AI i održivi turizam – šta je na dve strane vage?

недеља, 26. јул 2026. 07:21

Danas je teško zamisliti turističku konferenciju na kojoj se ne bi spomenulo kako veštačka inteligencija fundamentalno menja način funkcionisanja sektora. Nekoliko predavanja kasnije obično se pomene i to da AI troši mnogo energije, zahteva vodu za hlađenje podatkovnih centara i konstantno povećava potražnju za IT infrastrukturom. Obe tvrdnje su tačne. Veštačka inteligencija ima svoj ekološki otisak, ali istovremeno pruža pristup znanju i alatima koji su ranije bili nedostupni mnogim turističkim preduzećima. Pravo pitanje stoga nije da li je AI dobar ili loš. Mnogo važnije je kako ga koristimo, na osnovu kojih podataka radi i koje ciljeve mu postavljamo.

Tokom razvoja I-DEST-a i mi radimo u ovom dualizmu. Kreiramo digitalna rešenja koja koriste veštačku inteligenciju, dok istovremeno želimo podržati održivije poslovanje destinacija i turističkih pružalaca usluga. Zbog toga ne možemo zaobići ni pitanje cene korišćenja tehnologije i šta dobijamo zauzvrat.

Koliko sve ovo košta planetu?

Prema procenama Međunarodne agencije za energiju (IEA), svetski podatkovni centri su 2024. godine potrošili oko 415 teravat-sati električne energije. To je činilo otprilike 1,5% globalne potrošnje električne energije. Prema osnovnom scenariju, potrošnja bi do 2030. mogla dostići 945 teravat-sati, što je više nego dvostruko više, i činiti skoro 3% ukupne svetske potrošnje električne energije. (IEA, 2025)

Jedan od glavnih pokretača ovog rasta je AI, iako podatkovni centri naravno ne služe isključivo sistemima veštačke inteligencije. Cloud usluge, online video sadržaji, poslovni IT sistemi i mnoge druge digitalne usluge takođe zahtevaju značajne kapacitete.

Međutim, ekološki uticaj jednog AI upita može biti znatno manji nego što su to ranije procene sugerisale.

Prema operativnim merenjima koje je Google objavio u avgustu 2025. godine, obrada jednog prosečnog, tačnije medijanskog Gemini tekstualnog upita:

trošila je 0,24 vat-sati energije,
proizvodila 0,03 grama ekvivalenta ugljen-dioksida,
i zahtevala oko 0,26 mililitara vode.

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

Međutim, ove podatke treba tumačiti s oprezom. Merenje se odnosilo na specifičnu uslugu, Gemini tekstualne upite, i ne može se automatski primeniti na sve AI sisteme, složene istraživačke zadatke, generisanje slika ili video sadržaja. Pored toga, izračun ne pokazuje u potpunosti ekološki teret razvoja, obuke modela, proizvodnje hardvera i izgradnje podatkovnih centara. Google-ove rezultate kritikovali su nezavisni stručnjaci, jer način izračuna indirektne potrošnje vode i emisija može značajno uticati na krajnji rezultat.

Stoga dve tvrdnje nisu međusobno kontradiktorne. Ekološki uticaj jednog kratkog upita može biti mali, ali milijarde upita već nisu. Sistemi postaju sve efikasniji, ali njihova upotreba se takođe širi izuzetno brzo. Zbog toga ukupna potrošnja energije i vode može rasti čak i ako je za obavljanje pojedinačnih zadataka potrebno sve manje resursa.

Kada je reč o potrošnji vode, nije važna samo globalna količina. Bitno je i gde se podatkovni centar nalazi. Ista potrošnja vode može imati potpuno različite posledice u kišnom području u poređenju s regijom koja se redovno suočava s nedostatkom vode.

Ne može se zanemariti ni životni ciklus hardvera. Proizvodnja visokoperformansnih čipova zahteva sirovine, vodu i energiju, dok brza zamena uređaja povećava količinu elektronskog otpada.

Šta dobijamo zauzvrat?

Koristi veštačke inteligencije u turizmu nisu nužno najzanimljivije kod velikih međunarodnih kompanija. Mnogo značajnije promene mogu doneti manjim pružaocima usluga. Mali pansion sa nekoliko soba, porodični restoran ili lokalni organizator programa ranije često nisu mogli da komuniciraju na više jezika, redovno analiziraju ocene gostiju ili izrađuju detaljne izveštaje o održivosti jer nisu imali odgovarajuće osoblje ili spoljne stručnjake.

