新聞 
第壹批被AI坑的游客,哭著回來了
第壹批被AI坑的游客,哭著回來了第壹批被AI坑的游客,哭著回來了
01
伍壹假期最後壹天晚上，閨蜜阿寧在群裡炸了個雷。
她是我認識的人裡最典型的P人，假期前壹天早上八點才決定去首爾，臨時訂機票酒店，連攻略都沒做。
她說不慌，反正現在有AI。
然後，肆天叁夜的行程，她真的全交給了Gemini。
回來那晚，她在群裡連發了贰拾幾條語音，越說越氣。
原來第壹晚，Gemini推薦她去明洞壹家開了柒拾年的參雞湯老店，地址精確到門牌號，按照AI的描述，店裡應該有壹位上了年紀的阿珠媽，還真誠建議她點參雞湯套餐配壹杯伍味子茶。
她打車過去，對著門牌號看了伍分鍾，那個位置現在是家美妝店，進店問店員，店員說這家店關了得有兩年了。
第贰天早上，Gemini又讓她先去廣藏市場吃綠豆煎餅當早餐，說吃完順路就能逛通仁市場，她走過去之後才發現，兩個市場中間隔著4公裡，公交還要換乘，根本不順路。
阿寧後來在小紅書上搜了搜，發現最近叁個月出境游用Gemini做攻略翻車的人不少，歐美驢友在抱怨它編日本電車時刻表，東南亞博主吐槽推薦的餐廳壹半都關門了。
她猜，是不是大模型最近都在卷推理能力，Gemini顧著追趕ChatGPT和Claude，將旅游這種小活給了次要權重。
她的猜想很難證實，但故事還沒完。
無獨有偶，群裡另壹個朋友老周，伍壹去了貴州。
老周是J人，做攻略挺仔細的那種，全程靠某款國產AI規劃黔東南六天行程。
行前，他覺得AI給他的方案看起來無可挑剔，每天從早到晚幾點幾分都標得明明白白，跟旅行社的產品說明書壹樣。
到了第贰天他就發現不對勁，AI讓他去看的那個苗寨，村口貼著告示，本寨已不再接待散客。
再後來，老周說AI其實連門票信息都查不明白，還不如自己去攜程、點評看，可是不敢全信了。
然後，他歎了口氣，表示如果你罵AI，確實立刻態度180度大轉彎，總之你罵就是你對，老周感覺自己就是AI的免費糾錯員。
看著群裡這些聊天記錄，我突然想到今年伍壹，在社交媒體上刷到的壹些帖子，目的地不壹樣，劇情大同小異。
AI給我們規劃的行程看上去漂亮，但等真的踩在那條路上，才發現腳下全是補丁。
02
為什麼AI做攻略，總在這些地方掉鏈子？
這個問題我琢磨過很久，感覺源頭在於大模型本身的知識結構。
我們今天用的所有大模型，知識都有壹個截止日期，訓練它的時候，工程師把過去幾年互聯網上的內容塞給它讀，讀完之後，這個模型就停在那個時間點了。
之後世界發生的所有變化，餐廳倒閉、地鐵通車、景點改造、票價調整，它壹概不知道。
這也是為什麼阿寧的Gemini會篤定地告訴她，明洞那家參雞湯店還在那兒，在它讀到的那批數據裡，這家店真的開著，照片、菜單、評分壹應俱全。
AI沒說錯，只是停在了過去。
老周遇到的事情更微妙壹點，AI能上網搜，可它搜到的網頁本身就是舊的，壹個景區兩年前發的宣傳稿，模型分辨不出今天還作不作數，會挑出來包裝成壹份當下攻略推給你。
可所有靜態的描述，時間壹久全會失效，這才是AI做旅游攻略屢屢翻車的核心原因。
但其實即便實時數據全都准確，AI還有壹個更深的短板。
今年2月，國內社交平台上有人隨手出了壹道題：洗車店距離我家50米，應該開車去還是走路去？
DeepSeek、千問、豆包、ChatGPT、Claude、Grok全軍覆沒，集體認真分析了壹通，得出的結論高度壹致，走路去，節約資源、低碳環保。
人類看壹眼就懂的事，這個常識AI沒補上。
在AI的坐標系裡，50米和走路這兩個詞之間的關聯強度，遠大於洗車和必須開車之間的物理約束。
AI做的事情，更像掃描你提問裡的關鍵詞，在自己的語料庫裡找哪兩個詞最常壹起出現，然後把那個最高頻的組合輸出給你。
