Dİjİtal İnsan

Otel İşletmelerinde İşe Alım ve Oryantasyon Süreçlerinde Metaverse, VR, AR, XR ve Yapay Zekânın Kullanılabilirliği

Özet

Bu çalışma, otel işletmelerinde işe alım ve oryantasyon süreçlerinde yapay zekâ (AI), metaverse, sanal gerçeklik (VR), artırılmış gerçeklik (AR) ve genişletilmiş gerçeklik (XR) uygulamalarının kullanılabilirliğini insan kaynakları yönetimi (İK) bağlamında incelemektedir. Çalışmanın amacı, AI temellerini açıklamak, İK alanındaki kullanım biçimlerini sınıflandırmak ve bu teknolojilerin özellikle konaklama işletmelerinde aday deneyimi, seçim doğruluğu, eğitim kalitesi, hizmet standardizasyonu ve çalışan bağlılığı üzerindeki olası etkilerini tartışmaktır. Literatür değerlendirmesi, yapay zekâ destekli algoritmik işe alım, insan kaynakları analitiği, sohbet robotları, oyunlaştırılmış değerlendirme, VR/AR temelli simülasyon eğitimi ve metaverse tabanlı oryantasyon ortamlarının giderek daha bütünleşik bir İK ekosistemi oluşturduğunu göstermektedir. Bununla birlikte veri gizliliği, algoritmik önyargı, açıklanabilirlik, dijital eşitsizlik, çalışan gözetimi ve etik yönetişim gibi riskler uygulama başarısını doğrudan etkilemektedir. Sonuç olarak, otel işletmelerinde AI ve XR teknolojilerinin yalnızca teknolojik yatırım olarak değil; stratejik İK dönüşümü, hizmet kalitesi yönetimi ve çalışan deneyimi tasarımı kapsamında ele alınması önerilmektedir.

Anahtar Kelimeler: Yapay Zekâ, İnsan Kaynakları Yönetimi, Otel İşletmeleri, İşe Alım, Oryantasyon, Metaverse, Sanal Gerçeklik, Artırılmış Gerçeklik, Genişletilmiş Gerçeklik

Abstract

This study examines the usability of artificial intelligence (AI), the metaverse, virtual reality (VR), augmented reality (AR), and extended reality (XR) in recruitment and onboarding processes in hotel enterprises from a human resource management (HRM) perspective. The study aims to explain the fundamentals of AI, classify its HRM applications, and discuss the potential effects of these technologies on candidate experience, selection accuracy, training quality, service standardization, and employee engagement in hospitality organizations. The literature review indicates that AI-supported algorithmic recruitment, HR analytics, chatbots, gamified assessment, VR/AR-based simulation training, and metaverse-enabled onboarding environments increasingly form an integrated HR ecosystem. However, data privacy, algorithmic bias, explainability, digital inequality, employee surveillance, and ethical governance risks directly influence implementation success. The study concludes that AI and XR technologies in hotel enterprises should not be treated merely as technological investments, but as part of strategic HR transformation, service quality management, and employee experience design.

Keywords: Artificial Intelligence, Human Resource Management, Hotel Enterprises, Recruitment, Onboarding, Metaverse, Virtual Reality, Augmented Reality, Extended Reality

1. Giriş

Konaklama sektörü, yüksek emek yoğunluğu, hizmet karşılaşmalarının eş zamanlı üretim-tüketim niteliği, mevsimsellik, yüksek çalışan devir oranı ve müşteri beklentilerindeki hızlı değişim nedeniyle insan kaynakları yönetimini stratejik bir rekabet alanı hâline getirmiştir. Otel işletmelerinde işe alım ve oryantasyon süreçleri yalnızca personel teminiyle sınırlı değildir; çalışanların hizmet kültürünü, marka vaadini, güvenlik standartlarını, misafir deneyimi ilkelerini ve departmanlar arası koordinasyonu kısa sürede içselleştirmesini gerektirir. Bu nedenle AI, metaverse, VR, AR ve XR gibi teknolojiler İK fonksiyonlarının hız, doğruluk, kişiselleştirme ve deneyimsellik kapasitesini artırabilecek araçlar olarak öne çıkmaktadır.

Yapay zekâ temelli sistemler özgeçmiş tarama, aday sıralama, iş-kişi uyumu tahmini, sohbet robotlarıyla aday iletişimi, video mülakat analizi, çalışan devir tahmini ve öğrenme öneri sistemleri gibi alanlarda kullanılmaktadır (Albert, 2019; Black & van Esch, 2020; Budhwar et al., 2022; Leicht-Deobald et al., 2019). VR ve AR uygulamaları ise ön büro, kat hizmetleri, yiyecek-içecek, kriz yönetimi, iş sağlığı ve güvenliği, müşteri şikâyeti yönetimi ve kültürlerarası hizmet senaryolarında simülasyon tabanlı öğrenmeyi mümkün kılmaktadır (Jensen & Konradsen, 2018; Radianti et al., 2020; Webster, 2016). Metaverse yaklaşımı, üç boyutlu ve eşzamanlı sosyal etkileşim ortamları aracılığıyla aday deneyimini ve oryantasyon etkinliklerini dijital kampüs, sanal otel turu veya avatar tabanlı eğitim formatına dönüştürme potansiyeline sahiptir (Buhalis et al., 2023; Dwivedi et al., 2022; Gursoy et al., 2022).

