika. Međutim, upotreba AI-a sama po sebi ne jamči softver bez pogrešaka. Kod koji predloži stroj također može sadržavati pogreške, zastarjela rješenja ili sigurnosne probleme. Stoga svaki značajniji prijedlog provjerava programer, a rad sustava testira se prije implementacije.

Cilj nije zamijeniti programera, već smanjiti broj pogrešaka, podržati testiranje i učiniti razvojni rad pouzdanijim.

Prijevod i provjera terminologije

AI koristimo za obradu strategija, natječajne dokumentacije, turističkih opisa i standarda na više jezika. Strojni prijevod svih stručnih dokumenata uvijek prati ljudska provjera. U turističkom, održivom i EU stručnom vokabularu jedna pogrešno prevedena riječ može promijeniti značenje rečenice ili zahtjeva. AI nam ipak pomaže da u duljim dokumentima dosljedno koristimo iste pojmove i nazive. Terminološka dosljednost posebno je važna kod međunarodnih standarda, zahtjeva za certifikaciju i višejezičnih digitalnih sučelja. Osim toga, AI osigurava višejezičnu dostupnost I-DEST-a kako destinacije i pružatelji usluga ne bi morali unositi podatke na više jezika – svatko radi samo onoliko koliko je minimalno potrebno.

Marketing i izrada sadržaja

AI pomaže u pripremi prvih verzija tekstova, višejezičnih sadržaja i komunikacije prilagođene različitim ciljnim skupinama.

Prilikom korištenja slijedimo nekoliko jednostavnih pravila:

komuniciramo vlastitim tonom;
radimo s provjerljivim, stvarnim podacima;
konačni sadržaj odobrava čovjek;
tvrdnje o održivosti povezujemo s dokazima;
i ne smatramo klikove ili rezervacije jedinim uspjehom.

Utjecaj AI-a na održivost u marketingu uvelike ovisi o ciljevima koje postavimo sustavu. Ako je važna samo kratkoročna konverzija, algoritam lako može dodatno ojačati već popularne periode i lokacije. Ako se, međutim, sezonalnost, prostorna distribucija ili vidljivost lokalnih pružatelja usluga također uključe među ciljeve, mogu se stvoriti drugačije kampanje i preporuke. Povremeno, vrlo rijetko, umjetna inteligencija pomaže i u izradi različitih plakata i sažetaka za oglase.

Razvojni smjer I-DEST-a

U I-DEST-u nastojimo osigurati da AI temelji svoje odgovore na provjerenim podacima i identificiranim izvorima, a ne samo na unutarnjem znanju jezičnog modela.

Procjenu održivosti ne povezujemo s osobnim dojmovima, već s međunarodno prihvaćenim standardima. Zato obrađujemo u strojnom formatu kriterije Globalnog vijeća za održivi turizam (GSTC) za destinacije i turističke pružatelje usluga.

Cilj samoprocjene nije automatski stvoriti povoljnu sliku o korisniku. Sustav treba pokazati:

koji je zahtjev ispunjen;
koji dokaz to podupire;
koji podaci ili dokumenti nedostaju;
i gdje su potrebne dodatne mjere.

U preporukama su važni i vremenska dimenzija, sezonalnost, ekološki utjecaj prijevoza i prostorna koncentracija.

Istraživači Tehničkog sveučilišta u Münchenu razvili su turistički preporučivački sustav koji uz korisničke potrebe uključuje i emisije ugljičnog dioksida različitih načina prijevoza, popularnost destinacije i sezonalnost (Banerjee et al., 2025).

Povezano korisničko istraživanje pokazalo je da jasno prikazane informacije o emisijama, popularnosti i sezonalnosti mogu utjecati na izbor putnika. Sudionici su češće birali prijevoz s nižim emisijama, manje gužvovite destinacije ili one koje bolje odgovaraju određenom razdoblju kada su te informacije bile jasno prikazane (Banerjee–Mahmudov–Wörndl, 2024).

Ovo je važna lekcija. Održivost nije nužno ograničenje. Uz odgovarajuće podatke i dobro definirane ciljeve, AI može pokazati mogućnosti koje su povoljnije i za putnike, i za lokalne zajednice, i za poduzeća.

