基于窦总（新奥集团文旅板块）分享整理 · 2026年6月
本笔记整理自新奥集团文旅板块负责人窦总的系统性分享，历时约三年的AI探索实践。 核心主题是：传统产业如何用大模型技术弯道超车，从信息化落后变成AI创新的先行者。
分享按"总—分—总"结构展开：先讲AI三年演变大背景，再深入文旅行业四大AI实践案例（旅游助手、智能导游、智能推荐、全链路运营闭环）， 最后落地到"全员共创新范式"和"一城一家家庭服务"两大战略布局。
一句话总结：AI不是IT的升级，而是重写游戏规则——从程序员打造模型，变成业务员和用户自己打造模型。
2023—2026，大模型如何改变了整个行业对AI的认知
"想象你招了一个学习能力超强的实习生。2023年他刚来，你觉得挺厉害的； 2024年你发现他还是不太懂业务；2025年突然有一天他开窍了，你教他的经验他全记住了， 还能举一反三。这就是大模型在产业里的成长曲线。"
通用大模型（豆包、DeepSeek等）相当于"万能员工"，懂得广但不精。 Skill机制让你可以把"去过涠洲岛100次的达人经验"注入模型，让它变成专门懂涠洲岛的"专家"。 产业侧的机会正在于此——数据多、经验多、场景专。
为什么一个"落后"的行业，反而是AI创新的最大机会？
窦总的核心判断：文旅行业错失了过去20年的数字化黄金期。原因很简单：
"携程的推荐算法，背后都是'给我佣金才排名靠前的商品'。 就算它接入AI，推出来的还是那些给它钱的酒店和景点， 它不可能真的帮你找最适合你的选择。左手打不了右手。"
| 类型 | 代表 | AI现状 | 核心痛点 | 机会窗口 |
|---|---|---|---|---|
| OTA平台 | 携程、飞猪 | AI功能丰富，但被商业模式绑架 | 推荐逻辑被佣金污染 | ⚠️ 小，左手打不了右手 |
| 目的地企业 | 新奥文旅、景区 | 刚起步，有私域流量优势 | 信息化能力极弱 | ✅ 大，可从0到1弯道超车 |
| 垂直业态 | 连锁酒店集团 | 数字化基础好，AI升级较快 | 收益管理精细化不足 | ✅ 中，AI优化增量明显 |
文旅行业信息化越落后，大模型能带来的提升越显著。 因为它不需要推翻原有系统，直接用自然语言就能完成以前需要大量代码实现的功能。 "短板可以用AI一下子拉齐"——窦总原话。
"我不知道我要去哪里玩"——这才是AI最应该解决的问题
以前的推荐系统逻辑是"供给驱动"：
窦总提出的"消费者主权"逻辑是"需求驱动"：
窦总团队内部术语。通过AI对话，将用户模糊的需求转化为结构化的"能力清单"， 例如："需要能放松身心的海边住宿 + 适合5-10岁儿童的活动 + 海鲜零食推荐 + 预算1500元内"。 有了这个清单，供给侧才能做到真正的精准匹配。
行前规划、真实内容、智能导游、行中推荐——每一个都颠覆了传统做法
核心价值：解决"行前规划不可用"的老大难问题。 普通AI给的行程规划，第一天景点A在东，第二天景点B在西，完全不考虑车程和实际可达性。
通用大模型规划西藏行程：
第1天：布达拉宫 → 大昭寺 → 八廓街（OK，合理）
第2天：纳木错湖（需要4-5小时车程）→ 羊卓雍措（又需要3小时）→ 色林措（无法完成！）
❌ 问题：不考虑高反、车程、景点开放时间、天气变化
✅ 窦总团队方案：接入目的地实时数据 + 当地运营商专业知识 + 时序算法，生成真正可执行的行程
核心问题：游客被"照骗"坑害的体验极差。 "海景房"的海在墙角缝里，海鲜30元变300元，餐厅厨房脏乱差……
利用多模态技术，在平台上直接嵌入酒店实时摄像头画面（明厨亮灶）、 房间实景视频（非360度渲染广告）、排队情况实时数据。 游客决策前就能看到"厨师正在炒菜"、"现在只有2桌在等位"。 信任感 = 复购率的基础。
核心洞察：到了目的地，游客的需求每小时都在变化。 上午计划爬山，下午变成想找咖啡馆发呆——这种随机性才是旅游的真实状态。
场景：凌晨12点，拖着行李箱的游客推开民宿门
❌ 传统做法：前台递上一堆景点宣传册、特色活动介绍
✅ AI驱动做法：系统识别「深夜+拖行李+疲惫状态」→ 主动准备一碗牛肉面或热牛奶
窦总说："旅途在外，最狼狈最疲惫的时候，那一瞬间的温存，你会记一辈子。"