Bu çalışmanın temel araştırma sorusu şudur: Otel işletmelerinde işe alım ve oryantasyon süreçlerinde AI, metaverse, VR, AR ve XR teknolojileri hangi amaçlarla, nasıl ve hangi koşullarda kullanılabilir? Bu soruya yanıt verebilmek için önce AI temelleri ve çalışma mantığı açıklanmakta; ardından kullanım alanları, İK uygulamaları, faydalar, riskler ve otel işletmelerine yönelik öneriler değerlendirilmektedir.

2. Kavramsal Çerçeve

Bu bölümde çalışmanın kuramsal dayanağını oluşturan temel kavramlar aşamalı biçimde ele alınmaktadır. Öncelikle yapay zekânın temel bileşenleri ve İK karar süreçleriyle ilişkisi açıklanmakta; ardından metaverse, VR, AR ve XR kavramları otel işletmeleri bağlamında tanımlanmaktadır. Bu kavramsal açıklamaların ardından teknolojilerin nasıl çalıştığı, hangi alanlarda kullanıldığı, İK süreçlerine nasıl entegre edildiği ve bu kullanımın sağlayabileceği faydalar alt başlıklar hâlinde değerlendirilmektedir. Böylece işe alım ve oryantasyon süreçlerinde söz konusu teknolojilerin yalnızca teknik araçlar olarak değil, insan kaynakları yönetimini dönüştüren stratejik uygulamalar olarak anlaşılması amaçlanmaktadır.

2.1. AI Temelleri

Yapay zekâ, makinelerin algılama, öğrenme, akıl yürütme, tahmin üretme, doğal dil işleme ve karar destekleme gibi insan zekâsıyla ilişkilendirilen görevleri yerine getirmesini sağlayan yöntemler bütünüdür. Makine öğrenmesi, derin öğrenme, doğal dil işleme, bilgisayarlı görü, öneri sistemleri ve üretken yapay zekâ bu alanın başlıca bileşenleridir (Davenport et al., 2020; Russell & Norvig, 2021). İK bağlamında AI, örgütsel verileri analiz ederek karar vericilere aday seçimi, işgücü planlama, performans, eğitim ve bağlılık konularında tahmine dayalı içgörüler sunar (Marler & Boudreau, 2017; Minbaeva, 2018; Tursunbayeva et al., 2018). AI’ın İK alanındaki değeri yalnızca otomasyondan kaynaklanmaz. Daha önemlisi, büyük ve dağınık veri kümelerinden örüntüler çıkararak karar kalitesini yükseltme iddiasıdır. Örneğin adayların deneyim, yetkinlik, sertifika, dil becerisi ve davranışsal göstergeleri iş gerekleriyle eşleştirilebilir; çalışan devir riski tahmin edilebilir; kişiselleştirilmiş oryantasyon planları oluşturulabilir. Bununla birlikte algoritmik sistemler geçmiş verilerdeki önyargıları öğrenebileceği için adalet, şeffaflık ve hesap verebilirlik ilkeleri kritik önemdedir (Binns, 2018; Raghavan et al., 2020; Tambe et al., 2019).

2.2 Metaverse, VR, AR ve XR Kavramları

VR, kullanıcıyı bilgisayar tarafından üretilmiş üç boyutlu bir ortama daldıran teknolojidir. AR, gerçek dünya üzerine dijital bilgi bindirir. XR ise VR, AR ve karma gerçeklik uygulamalarını kapsayan şemsiye kavramdır. Metaverse ise süreklilik, avatar temsili, eşzamanlı sosyal etkileşim, dijital varlıklar ve mekânsal internet fikriyle bu teknolojilerin daha bütünleşik bir ekosistem içinde kullanılmasını ifade eder (Mystakidis, 2022; Park & Kim, 2022; Rauschnabel et al., 2022).

Otel işletmeleri açısından bu kavramlar, fiziksel hizmet ortamlarının dijital ikizlerinin oluşturulması, adaylara işin gerçekçi biçimde gösterilmesi, yeni çalışanlara risksiz eğitim verilmesi ve çok lokasyonlu zincir otellerde standart oryantasyon deneyimi sağlanması açısından önemlidir. Özellikle hizmet hatalarının maliyetli olduğu lüks otellerde, adayların davranışsal tepkilerini simülasyon ortamında gözlemlemek ve çalışanları yoğun sezondan önce senaryo temelli eğitmek yönetsel açıdan değerli olabilir.

2.3 Nasıl Çalışır?

AI destekli İK sistemleri genellikle dört aşamada çalışır. Birinci aşama veri toplama ve bütünleştirmedir. Bu veriler başvuru formları, özgeçmişler, mülakat notları, öğrenme yönetim sistemi kayıtları, vardiya verileri, performans göstergeleri ve çalışan geri bildirimlerinden oluşabilir. İkinci aşama veri ön işleme ve özellik çıkarımıdır. Doğal dil işleme yöntemleri özgeçmiş metinlerinden yetkinlikleri çıkarabilir; bilgisayarlı görü uygulamaları eğitim simülasyonlarındaki hareketleri analiz edebilir; analitik modeller çalışan devir riskini tahmin edebilir (Köchling & Wehner, 2020; Van den Heuvel & Bondarouk, 2017).

