AI in trajnostni turizem – kaj je na obeh straneh tehtnice?

nedelja, 26. julij 2026 07:21

Danes je skoraj nemogoče najti turistično konferenco, kjer ne bi slišali, da umetna inteligenca temeljito spreminja delovanje sektorja. Nekaj predavanj kasneje se običajno omeni tudi, da AI porabi veliko energije, potrebuje vodo za hlajenje podatkovnih centrov in nenehno povečuje povpraševanje po IT-infrastrukturi. Obe trditvi sta resnični. Umetna inteligenca ima okoljski vpliv, hkrati pa omogoča dostop do znanja in orodij, ki so bila prej za številna turistična podjetja nedosegljiva. Pravo vprašanje zato ni, ali je AI dober ali slab. Veliko bolj pomembno je, za kaj ga uporabljamo, na podlagi katerih podatkov deluje in kakšne cilje mu postavimo.

Pri razvoju I-DEST delamo tudi mi znotraj te dvojnosti. Razvijamo digitalne rešitve, ki uporabljajo umetno inteligenco, hkrati pa želimo podpirati trajnostnejše delovanje destinacij in turističnih ponudnikov. Zato se ne moremo izogniti vprašanju, kakšno ceno plačujemo za uporabo tehnologije in kaj v zameno pridobimo.

Koliko to stane planet?

Po izračunih Mednarodne agencije za energijo (IEA) so svetovni podatkovni centri leta 2024 porabili približno 415 teravatnih ur električne energije. To je predstavljalo približno 1,5 odstotka svetovne porabe električne energije. Po osnovnem scenariju bi lahko poraba do leta 2030 dosegla skoraj 945 teravatnih ur, kar pomeni več kot podvojitev in približno 3 odstotke svetovne porabe električne energije. (IEA, 2025)

Eden glavnih dejavnikov rasti je AI, čeprav podatkovni centri seveda ne podpirajo izključno sistemov umetne inteligence. Oblačne storitve, spletni videi, poslovni IT-sistemi in številne druge digitalne storitve prav tako zahtevajo znatne zmogljivosti.

Okoljski vpliv posameznega AI-poizvedovanja pa je lahko precej manjši od tistega, kar so nakazovale prejšnje splošne ocene.

Po operativnih meritvah, ki jih je Google objavil avgusta 2025, je obdelava povprečne, natančneje mediane Gemini-tekstovne poizvedbe:

porabila 0,24 vatne ure energije,
povzročila emisijo 0,03 grama ekvivalenta ogljikovega dioksida,
in zahtevala približno 0,26 mililitra vode.

Poraba energije je bila približno enaka devetim sekundam gledanja televizije, količina vode pa približno petim kapljicam. (Elsworth et al., 2025)

Te podatke je treba obravnavati previdno. Meritve so se nanašale na določeno storitev, Gemini tekstovne poizvedbe, in jih ni mogoče samodejno uporabiti za vse AI-sisteme, kompleksne raziskovalne naloge, generiranje slik ali videov. Poleg tega izračun ne prikazuje v celoti okoljskega bremena razvoja, učenja modelov, proizvodnje strojne opreme in gradnje podatkovnih centrov. Googlove rezultate so neodvisni strokovnjaki kritizirali tudi zato, ker lahko način izračuna posredne porabe vode in emisij bistveno vpliva na končni rezultat.

Ti dve trditvi torej nista v nasprotju. Okoljski vpliv ene same kratke poizvedbe je lahko majhen, vpliv več milijard poizvedb pa ni. Sistemi postajajo vse bolj učinkoviti, vendar se njihova uporaba hkrati izjemno hitro širi. Zaradi tega se lahko skupna poraba energije in vode poveča, tudi če posamezna naloga zahteva vse manj virov.

Poleg tega pri porabi vode ni pomembna le globalna količina. Pomembno je tudi, kje se nahaja podatkovni center. Enaka potreba po vodi ima povsem drugačne posledice v deževnem območju kot na območju, ki se redno sooča s pomanjkanjem vode.

Prav tako ni mogoče prezreti življenjskega cikla strojne opreme. Proizvodnja zmogljivih čipov zahteva surovine, vodo in energijo, hitro menjavanje naprav pa povečuje količino elektronskih odpadkov.

