2025《中国旅游教育人工智能转型深度研究报告》

20252025中国旅游教育人工智能转型深度研究报告中国技术经济学会文化和旅游技术经济分会、问途研究院2026年03月致 谢核心作者团队感谢报告作者在研究设计、数据分析及撰写过程中的不懈努力（排名不分先后）：黄昕博士（广州市问途信息技术有限公司董事长、教育部全国旅游职业教育教学指导委员会酒店管理类专委会委员、亚太餐饮酒店及旅游教育协会网络关系总监）谢朝武教授（中国技术经济学会文化和旅游技术经济分会会长、中国旅游协会旅游教育分会副会长、华侨大学旅游学院院长）周春林教授（教育部全国旅游职业教育教学指导委员会副主任委员）特别感谢以下专家在报告编写过程中提供的深度洞察与专业指引，他们的真知灼见为报告的学术深度与前瞻性提供了坚实保障（排名不分先后）：王昆欣教授（教育部全国旅游职业教育教学指导委员会副主任委员）谷慧敏教授（中国旅游协会旅游教育分会秘书长）操阳教授（教育部全国旅游职业教育教学指导委员会酒店管理类专委会主任、南京旅游职业学院院长）汪京强教授（华侨大学国家级旅游实验教学示范中心、国家级旅游虚拟仿真实验中心主任）本研究的实证案例与行业应用分析得到多家领军企业的参与和支持，在此一并致谢：司 村 司 司第一章

生成式人工智能在高校中的应用现状2025年，生成式人工智能的广泛使用促使AI从局部技术热点转向全社会的通用赋能。全球旅游业正经历着一场由生成式人工智能驱动的范式转移。从智能行程规划到数字人导游，从自动化营销内容生成到沉浸式虚拟体验，AI技术已不仅仅是辅助工具，而是成为了旅游产业的新基础设施。在这一背景下，作为培养旅游人才的主要阵地，高等旅游教育正处于机遇与挑战并存的关键时期，如何培养能够驾驭这一技术浪潮的“数智化”旅游人才，已成为各大高校旅游管理类专业教学变革的核心使命。区别于传统信息化建设对硬件设施的侧重，人工智能赋能高等教育的重心在于驱动教育教学全流程的再造与范式革命。人工智能不是教育的“外挂”或简单的效率工具，而是倒逼教育发生结构性变革的核心动力。生成式人工智能在高校学生中的应用现状过去两年中，生成式人工智能从一种新兴的实验性技术迅速演变为驱动全球高等教育变革的主要力量，大语言模型（LLM）成为教育技术的基础设施。

国大学生在学术任务中使用生成式人工智能。在中国高校的调研数据显示，中国大学生的生成式人工智能使用率已超过70%，与美国大学生群体中的使用比率处于同一量级。根据发布的《2025年大学生生成式人工智能使用调查》显示，约%的美国大学生在过去的学习过程中使用了生成式人工智能。而在《福布斯》引用的2025年精英高校调查数据显示，

80%美国大学生在学术任务中使用生成式人工智能的比率

70%中国大学生使用生成式人工智能的比率01术导向性。调查指出，“文本生成”和“信息检在一个针对486名中国大学生的调研发*此散点图通过“自评熟练度”（横轴）和“使用频率”（纵轴）两个维度，将用户群体划分为四个象限，用以分析技能掌握与实际应用之间的关系。数据来源：MDPI。*生成式人工智能在高校学生群体中的渗透呈现出“高普及、低素养*生成式人工智能在高校学生群体中的渗透呈现出“高普及、低素养”的背离特征。

*调研覆盖院校A（有效样本n=112，回收率93.3%）与院校B（有效样本n=86，回收率67.7%）而在“非常了解”这一维度上更是出现了“低覆02生成式人工智能的“双刃剑”影响方层面都鼓励学生利用进行探究式学习，但为了维护学术公平，很多高校禁止直接将生*人工智能工具在学习过程中的应用标准在实际操作中难以把握，导致学生在灰色地带徘徊。对于许多学生而言，大模型是一个不知利用AI献清单甚至撰写开题报告。“文本生成”和“信息检索”是生成式人工智能在论文阶段的主要用途，其降低了论文写作的启动门槛，使学生

以将更多精力投入到高阶的分析与论证中。但很多现象说明，生成式人工智能使学生的研究能力出现了层度不一的“倒退”。这些“倒退”的表现形式如下：思维外包无论是课程小论文，还是毕业论文，写作的过程本质上是思维组织的过程。当写作被AI外包，学生本应有的思维训练亦随之流失，生成式人工智能帮助学生跳过了大脑综合处理碎片化信息、构建逻辑链条的关键神经活动。这种“思维外包”导致学生产出的文章内容虽然在形式上完美，但在逻辑上经不起推敲。麻省理工学院媒体实验室的研究还发现，大语言模型是基于统计概率来预测下一个最可能的词汇，因此容易产生同质化观点。此外，随着AI工具的普及，学生越来越倾向于阅读AI生成的“摘要”而非原著。这种浅层阅读习惯导致学生对理论框架的理解停留在表面，无法捕捉文献中的细微论证和具体语境。结果是，学生在论文中引用的理论多是断章取义的，缺乏对研究脉络的整体把握。这使得使用AI撰写论文的学生，在独特观点和创新性方面存在一定的问题。判断能力在毕业论文的具体实践中，最常见的问题是学生缺乏对AI生成内容的判断力。在传统03学习闭环中，学生需要调动大脑来处理学习任务，然后产出结果。而在生成式人工智能介入的回路中，学生将任务直接输入给AI，待AI输出结果后进行被动接收。麻省理工学院媒体实验室的研究人员使用脑电图监测了三组受试者在撰写论文时的大脑活动：一组只用大脑，一组使用搜索引擎，一组使用ChatGPT。证实了“用进废退”原理，即当AI接管了认知负

AI工具的使用频率与批判性思维得分之间存在负相关关系。值得注意的是，这究结论指出，频繁使用AI会导致“智力依赖”，即离开工具后，学生独立进行逻辑推理和问题分析的能力明显弱于不使用或较少使用的群体。很多论文指导老师认为，学生无法判断)脑而沃顿商学院的另一项实验显示，即便被提前告知AI可能出错，绝大多数学生仍未能识别出文本中的事实错误。研究发现，生成式人工智能的过度使用与学生的批判性思维能力下降之间，存在明确的实证关联。

学生表现出一种“算法默许”的心理状态。他们不愿意付出额外的认知努力去核实大模型生成的每一句话，而是默认“AI是对的”。此外，如果要核实一个AI生成内容中的观点，验证者自身必须具备一定的“专业知识”。而现在的情况是，学生缺乏对自己专业领域的知识认知，并没有能力去判断AI生成内容的真伪。所以，在使用AI之前，必须先建立坚实的专业领域知识基础。培养“知其然亦知其所以然”的深度认知。04生成式人工智能在高校教师中的应用现状2025年，由中国内地与香港高校学者发布的《中国旅游与酒店教育中的人工智能：政策、挑战与前景》研究指出，通过全面的政策举措、产业融合和高校创新，中国在探索人工智能驱动高等教育创新模式方面处于领先地位。

2024年至2025年，国家密集发布相关政策，层层递进地推动AI在教育领域的落地：3教育部启动了“人工智能赋能教育行动”，全力推动人工智能赋能教育改革创新。5教育部启动了“实施国家教育数字化战略行动2.0”，明确将智能化作为核心战略方向之一。8国务院发布《关于深入实施探索期（2012–2018年） 以《教育信息化十年发展规划》为顶层指引，侧重于宽带网络等基础设施建设及MOOC、翻转课堂等初步资源共享尝试。扩张期（2019–2022年） 在疫情催化下，实现从“选择性”向“刚性需求”的转变。AI技术开始普及，如语音识别和智能监考等。同时智慧旅游政策推动旅游教育中虚拟仿真实验教学的系统性建设。教学模式在Th成式人工智能与大模型驱动下，由单一工具应用向智能助教、AI导师及人机协同的智能驱动变革深层迈进。