Üçüncü aşama modelleme ve karar desteğidir. Sınıflandırma, regresyon, kümeleme ve öneri algoritmaları aday-iş uyumu, eğitim ihtiyacı, kariyer yolu ve işgücü planlaması gibi çıktılar üretebilir.

Dördüncü aşama insan denetimi, geri bildirim ve iyileştirmedir. İK uzmanı model önerisini değerlendirir, gerektiğinde gerekçelendirme ister ve sistemin performansını adalet, doğruluk, tutarlılık ve çalışan deneyimi ölçütleriyle izler (Glikson & Woolley, 2020; Raisch & Krakowski, 2021). VR/AR/XR sistemleri ise donanım, yazılım ve senaryo tasarımının birleşimiyle çalışır. VR gözlüğü, kontrol cihazı, hareket sensörü veya mobil cihazlar kullanıcının etkileşimini izler; üç boyutlu ortamlar resepsiyon, oda, restoran, mutfak veya acil durum alanı gibi otel mekânlarını simüle eder. Kullanıcı görevleri tamamladıkça sistem süre, hata sayısı, karar kalitesi, iletişim biçimi ve prosedür uygunluğu gibi ölçütleri kaydedebilir. Bu veriler AI ile analiz edildiğinde öğrenme eksikleri belirlenebilir ve kişiye özel geri bildirim sağlanabilir.

2.4. Nerede Kullanılır?

AI ve XR teknolojileri turizm ve konaklama sektöründe müşteri hizmetleri, gelir yönetimi, talep tahmini, dinamik fiyatlama, robotik hizmet, kişiselleştirilmiş pazarlama, öneri sistemleri ve operasyonel verimlilik alanlarında yaygınlaşmaktadır (Buhalis & Leung, 2018; Ivanov & Webster, 2019; Tussyadiah, 2020). İK özelinde ise bu teknolojiler işe alım, oryantasyon, eğitim, performans yönetimi, çalışan bağlılığı, işgücü analitiği, liderlik geliştirme ve güvenlik eğitimlerinde uygulanabilir.

Otel işletmelerinde işe alım sürecinde AI; aday havuzu oluşturma, ilan metni optimizasyonu, özgeçmiş filtreleme, aday sorularını cevaplama, ön değerlendirme ve mülakat planlama için kullanılabilir. VR ve metaverse ise adaylara gerçekçi iş önizlemesi sunabilir. Örneğin aday, sanal bir resepsiyon senaryosunda yoğun giriş işlemleri, şikâyet eden misafir veya fazla rezervasyon durumu ile karşılaşabilir. Böylece hem aday işin taleplerini daha iyi anlar hem de işletme adayın problem çözme, duygusal emek ve iletişim becerilerini gözlemleyebilir.

Oryantasyon sürecinde VR/AR uygulamaları yeni çalışanlara otel turu, departman tanıtımı, yangın ve acil durum prosedürleri, hijyen kuralları, marka standartları ve misafir karşılama protokollerini deneyimsel biçimde öğretmek için kullanılabilir. AR destekli mobil uygulamalar kat hizmetleri personeline oda düzeni kontrol listelerini gerçek zamanlı gösterebilir; yiyecek-içecek çalışanlarına masa düzeni veya alerjen uyarıları sunabilir. AI tabanlı öğrenme sistemleri ise yeni çalışanın ilerlemesine göre içerik sırasını uyarlayabilir.

2.5. İK Alanında Kullanımı

İK’da AI kullanımı beş ana başlıkta toplanabilir. Birincisi algoritmik işe alımdır. Bu uygulamalarda aday verileri iş gerekleriyle karşılaştırılır ve İK uzmanlarına önceliklendirilmiş aday listeleri sunulur (Upadhyay & Khandelwal, 2018; van Esch et al., 2019). İkincisi aday deneyimi yönetimidir. Sohbet robotları başvuru durumu, iş tanımı, vardiya koşulları ve oryantasyon takvimi hakkında sürekli bilgi sağlayabilir (Pillai & Sivathanu, 2020). Üçüncüsü insan kaynakları analitiğidir. Analitik sistemler çalışan devri, devamsızlık, eğitim başarısı ve performansla ilişkili örüntüleri ortaya koyabilir (Angrave et al., 2016; Edwards & Edwards, 2019).

Dördüncüsü öğrenme ve gelişimdir. AI destekli öğrenme yönetim sistemleri çalışanların önceki deneyimlerine, görevlerine ve ölçme sonuçlarına göre kişiselleştirilmiş içerik önerebilir. VR/AR ise özellikle prosedürel beceri ve davranışsal pratik gerektiren hizmet süreçlerinde öğrenmeyi somutlaştırır (Merchant et al., 2014; Radianti et al., 2020). Beşincisi çalışan deneyimi ve bağlılıktır. Duygu analizi, anket analitiği ve geri bildirim araçları çalışanların motivasyon, stres ve bağlılık düzeylerini izlemeye yardımcı olabilir; ancak bu uygulamalar çalışan mahremiyeti ve gözetim algısı bakımından dikkatle yönetilmelidir (Moore, 2019; Kellogg et al., 2020). Otel işletmelerinde bu kullanım başlıkları departman düzeyinde çeşitlenir. Ön büro için yabancı dil, şikâyet yönetimi ve rezervasyon sistemi simülasyonları; kat hizmetleri için oda standardı, zaman yönetimi ve iş güvenliği eğitimleri; yiyecek-içecek için servis akışı, hijyen ve alerjen yönetimi; insan kaynakları birimi için aday iletişimi, vardiya uyumu ve eğitim planlama uygulamaları geliştirilebilir.

