Chatbots en la Industria Hotelera: Análisis Comparativo entre Europa y Sudamérica a través de la Inteligencia Artificial

Abstract

Este estudio analiza los sentimientos de los gerentes de hoteles en Sudamérica y Europa hacia un proveedor específico de chatbots, con el objetivo de determinar si es posible categorizar estos sentimientos en función del origen geográfico, aportando una perspectiva cultural y empresarial sobre el uso de la inteligencia artificial (IA) en la industria hotelera. La muestra incluyó 154 reseñas de Hotel Tech Review, 53 de Europa y 101 de Sudamérica, sobre el Asksuite Hotel Chatbot. Se utilizaron herramientas como Google Cloud Natural Language e IBM Watson Natural Language Understanding para realizar un análisis de sentimiento y de aspectos. Los resultados revelaron que los gerentes sudamericanos expresan una mayor apertura hacia los chatbots, mientras que los europeos muestran actitudes más críticas hacia capacidades complejas, como la creatividad y la inteligencia emocional. Usando un modelo de árbol de decisión C5.0, con una precisión del 89.52%, se identificaron diferencias culturales clave, destacando la necesidad de soluciones de IA adaptadas a contextos regionales.

This study analyzes the sentiments of hotel managers in South America and Europe towards a specific chatbot provider, with the aim of determining if it is possible to categorize these feelings based on geographical origin, providing a cultural and business perspective on the use of intelligence artificial (AI) in the hospitality industry. The sample included 154 Hotel Tech Review reviews, 53 from Europe and 101 from South America, on the Asksuite Hotel Chatbot. Tools such as Google Cloud Natural Language and IBM Watson Natural Language Understanding were used to perform sentiment and aspect analysis. The results revealed that South American managers express greater openness towards chatbots, while Europeans show more critical attitudes towards complex capabilities, such as creativity and emotional intelligence. Using a C5.0 decision tree model, with an accuracy of 89.52%, key cultural differences are identified, highlighting the need for AI solutions adapted to regional contexts.