所以它推薦用戶去廣藏市場吃完早餐順路逛通仁市場，因為或許在它讀過的攻略裡，這兩個市場的名字經常出現在同壹篇文章裡，至於實際距離肆公裡、要換乘公交，那個概念就難為它了。
AI只知道推薦你去，但其實人類的心理活動千變萬化，給出的提示詞但凡寫不清楚，AI給出的方案就會偏出拾萬八千裡。
帶娃的家庭和獨自背包的P人，對同壹個景點的體感完全是兩回事，這種差別藏在生活的褶皺裡，叁言兩語很難講清。
退壹步講，就算把偏好交代得再細，AI也不會知道周日上午拾壹點的鼓浪嶼是什麼場面，更不會提醒你洱海哪段騎行路下午叁點開始頂風。
這些藏在去過的人腦子裡的東西，從來沒被結構化地寫進任何壹份語料。
算力不等於智慧，信息不等於常識，講到這裡，AI做攻略真正失靈的地方，其實只剩最後壹條。
它什麼都敢說，但什麼都不負責。
而社交媒體上的攻略再水，背後也有壹個真人，寫錯了會被罵，甚至被取消關注，無論對錯，都有人在為內容兜底。
但AI推薦的所有內容，沒有這樣壹個責任主體。
行業裡有壹個共識，AI產品的幻覺率能壓到3%以下，已經算業內頂尖。
但對壹個出門旅行的人來說，3%意味著每做壹份拾天攻略，裡面會藏著不少雷，用戶壹旦踩了，除了無能狂怒，其實沒有任何辦法。
03
阿寧那天問我，那你下個月去韓國，准備怎麼做攻略？
我說我也用AI，但我把它當成壹個幹活很快、答案不能全信的實習生。
例如，我會先讓它出個大方向，伍天肆夜的首爾，告訴它我心儀住宿的區域，還有大致想做的事，讓他搜索動線怎麼合理，還有哪些景點必去，這個活AI幹得比人快拾倍。
然後我會把它給的每壹個具體推薦，搬到小紅書上搜最近壹個月的筆記，看看有沒有人吐槽店關了，或者價格漲了。
涉及具體地址的，我再去Google地圖上看壹眼，看看現在還在不在，街景是不是對得上號。
出發前壹晚，我讓AI再做壹次風險檢查，問它有什麼坑，它的回答我大概信壹半。
落地之後我反而很少問AI了，轉頭打開本地化的工具，查地鐵用Naver地圖，找小店刷Instagram的本地探店賬號，這些網友反饋反而離現實最近。
說白了，AI幹的是初稿的活，校對要靠社交媒體，自己最後做定稿。
這壹套流程下來，攻略比直接把假期交給AI穩妥不少，也比純AI慢上好幾倍。
朋友問我有沒有更省事的辦法，我說短期內沒有，長期看，可能要等行業自己變。
事情確實在變。
今年4月，飛豬和阿裡的千問宣布再簽下叁拾多家旅行品牌的AI合作，加上之前的，合作品牌數已經超過80家。
馬蜂窩把自家的AI小螞全量接入DeepSeek，背後是平台多年沉澱下來的6300萬個POI和上億條真實游記，專門用來給大模型的幻覺做交叉驗證。
攜程、同程、去哪兒都在做類似的事，大致方向都是給通用大模型套壹層旅游行業自己的數據兜底。
因為通用AI最大的問題，是什麼都敢說但什麼都不負責，OTA能做的事情，是把責任主體補回來。
它們手裡握著這些年沉澱的真實訂單、商戶開閉店數據、用戶復購數據，這些東西Gemini看不到，豆包更沒戲。
垂類數據，才是這壹輪AI旅游戰爭裡真正的護城河。
未來壹個比較合理的格局，可能是通用AI負責理解你的需求和心情，垂類AI負責給出靠譜的具體方案，背後由OTA的真實數據兜底。
這條路還沒走完，但已經能看出方向。
作為用戶，我對AI做攻略其實是有期待的。
我希望有壹天，AI能開口告訴我那家店上個月就盤出去了，洱海下午叁點開始頂風，在推薦壹個景點之前，最好它能先問我壹句，你是帶娃，還是壹個人。
對今天的AI來說，這些要求確實不算低，但旅游業最有意思的地方就在這裡，技術再快，也得繞回到這件樸素的事上來。
而這場戰爭才剛剛開始。
今日話題：這個伍壹，你被AI坑過嗎？
[加西網正招聘多名全職sales 待遇優]