Kaj pridobimo v zameno?

Koristi umetne inteligence v turizmu niso nujno najbolj zanimive pri velikih mednarodnih podjetjih. Veliko bolj opazne spremembe lahko prinesejo manjšim ponudnikom. Majhen penzion, družinska restavracija ali lokalni organizator programov pogosto niso komunicirali v več jezikih, redno analizirali ocen gostov ali pripravljali podrobnih trajnostnih poročil, ker niso imeli ustreznega osebja ali zunanjih strokovnjakov.

Danes je mogoče del teh nalog opraviti že z enim samim prenosnikom. AI ne nadomešča strokovnega znanja, vendar lahko znatno zmanjša stroške in čas, potreben za prve korake.

Eden pomembnih družbenih koristi je dostopnost. Z umetno inteligenco je mogoče lažje pripraviti:

prevode v realnem času ali hitre prevode;
informacije, napisane v enostavnem jeziku;
vsebine za branje na glas;
opise slik za slepe in slabovidne;
informacije, prilagojene različnim potrebam;
preglede, sestavljene iz podatkov o dostopnosti.

Te naloge so pogosto ostale neizvedene, ker ponudniki niso mogli financirati njihove izvedbe.

V turizmu, ki se sooča s pomanjkanjem delovne sile, je lahko koristna tudi avtomatizacija administracije. To ne pomeni nujno zamenjave zaposlenih, temveč sprostitev časa. Manj časa se porabi za izpolnjevanje tabel, pisanje ponavljajočih se pisem ali urejanje podatkov, več pa ga ostane za goste.

To pa velja le, če vodstvo podjetja tehnologijo resnično uporablja za ta namen. AI je prav tako primeren za podporo zaposlenim kot za povečanje nadzora nad njimi ali zmanjšanje števila zaposlenih. Tehnologija sama po sebi ne določa, katero smer bomo izbrali.

Prav tako se skriva veliko možnosti v predstavitvi kulturne dediščine. Zbirke lokalne zgodovine, stare fotografije, etnografski posnetki, narečne vsebine in dolge monografije lahko postanejo iskalne. Zgodovina kraja se tako lahko vključi v tematsko pohodniško pot, avdiovodnik ali šolski program.

Strokovna literatura pa je glede trajnostnih prednosti AI veliko bolj previdna kot marketinški materiali tehnoloških podjetij. Pregled Gösslinga in Meija iz leta 2025 ugotavlja, da se veliko govori o možnostih, vendar je na voljo še razmeroma malo zanesljivih dokazov o dejanskih, dolgoročnih trajnostnih rezultatih. Avtorja opozarjata tudi, da lahko AI okrepi koncentracijo podatkov, spremljanje potrošnikov in nadaljnjo intenzivnost turizma (Gössling–Mei, 2025).

Sistematičen pregled 213 znanstvenih publikacij o inteligentni avtomatizaciji v turizmu ugotavlja, da se raziskave osredotočajo predvsem na izkušnje obiskovalcev, ohranjanje dediščine, kakovost življenja, merjenje izkušenj obiskovalcev in varovanje okolja. Vendar pa je bilo praktičnemu merjenju okoljskih vplivov doslej namenjeno manj pozornosti kot ekonomskim in družbenim vprašanjem (Majid et al., 2023).

Marketing kot prvi stik

Večina turističnih podjetij se danes prvič sreča z umetno inteligenco na področju marketinga. Uporablja jo za pisanje besedil, prevajanje, pripravo objav na družbenih omrežjih, novice, ustvarjanje slik in odgovarjanje na ocene gostov. Razlog za to je razumljiv. Rezultat je takoj viden, uporaba je razmeroma preprosta in običajno ni potrebna posebna IT-razvojna podpora.

Vendar pa je z vidika trajnosti marketing veliko pomembnejši od hitrejšega ustvarjanja Facebook objave. Komunikacija ima lahko velik vpliv na to, kdo pride na določeno mesto, kdaj potujejo, koliko časa tam preživijo, katere znamenitosti obiščejo in kje porabijo svoj denar.