Danas se deo tih zadataka može obaviti pomoću jednog laptopa. AI ne zamenjuje stručnost, ali značajno smanjuje troškove i vreme potrebno za prve korake.

Jedna od važnih društvenih koristi je povećanje pristupačnosti. Uz pomoć veštačke inteligencije lakše se mogu kreirati:

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

Ovi zadaci su ranije često izostajali jer pružaoci usluga nisu mogli da ih finansiraju.

U turizmu koji se suočava s nedostatkom radne snage, automatizacija administracije takođe može biti korisna. Ne mora nužno zameniti osoblje, već može osloboditi vreme. Manje vremena se troši na popunjavanje tabela, pisanje ponavljajućih pisama ili organizovanje podataka, a više može biti posvećeno gostima.

Međutim, to je tačno samo ako rukovodstvo preduzeća zaista koristi tehnologiju u te svrhe. AI je jednako sposoban da podrži osoblje kao i da pojača kontrolu nad njima ili smanji broj zaposlenih. Tehnologija sama po sebi ne odlučuje koji ćemo pravac izabrati.

Mnogo mogućnosti leži i u predstavljanju kulturnog nasleđa. Lokalni istorijski materijali, stare fotografije, etnografski snimci, dijalekti i duge monografije mogu postati pretraživi. Istorija jednog mesta tako može biti uključena u tematske šetnje, audio vodiče ili školske programe.

Međutim, stručna literatura je mnogo opreznija u vezi s održivim prednostima AI-a nego marketinški materijali tehnoloških kompanija. Prema pregledu Gösslinga i Meija iz 2025. godine, mnogo se govori o mogućnostima, ali još uvek postoji relativno malo pouzdanih dokaza o stvarnim, dugoročno merljivim rezultatima održivosti. Autori takođe upozoravaju da AI može pojačati koncentraciju podataka, nadzor potrošača i intenziviranje turizma (Gössling–Mei, 2025).

Sistematski pregled 213 naučnih publikacija pokazao je da se istraživanja o inteligentnoj automatizaciji u turizmu uglavnom bave iskustvom posetilaca, očuvanjem nasleđa, kvalitetom života, merenjem iskustava posetilaca i zaštitom životne sredine. Međutim, praktičnom merenju ekoloških uticaja do sada je posvećeno manje pažnje nego ekonomskim i društvenim pitanjima (Majid et al., 2023).

Marketing kao prva tačka susreta

Većina turističkih preduzeća danas se prvi put susreće sa veštačkom inteligencijom u oblasti marketinga. Koristi se za pisanje tekstova, prevođenje, kreiranje objava na društvenim mrežama, izradu biltena, generisanje slika i odgovaranje na ocene gostiju. Razlog za to je razumljiv. Rezultat je odmah vidljiv, upotreba je relativno jednostavna i obično nije potrebna dodatna IT infrastruktura.

Iz perspektive održivosti, marketing je mnogo važniji od same brzine pripreme Facebook objave. Komunikacija može značajno uticati na to: ko dolazi na određeno mesto; kada putuju; koliko vremena provode tamo; koje atrakcije posećuju i gde troše novac.

Dobro osmišljena kampanja u proleće ili jesen, na primer, može smanjiti opterećenje tokom letnje sezone. Predstavljanje manje poznatog dela grada ili lokalnog preduzeća može pomoći da se posetioci ne koncentrišu na nekoliko istih lokacija. AI omogućava i manjim pružaocima usluga ili turističkim organizacijama da kreiraju različite poruke za različite ciljne grupe. Drugačiji sadržaj može biti namenjen onima koji žele putovati u mirnijem periodu, porodicama s malom decom, biciklistima ili onima koji traže lokalnu hranu i proizvođače.

Višejezična komunikacija takođe može postati jeftinija i brža. Ovo može biti posebno korisno za manje tržišta koja ranije nisu imala poseban marketinški budžet.

AI može pomoći i u predstavljanju manje poznatih atrakcija, lokalnih priča i manjih pružalaca usluga. Na mnogim destinacijskim veb-sajtovima najpoznatije atrakcije imaju detaljne opise, dok su manji sadržaji jedva prisutni. Tehnologija može ubrzati obradu informacija, ali lokalno znanje i autentične priče i dalje moraju dolaziti od ljudi.

