Quản trị du lịch cộng đồng trong kỷ nguyên AI: Từ lý thuyết vòng đời điểm đến đến mô hình quản trị tái tạo

Nguyễn Thị Quỳnh Mai

Trường Đại học Thương mại

Email: [email protected]

Tóm tắt

Nghiên cứu này đề xuất Mô hình Chuyển đổi Quản trị Tái tạo (RGTM) nhằm giải thích điều kiện và cơ chế để quản trị cộng đồng được hỗ trợ bởi trí tuệ nhân tạo (AI) thúc đẩy quá trình chuyển đổi từ trì trệ sang tái sinh. Nghiên cứu sử dụng phương pháp định tính đa trường hợp với ba điểm đến gồm Dubrovnik, Kyoto và Ubud. Kết quả cho thấy AI hiện nay chủ yếu được sử dụng nhằm nâng cao hiệu quả quản lý dòng khách thay vì thúc đẩy các mục tiêu tái tạo. Bốn điều kiện cốt lõi của chuyển đổi tái tạo được xác định: năng lực hành động của cộng đồng, chủ quyền dữ liệu cộng đồng, sự tham gia mang tính cấu thành của cộng đồng và trách nhiệm giải trình thuật toán. Nghiên cứu đóng góp một khung lý thuyết tích hợp giữa TALC, du lịch tái tạo và quản trị AI.

Từ khóa: TALC, du lịch tái tạo, quản trị AI, chủ quyền dữ liệu, quản trị cộng đồng

Abstract

This study proposes the Regenerative Governance Transformation Model (RGTM) to explain the conditions and mechanisms through which AI-enabled community governance facilitates the transition from stagnation to regeneration. The research adopts a qualitative multiple-case study approach, examining three destinations: Dubrovnik, Kyoto, and Ubud. The findings indicate that AI is currently used primarily to enhance visitor flow management efficiency rather than to advance regenerative objectives. Four core conditions for regenerative transformation are identified: community agency, community data sovereignty, constitutive community participation, and algorithmic accountability. The study contributes an integrated theoretical framework that connects the Tourism Area Life Cycle (TALC), regenerative tourism, and AI governance.

Keywords: TALC, regenerative tourism, AI governance, data sovereignty, community governance

GIỚI THIỆU

Các điểm đến du lịch là những hệ thống xã hội – sinh thái động, trong đó quỹ đạo phát triển được định hình bởi sự tương tác giữa nhu cầu du khách, nguồn lực địa phương, cộng đồng cư dân và năng lực quản trị. Mô hình Vòng đời Khu du lịch (TALC) của (Butler, 1980) là khung lý thuyết được sử dụng rộng rãi để giải thích sự phát triển của điểm đến thông qua các giai đoạn từ khám phá, tham gia, phát triển, củng cố đến trì trệ, trước khi chuyển sang suy thoái hoặc tái sinh. Trong bối cảnh hiện nay, nhiều điểm đến trên thế giới đang đối mặt với những thách thức như quá tải du lịch, suy giảm chất lượng sống của cư dân địa phương và áp lực lên tài nguyên văn hóa - sinh thái.

Song song với đó, 2 xu hướng đang tác động mạnh đến quá trình quản trị điểm đến. Thứ nhất là sự xuất hiện của du lịch tái tạo (regenerative tourism), nhấn mạnh việc phục hồi và gia tăng sức sống của hệ thống xã hội, sinh thái và văn hóa thay vì chỉ giảm thiểu các tác động tiêu cực (Bellato và cộng sự, 2023). Thứ hai là sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) và các công nghệ du lịch thông minh, cho phép các cơ quan quản lý nâng cao năng lực dự báo, giám sát và hỗ trợ ra quyết định (Ghaderi, 2026). Tuy nhiên, việc ứng dụng AI cũng đặt ra các vấn đề liên quan đến chủ quyền dữ liệu, tính minh bạch của thuật toán và vai trò của cộng đồng trong quá trình quản trị.