Dobro zasnovana spomladanska ali jesenska kampanja lahko na primer zmanjša obremenitev v poletni sezoni. Predstavitev manj znanega dela kraja ali lokalnega podjetja pa lahko pomaga, da se obiskovalci ne zadržujejo le na nekaj najbolj obiskanih mestih. AI omogoča, da tudi manjši ponudniki ali turistične organizacije pripravijo sporočila za različne ciljne skupine. Različne vsebine lahko nagovarjajo tiste, ki želijo potovati v mirnejšem obdobju, družine z majhnimi otroki, kolesarje ali tiste, ki iščejo lokalno hrano in proizvajalce.

Večjezična komunikacija postaja prav tako cenejša in hitrejša. To je še posebej koristno za manjše trge, za katere prej ni bilo posebnega marketinškega proračuna.

AI lahko pomaga tudi pri predstavitvi manj znanih atrakcij, lokalnih zgodb in manjših ponudnikov. Na številnih spletnih straneh destinacij je o najbolj znanih znamenitostih na voljo več podrobnih opisov, medtem ko se manjše vrednote komaj pojavijo. Tehnologija lahko pospeši obdelavo informacij, vendar morajo lokalno znanje in verodostojne zgodbe še vedno prispevati ljudje.

Največja tveganja marketinga

Vsa mesta zvenijo enako

Če vsi ponudniki uporabljajo isto AI-orodje s podobnimi navodili, bodo kmalu vse nastanitve "prijetne", vsi kraji "skriti dragulji" in vsi programi "nepozabna doživetja". V turizmu pa je prav značaj kraja ena največjih vrednot.

Zato je priporočljivo pripraviti lasten jezikovni priročnik. Ta lahko vsebuje izraze, značilne za kraj, želeni ton, klišeje, ki se jim je treba izogniti, in zgodbe, ki resnično razlikujejo storitev.

Generirana slika ne nadomešča resničnosti

Slika, ki prikazuje neobstoječo sobo, bazen, razgled ali del pokrajine, ni zgolj kreativna rešitev. Lahko zavaja gosta, povzroči težave z varstvom potrošnikov in ruši zaupanje. Generirane slike se lahko uporabljajo kot ilustracije ali elementi vzdušja, če je to jasno označeno. Za predstavitev dejansko dostopnih storitev pa je treba uporabiti resnične fotografije.

Greenwashing postane hitrejši

Besedilo o trajnosti je danes mogoče pripraviti v nekaj minutah. Za merjenje delovanja pa so še vedno potrebni podatki.

Če za okoljsko trditvijo ni meritev, dokumentacije ali preverljivih rezultatov, AI ne naredi podjetja bolj trajnostnega, temveč le hitreje ustvari neutemeljena zelena sporočila. To predstavlja poslovno in pravno tveganje. Okoljske trditve so podvržene vse strožjim pregledom, zato morajo biti vsi komunicirani rezultati dokazljivi in natančno opredeljeni.

Sistem krepi tisto, kar določimo kot cilj

Če kampanja poskuša povečati zgolj število rezervacij ali takojšnje prihodke, bo verjetno še naprej krepila najbolj priljubljene sezone in izdelke. Pri teh je najlažje doseči dobre rezultate.

Trajnost se pojavi v odločitvah le, če je vključena tudi med merila uspešnosti.

Takšna merila so lahko na primer:

delež rezervacij v pred- in posezoni;
povprečno trajanje bivanja;
znesek, porabljen pri lokalnih podjetjih;
promet na manj obiskanih lokacijah;
delež gostov, ki pridejo z javnim prevozom;
ali poraba energije in vode na eno nočitev.

Isti AI-sistem lahko poda povsem drugačne predloge, če mora upoštevati ne le število rezervacij, temveč tudi te vidike.

Kje AI že danes dobro deluje?

Napovedovanje povpraševanja in načrtovanje zmogljivosti

Na podlagi preteklih podatkov o rezervacijah, koledarja dogodkov, vremena, prometnih informacij in drugih dejavnikov je mogoče pripraviti natančnejše napovedi o pričakovanem povpraševanju.