“人工智能+”行动的意见》，提出把人工智能融入教育教学全要素、全过程，创新智能学伴、智能教师等人机协同教育教学新模式；推动育人从以知识传授为重向以能力提升为本转变，加快实现大规模因材施教，提高教育质量，促进教育公平。构建智能化情景交互学习模式，推动开展方式更灵活、资源更丰富的自主学习；鼓励和支持全民积极学习人工智能新知识、新技术。年发布的《年中国高校师生生成式应用情况研究》中数据，高达式人工智能工具，%的教师表示“偶尔使05这意味着教师的AI素养已经不再是“加分项”，而是成为职业生存的“基本功”。

他们的核心诉求是“提效”，希望从低价值的重复劳动中解脱出来。派 仍有相当一部分教师是在外部压力下被动使用AI是学生端，学生将AI因此教师必须了解AI教师参与相关培训和使用相关AI应用。*不同教师群体的使用深度和动机。*尽管使用率高，但不同教师群体的使用深度和动机存在差异：

在旅游管理类专业的AI赋能实践中，专业教师正面临结构性的挑战。在《中国旅游与酒店教育中的人工智能：政策、挑战与前景》研究中指出，大部分旅游管理类专业教师具有管先锋变革派

约占教师总数的10%-15%。这

理学、社会学或地理学背景，但缺乏计算机科类教师通常来自双一流高校或理工科背景，他们不满足于工具层面的应用，而是致力于利用AI重构教学体系。这类教师不仅是AI的使用者，更是AI课程的开发者和体系的设计者。

学或数学基础。由于缺乏系统的AI培训，他们利用AI的能力提升相对缓慢。而长期形成的教学惯性使得部分教师对新技术持“观望”甚至“抵制”态度，难以将新技术的应用融入课堂。实用主义派

占教师总数的50%以上。对于

《2025高等教育人工智能发展报告》指出这部分教师而言，AI他们利用AI

了当前高校人工智能应用面临的“体系性滞后”瓶颈。目前，许多高校的AI应用仍停留在“工具补丁”层面，即在不改变原有教学目标、课程结06构和评价方式的前提下，单纯地引入AI工具来

未来教师

不再是知识的垄断者和单向灌输提升局部效率。然而，人工智能的真正价值在于“体系重构”。如果教学目标是获取碎片化知识，那么AI无疑是作弊利器。如果评价方式依然是标准化的统一考试，那么个性化学习就无从谈起。随着AI逐渐接管知识传递的核心职能，教师须重塑角色，利用AI重构教学流程，将技术深度融入“因材施教”的底层逻辑。未来的教师，可向以下三个方向进化：

者，而是人机协同环境下的学习设计者、情感引导者和思维启迪者。未来课堂打破物理空间的围墙，融合虚拟仿真、知识图谱与实时互动，成为数据驱动的探究场所。未来学校演变为开放的教育生态系统，不仅服务于在校生，也通过AI技术服务于终身学习者。未来学习中心以学习者为中心，提供个性

化、精准化的资源配置服务。探究式的学习项目，而非简单的讲授者。情感与价值的导师处理机器无法处理的心理困惑、伦理冲突和人际关系。人机协同的管理者指导学生如何正确、负责任地使用AI，成为学生数字素养的引路人。*《中国智慧教育白皮书》阐述的“四个未来”构想。这一构想的提出，通过一系列的政策组合拳，快速下沉到了各类高校，成为中国高校教师工作环境变化的主要政策推手。2025年的发布的《中国智慧教育白皮书》为高等教育的智能化转型确立了理论框架。白皮书系统阐述了“四个未来”的构想：未来教师、未来课堂、未来学校、未来学习中心。

2025年12月30日，在教育部新闻发布会上，教育部科学技术与信息化司司长表示：“下一步，教育部将继续深入推进人工智能赋能教育行动，计划于2026年出台相关政策文件，系统部署人工智能教育和应用，构建面向未来的教育体系”。07是工具的极高渗透率，另一方面则是“教”与

养效果的同时，更掩盖了学生在解决实际问题能力上的结构性断层。参考文献：认知深度的错位

大部分教师将AI定位为提

升行政与备课效率的辅助工具，侧重传授“工具化”的操作技巧。而学生在处理复杂专业问题时，真正需要的是基于AI进行逻辑推演与问题解决的“高阶思维支撑”。双方认知的差异，使得AI应用实践停留在工具层面，尚无法转化为推动教与学质量变革的核心能力。管理学或社会学背景，但缺乏数字化技术基础。学生虽然是“数字原住民”，但缺乏专业的素养。这种双向能力的瓶颈，导致教师无法借助输出高质量的启发式教学内容，学生也缺乏利用AI进行高阶学习的能力，使AI

评价体系与产出的错位

许多教师仍在沿用

倾向于提交未经逻辑核实的内容。这不仅容易导致教师错判学生的研究能力，也使学生认为传统考核缺乏意义。这种错位在削弱人才培

08第二章

旅游产业数智转型中旅游教育数字化发展现状分析根据《中国旅游职业教育年度报告（2023-2024年）》，全国共有1097所高职院校（含本科）开设旅游大类专业，2024年招生约13.8454万人，在校生约41.54万人。专业开设分布情况如右图所示：根据中国旅游协会旅游教育分会整理，截至2025年，我国开设旅游大类专业的本科院校共474所，其中406所有旅游管理类专业，

6161820262737494950129133

243

657

774个旅游大类专业开设院校数量统计图。数据来源：《中国旅游职业教育年度报告（2023-2024年）》。可见，无论是高等职业教育还是本科教育，我国都是全球旅游教育规模最大的国家。但在教育体系中，旅游管理类专业陷入了本科层面“学科弱势化”、高职层面“大而不强”的结构性窘境。这并非源于专业价值的缺失，而是教学供给与产业需求错位所导致。究其根源，现有教育体系对旅游学科的高阶能力价值与技术壁垒挖掘不足，导致人才培养陷入了低水平重复，难以支撑行业数智转型过程中对创新型人才的需求。面对日趋个性化、体验化、数智化的现代旅游业运营模式，这种培养模式滞后性不言而喻。生成式人工智能对中国旅游业高质量发展的作用2025年，当旅游高等教育仍在消化“数字化升级”的内涵与途径时，一场由生成式人工智能驱动的、堪比工业革命的范式变革已悄然降临。在酒店与旅游业，这场变革率先激活了对技术十分敏感的在线旅游（OTA）领域。

相比之下，像酒店、景区、旅行社等传统旅游企业，虽然在技术应用上上保持着审慎稳健的步调，但也已置身于人工智能“规模化应用”的探索期。09企业外部运营的“体验革命”不同于侧重于人脸识别、推荐算法等单一任务的判别式人工智能，生成式人工智能具备理解复杂语境、逻辑推理及多模态内容生成的强大能力。在旅游领域，生成式AI正跨越单纯的‘增效’阶段，加速发展为支撑产业发展和企业运营的核心引擎之一。这种从赋能工具向底层基础能力的演变，将在2026至2030年间引发行业生态的系统性重塑。从数字化运营上，主要体现在两个维度：

应用开发平台，将复杂的业务需求拆解为可执行的标准化工作流，实现从“信息交互”到“数字员工”与组织重构具备自主规划能力的“数字员工”将不断涌现。它们不仅能处理重复的工作，还能重塑人力资源和组织架构。通过类似于问途的Co-Office.AI虚拟企业智能训练系统，管理层可以在“数字孪生”的职场环境中对员工进行高压模拟实训，将过去难以量化的同理心、抗压能力等软技能，转化为基于AI算法的可视化能力报告。全链条渗透AI应用将打破碎片化的场景限游者行前灵感激发、行程规划，行中即时服借助于生成式人工智能，旅游服务正转向由AI驱动的‘按需生成’定制模式。这种转变将变革旅游服务‘千人一面’的单一体验，开启‘千人千面’的极度个性化服务时代。企业内部管理的“效能革命”