2.6. İK Alanında Kullanımının Faydaları

AI, metaverse ve XR uygulamalarının İK alanındaki başlıca faydaları hız, standardizasyon, deneyimsellik, kişiselleştirme ve ölçülebilirliktir. İşe alımda AI, çok sayıdaki başvuruyu kısa sürede sınıflandırarak İK uzmanlarının idari yükünü azaltabilir. Sohbet robotları adaylarla 7/24 iletişim kurarak aday deneyimini iyileştirebilir. VR tabanlı iş önizlemeleri ise adayların işin gerçek taleplerini görmesini sağlayarak yanlış beklenti kaynaklı erken ayrılmaları azaltabilir.

Oryantasyonda XR teknolojileri, yeni çalışanın gerçek misafirle karşılaşmadan önce hata yapmasına izin veren güvenli bir öğrenme alanı sunar. Bu özellik özellikle kriz senaryoları, yangın tahliyesi, zor müşteri iletişimi, hijyen hataları ve marka standardı ihlalleri gibi maliyeti yüksek durumlarda önemlidir. Simülasyon verileri eğitim başarısını ölçülebilir hâle getirir; AI analitiği ise hangi çalışanın hangi konuda ek desteğe ihtiyaç duyduğunu gösterebilir. Stratejik düzeyde bu teknolojiler, otel zincirlerinde standart eğitim içeriği sunmayı, farklı lokasyonlardaki çalışanları aynı kalite beklentisi etrafında hizalamayı ve kurumsal öğrenme hafızası oluşturmayı kolaylaştırır. Ayrıca genç kuşak çalışanlar açısından dijital, etkileşimli ve oyunlaştırılmış oryantasyon deneyimleri işveren markasını güçlendirebilir (Backhaus & Tikoo, 2004; Sivathanu & Pillai, 2018).

3 Tartışma

Bu çalışmada yararlanılan kaynaklar bütüncül olarak değerlendirildiğinde, otel işletmelerinde işe alım ve oryantasyon süreçlerinde AI, metaverse, VR, AR ve XR kullanımının üç ana eksende anlam kazandığı görülmektedir: dijital İK dönüşümü, deneyimsel öğrenme ve etik-yönetsel sürdürülebilirlik. AI’ın genel karar destek kapasitesini açıklayan çalışmalar, yapay zekânın yalnızca işlemleri hızlandıran bir otomasyon aracı olmadığını; veri temelli tahmin, sınıflandırma, kişiselleştirme ve karar kalitesini artırma potansiyeline sahip olduğunu göstermektedir (Davenport & Ronanki, 2018; Davenport et al., 2020; Duan et al., 2019; Kaplan & Haenlein, 2019; Russell & Norvig, 2021). Huang ve Rust’ın (2018) hizmetlerde yapay zekâya ilişkin yaklaşımı ile Grewal ve diğerlerinin (2017) perakende ve hizmet teknolojileri değerlendirmesi, otel işletmelerinde AI’ın yalnızca arka ofis süreçlerini değil, hizmet karşılaşmasının niteliğini de dönüştürebileceğini düşündürmektedir. Bu nedenle işe alım ve oryantasyon süreçlerinde AI kullanımı, operasyonel verimlilik kadar hizmet kalitesi ve misafir deneyimiyle de ilişkilidir.

İK literatürü, AI uygulamalarının işe alım, yetenek yönetimi ve çalışan deneyimi üzerinde giderek daha belirgin bir etki yarattığını göstermektedir. Albert (2019), Black ve van Esch (2020), Upadhyay ve Khandelwal (2018) ile van Esch ve diğerleri (2019), AI destekli işe alımın aday tarama, aday sıralama ve seçim sürecinde hız ve tutarlılık sağlayabileceğini belirtmektedir. Bununla birlikte bu çalışmalar, algoritmik değerlendirmelerin insan yargısının yerine geçmemesi gerektiğini de ima etmektedir. Marler ve Boudreau (2017), Minbaeva (2018), Tursunbayeva ve diğerleri (2018), Angrave ve diğerleri (2016), Edwards ve Edwards (2019) ile Van den Heuvel ve Bondarouk (2017) tarafından tartışılan İK analitiği literatürü, verinin stratejik değere dönüşebilmesi için yalnızca teknik altyapının değil; doğru soru sorma, veri kalitesi, analitik yetkinlik ve yönetsel yorumlama kapasitesinin de gerekli olduğunu ortaya koymaktadır. Otel işletmeleri açısından bu bulgular, AI destekli işe alım sistemlerinin ancak iş gerekleri, departman ihtiyaçları, hizmet standartları ve çalışan devir verileriyle birlikte anlamlı sonuç üretebileceğini göstermektedir. Dijital İK dönüşümü bakımından Bondarouk ve Brewster (2016), Strohmeier (2020) ve Sivathanu ve Pillai (2018), teknolojinin İK fonksiyonlarını idari birim olmaktan çıkarıp stratejik bir değer yaratma alanına dönüştürdüğünü vurgulamaktadır. Brougham ve Haar (2018) ise çalışanların akıllı teknolojiler, robotik sistemler ve algoritmalar karşısındaki algılarının uygulama başarısı üzerinde belirleyici olduğunu göstermektedir. Bu çerçevede otel işletmelerinde AI ve XR tabanlı işe alım ya da oryantasyon sistemlerinin başarısı yalnızca sistem performansına değil, çalışanların ve adayların bu sistemleri adil, anlaşılır ve yararlı bulmasına bağlıdır. Pillai ve Sivathanu’nun (2020) turizm ve konaklama bağlamında AI tabanlı sohbet robotlarına ilişkin değerlendirmesi, aday iletişimi ve oryantasyon desteğinde sohbet robotlarının kullanılabileceğini; ancak insan temasının tamamen ortadan kaldırılmaması gerektiğini göstermektedir.