To lahko pomaga pri:

razporejanju delovne sile;
načrtovanju zalog;
prilagajanju prometnih zmogljivosti;
ustvarjanju časovnih intervalov za obiske;
in zgodnjem prepoznavanju preobremenjenih časovnih točk.

Napovedovanje ne odpravi gneče, vendar lahko težavo prikaže prej, kar omogoča več časa za ukrepanje.

Zmanjšanje zavržene hrane

Sistemi za prepoznavanje slik in merjenje, ki temeljijo na AI, lahko identificirajo, katera hrana in v katerem obdobju povzroča največ odpadkov. Ti podatki pomagajo kuhinjam prilagoditi nabavo, porcije in ponudbo jedi. V programu Green Ramadan, ki ga je Hilton izvedel leta 2025 v 45 hotelih v 14 državah, se je količina hrane, ki je ostala na krožnikih, zmanjšala za 26 odstotkov, s čimer so se izognili več kot 2,6 tonam živilskih odpadkov. Pobuda je uporabljala tudi tehnologijo za merjenje na osnovi AI podjetja Winnow (Hilton, 2025). To je dober primer, kjer se okoljski in poslovni interesi neposredno srečajo: manj hrane gre v odpadke, medtem ko se zmanjšajo tudi stroški nabave.

Poraba energije in vode

Inteligentni sistemi lahko pomagajo pri regulaciji ogrevanja, hlajenja in prezračevanja. Prepoznajo lahko nenavadno porabo, puščanje, slabo delujoče naprave ali naprave, ki delujejo po nepotrebnem.

Cilj ni zmanjšanje udobja gostov, temveč zagotoviti, da sistem ne porablja energije tam in takrat, ko to ni potrebno.

Priprava trajnostnih poročil in certifikatov

Pridobitev trajnostnega certifikata ali izvedba presoje zahteva obsežno dokumentacijo. Zbrati, urediti in povezati je treba pravilnike, račune, podatke o porabi, fotografije in druge dokaze z določenimi zahtevami.

AI pri tem ne pomaga tako, da "polepša" podobo ponudnika. Koristna naloga je prepoznavanje in urejanje razpoložljivih dokazov, opozarjanje na manjkajoče podatke in podpora pri sledenju zahtevam.

Končno odločitev o skladnosti pa mora še vedno sprejeti usposobljen strokovnjak ali revizor.

Ko AI poslabša situacijo

Eden od problemov AI-priporočil je, da pogosto še bolj izpostavijo že tako priljubljene kraje.

Predhodna študija Leeja in Pennington-Grayja, ki je temeljila na milijonu modeliranih domačih potovanj v ZDA, je pokazala, da so preučevani veliki jezikovni modeli ustvarili sezonske, neenakomerne in manj raznolike turistične tokove v primerjavi z dejanskimi vzorci. Sistemi so še posebej krepili povezave med že priljubljenimi destinacijami in obdobji (Lee–Pennington-Gray, 2026).

Ker gre za predhodno študijo, morajo rezultate potrditi nadaljnje raziskave, vendar si ugotovljeno tveganje zasluži pozornost.

Če veliko ljudi išče nasvete pri istih nekaj sistemih, ki redno priporočajo iste kraje, se lahko gneča še poveča.

Drugi problem je nevidnost.

Predhodna študija Chena, Wenga in Mora iz leta 2026 je analizirala priporočila treh velikih jezikovnih modelov za restavracije v petih ameriških mestih in 304 mestnih četrtih. Tudi ko so modeli lahko izbirali iz preverjenega seznama dejanskih gostinskih obratov, 47,5 odstotka krajev ni bilo nikoli priporočeno. 31,9 odstotka nevidnih podjetij je bilo enakih pri vseh treh preučevanih modelih (Chen–Weng–Moro, 2026).

To kaže, da AI ne le zbira razpoložljivih informacij, temveč jih tudi izbira. Nekatere kraje redno postavlja v ospredje, druge pa komaj ali sploh ne prikaže.

To lahko še posebej škoduje manjšim, manj ocenjenim ali šibkeje digitalno prisotnim lokalnim podjetjem.

Kaj lahko stori popotnik?