2025年是中国旅游业的“AI产业化元年”。行业已跨越了早期的概念验证阶段，进入了商业化部署的快速发展阶段。不仅头部OTA平台完成了基础设施的智能化重构，产业链中游的酒店集团和上游的景区也通过私有化部署或MaaS模式，将AI能力植入到越来越的业务流和场景中。典型案例如下：行业应用案例一金陵酒店管理有限公司金陵酒店管理公司携手钉钉AI，以“以客户为中心的质量可持续提升”为核心目标，协同打

造了AI质量治理中枢——“质慧管家小哨”（以业数字化转型受困于割裂的信息系统。现在，非技术背景但具备AI素养的管理者，也能利用类似问途的AIPlayground这样的无代码AI

下简称”小哨“）。“小哨”的核心定位是“外引内治、双向驱动”。前端利用AI主动捕获OTA及社媒舆情，将10非结构化反馈转化为执行指令；后端依托移动巡检与结构化表单，将内部标准精准落地。由此构建了贯通“客户投诉—根因诊断—责任落实表格的智能触

行业应用案例二行业应用案例二凤悦集团旗下数智管理部与财务管理部积极探索前沿技术应用，协同打造了专属AI财务助手“智财管家毛毛”（以下简称”毛毛“）。该智能体是生成式人工智能在财务领域针对性部署的典型实践，旨在通过技术革新提升财务运营效率与服务体验。“毛毛”是以集团财务制度、流程规范及日常高频业务痛点知识为核心训练内容的智能客服机器人。其构建方法是基于成熟的生成式人工智能平台与对话引擎，深度融合企业专属知识库进行训练与优化，使其能够精准理解并回应来自各部门员工的财务咨询。“小哨”助力金陵酒店管理有限公司实现了

在应用层面，“毛毛”聚焦两项关键服务：一是智能问答，7×24小时即时解答标准化问题，实现“高频问题秒级解决”；二是流程导航，将复杂申请与审批流程转化为清晰的交互式指引，实现“复杂流程一键简化”，降低员工操作门槛与沟通成本。11“毛毛”助力凤悦集团取得了显著的转型效果。在效率层面，财务共享中心承接的常规咨询压力大幅减轻，释放了有限的人力专注于高价值分析与管控工作；在体验层面，全体员工获得了全天候、标准化、即时响应的财务支持；在管理层面，推动财务知识标准化与沉淀，强化了制度执行的统一性与合规性。

AI智能体引入为东呈集团带来了降本增效的显著成果：新员工独立上岗周期从1个月缩短至7天，单项复杂技能掌握时间从1周压缩至2小时。此外，这种高频次的“场景化”训练，不仅提升了员工应对突发状况的业务韧性，更推动了服务标准的规范化落地，有效规避了新员工服务不当带来的口碑风险。行业应用案例三东呈酒店集团 行业应用案例三东呈酒店集团行业应用案例四锦江酒店（中国区）东呈集团依托企业沉淀的海量真实“棘手案例”与资深员工经验，打造了专属AI智能体，旨在破解一线员工流失率高、新人适岗周期长的行业难题。该智能体形成了“AI角色扮演+即时反馈”的培训模式。在实战演练中，AI随机模拟“暴躁住客”、“突发急救”等高压场景，让员工在与“虚拟客户”的一对一博弈中，实现从理论到实战的快速跨越。演练后，系统提供的多维度点评与话术指导，进一步助力员工实现错误的即时纠偏与技能的快速固化。

锦江酒店（中国区）与飞书联合打造了定制化协同平台“锦鲲”。平台致力于将AI深度嵌入日常工作，成为每一位锦江伙伴都能轻松驾驭的助手，掌握将智能转化为解决实际业务问题的真实能力。平台上线后立即覆盖锦江酒店（中国区）总部、区域及门店全层级，还可根据不同层级的员工需求，提供千人千面的定制化工作台界面和功能。“锦鲲”还包含多项AI应用创新。其中，其核心智能体——基于飞书Aily及酒店业务场景特别搭建的“鲲书”，集锦江知识库智能客服与全能工作助手双重角色于一体。一方面，锦江几十年沉淀的服务标准、管理经验、优秀案例等，能被提炼成可复用、可传承的“知识库”，为“鲲书”聚焦酒店业务场景深度训练提供了坚实基础。另一方面，“鲲书”支持对话交互，12员工不再需要多方查找、跨部门问询，即可一站式获取业务数据分析、门店表现排名、运营制度细则、OA流程指引等信息，新人也能快速上手。此外，它还能精准助力品牌宣传、营销活动推广等内容的生成，及创建工作任务与日程，为酒店日常运营带来实实在在的支持。

源，率先在数字化营销领域实现突破，于2023年双11期间成功落地AIGC内容生成，文生图以及数字人直播等技术。2024年，豪猪联合阿里云，基于通义千问大模型底层架构与企业级数据库，打造了业内首个酒店AI推荐插件；2025年，依托飞猪平台能力，进一步构建万豪专属智能体，实现大语言模型（LLM）从“问答”到“智能行动”的关键跃迁。行业应用案例六视旅科技（中国区）宣布启动体员工拥抱、主动提效的热情，推动锦鲲平

视旅科技创建了旅游行业首个原生Agent平台，通过自研的大模型与点，实现了从“搜索匹配”到“AI生成与动态履行业应用案例五浙江豪猪网络技术有限公司动确立为企业的核心引擎。对技术重塑产业式AI技术积淀与万豪国际深厚的运营场景资

在技术架构层面，视旅科技构建了“基座模型+行业垂类模型+智能体平台”的三层创新架构。通过融合超3亿条海量旅游多模态数据，13基于开源模型训练出专精于旅游场景的VtripGPT，使其具备了深度的用户意图理解与复杂的行程规划能力，为智能服务提供了强大的底层支撑。而智能体不仅集成了AI门户、运营后台、履约APP及数据平台，形成了完整“服务适配人”的服务逻辑变革。依托“AI旅行管家”和“专属数字人”作为核心交互入口，将AI角色升级为智能伙伴。用户只且支持一键下单支付，真正实现了商业闭环,重构了用户与平台的连接关系。目前，视旅科技已将该技术能力聚焦于三大核心场景落地：在C端，通过生成式AI输出个性化方案，联动机酒预订及行中动态调整、行后旅拍生成；在企业端，打造智能化差旅系统，优化政策与成本管控；在目的地端，赋能流量归集与私域运营。通过全场景覆盖，视旅科技正全面推动旅游服务的数智化升级。

生成式人工智能应用五大核心业务场景生成式人工智能的应用已从简单的自动化执行演进为深度的业务赋能，主要聚焦于以下五大核心业务场景营销与传播从“单点创作”向“内容工厂”模式转型主要应用场景如下：社交媒体以及多媒体内容的规模化生成生成式人工智能的应用已从简单的文案创作演进为与企业业务高度融合的内容工厂模式。在企业级应用上，通常强调以私有知识库为底层支撑。例如，通过将特定的业务要求注入业务级提示词，问途的DOSSM多智能体短视频生成平台能够更高效产出适配不同社交媒体的短视频及海报的多模态内容，实现营销资产的规模化创造。客户搜索范式优化：AEO（答案引擎优化）：侧重于将酒店房价、设施、政策等核心产品信息进行结构化治理。其目标是确保在对话式搜索（如语音助手、AI客服）中，企业私有知识库的信息能作为“唯一权威及可信事实”被精准提取。14GEO（生成式引擎优化）：侧重于通过提升品牌在全网高质量语料中的关联密度与引用频率，优化大模型在生成个性化旅行建议时的品牌推荐权重。人才培养与教育从“理论导入”向“沉浸式实训”进化针对行业高流动率与新人适应岗位慢的痛点，生成式人工智能能有效实现‘教、练、评’一体化的培训模式，有效缩短了人才从校园到岗位的‘时差’。以SOP为基座的虚拟业务情景构建区别于传统的剧本演练，生成式人工智能基于企业私有SOP知识库与历史真实客情案例构建非线性交互模型。它模拟真实的现场服务环节，要求学员在模拟的动态压力下（如面对不同性格与情绪的客人），将静态的SOP指引转化为以客户为中心的现场决策，有效解决压力下的“标准执行失灵”问题。基于语义理解的数字化评价体系

