En gjest åpner ChatGPT i stedet for Booking.com. Hen skriver «familievennlig hotell med basseng nær Ålesund», og får to eller tre navn tilbake. Ingen side to, ingen liste med ti alternativer å bla gjennom. Bare de navnene assistenten velger å si høyt.
Det er kjernen i det vi kaller kunstig intelligens hotell anbefaling: ikke hvor du rangerer, men om du i det hele tatt blir nevnt. Og tallene som nå kommer fra internasjonale studier viser et mønster som bør bekymre de fleste norske hoteller og opplevelsesbedrifter. Et lite knippe eiendommer fanger opp mesteparten av omtalene. Resten er, i praksis, usynlige.
Kort svar: kunstig intelligens hotell anbefaling handler om å bli nevnt, ikke å rangere
Når reisende spør ChatGPT, Gemini eller Perplexity om hotellanbefalinger, bygger assistenten svaret ut fra hvor ofte en eiendom allerede er nevnt på tvers av nettet, ikke ut fra en fullstendig oversikt over alternativene. Det gjør at noen få hoteller dukker opp gjentatte ganger uansett hvordan spørsmålet stilles, mens resten forblir usynlige selv med gode anmeldelser. En italiensk analyse fant at 70 prosent av hotellene aldri blir nevnt av AI-assistenter i det hele tatt.
Hva skjer i sekundet en gjest spør en KI om hotell
Google viser deg ti blå lenker, et kart, betalte annonser og gjerne et AI-sammendrag i tillegg. Du kan rangere som nummer åtte og fortsatt bli funnet av noen som scroller litt lenger.
En chatbot gjør noe helt annet. Den norske nettbyrået Frameworks har pekt på nøyaktig dette: søket «rørlegger i Grimstad» på Google gir fire betalte treff, ti organiske treff og elleve kartkoordinater. Det samme spørsmålet stilt til ChatGPT gir typisk to navn. Det finnes ingen plass åtte i en samtale. Enten er du en av de to eller tre navnene som blir sagt høyt, eller du eksisterer ikke i akkurat den anbefalingen.
For hotellbransjen er dette ikke lenger teori. Bain & Company anslår at over 60 prosent av reisende kan komme til å stole på KI-assistenter for å velge overnatting innen utgangen av 2026. Adyens Hospitality & Travel Report viser at én av tre italienske reisende allerede planla en tur med KI-verktøy i 2025, en økning på 77 prosent fra året før. Det er ikke lenger et unntak fra hvordan folk bestiller reiser. Det begynner å bli normalen.
Tallene: vinneren tar nesten alt
Den mest omfattende studien på dette kommer fra analyseselskapet Lighthouse, gjennomgått av Hotel Manager Lab. De kjørte 4 545 ulike spørsmål på tvers av ni reisemål, fem gjesteprofiler og 101 måter å formulere spørsmålet på. Resultatet: 49 707 hotellomtaler i AI-svarene, konsentrert på bare 2 721 unike eiendommer.
Fordelingen mellom byer er brutal. I Tokyo blir rundt 10 prosent av hotellene noen gang nevnt. I Paris er tallet 13 prosent. I Park City forblir to av tre hoteller helt usynlige, uansett hvor mange ganger noen spør. Og de få som blir nevnt, tar en uforholdsmessig stor andel: det best posisjonerte hotellet i Paris fanger alene 3 prosent av alle markedsomtaler, og de 100 mest omtalte hotellene globalt står for over 13 prosent av samtlige omtaler.