| 维度 | 传统推荐（美团/大众点评） | 智能推荐（新范式） |
|---|---|---|
| 数据类型 | 静态信息：名称、地址、评分 | 动态数据：实时排队、天气、当前营业状态 |
| 用户感知 | "周边有个餐厅" | "适合你的餐厅，现在没排队，你11:30走完后恰好12:15能到" |
| 个性化程度 | 基于历史点击，有限个性化 | 结合当前时间、行程进度、偏好、过敏项综合判断 |
| 可用性保证 | ❌ 推荐的排长队，到了才知道 | ✅ 推荐的一定是当下可用的选项 |
从游客下单到退房结算，用AI把每一个服务节点串联起来
窦总团队打造了一套"游客Agent + 商家Agent + 调度引擎"三层架构。 用一句话说：让每一分钱的流动、每一个服务节点的人员调度，都在AI监控和优化下完成。
传统企业管理是月底算总账。AI原生的运营方式是：每一单每一个服务节点实时看到损益。 客人花了2000元，接车成本多少、住宿成本多少、餐饮成本多少、利润多少， 当场生成"经营卡"。窦总认为，不做到这种颗粒度，就不是真正的AI原生企业。
偏远景区、海岛、山区——这些地方最缺的就是优秀服务人员。 AI解法：把500次服务中最优秀伙伴的经验全部沉淀进模型， 新来的普通员工有AI助手辅导，立刻可以提供高质量服务。
最先被淘汰的不是普通员工，而是"按旧方式工作的程序员"
过去15-20年信息化推进的固化模式：
业务部门提一堆需求，业务分析师（BA）整理成文档
产品经理把业务语言翻译成技术语言——但经常翻译错，和开发吵架
一个功能要过6-8道工序，历时数月
整个周期白费，重新开始——这是传统企业信息化最痛苦的循环
"人工智能时代，最先被淘汰的是程序员自己，或者说我们曾经引以为傲的软件工程那一代工程师。 不是普通人，是那些技术专家。因为他们的知识体系和大模型的语言根本就不是一个体系。"
| 维度 | 旧范式（IT驱动） | 新范式（全员共创） |
|---|---|---|
| 模型主责 | IT/产研团队 | 业务团队（甚至用户） |
| 需求语言 | 技术文档、接口规范 | 自然语言（说人话） |
| 迭代速度 | 月/季度级 | 天/小时级 |
| 门槛要求 | 必须懂技术才能参与 | 懂业务就能打造模型 |
| 模型质量 | 程序员理解的业务 | 用户亲身经验的真实场景 |
让真正去过涠洲岛的游客和达人，通过简单的工具把自己的经验打造成"Skill"注入模型。 激励机制：你分享的经验被别人调用越多，你在系统里的影响力越大。 不需要高额积分奖励，游戏化机制本身就足够驱动分享。
写代码的开发工程师、做需求转译的产品经理
变革管理专家——帮助业务团队学会使用AI工具、推动组织认知升级
3200万燃气用户，能否变成3200万高信任度家庭服务用户？
新奥集团的"一城一家"业务覆盖200+城市，3200万家庭用户。 核心优势：燃气安全服务赋予了品牌极强的家庭信任感—— 燃气工人进门，代表的是"安全"这个人类最底层的需求。
窦总亲自陪同小黄人（燃气服务员）入户，观察到：
• 上门检查燃气灶 → 顺带看抽油烟机、水管、插座……平均停留25分钟
• 客户非常自然地聊起家里的事：小孩挑食、老人腿不好、天天三餐都要做
• 这25分钟的对话，通过AI语音识别后，可以提炼出完整的"家庭需求画像"
• 结论：不用任何额外调研，上门服务本身就是最天然的需求采集场景
窦总的核心洞察：每个家庭每天花时间最多的事情是"买菜做饭"， 花精力最多的是"孩子的饮食和教育"，最担心的是"老人的安全"。 这些刚需没有被任何平台真正解决——不是因为市场不够大， 而是没有人真正站在家庭需求侧设计产品。
一城一家现有延伸线业务（燃气灶具等）：年收入58亿元，利润可观， 已是五大同类企业中遥遥领先的第一。 但这还只是把信任资产变现了10%，真正的家庭服务大市场还未开发。 窦总的目标：用AI重新理解3200万家庭的真实需求，打造下一个平台级业务。
从窦总三年实践中提炼的核心启示，适用于所有传统行业从业者
这些行业的共同特征：信息化落后、客户需求复杂且个性化、服务质量差异大、 依赖人工经验传递。这正是大模型能发挥最大价值的场景。