客服与交互从“程序化响应”向“认知化协商”升级生成式人工智能赋予了客服系统深度语义理解能力，使其能够介入具备逻辑复杂性的业务环节。复杂协商与策略处理针对旅游业退改政策多、突发状况复杂的痛点，AI能够基于政策细则与不可抗力因素进行逻辑推理，通过独立协商实现‘一站式’问题解决，大幅降低人工介入率。t在人工交互环节，AI实时进行意图识别、知识库检索与话术推送，作为一线员工的“数字化副驾驶”，降低平均处理时长并确保服务口径的一致性。个性化点评与口碑运营针对网络评价，AI能深度解析其情感倾向，并生成具备品牌温度且跨语言和文化的个性化回复。生成式人工智能能够对演练全过程进行深度解析。除了评估流程合规性，更擅长在共情能力、沟通弹性及同理心话术运用等软技能维度提供量化评分。通过对比SOP标准与学员的实际产出，系统能自动识别个体的技能盲点，并生成针对性的强化训练方案，为企业内训提供客观、可追溯的教学评价。

经营决策与分析从“数据报表”向“运营建议生成”跃迁生成式人工智能改变了传统数据分析中“人找问题”的逻辑，实现了从“数据洞察”到“行动方案”的直达。经营洞察与归因分析AI对经营数据进行深层语义关联，自动分析数15据波动原因并给出建议，而非仅呈现数据指标。例如对线上价格的动态检测并提出调价建议。客户交互数据分析与运营策略生成基于客户交互数据（如电话语音、投诉反馈数据）等进行分析，洞察客户需求，主动生成具体的运营建议。组织效能与治理从“人工管控”向“数字化资产治理”重塑依托生成式AI，企业在实现总部管理下沉的同时，通过激活一线全员的微创新活力，驱动组织效能从‘经验驱动’向‘智能驱动’模式转型。隐性知识的标准化内化利用RAG（检索增强生成）技术，将资深管

理者的非结构化经验、案例及SOP手册构建为企业专属的‘数智大脑’，实现从‘人找知识’向‘知识找人’的范式转变。业务驱动的“去中心化”微创新生成式人工智能极大地降低了数字化工具的开发门槛，使企业能够建立自下而上的创新机制。企业能够利用低代码或自然语言交互方式，自主构建定制化智能助手。管理指令的精准分发与跟进AI能深度解析管理意图并自动提取关键执行项，通过与业务流的自动化对接，确保决策指令从‘管理末梢’到‘执行一线’的全程闭环与结果对齐。中国旅游业人工智能转型对岗位人才的需求在高等教育，尤其是高等职业教育中，往往会强调岗位变化和需求。在数字化时代，旅游业会出现数字营销、收益经理等数字化特征鲜明的新岗位。在人工智能时代，在很多研究报告中，会预测生成式人工智能使得劳动力市场上出现了一些全新的岗位，例如提示词工程师，知识库管理员等。但从主流招聘网站上看，招聘这些岗位的主要是一些从事AI应用的公司。从最佳东方这些旅游业专业招聘网站上，这些职位鲜有露面，主要原因是：大多数

企业并非倾向于设立独立的AI部门或者岗位，而是将AI能力作为一种“增量技能”，深度嵌入并碎片化到了现有岗位之中。在企业级应用场景下，技术门槛正不断降低，“可落地执行”成为了检验应用价值的标准。将AI智能体转化为真正的生产力，是一个持续的业务工程化过程。从“可运行演示”到“生产力工具”，核心差异在于对私有知识库的精耕细作、提示词工程的精细调优，以及工作流的精心编排。16AI的技术基座已足以支撑业务愿景，但其工程化实践仍高度依赖于团队对业务持续校准，我们得以将AI从‘概率性输出’转化为稳定的‘确定性交付’。基于此，行业最稀缺的资源已转向复合型人才：他们深谙业务底层逻辑，能将隐性行业经验转化为AIAI低了库存成本。这种由员工创造的应用，要综合上述，旅游职场对人才的能力模型需求将发生新的变化，这种变化可以归纳为二个维度的进阶：从软件使用者到智能体指挥官在时代，人才不再是指令末端的执行者，而用低代码平台编排业务工作流，懂得与智能

中，人类员工扮演着不可替代的角色。这一转型对人才的底层素质提出了更高的要求。高情商、文化底蕴、美学素养及沟通能力等软技能成为人工智能时代旅游人才不可或缺的职业竞争优势。随着服务业加快从“数字赋能”的互联网服务向“智能驱动”的新型服务方式演进，无人服务与人工服务相结合的新模式将成为未来的主要工从标准化服务提供者到个性化体验设计师AI逐渐接管重复性工作，而在AI无法触达的情感交互、突发状况处置以及创意化方案定制

现代旅游业的主要场景，是数字技术赋能下的高频人际深度交互。这种交互具有高频性、复杂性和不确定性。作为一名优秀的旅游17从业者，其价值体现在能否就突发状况，调动多方资源，利用技术工具，进行复杂的决策与情感互动，这就是“数智指挥官”的能力要求。遗憾的是，这种“非结构化”的决策能力，正是传统课堂和实训中心难以触及的盲区，但恰恰是生成式人工智能所擅长的应用场景。是生成式人工智能所擅长的应用场景。2021-2025中国旅游教育的数字化升级的成果与思考有转折意义的五年，其标志性事件是教育部潮中，中国旅游教育界正经历一场数字化洗

面对文旅产业业态的迭代与岗位结构的重塑，*教育部文件《职业教育专业目录（2021年）》。中国旅游协会旅游教育分会在《十五五开局双一流启航重塑旅游教育坐标》中指出，

这种大规模旅游教育基础设施的投入，及大量在线课程、智慧课程的建设，使中国构建了规模化、体系化的旅游职业教育实训集群，成为中国旅游教育发展历程中具有里程碑式意义的一幕。18这五年，是中国旅游教育探索数字化变革

认知碎片化

数据流转的断裂，导致学生只的深水区。各地院校积极从师资结构、教材形态、课程体系及实训环境等维度推动数字化升级。然而，在具体落地过程中，教育界对“数字化”本质的认知仍存在明显的认知分化。典型的认知差异如下：

能在受限场景内观察割裂的业务片段，无法从全局视角理解数字化运营的底层逻辑与协同效应。这种“碎片化”的教学成果，与产业端要求信息化工具的叠加vs.数字化生态的构建然而，以单门课程为核心、由单一软件驱动的升级模式，正面临较多的系统性瓶颈：

业务操作模拟vs.数据驱动思维在数字化升级的内涵定义上，目前旅游教育界与产业界存在认知成熟度差异。这种差异主要体现在：是将数字化视为“工具的更替”，“信息烟囱”与数据孤岛

由于缺乏顶层设

还是将其视为“底层逻辑的重构”。计，各课程引入的软件因来自不同供应商，存在技术接口封闭、数据标准不一等问题。这种由分批次、分部门采购形成的“技术壁垒”，使各业务环节在底层逻辑上处于割裂状态。