Najvažniji rizici marketinga

Sva mesta počinju zvučati isto

Ako svi pružaoci usluga koriste isti AI alat sa sličnim uputstvima, uskoro će svaki smeštaj biti „udoban“, svako mesto „skriveni dragulj“, a svaki program „nezaboravno iskustvo“. Međutim, u turizmu je upravo karakter mesta jedna od najvećih vrednosti.

Zato je korisno kreirati sopstveni jezički vodič. U njemu mogu biti navedeni izrazi karakteristični za mesto, željeni ton komunikacije, klišei koje treba izbegavati i priče koje zaista izdvajaju uslugu.

Generisana slika ne zamenjuje stvarnost

Slika koja prikazuje nepostojeću sobu, bazen, pogled ili pejzaž nije samo kreativno rešenje. Može dovesti u zabludu gosta, izazvati probleme sa zaštitom potrošača i narušiti poverenje. Generisane slike mogu se koristiti kao ilustracije ili elementi atmosfere, pod uslovom da je to jasno naznačeno. Međutim, za predstavljanje stvarno dostupne usluge potrebno je koristiti stvarne fotografije.

Greenwashing može postati brži

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

Ako iza tvrdnje o ekološkoj održivosti ne stoje merenja, dokumentacija ili proverljivi rezultati, AI neće učiniti preduzeće održivijim, već će samo brže proizvoditi neosnovane zelene poruke. Ovo predstavlja poslovni i pravni rizik. Ekološke tvrdnje se sve strože ispituju, pa svaki komunicirani rezultat mora biti dokaziv i precizno formulisan.

Sistem jača ono što postavimo kao cilj

Ako kampanja ima za cilj isključivo povećanje broja rezervacija ili trenutnog prihoda, verovatno će dodatno jačati najpopularnije periode i proizvode. Kod njih je najlakše postići dobre rezultate.

Održivost se pojavljuje u odlukama samo ako je uključena među merljive ciljeve.

Takvi ciljevi mogu biti, na primer:

udio rezervacija u predsezoni i postsezoni;
prosečno trajanje boravka;
iznos potrošen kod lokalnih preduzeća;
promet na manje posećenim lokacijama;
udio gostiju koji dolaze javnim prevozom;
ili potrošnja energije i vode po noćenju.

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

Gde AI već danas dobro funkcioniše?

Predviđanje potražnje i planiranje kapaciteta

Na osnovu prethodnih podataka o rezervacijama, kalendara događaja, vremenskih uslova, saobraćajnih informacija i drugih faktora, mogu se izraditi preciznija predviđanja očekivane potražnje.

Ovo može pomoći u:

planiranju radne snage;
upravljanju zalihama;
prilagođavanju saobraćajnih kapaciteta;
organizovanju vremenskih slotova za posete;
i ranom prepoznavanju preopterećenih perioda.

Predviđanje ne eliminiše gužve, ali može ranije ukazati na problem, omogućavajući više vremena za intervenciju.

Smanjenje bacanja hrane

Sistemi za prepoznavanje i merenje na bazi AI-a mogu identifikovati koje vrste hrane i u kojim periodima stvaraju najviše otpada. Ovi podaci pomažu kuhinjama da prilagode nabavku, porcije i ponudu jela. U programu Hilton Green Ramadan 2025, koji je obuhvatio 45 hotela u 14 zemalja, količina hrane koja ostaje na tanjirima smanjena je za 26%, čime je izbegnuto stvaranje više od 2,6 tona otpada. U inicijativi je korišćena Winnow AI tehnologija za merenje (Hilton, 2025). Ovo je dobar primer kada se ekološki i poslovni interesi direktno susreću: manje hrane završava kao otpad, dok se smanjuju i troškovi nabavke.

Potrošnja energije i vode

Inteligentni sistemi mogu pomoći u regulisanju grejanja, hlađenja i ventilacije. Mogu prepoznati neuobičajenu potrošnju, curenje, loše funkcionisanje uređaja ili nepotrebno uključene aparate.

Cilj nije smanjenje komfora gostiju, već da sistem ne koristi energiju tamo i onda kada nije potrebna.

Priprema izveštaja o održivosti i sertifikacija

Priprema sertifikata o održivosti ili audita zahteva značajnu dokumentaciju. Potrebno je prikupiti pravilnike, račune, podatke o potrošnji, fotografije i druge dokaze, organizovati ih i povezati sa specifičnim zahtevima.

