Otelcilikte yapay zeka, rezervasyon, misafir mesajı, yorum, satış ve enerji verisini işleyerek tekrarlayan soruları çok dilde yanıtlayan, doluluğu ve talebi tahmin eden, fiyat ve satın alma için öneri üreten, personele doğru bilgiyi anında bulduran yazılımlardır. Misafirle ilişkiyi ve son kararı yine resepsiyon, satış ve gelir yöneticisi yürütür.
Otelcilikte yapay zeka nedir, operasyonda nereye oturur?
Bir şehir otelinde ya da sahil tesisinde günün büyük kısmı aynı sorularla geçer. "Havaalanı transferi var mı?", "Geç çıkış yapabilir miyim?", "Havuz saat kaçta kapanıyor?" soruları e-posta, WhatsApp, rezervasyon kanalları ve telefondan, çoğu zaman birkaç dilde gelir. Mesai dışında gelen mesaj sabaha kalır; sezonda işe başlayan resepsiyon personeli ise cevabı bilen kişiyi arar.
Arka ofiste tablo farklı değildir. Doluluk ve fiyat kararı çoğu zaman tek bir gelir yöneticisinin tablosunda, mutfak siparişi şefin tecrübesinde, enerji tüketimi ise ay sonu faturasında görünür. Yapay zeka bu dağınık işleri tek hamlede çözmez; ama tekrarlanan, veriye dayanan ve zaman kaybettiren adımları tek tek hafifletebilir.
Sektör bu araçları önce satış tarafında deniyor. Eurostat'ın "Use of artificial intelligence in enterprises" 2025 verisine göre AB'de yapay zeka kullanan konaklama işletmelerinin %58,82'si onu pazarlama veya satış için kullanıyor. Turizmde yapay zekaya ilk adım çoğu zaman misafirle temas eden bu satış ve iletişim tarafında atılıyor.
Beklemenin maliyeti: kaçan rezervasyon ve yorulan ekip
Türkiye'de işletmelerin çoğu henüz başlangıçta. TÜİK'in Yapay Zeka İstatistikleri 2025 bültenine göre 10 ve daha fazla çalışanı olan girişimlerin %7,5'i yapay zeka kullanıyor; AB'de aynı yıl bu oran Eurostat'a göre %19,95. Kullanmayı düşünüp vazgeçen girişimlerin %74,2'si gerekçe olarak uzmanlık eksikliğini gösteriyor.
Otelcilikte bu açığın bedeli genellikle yanıt süresinde ödenir. Geç cevaplanan fiyat sorusu başka bir tesise gider, yoğun saatte bekletilen misafir yorumda bunu anlatır. Sezonluk kadroyla çalışan işletmelerde bir de öğrenme yükü vardır: her yıl yeni gelen personel aynı soruları sıfırdan öğrenir.
Brynjolfsson, Li ve Raymond'un 5.179 müşteri destek temsilcisini kapsayan NBER çalışmasında üretken yapay zeka asistanı, saat başına çözülen talep sayısını ortalama %14 artırdı; artış yeni başlayan ve düşük deneyimli temsilcilerde %34'e çıktı. (NBER, Generative AI at Work)
Bu sonuç bir çağrı merkezinde ölçüldü, otelde değil; yine de sezon başında işe giren, deneyimi az resepsiyon ekibine benzer bir durumu anlatıyor. Seyahat sektöründen açıklanmış bir örnek de hacim tarafını gösteriyor: Microsoft'un Air India müşteri hikâyesinde (2024) şirketin açıkladığına göre yapay zeka asistanı günde yaklaşık 10.000 sorguyu karşılıyor ve oturumların %97'si tamamen otomatik tamamlanıyor. Türkiye'den Pegasus'un açıkladığına göre ise sanal asistan FlyBot'tan memnuniyet iki katına çıktı.
Otelcilikte yapay zeka kullanım alanları: 8 somut örnek
Aşağıdaki alanlar misafirin gördüğü taraftan arka ofise doğru sıralandı. Her biri ayrı bir proje olabilir; hepsini aynı anda başlatmak gerekmez.
- Çok dilli misafir mesajlarına ilk yanıt. Web sitesi ve WhatsApp'tan gelen transfer, oda tipi, çocuk politikası gibi soruları otelin kendi bilgisiyle yanıtlayan bot, çözemediği konuşmayı geçmişiyle birlikte resepsiyona aktarır. Kapsam ve devir kurallarını müşteri hizmetleri chatbot ve WhatsApp chatbot rehberlerinde ayrıntılı anlattık.