局部提效与全局失焦

从行业演进视角看，

转化为电子表单输入。这种做法客观上实现了

“办公无纸化”或“流程线上化”，但本质上仍属于浅层复刻，数字工具仅被当作“载体”，而非驱动业务变革的“变量”。学生实践后，底层思维仍局限于对机械的操作流程的顺次完成，并未真正形成数字化思维和方法。19对于“数字化能力”的评估，目前存在两种不同软件操作视角将数字化能力等同于对软件功能的掌握度，评价标准侧重于学生是否能熟练完成录入、预订、展示等功能。这一模式下，学生对当前工具具有较强的适应性，但往往处于“有操作、无分析”的状态。

度，很多复杂的业务逻辑被封装在后台，“黑为纯粹的“软件操作培训”。学生学会了“点哪数据洞察视角关注数字化背后的运营逻辑。

“教学版”软件

为了降低学习门槛，另一

部分院校选择了功能简化的“教学版”软件。这类软件往往剥离复杂的外部关联，保留核心功能模块，由预设的、静态的“模拟数据”作为底层支撑。但真实数字化生态中，业务是动态流转且充满不确定性的。“教学版”软件存在功能“阉割”，版本陈旧，缺乏真实的业务交互等问题。学生在“静态的假设场景”下练习，难以培”.”院校在采购“行业版”和“教学版”软件之间，面临不同的认知差异。

“行业版”软件

许多院校倾向于采购行业

资源配置“显性硬件”与“隐性内涵”的错位领先或国内主流的“行业版”软件，以追求实训环境与行业前端的“零距离”。然而，“行业版”软件的本质是追求效率，具备较高的自动化程

在资源投入上，存在“重可见资产、轻无形能力”的倾向，导致数字化建设呈现出“外重内轻”的格局。20件购入占大头，软件购入不超的模式下，实验室外观和硬件达到了一流水问途根据近三年服务中国旅游管理类专业数字化实验实训室的投入情况进行分析。结果显示，75%的建设资金被锁定在硬件设施领域。大屏、VR设备、服务器等物理资产因其“可见性”强、易于量化展示，成为首选投入方向。而师资培训与课程开发的投入合计占比不足10%。在数字化的价值链条中，教师的数字

么”，而要取决于“谁在用、怎么教”。目前这种“头重脚轻”的投入结构，使得数字化投入落数字化人才评价的“道”与“术”的认知在对“智慧旅游”或“智慧酒店”人才培养方案的调研中发现，许多院校将教学重心锁定在“掌握具体数字化工具”上，课程中教授大量的但数字化工具的迭代频率远超教材的更新周期。学生掌握的软件技能在毕业时可能已被更先进的AI生成工具替代，或已被行业系统的大幅改版所淘汰。这种依赖单一工具的操作培训，导致学生陷入了“操作工陷阱”，即掌握了当前的数字化技能，却因技能的“半衰期”过短而迅速失去竞争优势。在人才评价标准上，产业界与教育界在人才评价上都存在“道”与“术”的认知差异。21教学侧的“术”

受限于传统的考评体系，

当前，旅游高等教育面临的挑战并非传统教学实践往往陷入软硬件使用的显性操作的训练。这种模式下，学生虽然掌握了工具的“说明书”，但在面对非标准化的服务场景时，往往表现出职业判断力的缺失和对业务逻辑的生疏。

意义上线性的、可以衡量的“差距”，而是不断拉大的巨大鸿沟。产业侧的“道”行业对数字化人才的核心诉求是，原生内容的创意生成能力、极强的服务同理心、跨文化语境下的沟通能力，以及数据驱动的经营直觉。企业反馈显示，单纯的工具操作训练在实战中边际效用递减，导致企业仍需投入高昂成本进行“二次开发”。

重构的事实。如果教育培养的只是“系统的操作员”，当AI直接接管系统时，我们的学生将何去何从？毕业生将在踏出校门的因此，探索一套适应文旅产业发展趋势的旅游管理类专业人工智能转型模式，已成为教育界与产业界的共同紧迫任务。22中国旅游教育人工智能转型的概述出符合行业需求，掌握行业业务技能和驾驭2025年，在旅游高等教育界，部分院校通过不同的模式进行创新。总结下来，人工智能在旅游类院校或专业的应用主要体现在以下三种模式：模式一：通用大模型开放式辅助教学这一模式的优势在于其开放性与低门槛。它几乎不需要额外的技术部署，师生可谓“开箱即用”。教师可以将通用大模型灵活地嵌入教学的各个环节，快速实现教学内容的拓展获取、

计基础的课堂互动话题、开展简单的角色扮演模拟，甚至辅助进行初步作业评价。在教学数字化转型的初期，这种模式对于AI工具的普及和师生AI素养的培养发挥了启蒙作用。局限最新动态，其关键问题在于难以构建完整的过程数据的断裂通用大模型通常是面向个人用户的产品。学生与AI的交互发生在私有的账户中，是孤立的“数据孤岛”。教师只能看到学生提交的最终作业结果，却无法看见学生的探索过程。这种学习过程的“黑箱化”，使得教师无法进行精准的过程性指导。于缺乏统一的提示词工程管理平台，不同教师或是同一教师在不同时间，给的评价指令都可能存在差异，导致的评分维度和标准飘忽反馈改进的断裂23便失去了依据，导致教学系统只能单向输出，无法形成自我优化的正向循环。

通用模型可能出现的知识性错误，构筑了一道安全屏障，确保学生获取的信息符合课程标准和教学目标。这一模式已成为当前高校建设“智慧课程”的主流范式，其价值在供给方面表现尤为显著：教师层面RAG智能体成为教师的数字化“分

身”，能够全天候响应学生关于课程知识点的琐碎提问，将教师从低效、重复的答疑工作中解放出来，专注于更有价值的教学设计。模式二：基于RAG的垂直课程知识库

学校层面

构建RAG知识库的过程，实质上为了有效规避通用大模型的“幻觉”问题，并将AI的生成能力严格约束在特定教学大纲与专业范畴内，基于RAG垂直知识库的“智慧课程”模式应运而生。RAG技术的实质是在生成式人工智能与用户之间增加“外部私有知识库”作为中间层。模型在回答问题前，须在知识库中检索相关文档片段，并基于这些可靠的信息源构建答案。小时智能课程助教”或“专业知该模式的核心价值在于它为AI生成内容成功划定了“边界”和“标准”。这很大程度解决了

是对教学资源的深度数字化整理与结构化重构。它让教育者重新审视课程逻辑，清洗过时信息，引入最新行业案例，从而系统性地提升了整体教学资源的质量。局限直知识库本质上构建了一个相对封闭的知识系统。它隐含了一种预设：库内的内容即为真理，库外的信息被视为不相关。这种设计在无形中强化了教材与既定知识的绝对权威，容易将学生限制在既定的知识边界内。长此以往，学生容易养成“寻找唯一标准答案”的思维定势，逐渐丧失质疑权威、探索未知和批判性思考的意愿与能力。教育有退化为“单向知识灌24输”的风险，而非理想中的“双向建构”。隐性知识的编码困境旅游业是一个高度依赖人际互动和服务的行业，大量关键技能属于隐性知识。这些难以被结构化编码进文本知识库的内容，导致RAG助教在重要的软技能教学上表现无力。与AI的交互往往停留在“提问-检索-回答”的单向索取层面。AI更像是一个智能“垂直搜索引接收端，作为学习主体的主动性与建构性未能