Ne sprašuj le, kam iti

Vprašaj tudi, kdaj je najbolje potovati in katera bližnja alternativa je manj obremenjena. Koristno vprašanje je na primer:

"Kdaj je ta kraj najmanj obremenjen in kakšen podoben program je na voljo v bližini?"

Pogosto naredimo več za trajnost, če na isto mesto potujemo v drugem času, kot če iščemo novo oddaljeno destinacijo.

Preveri praktične informacije

Delovni čas, vozni redi, cene, pogoji rezervacije in veljavnost certifikatov vedno preveri pri izvirnem viru. AI lahko prepričljivo posreduje tudi zastarele ali napačne podatke.

Načrtuj manj programov

Če načrtovalec poti priporoča deset krajev v enem dnevu, ga prosi, naj jih zmanjša na tri ali štiri.

Manj krajev običajno pomeni manj lokalnih potovanj, bolj sproščen program in več resničnih srečanj. Pri okoljskem vplivu potovanja je prevoz običajno veliko večji dejavnik kot nekaj AI-poizvedb za načrtovanje poti.

Vprašaj o trajnostnih trditvah

Ko nastanitev ali program zase trdi, da je trajnosten, je koristno vprašati: Ali ima neodvisen certifikat? Kdo ga je izdal? Do kdaj je veljaven? Katere podatke meri? Kakšne konkretne rezultate je dosegel?

Velika razlika je med certifikatom, izdanem na podlagi neodvisnega sistema zahtev, in "zeleno" oznako, ki jo podjetje pripravi samo.

Kaj lahko stori turistično podjetje?

Najprej poskrbi za urejene podatke

AI lahko deluje le z digitalno dostopnimi in razumljivimi podatki.

Če so na spletni strani napačni delovni časi, manjka naslov ali geografska lokacija, ni navedenih informacij o dostopnosti, in opisi storitev niso jasni, lahko AI-sistemi posredujejo napačne ali pomanjkljive informacije.

Zlasti pomembno je:

točno ime, naslov in kontaktni podatki;
aktualni delovni čas;
cene in pogoji rezervacije;
prometne možnosti;
informacije o dostopnosti;
ustrezna kategorizacija storitev;
ter opremljenost spletne strani s strukturiranimi podatki.

Dobro vzdrževani, za stroje razumljivi podatki danes niso le vprašanje optimizacije iskalnikov. Lahko so tudi pogoj za vključitev v AI-priporočila.

Najprej meri, nato komuniciraj

Energija, voda, odpadki, lokalni nakupi, nočitve, prevoz. Na podlagi teh podatkov je mogoče izračunati resnične trajnostne rezultate.

AI lahko pomaga pri urejanju podatkov, prepoznavanju odstopanj in pripravi poročil. Vendar ga ne smemo uporabljati za ustvarjanje prepričljivih okoljskih trditev brez meritev.

Dobra izhodišča so lahko:

živilski odpadki;
urniki ogrevanja in hlajenja;
postopki v pralnici;
prepoznavanje puščanja vode;
upravljanje zalog;
ali načrtovanje nabave.

Pri teh področjih se pogosto hitro pokažejo tudi poslovni rezultati.

AI naj predlaga, človek naj odloča

Vsa besedila za goste, cenovne predloge, prevode in okoljske trditve naj pregleda človek.

Napačno določena cena, delovni čas ali pogoji rezervacije lahko povzročijo veliko večjo škodo, kot jo prihranimo z avtomatizacijo.

Ne uporabljaj večjega sistema, kot je potrebno

Za vse naloge ni potreben največji jezikovni model, prav tako ni za vso komunikacijo potreben AI-generiran video.

Za popravljanje kratkih besedil, razvrščanje podatkov ali preproste povzetke je pogosto dovolj manjši, varčnejši sistem. Dobra resnična fotografija pa je v mnogih primerih vredna več kot energetsko zahtevno ustvarjen umetni video.

To ni le okoljsko vprašanje. Tudi z vidika stroškov in učinkovitosti je to smiselna odločitev.

Za kaj uporabljamo umetno inteligenco pri I-DEST?

