Jak Czech Travel Agency pomáháme zautomatizovat reporting pomocí genAI

Společnost Czech Travel Agency, provozovatel portálu Lázně Travel, patří mezi největší hráče na českém trhu lázeňských a wellness pobytů. Ve své nabídce spravuje téměř 500 hotelů, tisíce pobytových balíčků napříč 7 zeměmi, každoročně odbaví desetitisíce rezervací a celý provoz stojí na vlastním rezervačním systému, CRM, rozsáhlých integracích i interním zákaznickém telefonickém oddělení.

Takový objem dat vytváří obrovské množství informací, které je potřeba zpracovávat a vyhodnocovat. V cestovním ruchu se ovšem situace mění prakticky každý den. Mění se poptávka, sezónnost, výkonnost marketingových kanálů, maržovost jednotlivých hotelů i produktových balíčků. Marketingová a obchodní rozhodnutí proto musí vycházet z aktuálních dat, na která existují stovky různých pohledů. Právě proto jsme společně hledali způsob, jak reporting posunout z prostředí statických dashboardů do prostředí, kde se na data lze ptát přirozeným jazykem.

Čtyři hlavní limity klasického reportingu

Czech Travel Agency dlouhodobě pracovala s robustní datovou základnou. Využívala Google Analytics, reklamní systémy, vlastní CRM, rezervační systém, data z telefonické podpory i Microsoft Power BI. Na budování části reportů jsme se podíleli i my. Současně jsme firmě pomáhali také s efektivnějším ukládáním, sdílením a správou dat napříč organizací. S růstem firmy se ale začaly stále více projevovat limity klasického reportingu.

První výzvou byla rychlost. Firma působí ve velmi dynamickém prostředí, kde je potřeba reagovat prakticky okamžitě. Pokud vznikne nová otázka, není prostor čekat na vytvoření dalšího dashboardu nebo úpravu existujícího reportu.

Druhým problémem byla různorodost uživatelů. CEO potřebuje sledovat úplně jiné metriky než marketingový tým, obchodníci, finanční ředitel nebo content specialisté. Jeden univerzální dashboard přestal dávat smysl.

Další výzvou byl samotný růst společnosti. Přibývaly nové role, nové procesy i nové požadavky na digitalizaci. S každou změnou rostla také potřeba vytvářet další pohledy nad daty.

A nakonec zde byla mobilita. Řada lidí potřebuje informace získávat mimo kancelář. Nechtějí otevírat několik systémů a hledat správný report. Potřebují jednoduše položit otázku a okamžitě dostat odpověď.

Od dashboardů ke konverzaci nad daty

Namísto další vrstvy reportů jsme navrhli jiný přístup. Cílem nebylo vytvořit nový dashboard, ale umožnit zaměstnancům komunikovat s firemními daty stejně přirozeně, jako dnes komunikují s generativní AI. Proto jsme navrhli architekturu postavenou na platformě Claude, která je schopna odpovídat nad interními daty společnosti prostřednictvím jednotné dotazovací konzole.

Uživatel už nemusí přemýšlet, kde konkrétní informace leží ani který report otevřít. Stačí se zeptat.

Například:

• Jak si tento týden vedou pobyty v Jeseníkách oproti loňsku?
• Které hotely mají dlouhodobě nejvyšší marži?
• Jaký podíl rezervací přišel přes telefonickou podporu?
• Které kampaně přivádějí zákazníky s nejvyšší hodnotou objednávky?

Klíčové výzvy projektu

Při podobných projektech bývá největší pozornost věnována samotnému jazykovému modelu. Ve skutečnosti ale představuje jen poslední vrstvu celého řešení. Nejdůležitější část naší práce probíhala mnohem níže.

Nejprve bylo potřeba stabilizovat datovou základnu a sjednotit informace z celé řady různých systémů. Nad nimi jsme následně vybudovali MCP server, který vytváří jednotnou vrstvu mezi firemními daty a jazykovým modelem. Tato vrstva rozhoduje o tom, jestli AI odpovídá správně, rychle a konzistentně. Nestačí totiž pouze zpřístupnit databázi, ale je potřeba připravit data tak, aby je model dokázal efektivně vyhledávat, správně interpretovat a pracoval pouze s informacemi, které skutečně potřebuje. 

Jednou z největších výzev podobných systémů je ekonomika provozu. Každý dotaz spotřebovává tokeny a u rozsáhlých firemních databází mohou náklady velmi rychle růst. Stejně důležitá je i rychlost odpovědi. Velká část návrhu proto spočívala v optimalizaci celé architektury. Navrhli jsme jednotlivé vrstvy tak, aby model dostával pouze relevantní data, minimalizoval množství zpracovávaných informací a současně poskytoval odpovědi v co nejkratším čase.

Z hodin na minuty - data dostupná okamžitě a pro každého

Namísto hledání správného dashboardu nebo zadávání požadavku na vytvoření nového reportu mohou zaměstnanci pracovat s daty okamžitě a sami. Dříve bylo získání nového pohledu na data často spojeno s přípravou nebo úpravou reportu v Power BI. Dnes ve většině případů stačí formulovat správný dotaz v přirozeném jazyce a během několika okamžiků získat odpověď včetně potřebného kontextu. Pro představu, sestavit nový pohled na data na míru dříve trval řádově několik jednotek hodin. S novým systémem dokáže genAI vygenerovat jakkoliv složitý pohled během několika málo minut.

Technologie bez lidí nefunguje. Klíčem bylo zaškolení

Součástí projektu nebyla pouze technická implementace, současně jsme školili zaměstnance Czech Travel Agency, jak s novým prostředím pracovat a jak správně formulovat dotazy. Generativní AI totiž nenahrazuje dovednost data interpretovat, ale výrazně ale zkracuje cestu k jejich získání.

Shrnutí

Změnil se způsob, jakým se lidé k datům dostávají a čas, který je k tomu potřeba. Dříve vznik nového reportu znamenal desítky hodin práce – od sběru požadavků přes návrh dashboardu, několik kol připomínek, implementaci do Power BI až po finální zaškolení uživatelů. Celý proces běžně zabral dny až týdny podle složitosti požadavku. Dnes ve velké části případů stačí správně formulovat dotaz v přirozeném jazyce a během několika okamžiků získat odpověď nad aktuálními daty. Výsledkem je méně manuální práce, rychlejší přístup k informacím, kratší cesta k rozhodnutí a možnost reagovat na nové otázky prakticky okamžitě, bez čekání na vývoj dalšího dashboardu.