明，单纯依靠技术供给的优化，无法自动转化为学习效果的提升。如果“智慧课程”建设的经费仍然以理论知识学习为主要投入方向，在学习效果上的投资回报率需要慎重考虑。因此，未来的战略要将AI从“教师的替代者”转变为师生共同解决复杂问题的“合作伙伴”。在新的协同框架下，破局点在于教学任务的设计：教师布置的任务必须是复杂、开放，且AI无法独立完成的。学生作为核心决策者介入，调用AI的检索与生成能力来辅助分析、决策和创造，实现人机协同深度学习。我国学者提出的“教师-AI-学生”协同模型旨在解决上述问题。但在实践中，当前的RAGChatbot大多仍在替代教师的“基础问答”角色，尚未真正触及深度学习的核心。*基于RAG的垂直课程知识库模式。问途曾对使用问途RAG系统的教师进行访谈，一线教学的反馈揭示了一个现象：RAG模式提升了知识获取的便利性，但本身并不能解决学生的内在学习动机问题。调研发现，对于具备高学习动机的学生，RAG是高效的辅助工具。但对缺乏兴趣的学生，即使提供便捷的RAG知识库，他们也鲜少进行深度探究。这表

模式三：基于私有RAG与第三方工具整合的智能体辅助教学这种模式的核心在于将学校自建的私有知识库检索增强生成技术与第三方AI工具进行深度整合。教师依托学校自建的大模型平台，利用其中的行业知识谱系和支架式学习材料，结合精心设计的提示词，构建出适用于特定教学场景和业务场景的智能体。这些智能体能够辅助教师生成教案、模拟案例、设计教学活动。25这一模式有效提升了教师的AI素养。教师通过构建和运用各种教学智能体，能够更便捷地获取和整合行业前沿知识，生成符合行业逻辑的教学内容和模拟案例，从而丰富教学资源，创新教学方式。局限尽管该模式在辅助教师“教”的方面取得了显著成效，但从人才培养的全链路来看，仍存在以下关键局限：多聚焦于如何利用辅助教师的教学设计和评价，对于如何系统化地驱动学生端的素养、自主学习能力以及职业能力的全面提升，考虑尚显不足。学生的角色更多是AI服务的接受评价维度受限，难以评估实操与软技能现有的AI评价主要依赖通用大模型，对于学生在真实工作场景中的实操能力、沟通协作、情感态度等软技能的评估能力有限。

实工作场景中的实操能力、沟通协作、情感态度等软技能的评估能力有限。形式单一，实践教学突破不够目前的应用形式大多仍以聊天机器人问答和文本生成为主。在解决需要动手操作、复杂决策和人际互动的实践教学上，尚未形成突破性的解决方案。综上所述，模式三通过整合私有RAG和第三方工具，可为教师提升教学内容的创新性和评价效率有效赋能。然而，要实现人才培养质量的全面提升，还需要进行深入的探索。参考文献：[1]中华人民共和国教育部.(2021.03.19).教育部关于印发《职业教育专业目录（2021年）》的通知./srcsite/A07/moe_953/202103/t20210319_521135.html[2]Mian,A.K.,Butt,F.A.,&Sajid,O.(2025).Bridgingthedigitalskillsgap:acomparativestudyofemployabilityreadinessamongtourismstudentsandprofessionalsinMalaysia.JournalofGlobalHospitalityandTourism,4(2),123-135.https:///10.5038/2771-59066[3]Qian,J.,Lin,P.,Law,R.,&Li,X.(2022).LackofITanddigitalmarketingprofessionalsinhospitality:isiteducation’sfault?Elsevier.[4]Lin,X.P.,Li,B.B.,Z.N.,Z.,&Zhang,M.(2024).Theimpactofrealityonstudentengagementintheclassroom–acriticalreviewoftheliterature.FrontiersinPsychology,15,1360574./10.3389/fpsyg.2024.1360574[5]中山大学旅游学院.(2024.02.28).自主旅游决策新纪元：ChatGPT与生成式AI的初次揭秘./article/396862025.10（第一辑）[M[7]全国旅游职业教育教学指导委员会.(2025).中国旅游职业教育年度报告（2023—2024年）.旅游教育出版社.ISBN：9787563749461

8]谷慧敏.(202601.212026|育坐标.中国旅游协会.https:///dy/article/KJQSP5SS0514BTAB.html[9]李文瑶.(2026.01.22).中国“最复杂”的酒店生意，用飞书了.环球网科技./article/4Q82u9ZX24D[10]宋星.(2025.12.5).三个利用AI进行创新用户经营的案例.知乎专栏./p/1980338432103440953[11]王丹丹.(2025.03.21).“AI大脑”接管酒店业，东呈的行业首发有多强？.公众号./s/YRlwTNkI2YN2FcUsT_WBgw[12]飞书和ta的朋友们.(2026.01.23).锦江酒店（中国区）携手飞书发布“锦鲲”平台，打造酒店行业AI赋能新标杆.公众号./s/f_-3cA4DFMRJBKvea_CbKw[13]任彩茹.(2024.10.31).聚焦「AI+旅游」，「视旅科技」获亿元A轮融资｜36氪首发.公众号./s/R2dGCgZar1FTca6ZI4uEWQ26第三章

旅游管理类专业人工智能转型逻辑与方法随着生成式人工智能的普及，知识的获取成本骤降。大模型拥有超越人类专家的知识储备,使得传统“知识传授为重”的教育模式面临崩塌。如果教育的目标仅仅是让学生记住这些知识，那么培养出来的毕业生在AI面前将失去竞争力。《国务院关于深入实施“人工智能+”行动的意见》明确提出要“推动育人从知识传授为重向能力提升为本转变”，这一转向预示着旅游高等教育正经历一场深刻的范式革命。生成式人工智能时代旅游人才培养的供需逻辑与实践路径的人工智能产品架构为例，企业级AI5核心数据基座：企业的数字资产银行

积累的行业数据、案例、企业标准以及核心业务文档进行向量化处理。这是确保AI核心处理引擎：业务逻辑的“指挥官”这一层赋予了处理复杂业务的能力。通过引入代理式检索增强RAG），够像资深管家一样“记住”用户的历史交互与偏好，有效应对旅游行业长决策周期带来的断点，成为实现“千人千面”个性化体验的核心技生成式AI模型层：灵活的算法引擎架构最底层是企业私有知识库。对于旅游企业而言，这不仅是文档的堆砌，而是将多年

系统支持动态接入主流模型，企业可根据业务成本、合规要求或任务复杂度，在不同模型27间无缝切换，实现算力性价比最大化。应用解决方案层：业务增长的倍增器框架顶层对接旅游企业的降本增效场景。通过全渠道营销与多媒体内容生成，实现文案、视觉素材及视频的智能产出与自动化运营。部署基于私有SOP的智能客服，高效处理复杂咨询与多语种接待，显著降低人工成本。利用虚拟仿真技术开展生产力培训，加速新员工适岗与服务标准统一。构建AI数字化工作台作为员工“副驾驶”，通过自动化工作流推动内部管理效能的质变。基于上述企业级应用的说明，人才需求可以被清晰地划分为三个维度：

将复杂的业务逻辑转化为精准指令，指挥AI稳定产出符合行业标准的专业内容。核心进阶能力：逻辑设计与工作流编排能力这一维度侧重于将业务思维转化为自动化链路。需熟练驾驭AI工具，具备逻辑拆解能力，能够将碎片化的业务步骤串联为自动运行的工作流，通过精准的编排实现业务流程的自动化流转与效率质变。业务落地能力：场景化智能体策划能力这一维度是技术创造价值的关键。需敏锐识别旅游岗位的真实痛点，策划并设计出具备自主规划、工具调用及自我迭代能力的智能体。这些智能体能深度嵌入实际业务场景，有效替代或辅助人工完成高价值工作，实现技术落地的商业闭环。核心进阶能力掌握业务逻辑设计与工作流编排能力

综合上述，要将人工智能能力深层融入旅游教育教学，需遵循“底层能力培养”与“场景深度融合”的双梯度路径：核心底座：构建生成式人工智能数字化通用素养核心基本功：底层构建与调优能力这一维度聚焦于知识库构建与提示词工程的深度融合。不仅需精通企业私有知识库的搭建，将运营流程、产品特性及用户需求转化为高质量数据资产，还需掌握高阶提示词工程，能够