Samme mønster gjentar seg i USA på kjedenivå, der Marriott alene tar over en fjerdedel av alle kjedehotell-omtaler, og de tre største hotellgruppene til sammen når 54 prosent. En separat studie av luksushoteller i Edinburgh fant at de fem best plasserte av 19 overvåkede hoteller fanget 65 prosent av alle KI-omtaler i byen, mens de resterende 14 delte de siste 35 prosentene mellom seg.
| Marked | Andel omtaler | Hvem tar den |
|---|---|---|
| Paris | 3 % | Ett enkelt, best posisjonert hotell |
| Globalt | 13 % | De 100 mest omtalte hotellene av flere tusen |
| USA, kjedehoteller | 54 % | De tre største hotellkjedene |
| Edinburgh, luksus | 65 % | 5 av 19 overvåkede luksushoteller |
Det som gjør dette til et vinneren-tar-alt-mønster, og ikke bare en vanlig rangering, er at det ikke finnes en lang hale å leve av. På Google kan et hotell leve godt av å være nummer fem eller ti, og fortsatt fange noe trafikk. I en AI-samtale finnes det som regel bare plass til to eller tre navn, og de samme navnene dukker opp igjen og igjen fordi de allerede er sitert mange steder på nettet. Det bygger et selvforsterkende forsprang som er vanskelig å bryte, men ikke umulig, hvis du vet hva som faktisk driver det.
Gode anmeldelser hjelper mindre enn du tror
De fleste hoteleiere har samme instinkt: vi har 9,2 på Booking.com, KI-en finner oss til slutt. Lighthouse-studien sier noe annet. Forskerne fant kun en svak sammenheng mellom Booking.com-score og synlighet i ChatGPT. To hoteller med identisk gjestetilfredshet kan få motsatt skjebne, det ene anbefalt gjentatte ganger, det andre aldri nevnt.
Det som faktisk avgjør utfallet, er hvor ofte eiendommen allerede er nevnt andre steder på nettet, ikke kvaliteten på oppholdet. Det er en ubehagelig sannhet for et hotell som har lagt all innsats i gjesteopplevelsen og anmeldelser, men ingenting i hvordan de er omtalt utenfor egne kanaler og OTA-plattformer.
Her spiller også det analyseselskapet RevPAR Genius kaller «OTA-konsensusbias» inn. Booking.com og Expedia publiserer ofte den samme strukturerte beskrivelsen av hotellet ditt på hundrevis av tilknyttede domener og partnersider. KI-modeller som skanner nettet leser denne repetisjonen som konsensus, som om mange uavhengige kilder er enige, selv om det i realiteten er én kilde kopiert mange ganger. Resultatet er at hoteller som kun finnes på OTA-plattformer, konkurrerer om AI-omtaler med et digitalt fotavtrykk som ser tynnere ut enn det faktisk er.
ChatGPT er ikke den eneste dere må forholde seg til
Nordmenn og internasjonale gjester bruker ikke bare ChatGPT når de planlegger reisen. We Are Socials Digital 2026-rapport, referert av det italienske nyhetsbyrået ANSA, viser at ChatGPT står for 84 prosent av all nettrafikk generert av AI-plattformer i Italia, langt foran Microsoft Copilot på 8,55 prosent, Perplexity på 4,23 prosent og Google Gemini på 2,08 prosent. Det mønsteret gjentar seg i de fleste vestlige markeder, om enn med noe andre tall fra land til land.
Det betyr to ting for et norsk hotell. For det første, hvis dere bare skal måle én plattform, er ChatGPT det naturlige startpunktet, fordi det trolig er der flest av gjestene deres allerede spør. For det andre, og dette er lett å overse: å være usynlig på ChatGPT betyr som regel at dere også er usynlige for det meste av resten av AI-kanalen, fordi mange av de mindre plattformene bygger på lignende underliggende kilder og indekseringslogikk. Google har i tillegg begynt å teste sin egen AI Mode direkte i søkeresultatene, som fungerer etter mange av de samme prinsippene som en chatbot, ikke som en tradisjonell trefflisten. Det gjør at selv Google-søk gradvis beveger seg mot samme vinneren-tar-alt-dynamikk som ChatGPT og Gemini allerede har.
