给答案，还是给结果，成了商旅AI今年的一个分水岭。
文｜游勇
编｜周路平
01
增收不增利，商旅市场的症结在哪里？
商旅是个大市场。
根据GBTA发布的最新报告显示，2026年全球商务旅行支出预计达到1.71万亿美元，同比增长7.2%，创下历史新高。而中国商旅这一年的支出总额预计也将达到4037亿美元，占全球总量的四分之一。
表面上看，
大盘依然在保持着稳步增长，但实际上大家的日子却并不好过。
美国运通商旅公司Amex GBT在今年上半年的营收暴涨了35%，利润反而跌了28%，最终公司被以专注AI标的的长湖资本收购。在卖身之前，Amex GBT在外界的印象中，是一家 "靠人工服务、成本结构重、靠并购堆规模" 的传统TMC厂商。
在过去很长时间里，TMC（差旅管理）行业赚钱的核心来自两头：
一头赚资源差价，一头收企业服务费。
而这条路终究是越走越艰难，毛利润低，价格内卷，TMC的价值并没有得到应有的认可。
资源差价本质上是卖货，核心是通过与航司、酒店签订资源协议。但因为都是机票、酒店、火车票等高度标准化产品，各家能提供的资源同质化非常严重。与此同时，上游航司又一直在推动“提直降代”，酒店集团纷纷强化直销渠道，这些举措在不断压缩中间商的利润空间。
行业的竞争最终演变为，谁给的价格低、返点高、佣金少，“全网最低价”一度成为行业热词。不久前，携程还因滥用市场支配地位，被市场监管总局罚款51亿元。靠规模来换取低价，从而建立竞争壁垒的做法已经行不通。
而收服务费虽然听起来不错，但实际上，中国TMC服务费率一直保持在很低水平。企业要求更多的服务，但不愿意支付更多的成本，甚至“免费服务”的习惯根深蒂固。另外，差旅费用作为企业除员工薪资外的第二大可控支出，被越来越多企业所重视。下游客户对价格透明、合规审计的要求越来越苛刻。没有服务的差异化，仅仅提供差旅资源已经难以满足企业数智升级、合规经营的需要。
”资源差价"的时代走向落幕，商旅行业的竞争在向数据与技术上转移。
国际TMC巨头的动向，成为趋势判断的最好注脚。2026年5月，Amex GBT最终选择私有化退市。资本看中的不是Amex GBT当下的交易规模，而是这家百年巨头背后沉淀的差旅数据资产，用AI能力去挖掘其中的增值空间。事实上，背后接盘的资本都带有深厚的AI背景，买方明确表示要“应用AI能力与Amex GBT的市场、客户关系和技术方案结合。”
在传统TMC被卖身的同时，美国另一家TMC独角兽Navan却受到资本追捧。这家硅谷公司做了大量AI与差旅场景的尝试，比如AI客服处理退票改签，旅行政策智能体按实时市场价动态调整差标，旅行龙虾主动监控旅程、预判航变，并推荐预订信息。
不难发现，同样是TMC赛道，AI原生与资源原生正在经历不同的行业周期。资源协议和全网最低价正在让渡于AI驱动的服务体验升级和商业模式升维。
02
从对话到办事，商旅AI迎来分水岭
商旅行业用 AI 不是什么新鲜事。眼下几乎所有头部 TMC都上线了自己的 AI 助手，从行程规划、资源推荐、智能客服到航变应对，不少都能用自然语言完成。这类场景界面友好、演示效果直观，也最容易讲成一个漂亮的故事。
但价值有限，
这些AI场景还停留在“对话辅助”的层面
：大模型负责对话，但预订、审批、结算还是以前的流程，数据、行动、知识和决策各自为政，没有形成闭环。比如员工问“这次出差为什么不能订商务舱”，助手能解释规则，却没法根据预算余量、行程紧急度重新给出一个既合规又可行的方案。其核心原因在于，商旅的规则不在AI的上下文里。
企业真实的差旅规则，从来不是一段能贴进提示词的文本。它是一套活的东西——多级差标、几十类城市分级、上百个审批节点、不同子公司的不同口径、跨系统的数据源，还有大量只存在于老员工经验里的判断。
业内已经广泛意识到，要让AI真正进入企业的核心系统，带来业务提效，就不能只停留在Chat和Copilot的阶段，而是能长出手脚，交付结果。
慧通差旅CTO孔祥红说：
“企业差旅智能化，是一个赋能员工、重构流程、沉淀知识实现知行合一的过程。”
Navan CEO在一次财报电话会上也提到类似的观点，”我们不只是提供一个答案，而是理解意图、采取行动、完成交易，并在需要判断的时候，把带着完整上下文的人工专家接进来。”
“知行合一”四个字，本质上是在回答当前的AI重心转变，它不仅能问答，更关键的是能办事。而其背后依赖一条完整的数据转化链。