首先，要系统性培养学生对生成式人工智能应用开发的基础能力，构建“三位一体”的技能矩阵：基础构建力掌握知识库建设与提示词工程。逻辑编排力掌握工作流编排，包含对话逻辑流与自动化业务流设计。28场景落地力学习智能体策划与基于低代码或无代码平台的应用开发。场景融合：基于课程体系的AI模块化重塑将AI开发能力与旅游管理类专业核心课程深度耦合，通过行业真实业务场景编排工作流，实现“理实结合、以练促学”。以下是部分核心课程的AI赋能场景：旅游市场营销-营销文案策划工作流核心教学目标：基于品牌知识库与提示词，生成高转化率的推广内容旅游法律法规-合同合规审核工作流核心教学目标：训练AI识别合同条款中的潜在法律风险。人力资源管理-简历智能筛选工作流核心教学目标：模拟招聘场景，实现人岗匹配的自动化初步评估。客户关系管理-垂直领域智能客服核心教学目标：构建具备酒店/景区SOP知识的实时服务窗口。旅游财务管理-经营数据分析工作流核心教学目标：利用AI进行报表的拆解与趋势的预测。新媒体营销-品牌标准短视频生成核心教学目标：结合品牌视觉规范，利用AI实现多模态内容产出。

在上述课程AI实践项目设计中，AI应用的构建逻辑虽具有通用性，但其产出的质量取决于学生对专业知识的掌握深度。业务认知是基础缺乏对旅游业务流程的深度熟悉，则无法设计出科学的工作流。专业底蕴是核心缺乏行业知识的积累，则无法构建高质量的知识库，更无法写出具备“灵魂”的提示词。能指挥AI将面临结构性消失，幸存的岗位都将被AI名，但现存的每一个岗位都将进化为“人机协29生成式人工智能在旅游教育中的主要应用场景高保真虚拟业务场景的构建校内实训基地。从模拟酒店大堂、客房样板间到模拟机舱、模拟导游室，物理环境还原度越来越高。然而，这种基于物理空间还原的实训我们必须深刻认识到，物理场地的“形似”无法解决业务逻辑的“神似”。在传统的模拟实训课上，比较常见的场景是同学之间进行角色种演练缺乏真实的博弈对抗，由于扮演客人的同学同为旅游管理类专业的学生，彼此了解标准流程，因此在提问和互动过程中，往往下意识配合对方，使模拟过程缺乏真实客户刁钻、复杂甚至混乱的诉求。这种“温室”环境无法训目前高校采用的旅游仿真教学软件，本质是“线性剧情的电子游戏”。学生在软件中的所

有的流程都是预设好的。第一步必须做什么，第二步必须做什么，不仅有弹窗提示，甚至如果不按标准步骤操作就无法进行下一步。这种“保姆式”的仿真，剥夺了学生犯错的机会，也30基于生成式人工智能技术，可以开展非预设脚本、即时对抗性的互动实训。AI扮演具备独立人格、情绪模型和决策逻辑的智能体。当学生用话术安抚一位愤怒的虚拟顾客时，AI会根据学生的用词、逻辑进行实时分析。这种“千人千面”的对抗性互动，迫使学生必须每一次都全力以赴，调动所有的情商和智商去应对。人机协同重构工作流在传统的工业化旅游时代，标准化作业程序是确保服务效率与品质的准绳，人才培养的重心也因此落在了对既定流程的熟练执行上。然而，生成式人工智能的爆发正在深刻改写这一底层逻辑。未来的旅游业工作范式将不再是单纯的人力执行，而是人机协同。这意味着，新时代的旅游人才必须具备敏锐的AI思维，并能以此为支点，将所学的专业领域知识进行“数智化”重构。经验转化为AI示词设计能力，精准定义AI

可执行的标的跨越。最终，这种重构将指向具备自主规划能力的智能体部署。当学生学会指挥主动与外部真实系统交互并调用工具时，他们便完成了从“AI使用者”到“AI应用创造者”的身份改变革场景中练就数智化评价反馈评价是教育教学的核心，也是实现“能力本位”培养模式的关键闭环。在传统的实训体系中，由于缺乏有效的数据采集手段，个性化评价因人力成本高而难以落地。人工智能技术的引入，正在终结这种“盲人摸象”式的评价困局，实现了从“结果导向”向“能力与过程导向”的范式创新。智能化的过程性评价AI技术让评价不再仅凭31单一的考试成绩定终身，而是通过对学生在整个实训任务中每一个动作、每一句对话、每一次试错路径的数据沉淀，自动生成全维度的学情分析报告。教师端作为“智能驾驶舱”，可以实时监测全班的进度，甚至能深入到任意学生的任务界面，查看学习以及任务完成情况，从而精准掌握学生的学情。成式技术，可以对主观题、实验报告、人机

最终目的是为了促进个性化的学习。基于的AI能根据预设的专业标准进行辅助预判分，让学生在每一次练习后都能获得及时的改进建议，实驱动职业发展的精准匹配这种数智化的评价结果不仅服务于校内教学，更将延伸至学生的职业全生命周期。学生生成的AI作品和能力画像报告，可作为求职时的核心竞争证明，帮助企业更精准地识别符合岗位需求的“数智指挥官”，实现人才供需的指数级精准匹配。人工智能时代旅游教育的创新方法人工智能驱动的新型产教融合越来越多酒旅企业对于利用AI重构业务流程、提升运营效率有着不断增长的需求，但在落地执行层面却遭遇了严峻的人才瓶颈。像问途5这样的先进

致AI战略往往停留在规划层面，难以真正落地为生产力。养的学生难以适应数智化时代的需求。然而，高校拥有丰富的人力资源和系统的教学环境，若能引入前沿的实训技术与平台，将具备批校渴望实现学生的高质量就业，但企业往往32因毕业生实践能力不足，仅将其视为基础岗位的补充劳动力，导致校企合作难以深入。而今，面对企业AI战略落地的需求，高校通过人工智能教育教学改革，能够培养出企业急需的、具备AI应用与创造能力的高阶人才，实现“学生高质量就业”与“企业AI战略落地”的精准对接与双赢局面。当然，这一模式的成功实践，也离不开像问途这样兼具教育情怀与行业影响力的领军企业作为关键纽带，提供技术底座、课程和师资培训服务来搭建起校企深度协同的桥梁。跨专业的人才培养在旅游教育人工智能转型的战略探索中，部分先行院校已开始积极布局，尝试不同的路径。这些探索主要以本科院校为主，其中一种模式是旅游学院与校内计算机或人工智能学院合作，联合开办双学位项目；另一种模式则是在旅游学院内部独立开设工科方向的人工智能专业。此外，部分本科及高职院校也在探索开设“旅游+人工智能”的微专业课程。

跨学院联合开办双学位项目双学位项目有助于培养具有跨学科背景的复合型人才，但也面临课程负担重、学院间协调难度大等挑战。从理论上说，这种模式可以发挥各学院的优势。旅游学院提供坚实的行业知识基础，人工智能学院提供专业的技术课程体系，从而培养既懂旅游又懂技术的复合型人才，且对提升学生就业竞争力有直接帮助。但学生需要在有限时间内完成两个专业的学位课程，学习压力巨大，是否会导致两个专业都学而不精，需要进一步观察。更为关键的是，跨学院合作涉及教学计划安排、学分互认、资源调度等复杂的行政协调工作，容易产生摩擦和推诿，融合难度大。两个学院的教学目标、话语体系、评价标准上存在显著差异，若缺乏有效的跨学科教研机制与融合课程设计，跨界教育容易流于形式，无法产生有效作用。因此，需要双方领导和教师以高度的共识，构建起紧密的教研共同体。独立开设工科方向的人工智能专业在旅游学院独立开设人工智能专业，专业在旅游学院内部，教学管理和学生管理相对统一，有利于整合学院内部资源。理论上，该模式更容易将人工智能技术与旅游行业需求相结合，课程设置可以更偏向旅游应用。然而，在实践中，如何避免“懂技术的教技术，懂旅游的教旅游”，从而实现跨学科融合还是一个挑战。33此外，人工智能是一个技术更新速度飞快的领域，旅游学院在实验室建设、科研投入、前沿技术跟踪等方面都面临着全新的挑战，人才培养方案必须要按教育部的标准，培养出来的学生是否符合旅游行业的要求还值得观察。

