Google Cloud y eDreams ODIGEO llevan la IA generativa al sector turístico para personalizar la reserva de viajes

   MADRID, 4 May. (Portaltic/EP) -

Google Cloud y eDreams ODIGEO se han unido para impulsar nuevos desarrollos en inteligencia artificial (IA) generativa y su aplicación en el mundo de los viajes 'online', con el fin de avanzar en la personalización de la experiencia de reserva de viajes con agentes impulsados por IA.

   El trabajo con Google Cloud permitirá a eDreams ODIGEO "mejorar aún más su productividad, agilizar los procesos de desarrollo y reinventar las interacciones con sus clientes", como explica en una nota de prensa. Con este fin planea desarrollar una gama de productos que permitirán a los clientes interactuar con agentes de IA impulsados por modelos de lenguaje extensos.

   Los agentes impulsados por IA tendrán una comprensión más profunda de las necesidades, preferencias y contexto de cada cliente, lo que permitirá a la empresa crear las mejores opciones de viaje y productos personalizados para cada escenario.

   Para la compañía de viajes 'online', esto representa un importante avance en la personalización de la experiencia de reserva de viajes y, al mismo tiempo, minimiza el tiempo y el esfuerzo requerido por parte de los viajeros.

   eDreams ODIGEO tiene acceso API a modelos básicos fundamentales preentrenados con seguridad y gobernanza empresariales integradas a través del soporte de IA generativa en Vertex AI. Esto le permite ajustar los modelos básicos de Google con sus propios datos y aprovechar estos modelos para ofrecer nuevas experiencias a sus clientes.

   Por otra parte, eDreams ODIGEO ha estado utilizando sus propios modelos de IA generativa para casos de uso de aumento de datos, incluidos itinerarios de ruta individualizados para sus miembros Prime, u ofreciendo propuestas personalizadas para sus suscriptores.

   El grupo ha integrado la IA en otros aspectos de sus operaciones, para la creación de nuevas rutas mediante la combinación de vuelos de diferentes proveedores (Virtual Interlining) y la mejora del rendimiento de las soluciones de aprendizaje automático en supuestos en los que la recopilación de datos reales es costosa o en previsión de escenarios hipotéticos.