Det praktiske rådet er ikke å måle alle plattformer likt hele tiden, men å vite hvilken som faktisk driver trafikken i deres marked, og prioritere den først. En rekke, ikke en enkeltmåling.
Hvorfor dette skjer akkurat nå, og ikke om fem år
Det er fristende å tenke at dette er et fremtidsscenario man kan vente med å håndtere. Tallene sier noe annet. Reisekategorien er en av dem forskere og analytikere trekker frem som spesielt utsatt tidlig, av tre grunner som henger sammen.
For det første er reisebeslutninger informasjonstunge. En gjest som skal velge hotell, trenger å sammenligne pris, beliggenhet, fasiliteter og omdømme på tvers av mange kilder, akkurat den typen oppgave en samtalebasert assistent løser raskere enn ti åpne faner. For det andre er reise en kategori med høy frustrasjon i søke- og bestillingsfasen, ifølge data referert av det italienske reisemediet Milano Weekend, der mer enn tre av fire brukere rapporterer frustrasjon i denne fasen. En KI-assistent fjerner nettopp den friksjonen. For det tredje har store plattformer som OpenAI, Google og Booking.com selv aktivt bygget reise- og hotellfunksjonalitet inn i sine KI-produkter det siste året, noe som gjør reise til et av de mest modne bruksområdene for AI-anbefalinger allerede nå, ikke om noen år.
Konsekvensen er at forspranget som bygges nå, mellom de hotellene som allerede er sitert mange steder og de som ikke er det, blir vanskeligere å hente inn jo lenger man venter. Det samme mønsteret Lighthouse-studien fant i etablerte reisemål som Paris og Tokyo, er i ferd med å dannes i norske reisemål også, bare uten at noen ennå har målt det systematisk.
Norge er ikke et unntak
Dette er ikke bare et italiensk eller britisk fenomen. Innovasjon Norge publiserte i mai 2026 rapporten «Et digitalt veiskille for norsk reiseliv», utarbeidet av analyseselskapet A-2, med en konklusjon som peker rett inn i dette mønsteret: norsk reiseliv har lav og ujevn digital modenhet, sterk avhengighet av globale plattformer som Booking.com, Google og Meta, og kunstig intelligens er allerede i ferd med å overta deler av kundereisen.
Det betyr at norske hoteller starter dette kappløpet fra samme utgangspunkt som de italienske eiendommene i Lighthouse-studien: et fåtall vil ta mesteparten av AI-omtalene i sin kategori, og de fleste andre vil ikke engang vite at kampen pågår. Forskjellen er at ingen norsk reiselivsbedrift ennå har bygget det forspranget Marriott eller Edinburghs fem luksushoteller har. Kategorien er, med andre ord, fortsatt åpen for den som begynner å måle først.
Hva dere kan gjøre før neste sesong
Det gode ved et vinneren-tar-alt-mønster som ennå ikke er avgjort, er at forspranget kan bygges. Fire konkrete steg, i rekkefølge:
Først, mål hvor dere står i dag. Spør ChatGPT, Gemini og Perplexity de samme spørsmålene gjestene deres ville stilt, som «familievennlig hotell med parkering i Ålesund» eller «rolig gårdshotell i Sunnfjord med god frokost». Spør på norsk og på språkene de viktigste gjestesegmentene deres bruker. De fleste hoteller mister AI-omtaler uten å merke det, rett og slett fordi de aldri sjekker.
Deretter, fortell historien deres utenfor OTA-plattformene. Konsensusbias bekjempes med reell, uavhengig tilstedeværelse: en tydelig beskrivelse på egen nettside, oppdatert Google-bedriftsprofil, omtale i lokale reiselivsguider, artikler hos destinasjonsselskapet og regionale medier. KI-en siterer det som allerede er sitert flere steder, ikke bare det som står på Booking.com.