Mặc dù TALC là nền tảng quan trọng trong nghiên cứu phát triển điểm đến, mô hình này vẫn chưa giải thích rõ cơ chế quản trị giúp điểm đến chuyển từ trạng thái trì trệ sang tái sinh (Butler, 2025). Ở chiều ngược lại, các nghiên cứu về du lịch tái tạo tập trung vào các nguyên tắc và giá trị định hướng mà chưa làm rõ các cơ chế thể chế để hiện thực hóa quá trình chuyển đổi (Bellato & Pollock, 2025). Trong khi đó, nghiên cứu về quản trị du lịch được hỗ trợ bởi AI chủ yếu nhấn mạnh hiệu quả vận hành nhưng còn hạn chế trong việc xem xét vai trò của cộng đồng địa phương (Errichiello & Micera, 2021). Do đó, vẫn tồn tại khoảng trống nghiên cứu tại giao điểm giữa 3 lĩnh vực: lý thuyết TALC, du lịch tái tạo và quản trị du lịch được hỗ trợ bởi AI. Nghiên cứu này đề xuất Mô hình Chuyển đổi Quản trị Tái tạo (RGTM) nhằm giải thích vai trò của quản trị cộng đồng được hỗ trợ bởi AI trong quá trình chuyển đổi từ trạng thái trì trệ sang tái sinh. Nghiên cứu hướng tới 3 mục tiêu: (i) tích hợp các luận điểm cốt lõi của TALC, du lịch tái tạo và quản trị AI trong một khung lý thuyết thống nhất; (ii) xây dựng mô hình RGTM; và (iii) kiểm chứng mô hình thông qua phân tích so sánh các trường hợp điểm đến hậu trì trệ.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

TALC và vấn đề hậu trì trệ

Mô hình TALC của (Butler, 1980) là một trong những khung lý thuyết được sử dụng rộng rãi nhất để giải thích sự phát triển của điểm đến du lịch. Các điểm đến thường trải qua các giai đoạn khám phá, tham gia, phát triển, củng cố và trì trệ trước khi chuyển sang suy thoái hoặc tái sinh. TALC nhấn mạnh rằng sự phát triển du lịch không diễn ra vô hạn mà chịu tác động của các giới hạn về tài nguyên, sức chứa và năng lực quản trị.

Giai đoạn trì trệ được xem là điểm phân nhánh quan trọng nhất. Tuy nhiên, cách tiếp cận TALC truyền thống chủ yếu được xây dựng trên logic tăng trưởng kinh tế và chưa làm rõ các cơ chế quản trị cho phép điểm đến chuyển đổi sang các mô hình phát triển bền vững hơn trong bối cảnh chuyển đổi số (Butler, 2024).

Du lịch tái tạo và quản trị AI

Du lịch tái tạo xuất hiện như một phản ứng đối với những hạn chế của mô hình phát triển bền vững truyền thống (Bellato, Frantzeskaki & Nygaard, 2022). Thay vì chỉ tập trung vào việc giảm thiểu tác động tiêu cực, du lịch tái tạo hướng tới việc tạo ra các giá trị tích cực ròng cho hệ thống xã hội, sinh thái và văn hóa của điểm đến. Du lịch tái tạo đặc biệt nhấn mạnh vai trò của cộng đồng, coi cộng đồng là chủ thể đồng kiến tạo tương lai của điểm đến (Bellato & Pollock, 2023).