Turizm ve konaklama literatürü, akıllı teknolojilerin otel işletmelerinde hem müşteri hem çalışan tarafında bütünleşik bir deneyim ekonomisi oluşturduğunu göstermektedir. Buhalis ve Leung (2018), akıllı konaklama ekosistemlerinde bağlantılılık ve birlikte işlerliğin önemini ortaya koyarken; Ivanov ve Webster (2019) robotik, AI ve hizmet otomasyonunun ekonomik temellerini turizm ve konaklama açısından tartışmaktadır. Tussyadiah (2020), turizmde otomasyon, yapay zekâ ve robotik çalışmalarının giderek daha merkezi hâle geldiğini belirtmektedir. Bu çalışmalar birlikte değerlendirildiğinde, otel işletmelerinde işe alım ve oryantasyon süreçlerinin operasyonel sistemlerden bağımsız düşünülemeyeceği anlaşılmaktadır. Örneğin gelir yönetimi, vardiya planlama, müşteri segmentasyonu ve hizmet kalitesi verileri İK kararlarına entegre edildiğinde, aday-iş uyumu ve eğitim öncelikleri daha isabetli belirlenebilir.

Metaverse ve XR literatürü, oryantasyon süreçlerinde deneyimsel, etkileşimli ve mekânsal öğrenme olanaklarının arttığını göstermektedir. Mystakidis (2022), Park ve Kim (2022), Rauschnabel ve diğerleri (2022) ile Dwivedi ve diğerleri (2022), metaverse ve XR ekosistemlerinin süreklilik, avatar temsili, etkileşim, dijital varlıklar ve çoklu gerçeklik katmanları üzerinden yeni bir dijital etkileşim alanı oluşturduğunu açıklamaktadır. Buhalis ve diğerleri (2023) ile Gursoy ve diğerleri (2022), bu dönüşümün turizm ve konaklama yönetimi açısından yıkıcı ve yeniden yapılandırıcı etkilerine dikkat çekmektedir. Otel işletmeleri bakımından bu bulgular, metaverse tabanlı oryantasyonun yalnızca sanal tur biçiminde değil; kurum kültürü aktarımı, departmanlar arası tanışma, simülasyon temelli görev öğrenme ve adaylara gerçekçi iş önizlemesi sunma amacıyla tasarlanabileceğini göstermektedir.

VR ve AR eğitim literatürü, özellikle işe yeni başlayan çalışanların güvenli ortamda hata yaparak öğrenmesi açısından güçlü kanıtlar sunmaktadır. Jensen ve Konradsen (2018), VR başlıklarının eğitimde kullanımını değerlendirirken; Merchant ve diğerleri (2014), VR tabanlı öğretimin öğrenme çıktıları üzerinde etkili olabileceğini göstermektedir. Radianti ve diğerleri (2020), sürükleyici VR uygulamalarında pedagojik tasarımın belirleyici olduğunu vurgulamakta; Webster (2016) sanal öğrenme ortamlarında bildirimsel bilginin kazanımını tartışmaktadır. Cheng ve Tsai (2013), AR’nin öğrenme bağlamında sağladığı olanaklara dikkat çekerken, Huang ve diğerleri (2016) VR’nin turizm pazarlaması ve deneyim tasarımı açısından önemini göstermektedir. Bu kaynaklar birlikte ele alındığında, otel oryantasyonunda VR/AR kullanımı için en kritik unsurun teknolojik gösteriş değil, iyi yapılandırılmış senaryo, ölçülebilir öğrenme hedefi ve gerçek iş süreçleriyle uyum olduğu söylenebilir. Etik ve yönetişim boyutu, tüm kaynakların ortak uyarı alanlarından biridir. Binns (2018), algoritmik adalet tartışmalarını felsefi temellerle ele alırken; Köchling ve Wehner (2020), İK işe alım ve geliştirme süreçlerinde algoritmik ayrımcılık riskini sistematik biçimde ortaya koymaktadır. Raghavan ve diğerleri (2020), algoritmik işe alımda önyargı azaltma iddialarının dikkatle değerlendirilmesi gerektiğini belirtmektedir. Leicht-Deobald ve diğerleri (2019), algoritma temelli İK kararlarının kişisel bütünlük ve etik açıdan riskler taşıdığını; Tambe ve diğerleri (2019) ise insan kaynakları yönetiminde AI kullanımının veri kalitesi, açıklanabilirlik ve örgütsel uygulama sorunları nedeniyle dikkatli yönetilmesi gerektiğini vurgulamaktadır. Kellogg ve diğerleri (2020), algoritmaların işyerinde yeni kontrol biçimleri yaratabileceğini; Moore (2019) ise AI araçlarının iş sağlığı ve güvenliği bakımından hem fayda hem risk üretebileceğini belirtmektedir. Bu çerçevede otel işletmelerinde adayların video mülakat verileri, simülasyon performansları veya çalışan davranış verileri kullanılırken veri minimizasyonu, açık rıza, açıklanabilirlik ve insan denetimi temel ilkeler olmalıdır.