Ne želimo se pretvarjati, da na ta proces gledamo od zunaj. Pri razvoju I-DEST in naši strokovni dejavnosti tudi sami redno uporabljamo umetno inteligenco. Ne obravnavamo je kot samostojnega odločevalca, temveč kot orodje, ki lahko pospeši določene procese, pomaga pri odkrivanju povezav in zmanjša število napak zaradi človeške nepazljivosti.

Priprava napovedi in scenarijev

Analiziramo časovne vrste povpraševanja, sezonskost, obremenitev zmogljivosti in različne razvojne scenarije.

AI je tukaj koristen ne zato, ker bi podal nezmotljiv odgovor. Pomaga nam, da v kratkem času preučimo veliko različic in opazimo povezave, ki bi jih z ročno obdelavo težje zaznali.

Kakovost vhodnih podatkov pa določa vse. Na podlagi napačnih ali nepopolnih osnovnih podatkov lahko sistem hitro pripravi napačno napoved. Zato AI ne nadomešča preverjanja podatkov, temveč ga naredi še pomembnejšega.

Za kaj uporabljamo umetno inteligenco pri I-DEST?

Razvoj programske opreme in iskanje napak

Pri tehničnem razvoju I-DEST uporabljamo tudi umetno inteligenco. Z njeno pomočjo lahko hitreje pregledamo daljše odseke kode, prepoznamo določene logične napake, nedoslednosti in varnostna tveganja ter lažje pripravimo testne primere. Cilj ni, da AI brez človeškega nadzora programira sistem. Uporabljamo ga za večplastno preverjanje razvoja, hitrejše prepoznavanje težav in njihovo odpravljanje, preden jih uporabniki opazijo. To je še posebej pomembno pri tako kompleksnem sistemu, kot je I-DEST, kjer se povezujejo različni viri podatkov, jeziki, uporabniški vmesniki, moduli za ocenjevanje in funkcije priporočanja. Ena sama sprememba lahko vpliva na delovanje več drugih funkcij.

AI-analiza kode in testiranje dodata dodatno plast preverjanja k tradicionalnim razvojnim in uporabniškim testom. Uporaba AI sama po sebi pa ne zagotavlja brezhibne programske opreme. Koda, ki jo predlaga AI, lahko vsebuje napake, zastarele rešitve ali varnostne težave. Zato mora vse pomembne spremembe preveriti razvijalec, sistem pa je treba pred uvedbo testirati.

Cilj torej ni nadomestiti razvijalca, temveč zmanjšati število napak, podpreti testiranje in narediti razvojno delo zanesljivejše.

Prevajanje in terminološko preverjanje

AI uporabljamo za obdelavo strategij, razpisne dokumentacije, turističnih opisov in standardov v več jezikih. Strojno prevajanje pri vseh strokovno pomembnih dokumentih spremlja človeško preverjanje. V turističnem, trajnostnem in evropskem strokovnem besedišču lahko že ena napačno prevedena beseda spremeni pomen stavka ali zahteve. AI pa pomaga, da v daljšem dokumentu dosledno uporabljamo iste izraze in poimenovanja. Terminološka doslednost je še posebej pomembna pri mednarodnih standardih, certifikacijskih zahtevah in večjezičnih digitalnih vmesnikih. Poleg tega AI zagotavlja večjezično dostopnost I-DEST, da destinacijam in ponudnikom ni treba vnašati podatkov v več jezikih – vsak dela le toliko, kolikor je nujno potrebno.

Marketing in priprava vsebin

AI pomaga pri pripravi prvih različic besedil, večjezičnih vsebin in komunikacije za različne ciljne skupine.

Pri uporabi sledimo nekaj preprostim pravilom:

komuniciramo v lastnem tonu;
delamo z preverljivimi, resničnimi podatki;
končno vsebino odobri človek;
trajnostne trditve povežemo z dokazi;
in za uspeh ne štejemo le klikov ali rezervacij.

V marketingu trajnostni vpliv AI v veliki meri določa, kakšne cilje postavimo sistemu. Če šteje le kratkoročna konverzija, algoritem zlahka še bolj okrepi že priljubljene sezone in kraje. Če pa so med cilji tudi sezonskost, teritorialna razpršenost ali vidnost lokalnih ponudnikov, lahko nastanejo drugačne kampanje in priporočila. Včasih, zelo redko, umetna inteligenca pomaga tudi pri pripravi povzetkov za različne plakate in oglase.

