body{margin:0;background:#0c1220;-webkit-font-smoothing:antialiased}
Jeg har villet skrive dette innlegget i måneder. Så jeg skal hoppe over oppbyggingen og gå rett til nyheten.
Tratok-økosystemet har nå sin første KI-portier. Hun heter Tara, hun er allerede live, og hun er i ferd med å gjøre hele plattformen kjenne annerledes på en måte jeg tror du virkelig kommer til å elske.
Det er også noe under overflaten som jeg er spesielt stolt av: måten vi skalerer henne på. Vi kommer dit om et øyeblikk. Først, la oss snakke om Tara.
Så, hvem er Tara?
Tara er en KI-portier innebygd i Tratok-økosystemet. Du kan snakke med henne fra hvor som helst på plattformen, og hun vil hjelpe deg med å gjøre det du kom til å gjøre, raskere.
Ser du etter et hotell i Marrakech for en lang helg i oktober? Tara ordner det. Vil du vite TRAT-saldoen din og de siste transaksjonene? Hun vil hente det opp. Prøver du å forstå karbonavtrykkrapporteringen på en bedriftsbooking? Hun vil forklare det, i klart språk, på ditt språk, på sekunder.
Hun er ikke her for å erstatte resten av plattformen. Hun er her for å gi deg en raskere, vennligere, mer samtalebasert måte å bruke den på. Samme økosystem, glattere overflate.
Hva Tara faktisk kan gjøre
En ikke-uttømmende liste, fordi omfanget vil fortsette å vokse.
Tara er overalt du er
Dette er delen jeg vil fremheve, fordi det er den delen som gjør henne faktisk nyttig i praksis. Tara er ikke en chatbot gjemt bort i ett hjørne av nettsiden. Hun er vevd inn i selve stoffet i hele økosystemet.
Uansett hvor du går på Tratok, følger Tara med deg. Samme minne om samtalen din, samme kontekst, samme kontinuitet. Du starter ikke på nytt, du forklarer ikke på nytt, du bytter ikke verktøy. Du fortsetter bare å snakke.
Åtte flater, én assistent. Du stiller et spørsmål på bedriftsportalen om en flyavbestilling, hopper over til gjestfrihetsplattformen for å ombestille, og Tara husker hva du holdt på med. Den kontinuiteten er hele poenget.
Nå kommer det interessante
De fleste plattformer som lanserer en AI-funksjon i 2026 gjør omtrent det samme. De signerer én avtale med én grunnmodell-leverandør, integrerer den én gang, og kaller det gjort. De låser partnerskapet i år, håper teknologien holder seg konkurransedyktig, og går videre.
Vi ønsket ikke å gjøre det.
For Taras introduksjonsfase blir hun drevet av flere tredjeparts AI-motorer som kjører parallelt, som alle fungerer som agenter under vårt eget proprietære orkestreringssystem. Ulike samtaler kan midlertidig flyte gjennom ulike motorer, alt under samme Tara-personlighet, alt som leverer de samme funksjonene, alt konsistent i stemme og oppførsel fra brukerens perspektiv.
Under overflaten måler vi alt. Ved slutten av testvinduet vil vi velge motoren (eller kombinasjonen av motorer) som leverer den beste opplevelsen for våre brukere til den beste langsiktige kostnaden for økosystemet. Valget vil være basert på faktiske ytelsesdata fra virkelige arbeidsbelastninger. Ikke leverandørdemonstrasjoner. Ikke benchmark-teater. Den virkelige tingen.
Fra ditt perspektiv er Tara én assistent med én personlighet. Fra vårt perspektiv er hun en referanse i bevegelse. Begge deler samtidig, etter design.
De fire tingene vi måler
Å velge en AI-motor for en plattform som håndterer lommebøker, bestillinger og millioner av samtaler er ikke en magefølelse. Vi kjører motorene mot fire eksplisitte kriterier, alle vektlagt, alle målt kontinuerlig gjennom testvinduet.
Tid til første token, tid til komplett svar, ende-til-ende-latens på ekte bestillinger. En resepsjonist som tenker i ti sekunder er ikke en resepsjonist.
Bestillinger faktisk korrekte på første forsøk. Transaksjoner faktisk riktige. Karbontall faktisk matchende underliggende data. Hallusinasjoner er ikke akseptabelt på en plattform som flytter reell verdi.
Samtidige samtaler på tvers av portaler, språk, tidssoner, toppbelastninger. Motoren som vinner må holde stand i skalaen til et økosystem med tusenvis av hoteller og millioner av potensielle brukere.
Kostnad per samtale, gjennomstrømning per dollar, langsiktig bærekraft i integrasjonen. Vi bygger infrastruktur som fortsatt er her i 2046. Økonomien må fungere for den tidshorisonten.
Hvorfor benchmarking i stedet for bare å velge én
Ærlig svar: AI-landskapet i 2026 beveger seg raskt. Motoren som er best for hotellsamtaler i dag er ikke garantert å være best om 18 måneder. Ved å kjøre flere parallelt mot virkelige arbeidsbelastninger fra dag én, får vi ekte prestasjonsdata i stedet for leverandørløfter. Det er en mer krevende operasjonell oppsett. Det er også den eneste måten å ta en beslutning som varer over den typen tidslinje et økosystem som Tratok planlegger.
Dette er også nøyaktig hva seriøse bedrifter gjør. Grenseteamene innen finans, helsevesen og store teknologibedrifter velger ikke én grunnmotor og ber. De kjører benchmarktester mot virkelige data, måler nøyaktig, og velger basert på resultater. Vi matcher den tilnærmingen. For en plattform som håndterer lommebøker og tokentransaksjoner, ville alt annet føles som å ta snarveier.