İnsan-AI etkileşimi ve güven konusu da uygulamaların başarısı açısından belirleyicidir. Glikson ve Woolley (2020), insanların yapay zekâya güveninin sistemin görünürlüğü, açıklana bilirliği ve görev türüne göre değiştiğini göstermektedir. Raisch ve Krakowski (2021), AI yönetiminde otomasyon ve insanı güçlendirme arasındaki paradoksa dikkat çekmektedir. Bu iki çalışma, otel işletmelerinde AI’ın İK uzmanlarını ikame eden değil, onların karar kapasitesini artıran bir sistem olarak konumlandırılması gerektiğini desteklemektedir. Özellikle otelcilikte empati, misafirle iletişim, kültürlerarası duyarlılık ve ekip uyumu gibi boyutlar tamamen otomatik ölçümlerle değerlendirilemeyeceğinden, AI önerileri insan görüşmesi, referans kontrolü ve deneme eğitimi gibi yöntemlerle birlikte kullanılmalıdır.

İşveren markası ve çalışan deneyimi açısından Backhaus ve Tikoo (2004), işveren markasının adayları çekme ve çalışan bağlılığını destekleme yönünü ortaya koymaktadır. Bu yaklaşım, metaverse veya VR destekli işe alım deneyimlerinin yalnızca seçim aracı değil, aynı zamanda işveren markasını görünür kılan iletişim araçları olduğunu düşündürmektedir. Adaya sanal otel turu sunmak, görevleri deneyimletmek ve oryantasyon yol haritasını kişiselleştirmek, özellikle genç ve dijital teknolojilere yatkın çalışan gruplarında olumlu bir izlenim yaratabilir. Ancak bu izlenimin sürdürülebilir olabilmesi için teknolojik deneyimin gerçek çalışma koşullarıyla tutarlı olması gerekir; aksi hâlde gerçekçi olmayan beklentiler erken işten ayrılma riskini artırabilir. Daha geniş teknoloji ve toplum bağlamındaki çalışmalar da otel işletmeleri için yol göstericidir. Yigitcanlar ve diğerleri (2020), yapay zekânın akıllı şehirler bağlamında katkı ve risklerini tartışarak teknoloji uygulamalarında yönetişim, etik ve kamu yararı dengesine dikkat çekmektedir. Zawacki-Richter ve diğerleri (2019), yükseköğretimde AI uygulamalarına ilişkin sistematik incelemesinde kişiselleştirilmiş öğrenme, öğrenci destek sistemleri ve etik boşlukları öne çıkarmaktadır. Bu bulgular otel oryantasyonuna uyarlandığında, AI destekli öğrenme sistemlerinin kişiselleştirme sağlayabileceği; ancak öğrenen verilerinin korunması, pedagojik kalite ve ölçme geçerliliğinin güvence altına alınması gerektiği anlaşılmaktadır.

Tüm kaynaklar birlikte değerlendirildiğinde, otel işletmelerinde AI, metaverse, VR, AR ve XR kullanımı için dengeli bir yaklaşım gerekmektedir. Bir tarafta AI işe alım hızını artırabilir, aday deneyimini iyileştirebilir, oryantasyonu kişiselleştirebilir ve eğitim sonuçlarını ölçülebilir hâle getirebilir. Diğer tarafta algoritmik önyargı, veri gizliliği, dijital eşitsizlik, çalışan gözetimi, teknolojik yabancılaşma ve maliyet sorunları uygulama başarısını sınırlayabilir. Bu nedenle en uygun model, insan merkezli ve hibrit bir modeldir: AI ve XR sistemleri veri üretir, simülasyon sağlar ve öneri sunar; İK uzmanları ise bağlamı yorumlar, etik denetimi yürütür ve nihai kararı insanî ve örgütsel ölçütlerle verir. Otel işletmeleri açısından bu yaklaşım, teknolojinin işe alım ve oryantasyona parçalı biçimde eklenmesi yerine, hizmet kalitesi, çalışan deneyimi, işveren markası ve etik yönetişimle bütünleşik bir İK stratejisi olarak tasarlanmasını gerektirmektedir.

4 Sonuç ve Öneriler

Bu çalışma, AI temelleri ve İK kullanım alanlarını otel işletmelerinde işe alım ve oryantasyon süreçleri özelinde değerlendirmiştir. Sonuçlar, AI, metaverse, VR, AR ve XR teknolojilerinin doğru tasarlandığında otel işletmelerinde aday deneyimini geliştirebileceğini, seçim süreçlerini hızlandırabileceğini, oryantasyon eğitimlerini daha deneyimsel hâle getirebileceğini ve hizmet standartlarının öğrenilmesini kolaylaştırabileceğini göstermektedir. Ancak bu faydalar otomatik değildir; etik, pedagojik, teknik ve yönetsel koşulların birlikte sağlanmasına bağlıdır.