For det tredje, gjør nettsiden maskinlesbar. Strukturert data (schema.org) for eiendommen, med type, beliggenhet, fasiliteter og prisklasse, gjør det lettere for AI-systemer å forstå og stole på informasjonen. Sider som svarer på konkrete spørsmål, som avstand til flyplass, hva frokosten inkluderer og hvilke aktiviteter som ligger i gangavstand, slår generisk brosjyretekst hver gang.
Til sist, følg med over tid, ikke bare én gang. AI-svarene endrer seg fra uke til uke etter hvert som modellene oppdateres og nye kilder dukker opp. Det som betyr noe, er å vite når dere kommer inn i svarsettet, når dere faller ut igjen, og hvem som blir anbefalt i deres sted. En enkeltmåling forteller bare hvor dere sto den ene dagen.
Rekkefølgen betyr noe. Mange hoteller hopper rett til steg tre, strukturert data og schema-markup, fordi det føles som den tekniske og målbare oppgaven. Men uten steg én, altså en reell oversikt over hvor dere står i dag, vet dere ikke om problemet er at KI-en ikke finner dere i det hele tatt, eller at den finner dere men velger å nevne noen andre først. Det er to forskjellige problemer med to forskjellige løsninger, og de færreste hoteller vet hvilket av dem de faktisk har før de har målt.
Dette er nøyaktig den samme metoden vi bruker når vi måler AI-synlighet for reiseliv: et sett spørsmål ekte gjester ville stilt, målt gjentatte ganger, på de språkene og i de markedene som faktisk betyr noe for dere. Vil dere se hva ChatGPT, Gemini og Perplexity faktisk sier om hotellet deres akkurat nå? Se hele guiden for AI-synlighet i norsk reiseliv for en bredere gjennomgang av hvordan dette henger sammen med sesong og internasjonale markeder.
Ofte stilte spørsmål om kunstig intelligens og hotellanbefalinger
Vil ikke KI finne hotellet vårt til slutt hvis anmeldelsene er gode nok?
Ikke nødvendigvis. Lighthouse-studien fant bare en svak sammenheng mellom Booking.com-score og synlighet i ChatGPT. Det som flytter nålen, er hvor ofte eiendommen allerede er nevnt på nettet utenfor OTA-plattformene, ikke kvaliteten på oppholdet alene.
Holder det at vi er på Booking.com og Expedia?
Nei. OTA-plattformer gjør dere bookbare, og det er ofte der KI-en henter grunndata som pris og fasiliteter. Men kortlistene KI-en bygger, er satt sammen av omtaler fra hele nettet, og de eiendommene som dominerer er ofte de som også er sitert av lokale guider, presse og destinasjonsselskap. Hvis OTA-ene er eneste tilstedeværelse, konkurrerer dere med et tynnere digitalt fotavtrykk enn dere tror.
Hvilken KI-plattform bør vi sjekke først?
ChatGPT er det naturlige stedet å starte, siden det er den mest brukte plattformen for reiseplanlegging internasjonalt. Men sjekk også Gemini og Perplexity, siden svarene kan variere betydelig mellom modellene, og gjester bruker ulike verktøy avhengig av marked og alder.
Hvordan finner vi ut om KI anbefaler hotellet vårt i dag?
Spør ChatGPT, Gemini og Perplexity de spørsmålene gjestene deres faktisk ville stilt, på norsk og på gjestenes egne språk, og noter hvilke hoteller som blir nevnt. For en systematisk oversikt over tid, sett opp en løpende måling som registrerer hvor ofte merkevaren deres dukker opp, og hvem som blir anbefalt i stedet for dere.
Er dette bare relevant for store hotellkjeder?
Nei, faktisk motsatt. Fordi AI-synlighet handler om autoritet innenfor en smal kategori, ikke størrelse, kan et enkeltstående gårdshotell eller en lokal opplevelsesbedrift bygge et forsprang raskere enn en stor aktør som ennå ikke har begynt å måle. Kategorien er fortsatt åpen for den som starter først.