Song song với xu hướng này, AI và các công nghệ du lịch thông minh đang làm thay đổi cách thức quản trị điểm đến. Các hệ thống AI có khả năng xử lý dữ liệu lớn, dự báo xu hướng, giám sát dòng khách theo thời gian thực và hỗ trợ ra quyết định dựa trên bằng chứng (Ghaderi, 2026). Nhờ đó, các cơ quan quản lý có thể nâng cao hiệu quả điều phối và tăng cường khả năng thích ứng (Errichiello & Micera, 2021). Tuy nhiên, việc ứng dụng AI có thể làm gia tăng tình trạng tập trung quyền lực và làm suy giảm vai trò của cộng đồng địa phương. Do đó, việc kết hợp AI với các nguyên tắc của du lịch tái tạo đòi hỏi một cách tiếp cận quản trị mới, trong đó công nghệ hỗ trợ việc trao quyền cho cộng đồng và bảo đảm công bằng dữ liệu.

Mô hình RGTM và các mệnh đề nghiên cứu

Nghiên cứu đề xuất Mô hình Chuyển đổi Quản trị Tái tạo (RGTM) nhằm giải thích cơ chế chuyển đổi từ trạng thái trì trệ sang tái sinh. Mô hình tích hợp 3 thành tố: (i) chức năng chẩn đoán giai đoạn phát triển của TALC; (ii) định hướng chuẩn tắc của du lịch tái tạo; và (iii) năng lực điều phối của quản trị cộng đồng được hỗ trợ bởi AI. RGTM được xây dựng trên 4 điều kiện cốt lõi:

P1. Năng lực hành động phá vỡ lộ trình của cộng đồng: Các điểm đến ở trạng thái trì trệ có khả năng chuyển đổi sang quỹ đạo tái sinh khi xuất hiện các tác nhân cộng đồng có khả năng thách thức các mô hình phát triển hiện hữu.

P2. Chủ quyền dữ liệu cộng đồng: Khả năng tiếp cận, kiểm soát và sử dụng dữ liệu bởi cộng đồng địa phương là điều kiện cần để AI phục vụ các mục tiêu tái tạo. Khi dữ liệu bị kiểm soát bởi các nền tảng thương mại, AI có xu hướng củng cố các cấu trúc quyền lực hiện có (Ghaderi, 2026).

P3. Sự tham gia mang tính cấu thành của cộng đồng: Cộng đồng cần được tham gia trực tiếp vào quá trình thiết kế, vận hành và đánh giá các hệ thống AI, không chỉ mang tính tham vấn mà phải trở thành thành phần cấu thành của kiến trúc quản trị.

P4. Trách nhiệm giải trình thuật toán: Các hệ thống AI phục vụ quản trị điểm đến cần bảo đảm tính minh bạch, khả năng giải thích và cơ chế giám sát xã hội.

Từ 4 điều kiện trên, RGTM lập luận rằng AI chỉ có thể đóng vai trò thúc đẩy tái sinh khi được vận hành trong một kiến trúc quản trị lấy cộng đồng làm trung tâm.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp định tính đa trường hợp nhằm xây dựng và kiểm chứng RGTM. Ba trường hợp được lựa chọn gồm Dubrovnik (Croatia), Kyoto (Nhật Bản) và Ubud (Indonesia), đại diện cho ba bối cảnh phát triển khác nhau: điểm đến di sản châu Âu, điểm đến văn hóa Đông Á và điểm đến cộng đồng Đông Nam Á. Các trường hợp phải đáp ứng 3 tiêu chí: (i) đang ở hoặc đã vượt qua giai đoạn trì trệ theo TALC; (ii) có bằng chứng về việc ứng dụng AI trong quản trị điểm đến; và (iii) tồn tại các hình thức quản trị cộng đồng. Nghiên cứu sử dụng dữ liệu thứ cấp từ các công trình nghiên cứu học thuật đã công bố, báo cáo chính sách của cơ quan quản lý du lịch và kế hoạch phát triển điểm đến. Dữ liệu được phân tích bằng Framework Analysis, bao gồm các bước: làm quen dữ liệu, xây dựng khung phân tích, mã hóa dữ liệu, tổng hợp và diễn giải. Sau khi hoàn thành phân tích từng trường hợp, nghiên cứu tiến hành phân tích liên trường hợp bằng kỹ thuật so khớp mô thức. Để nâng cao độ tin cậy, dữ liệu được thu thập từ nhiều nguồn và đối chiếu chéo trong quá trình phân tích.