具备“数智化思维”，能够理解行业痛点，并能指挥、应用、驾驭AI造新体验的“数智指挥官”。基于此，我们提出开设“旅游+人工智能”的微专业课程微专业课程则因其灵活敏捷、针对性强的特点，成为一种有益的补充和通识教育方式。微专业课程体量小，设置灵活，能快速响应行业新技术需求。而且微专业课程通常聚焦某个具体的应用场景，目标明确，实用性强，门槛较低，对学生的原有专业背景要求不高，适合作为通识教育或拓展技能的学习方式。微专业课程则因其灵活敏捷、针对性强的特点，成为一种有益的补充和通识教育方式。微专业课程体量小，设置灵活，能快速响应行业新技术需求。而且微专业课程通常聚焦某个具体的应用场景，目标明确，实用性强，门槛较低，对学生的原有专业背景要求不高，适合作为通识教育或拓展技能的学习方式。但微专业弊端也很明显，受限于课时，微专业只能点到即止，难以系统构建人工智能的知识体系，学生可能只掌握了一些皮毛工具的使用，缺乏深层次的理解和创新能力。微专业证书在就业市场的认可度尚待提高。

本科教育：构建“AI赋能的复合型人才培养”新范式本科教育不应盲目追求开设独立的人工智能专业或拼凑式的双学位，而应走深度融合的道路，其核心在于课程体系重构和跨学科师资团队建设。以“旅游+AI”项目制课程为载体实现深度融合摒弃物理拼接不再是简单的“旅游概论+Python程序设计”，而是打破学科壁垒，开发一系列以解决旅游行业实际问题为导向的跨学科项目课程。例如，在市场营销课程中让学生基于生成式AI进行内容策划、营销工作流编排和智能体搭建，从而改造为“基于AI的旅游市场营销”课程。师协同开展实训指导。旅游教育AI转型的核心，不是培养“会写

强化AI

本科生的培养重点34不在于底层算法研发，而在于理解AI能力边界、掌握AI工具使用、具备数据思维和逻辑抽象能力。重点培养对大模型和提示词工程的认

将“智能体技术应用”专业融入“旅游/酒店管理”专业群培养行业急需的AI应用落地人才知、基于低代码/无代码开发平台结合业务场景进行工作流编排和智能体搭建。

精准定位高职教育应把握“应用”二字。培的可视化、无代码应用开发平台，降低技术

养目标不是算法工程师，而是能够熟练运用可视化、无代码AI应用开发平台，结合旅游酒店行业知识，快速构建、部署、调试和维护“数字员工”的技术技能型人才。专业群协同将“智能体技术应用”等专业方高职教育：以“人工智能”方向新专业为抓手，打造特色专业群对于旅游高等职业教育而言，其人工智能

向纳入旅游管理、酒店管理等优势专业群中，作为专业群的“技术底座”和“创新引擎”。共享平台与资源专业群内共享校企合作的AI实训平台、行业资源和实训基地。转型战略应更侧重于技术应用与技能落地。

课程模块嵌入

将“智能体设计与规划”、开设应用导向的新专业是一种值得尝试的路径，如“智能体技术应用”专业，而非单纯强调技术研发导向。通过将该新专业与酒店管理、旅游管理等优势专业构建专业群，高职院

“智能体开发与集成”等核心能力模块化，嵌入到旅游、酒店等专业的课程体系中。例如，在酒店管理专业中增设《酒店智能体应用与维护》模块。校可以充分发挥各专业优势，实现资源共享与

项目贯穿的能力培养

课程设计应严格遵循协同发展。在这种模式下，“智能体技术应用”专业可以作为专业群的技术底座，为其他专业提供通用的AI技术支撑。同时，它也能作为创新引擎，驱动传统旅游行业的业务流程再造和服务模式升级，从而培养出行业急需的、具备数智化应用能力的复合型技术技能人才具体的战略实施如下：

“能力倒推、项目贯穿”原则。设计与规划引导学生聚焦业务流程的痛点，构思“智能Agent”的角色定位与业务工作流。开发与集成利用低代码平台进行技术落地，涵盖话术配置、API接口调用及基于RAG技术的知识库搭建.部署与运维将Agent植入模拟或真实环35境，通过实时监控运行状态与收集用户反馈，完成产品的迭代优化。校企深度合作与企业深度合作。引入企业真实项目、使用企业级开发平台、聘请企业导师，确保培养的学生毕业即能上岗，具备“拿来即用”的实战能力。2026年旅游管理类专业人工智能转型战略行动路径综合上述分析，旅游高等教育的战略突围已刻不容缓。我们必须清醒地认识到，在人工智能时代，专业知识和技能的价值并不是被稀释，反而因为AI技术的普及和强大而愈发凸显。AI工具越是无所不能，越需要具备深厚业务逻辑的“数智指挥官”去下达精准指令、进行价值判断和复杂决策。2026年，旅游管理类专业不应再是被动化重构的“先锋队”。核心战略应该是：摒弃学重心从“知识传授”转向“AI协作下的复杂问年的战略行动框架应聚焦于以下四大维度的重构：局，定义学科新价值旅游专业长期面临的“大而不强”标签，根

源于其培养目标停留在可被轻易替代的“基础服务与操作技能”层面。AI时代赋予了我们一次重新定义学科价值的机遇。行动方向行动内涵智能体重构服务行场景共创必须清醒地看到，传统“信息化软件+课程”模式已过时。传统行业软件正在被人工智能重写，继续采购及讲授传统的信息化软件难以满足数智化时代的人才培养需求。36人机协同场景设计师”的角色转变。实践教学重心必须从验证性的软件操作，转型为基于

产教融合重构：创新协同模式，共建AI应用生态当前的旅游和酒店行业正处于新一代人工智能应用的爆发前夜，但整个行业的AI应用生行动内涵

引入如问途Playground等可视

态尚未建立，既缺乏成熟的解决方案，更缺乏AI

能够落地AI战略的人才。这为高校提供了前所未有的机遇。部就班地点击按钮，而是引导学生运用AI思

行动方向

打破高校作为“技术跟随者”和“廉方案来解决复杂问题。课堂即“数智化联合实

价劳动力提供者”的旧角色，转型为行业AI应用创新的“策源地”和“人才蓄水池”。验室”，学生在“做中学，创中学”。

行动内涵

基于师生丰富的智力资源和完整牢驾驭AI的基石AI越强大，对使用者专业底蕴的要求越高。没有深厚的行业认知，就无法写出精准的提示词，无法评估AI生成内容的质量，更无法指挥AI智能体完成复杂的商业闭环。

的时间周期，高校可与行业技术服务商及旅游企业展开深度合作。学校承接企业的AI应用研发需求，让学生在校期间参与到行业最前沿的AI实践中。通过“高校提供智力与研发、企业提供场景与数据、平台提供技术与工具”的深度协同，共创旅游业AI应用生态体系，实现从“输送毕业生”到“输送生产力”的跨越。行动方向

基于上述内容，我们认为旅游管理类专业力进行强化构建。

人工智能落地路径应该是：实践平台为基、实行动内涵

课程体系改革不能削弱，反而要

践场景为魂、实践能力为本、实践生态融合。强化核心业务逻辑的教学。我们要将学生培养成具备深厚业务逻辑的“数智化指挥官”——他们深知行业的痛点在哪里、服务的边界在哪里、商业的逻辑是什么，因此能够自信地