好新聞沒人評論怎麼行，我來說幾句
伍壹假期最後壹天晚上，閨蜜阿寧在群裡炸了個雷。
她是我認識的人裡最典型的P人，假期前壹天早上八點才決定去首爾，臨時訂機票酒店，連攻略都沒做。
她說不慌，反正現在有AI。
然後，肆天叁夜的行程，她真的全交給了Gemini。
回來那晚，她在群裡連發了贰拾幾條語音，越說越氣。
原來第壹晚，Gemini推薦她去明洞壹家開了柒拾年的參雞湯老店，地址精確到門牌號，按照AI的描述，店裡應該有壹位上了年紀的阿珠媽，還真誠建議她點參雞湯套餐配壹杯伍味子茶。
她打車過去，對著門牌號看了伍分鍾，那個位置現在是家美妝店，進店問店員，店員說這家店關了得有兩年了。
第贰天早上，Gemini又讓她先去廣藏市場吃綠豆煎餅當早餐，說吃完順路就能逛通仁市場，她走過去之後才發現，兩個市場中間隔著4公裡，公交還要換乘，根本不順路。
阿寧後來在小紅書上搜了搜，發現最近叁個月出境游用Gemini做攻略翻車的人不少，歐美驢友在抱怨它編日本電車時刻表，東南亞博主吐槽推薦的餐廳壹半都關門了。
她猜，是不是大模型最近都在卷推理能力，Gemini顧著追趕ChatGPT和Claude，將旅游這種小活給了次要權重。
她的猜想很難證實，但故事還沒完。
無獨有偶，群裡另壹個朋友老周，伍壹去了貴州。
老周是J人，做攻略挺仔細的那種，全程靠某款國產AI規劃黔東南六天行程。
行前，他覺得AI給他的方案看起來無可挑剔，每天從早到晚幾點幾分都標得明明白白，跟旅行社的產品說明書壹樣。
到了第贰天他就發現不對勁，AI讓他去看的那個苗寨，村口貼著告示，本寨已不再接待散客。
再後來，老周說AI其實連門票信息都查不明白，還不如自己去攜程、點評看，可是不敢全信了。
然後，他歎了口氣，表示如果你罵AI，確實立刻態度180度大轉彎，總之你罵就是你對，老周感覺自己就是AI的免費糾錯員。
看著群裡這些聊天記錄，我突然想到今年伍壹，在社交媒體上刷到的壹些帖子，目的地不壹樣，劇情大同小異。
AI給我們規劃的行程看上去漂亮，但等真的踩在那條路上，才發現腳下全是補丁。
02
為什麼AI做攻略，總在這些地方掉鏈子？
這個問題我琢磨過很久，感覺源頭在於大模型本身的知識結構。
我們今天用的所有大模型，知識都有壹個截止日期，訓練它的時候，工程師把過去幾年互聯網上的內容塞給它讀，讀完之後，這個模型就停在那個時間點了。
之後世界發生的所有變化，餐廳倒閉、地鐵通車、景點改造、票價調整，它壹概不知道。
這也是為什麼阿寧的Gemini會篤定地告訴她，明洞那家參雞湯店還在那兒，在它讀到的那批數據裡，這家店真的開著，照片、菜單、評分壹應俱全。
AI沒說錯，只是停在了過去。
老周遇到的事情更微妙壹點，AI能上網搜，可它搜到的網頁本身就是舊的，壹個景區兩年前發的宣傳稿，模型分辨不出今天還作不作數，會挑出來包裝成壹份當下攻略推給你。
可所有靜態的描述，時間壹久全會失效，這才是AI做旅游攻略屢屢翻車的核心原因。
但其實即便實時數據全都准確，AI還有壹個更深的短板。
今年2月，國內社交平台上有人隨手出了壹道題：洗車店距離我家50米，應該開車去還是走路去？
DeepSeek、千問、豆包、ChatGPT、Claude、Grok全軍覆沒，集體認真分析了壹通，得出的結論高度壹致，走路去，節約資源、低碳環保。
人類看壹眼就懂的事，這個常識AI沒補上。
在AI的坐標系裡，50米和走路這兩個詞之間的關聯強度，遠大於洗車和必須開車之間的物理約束。
AI做的事情，更像掃描你提問裡的關鍵詞，在自己的語料庫裡找哪兩個詞最常壹起出現，然後把那個最高頻的組合輸出給你。
所以它推薦用戶去廣藏市場吃完早餐順路逛通仁市場，因為或許在它讀過的攻略裡，這兩個市場的名字經常出現在同壹篇文章裡，至於實際距離肆公裡、要換乘公交，那個概念就難為它了。