KẾT QUẢ VÀ THẢO LUẬN

Kiểm định các mệnh đề nghiên cứu

Phân tích 3 trường hợp được lựa chọn cho thấy 4 mệnh đề của RGTM được hỗ trợ ở các mức độ khác nhau.

Đối với P1, năng lực hành động của cộng đồng đóng vai trò khởi phát quá trình chuyển đổi nhưng chỉ phát huy hiệu quả khi được hỗ trợ bởi các thiết chế có đủ thẩm quyền. Kyoto và Ubud cho thấy sự tồn tại của các thiết chế cộng đồng tương đối mạnh, trong khi Dubrovnik thể hiện rõ xu hướng quản trị tập trung vào cơ quan quản lý và giải pháp công nghệ.

Đối với P2, cả 3 trường hợp đều cho thấy sự thiếu hụt chủ quyền dữ liệu cộng đồng. Dữ liệu du lịch chủ yếu được kiểm soát bởi chính quyền, các tổ chức quản lý điểm đến hoặc các nền tảng công nghệ, hạn chế khả năng cộng đồng tham gia định hình mục tiêu phát triển.

Đối với P3, mức độ tham gia của cộng đồng vào các hệ thống quản trị AI còn tương đối hạn chế. Trong hầu hết các trường hợp, cộng đồng chủ yếu được tham vấn thay vì tham gia trực tiếp vào quá trình thiết kế và vận hành hệ thống.

Đối với P4, các cơ chế trách nhiệm giải trình thuật toán vẫn chưa được thiết lập đầy đủ. Việc thiếu minh bạch trong thu thập và sử dụng dữ liệu làm giảm khả năng giám sát xã hội đối với các quyết định được hỗ trợ bởi AI.

Nhìn chung, AI hiện nay chủ yếu được sử dụng nhằm nâng cao hiệu quả quản lý điểm đến hơn là thúc đẩy chuyển đổi tái tạo, hàm ý rằng các điều kiện thể chế đóng vai trò quyết định đối với hiệu quả của quản trị AI.

Các mô thức quản trị nổi bật

Phân tích liên trường hợp xác định 4 mô thức quản trị xuất hiện lặp lại.

Thứ nhất, tồn tại “bẫy tối ưu hóa vận hành”: AI được triển khai chủ yếu để tối ưu hóa dòng khách và nâng cao hiệu quả vận hành, nhưng chưa tạo ra sự thay đổi căn bản trong mô hình phát triển điểm đến.

Thứ hai, tồn tại sự tách rời giữa cấu trúc cộng đồng và hạ tầng số, làm giảm khả năng tích hợp tri thức địa phương vào quá trình ra quyết định.

Thứ ba, khoảng trống chủ quyền dữ liệu xuất hiện ở cả 3 trường hợp khi cộng đồng địa phương có rất ít khả năng kiểm soát nguồn lực dữ liệu chiến lược này.

Thứ tư, các trường hợp đều cho thấy sự tồn tại của những thời điểm có khả năng tạo ra thay đổi về quỹ đạo phát triển nhưng chưa được chuyển hóa thành cải cách thể chế thực sự.