AI pomaže ne tako što „zelenije“ opisuje pružaoca usluga, već tako što prepoznaje i organizuje dostupne dokaze, ukazuje na nedostajuće podatke i podržava praćenje zahteva.

Konačnu odluku o usklađenosti i dalje mora doneti kvalifikovani stručnjak ili auditor.

Kada AI može pogoršati situaciju

Jedan od problema sa AI preporukama je što često dodatno ističu već popularna mesta.

Preliminarna studija Lee-a i Pennington-Gray-a, zasnovana na modeliranju milion domaćih putovanja u SAD-u, pokazala je da veliki jezički modeli stvaraju sezonskije, neujednačenije i manje raznovrsne turističke tokove u poređenju sa stvarnim obrascima. Sistemi su posebno jačali kombinacije već popularnih destinacija i perioda (Lee–Pennington-Gray, 2026).

Pošto je reč o preliminarnoj studiji, rezultate treba potvrditi daljim istraživanjima, ali otkriveni rizik zaslužuje pažnju.

Ako mnogi traže savete od istih nekoliko sistema, a ti sistemi redovno preporučuju ista mesta, to može dodatno povećati gužve.

Drugi problem je nevidljivost.

Chen, Weng i Moro su u preliminarnoj studiji iz 2026. godine analizirali preporuke restorana tri velika jezička modela u pet američkih gradova i 304 gradska naselja. Čak i kada su modeli birali iz kontrolisane liste stvarnih ugostiteljskih objekata, 47,5% lokacija nije bilo preporučeno nijednom. Od tih nevidljivih preduzeća, 31,9% nije bilo preporučeno ni od jednog od tri ispitana modela (Chen–Weng–Moro, 2026).

Ovo pokazuje da AI ne samo da prikuplja dostupne informacije, već i selektuje među njima. Neke lokacije redovno stavlja u prvi plan, dok druge jedva ili uopšte ne prikazuje.

Ovo može posebno ugroziti manje, slabije ocenjene ili digitalno manje prisutne lokalne preduzetnike.

Šta putnik može učiniti?

Ne pitaj samo gde da ideš

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

„Kada je ovo mesto najmanje gužvovito i koji sličan program mogu pronaći u blizini?“

Često više doprinosimo održivosti tako što putujemo u isto mesto u drugo vreme nego traženjem još jedne udaljene destinacije.

Proveri praktične informacije

Radno vreme, raspored, cene, uslove rezervacije i validnost sertifikata uvek proveri na originalnom izvoru. AI može uverljivo preneti podatke koji su zastareli ili netačni.

Planiraj manje programa

Ako planer puta predloži deset mesta za jedan dan, zamoli ga da napravi tri ili četiri.

Manje lokacija obično znači manje lokalnih putovanja, opušteniji program i više pravih susreta. U ekološkom opterećenju putovanja, transport obično ima mnogo veći udeo nego nekoliko AI upita za planiranje puta.

Preispitaj tvrdnje o održivosti

Kada se smeštaj ili program naziva održivim, korisno je pitati: Da li ima nezavisni sertifikat? Ko ga je izdao? Do kada je validan? Koje podatke meri? Koji konkretan rezultat je postignut?

Velika je razlika između sertifikata izdatog prema nezavisnim standardima i „zelenog“ oznaka koje preduzeće samo sebi dodeli.

Šta turističko preduzeće može učiniti?

Prvo dovedi podatke u red

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

Ako su radno vreme, adresa ili geografska lokacija netačni na veb-sajtu, ako nedostaju informacije o pristupačnosti, a opis usluga nije jasan, AI sistemi takođe mogu preneti netačne ili nepotpune informacije.

Posebno je važno:

tačno ime, adresa i kontakt;
aktuelno radno vreme;
cene i uslovi rezervacije;
mogućnosti prevoza;
informacije o pristupačnosti;
odgovarajuća kategorizacija usluga;
kao i obezbeđivanje strukturiranih podataka na veb-sajtu.

Dobro održavani podaci, koji su razumljivi i za mašine, danas nisu samo pitanje optimizacije pretraživača. Oni mogu biti i uslov za pojavljivanje u AI preporukama.

Prvo meri, pa komuniciraj

Energija, voda, otpad, lokalna nabavka, noćenja, transport. Na osnovu ovih podataka mogu se izračunati stvarni rezultati održivosti.

AI može pomoći u organizovanju podataka, prepoznavanju odstupanja i pripremi izveštaja. Međutim, ne sme se koristiti za kreiranje uverljivih ekoloških tvrdnji bez merenja.