首先是将隐性知识显性化。
差旅管理里最值钱的经验，往往不在制度文件里，而在老差管、老结算员的脑子里：哪个城市的差标在什么季节需要放宽、哪类航变通常怎么处置、某家供应商的账单格式藏着什么坑。这些经验过去靠师徒传承，人员一流动就断层。所以，AI的第一步是把经验从人身上摘下来，变成可描述、可结构化的东西。
其次是将显性知识系统化。
摘下来还不够，散落的制度、差标、历史订单、供应商协议，必须被组织成彼此关联的规则与知识库，AI才能检索、推理、调用。这一步，是把”文档”变成"资产"。
再者是将系统知识行动化。
这是Copilot与Agent的分界线。知识如果只是被调用来生成一段回答，它就还是咨询；只有当它能在流程的关键节点上自动触发、自动执行、自动校验，它才变成了生产力。
最后是行动结果闭环化。
每一次执行都会产生新数据——员工选了哪条建议、管理者确认了哪条规则、结算拦截了哪笔异常。这些数据回流进知识库，让下一轮判断更准。飞轮转起来，AI 的办事精度才会随时间上升，而不是停在上线的那一天。
这个链条的终点不是”更聪明的问答”，而是数据与行动之间的闭环。给答案，还是给结果，成了商旅AI今年的一个分水岭。
03
三个真实场景，看见Agent的价值
技术上的演进最终要回归到真实业务场景中。目前，在员工和管理者两端，Agent正在给差旅行业带来深刻的变化。
从员工角度来看，传统AI能做什么？行程规划、资源推荐、知识问答，做得不错的还能主动提醒航变信息。但这些能力有一个共同前提：员工得先提出问题。
问题在于，
差旅的本质不是一次“查询”，而是一串“位移”。
员工从一座城市到另一座城市，从一个客户到下一个客户，整条链路是连续的、动态的，人对信息的需求随着位置实时变化。
过去，员工到达陌生目的地后，往往需要临时查询机场、火车站、酒店、办公场地、客户地等关键点位周边信息，反复切换工具、搜索路线和配套服务。员工的出差时间，有大量精力消耗在了这些琐碎信息的查找上。
慧通差旅给出的解法，是把“位置”作为组织信息的锚点。通宝智能体的位置智能能力，以出差地为数据核心，把多维行程、服务资源、实时动态整合在一起，在员工位移的每一个节点主动推送所需信息：出发前的材料清单与目的地差旅政策，落地后的客户背景与周边关键点位，航变时的接驳方案与行程调整建议，以及从酒店到客户公司的实时距离与异常状况。
这套逻辑本质是从过去的”人找信息”到现在的"信息随行"。据慧通差旅披露，这套能力把单次差旅的信息检索耗时从5到10分钟压缩到10秒以内，智能推荐的员工采用率超过70%。
员工侧的体验容易被看见，但差旅管理真正的复杂度藏在后台。
一家大型央企的组织结构复杂、风控审计严格、差旅配置复杂繁琐，下辖可能几百家子单位，一条看似简单的差旅标准，背后至少交叉着几个维度：城市分级、职级序列、季节与淡旺季、预算口径、审批链路、不同子公司的执行细则。这些维度相乘，是一张几百个格子都打不住的配置表。
于是改一条规则成了一件高风险的事：先翻制度文档确认原文，再找到对应的配置页面逐层修改，改完还要同步到各个子公司。改错一个参数，可能影响几百家单位下个月的执行。整个过程以周计，出了问题还要回溯。
过去这是一门“老师傅的手艺”——规则难懂、配置难找，新手不敢碰，老人改到深夜。
而这恰恰是AI最该进场的地方。它不是那些需要判断力的创造性工作，而是最琐碎、重复度最高也最容易出错的环节。
慧通差旅的
智能差管Agent
把这个过程压缩成一段对话：管理者只需自然语言发起诉求，“把东北区域经理的酒店标准从500元调到600元，预算同步调整”，Agent会自动查找并理解相关规则、完成关联配置，再由管理者确认后发布。
这一步的意义不只是省时间。它改变的是人的角色——从”信息输入者"变成"复核把关者"，业务经验的准入门槛被大幅拉低。一套过去要靠多年经验才能驾驭的手艺，变成新人也能上手的基础操作。
行程结束后的差旅结算，是管理者需要面对的另一个典型场景。
它的链条长——从预订、变更、退票到开票、对账，横跨好几个系统；它的规则复杂——不同供应商、不同业务单元、不同账期的处理方式都不一样；它还是典型的经验密集型工作，新手容易出错，而错误往往要到月底对账时才暴露，彼时损失已难以挽回。
慧通差旅
智能结算Agent