Uygulayıcılar için öneriler şunlardır:

1. AI sistemleri nihai karar verici olarak değil, İK uzmanının kararını destekleyen şeffaf araçlar olarak kullanılmalıdır.

2. Algoritmik işe alım sistemleri düzenli olarak önyargı, geçerlilik, açıklana bilirlik ve veri güvenliği açısından denetlenmelidir.

3. VR/AR oryantasyon içerikleri otelin gerçek hizmet standartlarına, marka kimliğine ve departman görevlerine göre senaryolaştırılmalıdır.

4. Metaverse tabanlı oryantasyon uygulamalarında sosyal etkileşim, mentorluk ve kurumsal kültür aktarımı teknik gösterim kadar önemsenmelidir.

5. Çalışanlardan toplanan veriler için açık rıza, veri minimizasyonu, erişim yetkisi ve saklama süresi ilkeleri belirlenmelidir.

6. Küçük ve orta ölçekli oteller yüksek maliyetli donanımlar yerine mobil AR, sohbet robotu ve modüler öğrenme analitiği gibi ölçeklenebilir çözümlerle başlayabilir.

7. Teknoloji yatırımlarının başarısı işe alım süresi, aday memnuniyeti, erken işten ayrılma oranı, eğitim tamamlama oranı, hizmet hataları ve çalışan bağlılığı göstergeleriyle izlenmelidir.

Gelecek araştırmalarda otel işletmelerinde VR tabanlı oryantasyonun çalışan performansına etkisi deneysel tasarımlarla ölçülebilir; AI destekli işe alım sistemlerinin aday adaleti algısına etkisi incelenebilir; metaverse ortamlarında kurumsal kültür aktarımının çalışan bağlılığı üzerindeki rolü araştırılabilir. Ayrıca Türkiye’deki otel işletmelerinde teknoloji kabulü, maliyet-fayda dengesi ve veri koruma uygulamalarına ilişkin nitel saha araştırmaları yapılması önerilmektedir.

Kaynakça

Albert, E. T. (2019). AI in talent acquisition: A review of AI-applications used in recruitment and selection. Strategic HR Review, 18 (5), 215–221.

Angrave, D., Charlwood, A., Kirkpatrick, I., Lawrence, M., & Stuart, M. (2016). HR and analytics: Why HR is set to fail the big data challenge. Human Resource Management Journal, 26 (1), 1–11.

Backhaus, K., & Tikoo, S. (2004). Conceptualizing and researching employer branding. Career Development International, 9 (5), 501–517.

Binns, R. (2018). Fairness in machine learning: Lessons from political philosophy. Proceedings of Machine Learning Research, 81, 149–159.

Black, J. S., & van Esch, P. (2020). AI-enabled recruiting: What is it and how should a manager use it? Business Horizons, 63 (2), 215–226.

Bondarouk, T., & Brewster, C. (2016). Conceptualising the future of HRM and technology research. The International Journal of Human Resource Management, 27 (21), 2652–2671.

Brougham, D., & Haar, J. (2018). Smart technology, artificial intelligence, robotics, and algorithms: Employee perceptions of our future workplace. Journal of Management & Organization, 24 (2), 239–257.

Budhwar, P., Malik, A., De Silva, M. T. T., & Thevisuthan, P. (2022). Artificial intelligence–challenges and opportunities for international HRM. The International Journal of Human Resource Management, 33 (6), 1065–1097.

Buhalis, D., & Leung, R. (2018). Smart hospitality: Interconnectivity and interoperability towards an ecosystem. International Journal of Hospitality Management, 71, 41–50.

Buhalis, D., Lin, M. S., & Leung, D. (2023). Metaverse as a disruptive technology revolutionising tourism management and marketing. Tourism Management, 97, 104724.

Cheng, K. H., & Tsai, C. C. (2013). Affordances of augmented reality in science learning: Suggestions for future research. Journal of Science Education and Technology, 22 (4), 449–462.

Davenport, T. H., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48 (1), 24–42.

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96 (1), 108–116.

Duan, Y., Edwards, J. S., & Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of big data. International Journal of Information Management, 48, 63–71.

Dwivedi, Y. K., Hughes, L., Baabdullah, A. M., Ribeiro-Navarrete, S., Giannakis, M., Al-Debei, M. M.,Dennehy, D., Metri, B., Buhalis, D., Cheung, C. M. K., Conboy, K., Doyle, R., Dubey, R., Dutot, V., Felix, R., Goyal, D. P., Gustafsson, A., Hinsch, C., Jebabli, I., Janssen, M., Kim, Y. G., Kim, J., Koos, S., Kreps, D., Kshetri, N., Kumar, V., Ooi, K. B., Papagiannidis, S., Pappas, I. O., Polyviou, A., Park,S. M., Pandey, N., Queiroz, M. M., Raman, R., Rauschnabel, P. A., Shirish, A., Sigala, M., Spanaki, K., Tan, G. W. H., Tiwari, M. K., Viglia, G., & Wamba, S. F. (2022). Metaverse beyond the hype: Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 66, 102542.