Dobra početna područja mogu biti:

otpad od hrane;
raspored grejanja i hlađenja;
procesi pranja veša;
prepoznavanje curenja vode;
upravljanje zalihama;
ili planiranje nabavke.

Na ovim područjima poslovni rezultati često postaju vidljivi relativno brzo.

AI neka predlaže, čovek neka odlučuje

Svi tekstovi za goste, predlozi cena, prevodi i tvrdnje o održivosti moraju biti provereni od strane ljudi.

Loše postavljena cena, radno vreme ili uslovi rezervacije mogu prouzrokovati mnogo veću štetu nego što je vreme ušteđeno automatizacijom.

Ne koristi veći sistem nego što je potrebno

Nisu svi zadaci potrebni najvećem jezičkom modelu, niti je za svaku komunikaciju potreban AI generisani video.

Za ispravku kratkog teksta, klasifikaciju podataka ili jednostavan rezime često je dovoljan manji, ekonomičniji sistem. Dobra stvarna fotografija često vredi više od energetski intenzivno generisanog veštačkog videa.

Ovo nije samo ekološko pitanje. To je i razumna odluka sa stanovišta troškova i efikasnosti.

Kako koristimo AI u I-DEST-u?

Ne želimo se ponašati kao da posmatramo ovaj proces sa strane. Tokom razvoja I-DEST-a i našeg stručnog rada, i mi redovno koristimo veštačku inteligenciju. Ne gledamo na nju kao na samostalnog donosioca odluka, već kao na alat koji može ubrzati određene procese, pomoći u otkrivanju povezanosti i smanjiti broj grešaka izazvanih ljudskom nepažnjom.

Priprema predviđanja i scenarija

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

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

Kvalitet ulaznih podataka, međutim, određuje sve. Na osnovu netačnih ili nepotpunih osnovnih podataka, sistem može brzo kreirati netačne prognoze. AI stoga ne zamenjuje proveru podataka, već je čini još važnijom.

Razvoj softvera i otkrivanje grešaka

AI koristimo i u tehničkom razvoju I-DEST-a. Pomoću njega brže pregledamo duže delove koda, prepoznajemo određene logičke greške, nedoslednosti i sigurnosne rizike, kao i jednostavnije kreiramo testne slučajeve. Cilj nije da AI programira sistem bez ljudske kontrole. Koristimo ga da bismo iz više uglova pregledali razvoj, ranije prepoznali probleme i, ako je moguće, ispravili ih pre nego što korisnici naiđu na njih. Ovo je posebno važno kod složenih sistema poput I-DEST-a, gde se različiti izvori podataka, jezici, korisnički interfejsi, moduli za ocenjivanje i funkcije preporuka međusobno povezuju. Jedna izmena može uticati na rad više drugih funkcija.

AI analiza koda i testiranje dodaju dodatni sloj kontrole tradicionalnim razvojnim i korisničkim testovima. Međutim, sama upotreba AI-a ne garantuje softver bez grešaka. Kod koji predloži mašina takođe može sadržavati greške, zastarele metode ili sigurnosne probleme. Zbog toga svaki značajan izmenjeni deo proverava programer, a rad sistema se testira pre implementacije.

Cilj je, dakle, ne zameniti programera, već smanjiti broj grešaka, podržati testiranje i učiniti razvojni rad pouzdanijim.

Prevođenje i terminološka provera

AI koristimo i za obradu strategija, konkursne dokumentacije, turističkih opisa i standarda na više jezika. Mašinski prevod svakog dokumenta od stručnog značaja prati ljudska provera. U turističkom, održivom i EU stručnom vokabularu, jedan loše preveden pojam može promeniti značenje rečenice ili zahteva. AI, međutim, pomaže da se u dužim dokumentima dosledno koriste isti pojmovi i nazivi. Terminološka doslednost posebno je važna kod međunarodnih standarda, zahteva za sertifikaciju i višejezičnih digitalnih interfejsa. Osim toga, AI osigurava višejezičnu dostupnost I-DEST-a kako bi destinacije i pružaoci usluga mogli unositi podatke samo na jednom jeziku – svi rade samo onoliko koliko je minimalno potrebno.

Marketing i kreiranje sadržaja

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

Tokom upotrebe pridržavamo se nekoliko jednostavnih pravila:

komuniciramo svojim tonom;
radimo sa proverljivim, stvarnim podacima;
konačni sadržaj odobrava čovek;
tvrdnje o održivosti povezujemo sa dokazima;
i ne smatramo klikove ili rezervacije jedinim uspehom.