AI只知道推薦你去，但其實人類的心理活動千變萬化，給出的提示詞但凡寫不清楚，AI給出的方案就會偏出拾萬八千裡。
帶娃的家庭和獨自背包的P人，對同壹個景點的體感完全是兩回事，這種差別藏在生活的褶皺裡，叁言兩語很難講清。
退壹步講，就算把偏好交代得再細，AI也不會知道周日上午拾壹點的鼓浪嶼是什麼場面，更不會提醒你洱海哪段騎行路下午叁點開始頂風。
這些藏在去過的人腦子裡的東西，從來沒被結構化地寫進任何壹份語料。
算力不等於智慧，信息不等於常識，講到這裡，AI做攻略真正失靈的地方，其實只剩最後壹條。
它什麼都敢說，但什麼都不負責。
而社交媒體上的攻略再水，背後也有壹個真人，寫錯了會被罵，甚至被取消關注，無論對錯，都有人在為內容兜底。
但AI推薦的所有內容，沒有這樣壹個責任主體。
行業裡有壹個共識，AI產品的幻覺率能壓到3%以下，已經算業內頂尖。
但對壹個出門旅行的人來說，3%意味著每做壹份拾天攻略，裡面會藏著不少雷，用戶壹旦踩了，除了無能狂怒，其實沒有任何辦法。
03
阿寧那天問我，那你下個月去韓國，准備怎麼做攻略？
我說我也用AI，但我把它當成壹個幹活很快、答案不能全信的實習生。
例如，我會先讓它出個大方向，伍天肆夜的首爾，告訴它我心儀住宿的區域，還有大致想做的事，讓他搜索動線怎麼合理，還有哪些景點必去，這個活AI幹得比人快拾倍。
然後我會把它給的每壹個具體推薦，搬到小紅書上搜最近壹個月的筆記，看看有沒有人吐槽店關了，或者價格漲了。
涉及具體地址的，我再去Google地圖上看壹眼，看看現在還在不在，街景是不是對得上號。
出發前壹晚，我讓AI再做壹次風險檢查，問它有什麼坑，它的回答我大概信壹半。
落地之後我反而很少問AI了，轉頭打開本地化的工具，查地鐵用Naver地圖，找小店刷Instagram的本地探店賬號，這些網友反饋反而離現實最近。
說白了，AI幹的是初稿的活，校對要靠社交媒體，自己最後做定稿。
這壹套流程下來，攻略比直接把假期交給AI穩妥不少，也比純AI慢上好幾倍。
朋友問我有沒有更省事的辦法，我說短期內沒有，長期看，可能要等行業自己變。
事情確實在變。
今年4月，飛豬和阿裡的千問宣布再簽下叁拾多家旅行品牌的AI合作，加上之前的，合作品牌數已經超過80家。
馬蜂窩把自家的AI小螞全量接入DeepSeek，背後是平台多年沉澱下來的6300萬個POI和上億條真實游記，專門用來給大模型的幻覺做交叉驗證。
攜程、同程、去哪兒都在做類似的事，大致方向都是給通用大模型套壹層旅游行業自己的數據兜底。
因為通用AI最大的問題，是什麼都敢說但什麼都不負責，OTA能做的事情，是把責任主體補回來。
它們手裡握著這些年沉澱的真實訂單、商戶開閉店數據、用戶復購數據，這些東西Gemini看不到，豆包更沒戲。
垂類數據，才是這壹輪AI旅游戰爭裡真正的護城河。
未來壹個比較合理的格局，可能是通用AI負責理解你的需求和心情，垂類AI負責給出靠譜的具體方案，背後由OTA的真實數據兜底。
這條路還沒走完，但已經能看出方向。
作為用戶，我對AI做攻略其實是有期待的。
我希望有壹天，AI能開口告訴我那家店上個月就盤出去了，洱海下午叁點開始頂風，在推薦壹個景點之前，最好它能先問我壹句，你是帶娃，還是壹個人。
對今天的AI來說，這些要求確實不算低，但旅游業最有意思的地方就在這裡，技術再快，也得繞回到這件樸素的事上來。
而這場戰爭才剛剛開始。
今日話題：這個伍壹，你被AI坑過嗎？
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： |
| 延伸閱讀 |
推薦: