USKLAĐIVANJE TROŠKA, BRZINE I RELEVANTNOSTI U SUSTAVIMA UMJETNE INTELIGENCIJE ZA TURIZAM.

Sažetak

Turistički sektor suočava se s rastućim zahtjevima
za personalizacijom u stvarnom vremenu s
čime se tradicionalni sustavi teško nose. U
ovome radu predstavljamo skalabilni AI sustav
koji kombinira velike jezične modele (LLMs
, engl. Large Language Models) s Retrieval-
Augmented Generation (RAG) arhitekturama
radi poboljšanja kvalitete preporuka u turističkim
aplikacijama. Istražene su tri konfiguracije
RAG-a za generiranje prilagođenih prijedloga
smještaja, atrakcija i upita. Sustav se temelji na
modularnim komponentama koje omogućuju
fleksibilno prilagođavanje korisničkom kontekstu.
Učinkovitost je ocijenjena kompozitnim
indeksom RCT (engl. Relevance–Cost–Time)
koji kvantificira kompromis između kvalitete
odgovora, brzine i operativnog troška.
Eksperimentalni rezultati pokazuju da naprednije
RAG strategije značajno povećavaju relevantnost
odgovora, ali uz veće troškove i latenciju, dok
osnovni RAG postiže najbolju ekonomičnost.
Dobiveni uvidi pružaju praktične smjernice
za dizajn AI asistenata koji uravnotežuju
personalizaciju s računalnom učinkovitošću.