Nije AI, već mi odlučujemo kakav turizam gradimo

Ekološki utjecaj umjetne inteligencije je stvaran. Međutim, najveći ekološki tereti turizma i dalje su prvenstveno povezani s putovanjima, prijevozom, radom zgrada, potrošnjom i sezonskim preopterećenjem popularnih mjesta.

Koristi AI-a također su stvarne, ali nisu automatske.

Isti sustav može pomoći izbjeći pretrpano mjesto ili poslati još više posjetitelja tamo. Može pomoći pronaći lokalno poduzeće ili ga učiniti nevidljivim. Može smanjiti otpad od hrane ili stvoriti uvjerljivu, ali neutemeljenu kampanju o održivosti.

Ključno pitanje nije AI ili održivost.

Važno je s kojim podacima sustav radi, što od njega tražimo, koje ciljeve postavljamo i tko provjerava rezultate.

Ovo nije samo tehnološko pitanje. To je stručna i upravljačka odluka.

Upravo zbog toga destinacije, turistička poduzeća i putnici također mogu oblikovati hoće li umjetna inteligencija služiti daljnjoj koncentraciji turizma ili uravnoteženijem, pristupačnijem i štedljivijem poslovanju.

Nije AI, već mi odlučujemo kakav turizam gradimo

Izjava

Za ovaj blog post nismo generirali niti jednu novu sliku pomoću umjetne inteligencije. Sve korištene slike - dokumentirane u izvornom kodu s navedenim izvorom - potječu iz ranije objavljenih izvora, jer u I-DEST-u koristimo AI samo kada on zaista ima dodanu vrijednost.

Korišteni izvori

Banerjee, A. – Mahmudov, T. – Adler, E. – Aisyah, F. N. – Wörndl, W. (2025): Modeliranje održivih gradskih putovanja: integracija emisija CO₂e, popularnosti i sezonalnosti u turističke preporučivačke sustave. Information Technology & Tourism, 27, 189–226. DOI: 10.1007/s40558-024-00303-1.

Banerjee, A. – Mahmudov, T. – Wörndl, W. (2024): Korisničko istraživanje sučelja za održive gradske preporuke putovanja. arXiv:2405.11243.

Chen, L. – Weng, G. – Moro, E. (2026): Veliki jezični modeli stvaraju neravnomjeran informacijski sloj nad gradovima. arXiv:2607.06260. Preliminarna studija.

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): Mjerenje ekološkog utjecaja isporuke AI-a u Googleovim razmjerima. arXiv:2508.15734.

Gössling, S. – Mei, X. Y. (2025): AI i održivi turizam: procjena rizika i prilika za SDG-ove. Current Issues in Tourism. DOI: 10.1080/13683500.2025.2477142.

Hilton (2025): Hilton proširuje inicijativu Green Ramadan u 2025. godini, postiže 26% smanjenje otpada na tanjurima tijekom svetog mjeseca. Rezultati programa provedenog u suradnji Hiltona, UNEP West Asia i Winnow-a.

Međunarodna agencija za energiju – IEA (2025): Energija i AI. Analiza potrošnje energije podatkovnih centara i očekivanog rasta do 2030. godine.

Lee, S. – Pennington-Gray, L. (2026): Veliki jezični modeli stvaraju neodržive turističke tokove: testiranje algoritamskih pristranosti pomoću Baseline-Rescaling-Outcome modela. DOI: 10.31235/osf.io/kqczf. Preliminarna studija.

Majid, G. M. – Tussyadiah, I. – Kim, Y. R. – Pal, A. (2023): Inteligentna automatizacija za održivi turizam: sustavni pregled. Journal of Sustainable Tourism, 31(11), 2421–2440. DOI: 10.1080/09669582.2023.2246681.

Globalno vijeće za održivi turizam – GSTC: GSTC Kriteriji za industriju i GSTC Kriteriji za destinacije. Međunarodni standardi održivosti za destinacije, smještaj i turističke pružatelje usluga.