Razvojne smeri I-DEST

Pri I-DEST si prizadevamo, da AI temelji na preverjenih podatkih in prepoznavnih virih, ne zgolj na notranjem znanju jezikovnega modela.

Trajnostno ocenjevanje povezujemo z mednarodno priznanimi zahtevami, ne z lastnimi vtisi. Zato obdelujemo v strojni obliki kriterije Global Sustainable Tourism Council (GSTC) za destinacije in turistične ponudnike.

Cilj samoocene ni samodejno ustvariti ugodne podobe uporabnika. Sistem mora pokazati:

kateri kriterij je izpolnjen;
kateri dokaz to podpira;
kateri podatki ali dokumenti manjkajo;
in kje so potrebni dodatni ukrepi.

Pri priporočilih so pomembni tudi časovni vidik, sezonskost, okoljski vpliv prevoza in teritorialna koncentracija.

Raziskovalci Tehnične univerze v Münchnu so razvili turistični priporočilni sistem, ki poleg potreb uporabnikov vključuje tudi emisije ogljikovega dioksida prevoznih sredstev, priljubljenost destinacije in sezonskost (Banerjee et al., 2025).

Povezana uporabniška raziskava je pokazala, da lahko jasno prikazane informacije o emisijah, priljubljenosti in sezonskosti vplivajo na izbiro popotnikov. Udeleženci so z večjo verjetnostjo izbrali prevoz z nižjimi emisijami, manj obremenjene destinacije ali tiste, ki bolje ustrezajo določenemu obdobju, če so bile te informacije jasno prikazane (Banerjee–Mahmudov–Wörndl, 2024).

To je pomembna lekcija. Trajnost ni nujno omejitev. S pravimi podatki in jasno določenimi cilji lahko AI pokaže možnosti, ki so ugodnejše tako za popotnike, lokalne skupnosti kot podjetja.

AI ne odloča, kakšen turizem gradimo – odločamo mi

Okoljski vpliv umetne inteligence je resničen. Vendar pa so največji okoljski vplivi turizma še vedno povezani predvsem s potovanjem, prevozom, delovanjem stavb, potrošnjo in sezonsko preobremenitvijo priljubljenih krajev.

Koristi AI so prav tako resnične, vendar niso samoumevne.

Isti sistem lahko pomaga izogniti se prenatrpanemu kraju ali tja pošlje še več obiskovalcev. Lahko pomaga najti lokalno podjetje ali ga naredi nevidnega. Lahko zmanjša živilske odpadke ali ustvari dobro zvenečo, a nepodprto trajnostno kampanjo.

Ključno vprašanje ni, ali AI ali trajnost.

Pomembno je, iz katerih podatkov sistem deluje, kaj od njega zahtevamo, kakšne cilje mu postavimo in kdo preverja rezultate.

To ni zgolj tehnološko vprašanje. Gre za strokovno in vodstveno odločitev.

Zato lahko destinacije, turistična podjetja in popotniki oblikujejo, ali bo umetna inteligenca služila nadaljnji koncentraciji turizma ali bolj uravnoteženemu, dostopnejšemu in varčnejšemu delovanju.

AI ne odloča, kakšen turizem gradimo – odločamo mi

Izjava

Za to objavo na blogu nismo generirali nobene nove slike z umetno inteligenco. Vse uporabljene slike - dokumentirane v izvorni kodi z navedbo vira - izvirajo iz že prej objavljenih virov, saj pri I-DEST uporabljamo AI le, kadar ima resnično dodano vrednost.

Uporabljeni viri

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. Predhodna raziskava.

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. Rezultati programa, izvedenega v sodelovanju Hiltona, UNEP West Asia in Winnow.

International Energy Agency – IEA (2025): Energy and AI. Analiza porabe energije podatkovnih centrov in pričakovane rasti do leta 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. Predhodna raziskava.

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 in GSTC Destination Criteria. Mednarodni trajnostni kriteriji za destinacije, nastanitve in turistične ponudnike.