Dette plasserer Tratok i et genuint sjeldent selskap
Bransjeledende er et uttrykk som brukes mye. La meg fortjene det konkret.
Antallet blockchain-native hotellplattformer med en dypt integrert AI-konsulent: lite. Antallet som kjører konsulenten sin på tvers av flere AI-motorer i aktiv parallell benchmarking: forsvinnende lite. Antallet som gjør alt dette på tvers av tretten språk, med TRAT-transaksjonshåndtering og bedriftsmessig karbonrapportering i samme samtaleflyt: så langt vi kan si, ett.
Hvis du har fulgt med på de nylige oppdateringene (krypteringsfornyelsen, passnøkkelutrullingen, utvidelsen til flere portaler på tretten språk), vil du se mønsteret. Tratok leverer ikke grunnleggende funksjoner og kaller det innovasjon. Det leverer det som betyr mest, gjort på det nivået det fortjener. Tara passer perfekt inn i det mønsteret. Samme standard, brukt på KI.
Hva som skjer deretter
En måleperiode på flere måneder. Virkelige brukere (du), virkelige arbeidsbelastninger, virkelige data, virkelige feil (vi vil se dem og fikse dem), og virkelige gevinster (vi vil lære hva brukerne liker og bygge videre på det).
På slutten av testperioden vil vi publisere et sammendrag. Hvilke motorer presterte hvordan, på hvilke dimensjoner, til hvilken kostnad, med hvilke avveininger. Vi vil velge den langsiktige konfigurasjonen basert på dataene. Og du vil se Tara legge seg til rette i sin endelige form: raskere, mer nøyaktig, kalibrert for den typen samtaler økosystemet faktisk har.
Inntil da, snakk med henne. Prøv ting. Spør henne ting hun ikke skal klare å håndtere. Fortell oss hva som fungerer og hva som ikke gjør det. Hele poenget med å kjøre referansetester er å innlemme virkelige signaler fra virkelige brukere, og du er den viktigste delen av testen.
Noen spørsmål verdt å besvare
Sannsynligvis ikke. Orkestreringslaget holder Taras personlighet, stemme, minne og ferdigheter konsistente uansett hvilken motor som for øyeblikket håndterer en bestemt samtale. Fra brukersiden er det alltid Tara. Forskjellene er operasjonelle, målt underliggende.
Hun fullfører dem faktisk. Tara er koblet direkte til bestillings-, betalings- og reservasjonssystemene gjennom orkestreringslaget. Du kan beskrive hva du vil, bli enig om resultatet, bekrefte transaksjonen med passnøkkelen din, og så er du ferdig. Samme autentiseringsstandarder, samme endelighet, samme sikkerhetsposisjon. Bare levert gjennom en samtale.
Hun kan, når du ber henne om det. Tara får tilgang til lommebokdataene dine gjennom de samme autentiserte og avgrensede kanalene som resten av plattformen bruker. Hun lagrer ikke samtalekontekst hos tredjepartsmotorene utover den aktive økten. Orkestreringslaget er det eneste stedet som har langvarig minne.
Brukerdata holdes under vår styring, ikke tredjepartsmotorenes. Motorene ser bare minimumskonteksten som trengs for å svare på det umiddelbare spørsmålet, og den konteksten blir renset for alt sensitivt før den når dem. Lommebokoperasjoner forblir inne i våre autentiserte systemer og forlater dem aldri.
Ikke i det hele tatt. Tara håndterer førstelinjespørsmål og den lange halen av rutinemessige forespørsler, og frigjør menneskelige team til å fokusere på de genuint komplekse sakene. Når noe trenger et menneske, eskalerer Tara pent med full samtalekontekst vedlagt. Overleveringen er sømløs fra brukerens side.
Vi navngir dem med hensikt ikke under benchmarkvinduet. Målet er å evaluere dem på likefot, uten at merkenavn påvirker vurderingen i noen retning. Når vi har gjort det langsiktige valget, vil vi være fullstendig transparente om hvem som driver hva.
Alle tretten økosystem-språkene. Hun vil oppdage språket du bruker og svare på samme måte, og hun vil bytte midt i samtalen uten å miste kontekst hvis du ber henne om det. Den samme flerspråklige dekningen som driver resten av økosystemet, driver Tara.
Dette er en av lanseringene jeg har vært mest spent på å skrive om, og jeg skal fortelle deg hvorfor i rene ord. Tara er genuint god. Måten vi ruller henne ut på er genuint smart. At begge disse tingene er sanne samtidig er sjeldnere enn AI-annonse-syklusen i 2026 får det til å se ut.
Prøv henne. Hun er allerede direkte tilgjengelig på tvers av økosystemet, på ditt språk, klar når du er det. Spør henne om noe enkelt. Deretter spør henne om noe vanskelig. Deretter spør henne om noe Tratok-spesifikt som ingen andres AI ville hatt en anelse om. Der skinner hun.
Har du tilbakemeldinger mens du bruker henne? Det er akkurat det signalet vi trenger under benchmark-testingen. Legg det igjen i kommentarene, i support-kanalene, eller direkte gjennom Tara selv. (Ja, du kan fortelle Tara at Tara ikke gjør noe bra. Hun vil rute det til riktig sted.)
C
Never miss an update
Get new Tratok articles by email — the moment they publish, or as one weekly digest.