U marketingu, uticaj AI-a na održivost u velikoj meri zavisi od ciljeva koje postavimo sistemu. Ako je jedini cilj kratkoročna konverzija, algoritam lako može dodatno jačati već popularne periode i lokacije. Međutim, ako se sezonalnost, teritorijalna raspodela ili vidljivost lokalnih pružalaca usluga takođe pojave među ciljevima, mogu se kreirati drugačije kampanje i preporuke. Ponekad, vrlo retko, veštačka inteligencija pomaže i u pripremi različitih postera i sažetaka za oglase.

Razvojni pravac I-DEST-a

U I-DEST-u težimo tome da AI zasniva svoje odgovore na proverljivim podacima i identifikovanim izvorima, a ne isključivo na unutrašnjem znanju jezičkog modela.

Procenu održivosti ne povezujemo sa subjektivnim utiscima, već sa međunarodno prihvaćenim standardima. Zbog toga obrađujemo u mašinskom formatu kriterijume Globalnog saveta za održivi turizam (GSTC) za destinacije i turističke pružaoce usluga.

Cilj samoprocene nije da automatski pruži povoljnu sliku korisnika. Sistem treba da pokaže:

koji zahtev je ispunjen;
koji dokaz to podržava;
koji podaci ili dokumenti nedostaju;
i gde su potrebne dodatne mere.

Preporuke uzimaju u obzir i vremenski okvir, sezonalnost, ekološki otisak transporta i teritorijalnu koncentraciju.

Istraživači Tehničkog univerziteta u Minhenu razvili su turistički preporučivački sistem koji, pored potreba korisnika, uključuje emisije ugljen-dioksida različitih transportnih sredstava, popularnost destinacije i sezonalnost (Banerjee et al., 2025).

Jedno povezano korisničko istraživanje pokazalo je da jasno prikazane informacije o emisijama, popularnosti i sezonalnosti mogu uticati na izbor putnika. Učesnici su češće birali transport sa nižim emisijama, manje gužvovite destinacije ili one koje bolje odgovaraju datom periodu kada su im te informacije bile jasno prikazane (Banerjee–Mahmudov–Wörndl, 2024).

Ovo je važna lekcija. Održivost ne mora nužno značiti ograničenje. Sa odgovarajućim podacima i dobro definisanim ciljevima, AI može pokazati mogućnosti koje su povoljnije i za putnike, i za lokalne zajednice, i za preduzeća.

Nije AI, već mi odlučujemo kakav turizam gradimo

Ekološki otisak veštačke inteligencije je stvaran. Međutim, najveći ekološki tereti turizma i dalje su prvenstveno povezani sa putovanjima, transportom, radom zgrada, potrošnjom i sezonskim preopterećenjem popularnih lokacija.

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

Isti sistem može pomoći da se izbegne gužva na nekoj lokaciji ili da se tamo pošalje još više posetilaca. Može pomoći u pronalaženju lokalnog preduzeća ili ga učiniti nevidljivim. Može smanjiti otpad od hrane ili kreirati uverljivu, ali nepodržanu kampanju o održivosti.

Ključno pitanje nije AI ili održivost.

Važno je sa kojim podacima sistem radi, šta tražimo od njega, koje ciljeve postavljamo i ko proverava rezultat.

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

Stoga i destinacije, turistička preduzeća i putnici mogu oblikovati da li će veštačka inteligencija doprineti daljoj koncentraciji turizma ili uravnoteženijem, pristupačnijem i štedljivijem funkcionisanju.

Nije AI, već mi odlučujemo kakav turizam gradimo

Izjava

Za ovu blog objavu nije generisana nijedna nova slika pomoću veštačke inteligencije. Sve korišćene slike – dokumentovane u kodu sa izvorom – potiču iz već ranije objavljenih izvora, jer u I-DEST-u koristimo AI samo kada on zaista ima dodatu vrednost.

Korišćeni izvori

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. 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): 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 realizovanog u saradnji Hilton-a, UNEP West Asia i Winnow-a.

International Energy Agency – IEA (2025): Energy and AI. Analiza potrošnje energije podatkovnih centara i očekivanog rasta do 2030. godine.

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. Preliminarna studija.

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 i GSTC Destination Criteria. Međunarodni standardi održivosti za destinacije, smeštaje i turističke pružaoce usluga.