的做法，逻辑上与差管一致：把老结算员的判断力沉淀进模型，让机器去完成识别规则、多业务并行处理、实时定位异常、自动核对出账这一串动作。据慧通差旅披露，这套能力让企业结算过程自动化，结算周期从天级缩短至小时级。
把三个场景放在一起看，它们验证的是同一件事：AI在这条链路上的位置，已经从“回答问题的助手”变成了“完成任务的智能体”。而每一次预订、每一次配置、每一次结算，都会作为新数据回流，推动下一次判断更准。
04
企业落地才是检验价值的硬指标
过去的AI太多酷炫的demo演示，而一旦进入企业真实场景中就卡壳。而慧通差旅的这套思路已经在部分大型企业看到了落地成果。
石油商旅
是中国石油自建的商旅服务平台，服务了百万石油员工。这个行业有其特殊性，石油商旅曾举过一个例子：有些酒店就像传说中的“大车店”，在沙漠地区，方圆几公里都没有人，但得满足石油工人出差的住宿需求。而市面上的通用差旅产品对此几乎无解。
那些方圆几公里无人、却必须被覆盖的酒店，不会出现在任何通用模型的训练语料里。而石油商旅在与慧通的合作中，沉淀出石油行业专属知识库，把行业出行数据和实操经验灌进模型，再通过Agent-to-Agent协议让企业内部智能体直接调度慧通通宝完成全流程预订。
就在刚刚过去的8月，石油商旅“So乐”与慧通差旅“通宝”举行了联合发布仪式，全面展示了在员工体验、合规管控与管理能力等方面的智能化成果。
比如针对员工体验，石油商旅通过智能协同、语音规划、自动填单等AI能力，实现“动口办差旅”；针对央国企差旅管理合规难点，石油商旅以数智化替代人工监管，实现全程可追溯、风险可预警、行为可管控，落地穿透式合规治理；针对差旅核算业务高频交易、实时性要求高、对账规则复杂等难点，石油商旅依托集团公司ERP上线契机，统一业财数据标准，通过构建业财一体化平台，体系化落地结算规则集，业务流程内嵌多重校验规则，实现数据自动归集、智能对账、凭证生成。
一汽集团
则是将自家的智能体“云妹”与慧通“通宝”两个智能体进行协同联动，打通办公与差旅数据壁垒，重塑从差旅申请到报销全流程，实现出差申请与预订的一句话发起、全流程联办。整体上不仅优化了员工体验，也让差旅管理更智能、更高效，单次流程可节省约15分钟。
上述两个客户的实践，成了当前大型企业落地AI的真实写照。这些系统、组织复杂的企业，在各自领域深耕多年，很难靠一个通用大模型就完成业务的AI进化，背后比拼的是如何将行业知识、业务系统与AI深度连接。
这也恰恰是慧通差旅在AI时代的优势。
慧通差旅的特殊性在于，其经验脱胎于华为20多年的内部管理实践。
从2004年华为走向国际化、按世界级标准打造差旅体系算起，慧通的这套系统先在华为内部跑通，再走向外部市场。
目前，慧通已服务500多家大型企业客户，包括近30家央国企客户，覆盖全球170多个国家和地区。
慧通能在央国企等大型企业市场深耕并非偶然，大型企业的差旅管理，规则复杂、合规要求严、组织层级多，慧通在华为体系里沉淀出的“管理基因”，恰好在这里找到了最匹配的土壤。换句话说，
慧通差旅的差异化，不在于技术参数的领先，而在于它懂大型组织“管”的逻辑。
而在技术之外，合规和信息安全是大型央国企的红线，也是商旅平台必须要筑牢的根基。2026年7月，通宝智能体通过中国信通院智能体即服务（AaaS）能力检验，成为国内差旅行业首个获得该证书的全域差旅智能体。此外，在平台层面，慧通差旅近年来也陆续获得了等保四级、ISO 27701与27018隐私认证、SOC 2 Type II等一系列国内外权威信息安全与隐私合规认证，打消了大型企业的后顾之忧。
结 语
过去，商旅行业比的是谁的协议价更低、谁的资源更厚、谁更能垫资。
这条路正在被两头堵死：上游在提直降代，监管在为"全网最低价"划红线。留给 TMC 的空间，只剩下一个方向——把一家企业的规则、账本和出行数据，变成别人复制不了的知识资产。
这件事的难度在于，它没法靠堆算力解决，也没有捷径。它要求一家公司既懂大型组织”管"的逻辑，又愿意钻进那些最琐碎、最不起眼、重复度最高的环节里，把老师傅的经验一行一行结构化。但反过来，一旦这些知识真的被沉淀下来、被系统执行、又被每一次执行反哺，它就成了最难被复制的东西。
商旅行业下一个十年的分野，或许就藏在这样一个问题里：
你的AI，是停留在对话框里，还是已经进到了对账单里。
