La IA empresarial se convierte en canal de ventas, no solo una función: el plugin de ChatGPT de Radisson
Radisson y Accenture crearon un plugin de ChatGPT para descubrir hoteles que dirige las reservas al sitio de Radisson. Lo reutilizable es la capa MCP y API detrás, no el chat.
Escuche este artículo · 4 min
Narración completa del artículo, generada con IA.
Alrededor de 1,5 veces la conversión de la búsqueda orgánica. Eso es lo que Radisson Hotel Group reporta para los viajeros que llegaron a su flujo de reserva a través de ChatGPT en julio y agosto de 2026, según un caso de estudio que OpenAI publicó el 7 de octubre. La cifra es temprana y reportada por la empresa, pero apunta a algo más grande que el resultado de marketing de un grupo hotelero: la IA generativa pasando de estar dentro del producto a estar delante de él, como un canal donde los clientes encuentran el producto y empiezan a comprarlo.
El problema de negocio
Los grupos hoteleros han pasado dos décadas luchando por traer las reservas de vuelta a sus propios canales en lugar de pagar a intermediarios. Una nueva superficie de descubrimiento donde los viajeros planifican viajes en una conversación reabre esa lucha. Si el asistente recomienda hoteles sin los precios y la disponibilidad en vivo de la marca, los datos de otro dan forma a la respuesta.
Lo que construyó Radisson
Radisson trabajó con Accenture Song en un plugin de ChatGPT para encontrar y comparar hoteles mientras se planifica un viaje. Los viajeros ven sugerencias en un mapa, comparan precios y servicios dentro de ChatGPT, y luego continúan al sitio propio de Radisson para completar la reserva. El checkout no ocurre en el chat.
Detrás del plugin, Accenture construyó un servidor MCP y APIs que también impulsan la publicidad patrocinada de Radisson en ChatGPT, que Radisson empezó a ejecutar en julio, y que están destinados a soportar funciones futuras. Accenture dice que el plugin tardó unas seis semanas en construirse. Más allá de la cifra de conversión, las empresas reportan que más de la mitad de los eventos registrados de checkout y reserva se atribuyeron a vistas de anuncios mediante medición de view-through.
Lo que la empresa posee y lo que alquila
La forma útil de leer el caso es separar las capas según quién las controla.
| Quién lo controla | Qué observar | |
|---|---|---|
| Descubrimiento en el asistente | La plataforma de IA | Ranking, reglas de visualización, cómo el modelo describe la oferta |
| Servidor MCP y APIs | La empresa | Precios y disponibilidad actuales, reutilización en plugin y anuncios |
| Checkout y pago | La empresa | Términos, consentimiento, fidelización |
| Medición | Compartido | Atribución view-through versus pruebas de holdout |
La capa de capacidades es la inversión duradera. El mismo servidor MCP sirve al plugin y a los anuncios, y servirá a lo que venga después, que es la lógica que describimos en construir una vez y reutilizar entre agentes. También es donde vive el trabajo duro: los precios y la disponibilidad en un canal conversacional deben ser tan actuales como en el sitio web, y un plugin que cotiza la tarifa de ayer genera una queja, y en algunos mercados un problema de protección al consumidor. Ese es el mismo desafío que conectar aplicaciones creadas con IA a datos empresariales en vivo.
Mantener la transacción del lado de la empresa mantiene el pago, la fidelización, los términos y el registro del cliente en sus propios sistemas. El asistente trae al cliente a la puerta; la empresa sigue atendiendo el mostrador.
La lección transferible, con salvedades
Las capas alquiladas merecen escepticismo. La medición de view-through acredita un anuncio que fue visto, no necesariamente clicado: una señal útil, prueba débil de ingresos incrementales, por lo que los cambios de presupuesto deberían esperar a las pruebas de holdout. Dos meses de verano con una audiencia temprana comprometida pueden no mantenerse a medida que el uso se amplíe. Y el descubrimiento dentro de la plataforma de otro depende de las decisiones de esa plataforma: Radisson señala que los usuarios alguna vez tuvieron que escribir el nombre del plugin antes de una consulta, hasta que una actualización de ChatGPT eliminó la necesidad.
Para cualquier empresa con productos que un cliente podría descubrir en una conversación, el orden del trabajo se desprende de la tabla. Construya la capa de capacidades como una API o servidor MCP que usted posea, mantenga el checkout y el consentimiento en su propio canal, defina la medición antes del lanzamiento, y revise lo que el asistente dice sobre su oferta como revisaría a un revendedor. La interfaz de chat es la parte que cambiará con más frecuencia.