Edwards, M. R., & Edwards, K. (2019). Predictive HR analytics: Mastering the HR metric. Human Resource Management International Digest, 27 (3), 1–3.

Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14 (2), 627–660.

Grewal, D., Roggeveen, A. L., & Nordfält, J. (2017). The future of retailing. Journal of Retailing, 93 (1), 1–6.

Gursoy, D., Malodia, S., & Dhir, A. (2022). The metaverse in the hospitality and tourism industry: An overview of current trends and future research directions. Journal of Hospitality Marketing & Management,31 (5), 527–534.

Huang, M. H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of Service Research, 21 (2), 155–172.

Huang, Y. C., Backman, K. F., Backman, S. J., & Chang, L. L. (2016). Exploring the implications of virtual reality technology in tourism marketing. International Journal of Tourism Research, 18 (2), 116–128.

Ivanov, S., & Webster, C. (2019). Economic fundamentals of the use of robots, artificial intelligence, and service automation in travel, tourism, and hospitality. Robots, Artificial Intelligence, and Service Automation in Travel, Tourism and Hospitality, 39–55.

Jensen, L., & Konradsen, F. (2018). A review of the use of virtual reality head-mounted displays in education and training. Education and Information Technologies, 23 (4), 1515–1529.

Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? Business Horizons,62 (1), 15–25.

Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14 (1), 366–410.

Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness by algorithmic decision-making in HR recruitment and HR development. Business Research, 13 (3), 795–848.

Leicht-Deobald, U., Busch, T., Schank, C., Weibel, A., Schafheitle, S., Wildhaber, I., & Kasper, G. (2019). The challenges of algorithm-based HR decision-making for personal integrity. Journal of Business Ethics, 160 (2), 377–392.

Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR analytics. The International Journal of Human Resource Management, 28 (1), 3–26.

Merchant, Z., Goetz, E. T., Cifuentes, L., Keeney-Kennicutt, W., & Davis, T. J. (2014). Effectiveness of virtual reality-based instruction on students’ learning outcomes. Computers & Education, 70, 29–40.

Minbaeva, D. (2018). Building credible human capital analytics for organizational competitive advantage. Human Resource Management, 57 (3), 701–713.

Moore, P. V. (2019). OSH and the future of work: Benefits and risks of artificial intelligence tools in workplaces. International Journal of Environmental Research and Public Health, 16 (12), 2125.

Mystakidis, S. (2022). Metaverse. Encyclopedia, 2 (1), 486–497. Park, S. M., & Kim, Y. G. (2022). A metaverse: Taxonomy, components, applications, and open challenges. IEEE Access, 10, 4209–4251.

Pillai, R., & Sivathanu, B. (2020). Adoption of AI-based chatbots for hospitality and tourism. International Journal of Contemporary Hospitality Management, 32 (10), 3199–3226.

Radianti, J., Majchrzak, T. A., Fromm, J., & Wohlgenannt, I. (2020). A systematic review of immersive virtual reality applications for higher education. Education and Information Technologies, 25 (4), 2367–2397.

Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2020). Mitigating bias in algorithmic hiring: Evaluating claims and practices. Proceedings of the ACM Conference on Fairness, Accountability, and Transparency, 469–481.

Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46 (1), 192–210.

Rauschnabel, P. A., Felix, R., Hinsch, C., Shahab, H., & Alt, F. (2022). What is XR? Towards a framework for augmented and virtual reality. Computers in Human Behavior, 133, 107289.

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Sivathanu, B., & Pillai, R. (2018). Smart HR 4.0: How industry 4.0 is disrupting HR. Human Resource Management International Digest, 26 (4), 7–11.

Strohmeier, S. (2020). Digital human resource management: A conceptual clarification. German Journal of Human Resource Management, 34 (3), 345–365.

Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management: Challenges and a path forward. California Management Review, 61 (4), 15–42.

Tussyadiah, I. (2020). A review of research into automation in tourism: Launching the Annals of Tourism Research curated collection on artificial intelligence and robotics in tourism. Annals of Tourism Research, 81, 102883.

Tursunbayeva, A., Di Lauro, S., & Pagliari, C. (2018). People analytics: A scoping review of conceptual boundaries and value propositions. International Journal of Information Management, 43, 224–247.

Upadhyay, A. K., & Khandelwal, K. (2018). Applying artificial intelligence: Implications for recruitment. Strategic HR Review, 17 (5), 255–258.

Van den Heuvel, S., & Bondarouk, T. (2017). The rise and fall of HR analytics: A study into the future application, value, structure, and system support. Journal of Organizational Effectiveness: People and Performance, 4 (2), 157–178.

van Esch, P., Black, J. S., & Ferolie, J. (2019). Marketing AI recruitment: The next phase in job application and selection. Computers in Human Behavior, 90, 215–222.

Webster, R. (2016). Declarative knowledge acquisition in immersive virtual learning environments. Interactive Learning Environments, 24 (6), 1319–1333.

Yigitcanlar, T., Desouza, K. C., Butler, L., & Roozkhosh, F. (2020). Contributions and risks of artificial intelligence in building smarter cities. Energies, 13 (6), 1473.

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16 (1), 1–27.