Thảo luận

Kết quả nghiên cứu cho phép khái niệm hóa giai đoạn tái sinh trong TALC. Thay vì được hiểu là sự phục hồi tăng trưởng lượng khách, tái sinh cần được xem là quá trình chuyển đổi mô hình quản trị hướng tới việc tạo ra giá trị tích cực ròng cho hệ thống xã hội, văn hóa và sinh thái của điểm đến. Nghiên cứu cũng cho thấy AI không phải là động lực tự thân của chuyển đổi tái tạo: hiệu quả của công nghệ phụ thuộc vào cấu trúc thể chế nơi nó được triển khai. Phát hiện quan trọng nhất là vai trò trung tâm của chủ quyền dữ liệu cộng đồng: những rào cản lớn nhất không nằm ở năng lực công nghệ mà ở quyền tiếp cận, kiểm soát và sử dụng dữ liệu. Điều này gợi mở nhu cầu phát triển các mô hình quản trị dữ liệu lấy cộng đồng làm trung tâm, trong đó cộng đồng địa phương đóng vai trò đồng quản trị (co-governance) thay vì chỉ là đối tượng thụ hưởng của các hệ thống AI (Ghaderi, 2026).

HÀM Ý QUẢN TRỊ VÀ KẾT LUẬN

Hàm ý quản trị

Kết quả nghiên cứu cho thấy ứng dụng AI trong quản trị điểm đến chỉ có thể hỗ trợ quá trình chuyển đổi tái tạo khi được đặt trong một kiến trúc quản trị lấy cộng đồng làm trung tâm. Đối với các tổ chức quản lý điểm đến (DMOs), ưu tiên cần là tăng cường sự tham gia của cộng đồng vào quá trình thiết kế, vận hành và giám sát các hệ thống quản trị số, chuyển dịch từ mô hình tham vấn sang mô hình đồng quản trị.

Đối với các cơ quan quản lý nhà nước, nghiên cứu nhấn mạnh vai trò nền tảng của khung thể chế về chủ quyền dữ liệu cộng đồng, bảo đảm quyền tiếp cận dữ liệu và tính minh bạch của thuật toán - đây là điều kiện tiên quyết để AI có thể phục vụ mục tiêu tái tạo thay vì chỉ tối ưu hóa vận hành. Đối với các doanh nghiệp công nghệ, nghiên cứu gợi ý phát triển các mô hình dữ liệu đồng quản trị, trong đó cộng đồng địa phương cùng tham gia vào việc quản lý và giám sát dữ liệu điểm đến.

Kết luận

Nghiên cứu đề xuất và kiểm chứng RGTM nhằm giải thích cơ chế chuyển đổi từ trạng thái trì trệ sang tái sinh tại các điểm đến du lịch trong bối cảnh chuyển đổi số. Đóng góp thứ nhất là định nghĩa lại giai đoạn tái sinh trong TALC theo hướng chuyển đổi mô hình quản trị thay vì phục hồi tăng trưởng lượng khách. Đóng góp thứ hai là xây dựng RGTM như một khung lý thuyết tích hợp, xác định 4 điều kiện cốt lõi của chuyển đổi tái tạo. Đóng góp thứ ba là khẳng định vai trò trung tâm của chủ quyền dữ liệu cộng đồng trong quản trị AI theo định hướng tái tạo.

Tài liệu tham khảo:

1. Bellato, L., & Pollock, A. (2025). Regenerative tourism: a state-of-the-art review. Tourism Geographies, 27(3–4), 558–567.

2. Bellato, L., Frantzeskaki, N., & Nygaard, C. A. (2023). Regenerative tourism: a conceptual framework leveraging theory and practice. Tourism Geographies, 25(4), 1026–1046.

3. Butler, R. (2025). Tourism destination development: the tourism area life cycle model. Tourism Geographies, 27(3 - 4), 599 - 607.

4. Butler, R. W. (1980). The concept of a tourist area cycle of evolution: Implications for management of resources. Canadian Geographer, 24(1), 5–12.

5. Errichiello, L., & Micera, R. (2021). A process-based perspective of smart tourism destination governance. European Journal of Tourism Research, 29, 2909. https://doi.org/10.54055/ejtr.v29i.2436

6. Ghaderi, Z. (2026). Artificial intelligence and the governance of overtourism in tourism cities. International Journal of Tourism Cities, 1–17.