- Resepsiyon ve rezervasyon ekibine yanıt önerisi. Misafire cevabı insan yazar; yapay zeka konuşmayı özetler, ilgili politika maddesini bulur ve taslak önerir. Bu yaklaşım müşteri temsilcisi yapay zeka asistanı yazısında işlendi.
- Doluluk ve talep tahmini. Geçmiş rezervasyon eğrisi, resmî tatiller, okul dönemleri, kongre ve etkinlik takvimi birlikte işlenerek gün bazında doluluk öngörülür. Yöntemleri yapay zeka ile talep tahmini yazısında karşılaştırdık.
- Fiyat önerisi. Tahmin edilen talep, kalan oda sayısı ve rezervasyon hızına göre oda fiyatı için öneri üretilir; son söz gelir yöneticisindedir. Kurallı bir çerçeve için dinamik fiyatlandırma rehberine bakın.
- Yorum ve anket analizi. Farklı dillerdeki yorumlar konu (temizlik, kahvaltı, gürültü, personel) ve duygu olarak sınıflandırılır; departman müdürü haftalık özetle hangi şikâyetin arttığını görür. Türkçe metnin kendine özgü zorlukları için Türkçe doğal dil işleme yazısına göz atın.
- Mutfak ve F&B satın alması. Doluluk tahmini, menü ve geçmiş tüketimle birleşince kahvaltı ve açık büfe için malzeme ihtiyacı daha isabetli çıkar; fire ve acil alım azalır.
- Enerji ve bina yönetimi. Boş odada iklimlendirmeyi azaltmak, havuz ve mutfak ekipmanındaki anormal tüketimi yakalamak için sayaç ve bina otomasyonu verisi kullanılır. Google'ın 2016'da açıkladığı DeepMind veri merkezi soğutma çalışmasında soğutma enerjisi %40'a kadar azaldı. Bir otelin ölçeği ve altyapısı çok farklıdır, bu oran otel için bir beklenti değildir; ama tüketim verisinden öğrenen kontrol mantığı aynıdır. Altyapı tarafını akıllı bina ve BMS rehberinde anlattık.
- Personel için prosedür asistanı. Standart işletim prosedürleri, alerjen listeleri ve acil durum talimatları üzerinde çalışan asistan, yeni personelin "bunu nasıl yapıyoruz?" sorusunu yanıtlar. Belgelere dayalı yanıtın mantığı RAG ve kurumsal LLM yazısında.
Hangi alanla başlamalı? Otel yapay zeka uygulamaları karşılaştırması
İlk pilot, verisi hazır, sonucu kısa sürede ölçülebilen ve hatası misafire zarar vermeyen bir alan olmalı. Aşağıdaki tablo bu seçimi kolaylaştırmak için hazırlandı.
| Kullanım alanı | Gereken veri | Bağlanacak sistem | Başarı ölçütü | Dikkat noktası |
|---|---|---|---|---|
| Misafir mesajı botu | SSS, otel politikaları, oda bilgileri | Web sitesi, WhatsApp, rezervasyon sistemi | İlk yanıt süresi, insana devir oranı | Yanlış fiyat veya müsaitlik bilgisi |
| Resepsiyona yanıt önerisi | Geçmiş yazışmalar, politika belgeleri | E-posta, mesajlaşma, otel yönetim sistemi (PMS) | Yanıt başına süre | Taslağın kontrolsüz gönderilmesi |
| Doluluk tahmini | En az bir-iki sezonluk rezervasyon geçmişi | PMS, kanal yöneticisi | Tahmin sapması | Olağan dışı yılların etkisi |
| Fiyat önerisi | Doluluk tahmini, rezervasyon hızı | Kanal yöneticisi | Gelir yöneticisinin kabul oranı | Tüketici mevzuatı ve fiyat şeffaflığı |
| Yorum analizi | Yorum ve anket metinleri | Anket aracı, yorum dışa aktarımı | Şikâyet konusunun erken görünmesi | Çok dilli metinde sınıflandırma hatası |
| Enerji anomalisi | Sayaç ve BMS verisi | Bina otomasyonu | Anormal tüketimin fark edilme süresi | Sayaç altyapısı eksikliği |
"Gereken veri" ve "Bağlanacak sistem" sütunlarında seçtiğiniz alan için "bizde var" diyemiyorsanız, önce veri tarafını düzeltmek daha doğru olur. Hangi alanın değer üreteceğini ölçmek için yapay zeka projesinde ROI hesabı yazısındaki yöntem otel için de geçerli.
Otelde yapay zeka pilotu 6 adımda nasıl kurulur?
- Tek bir iş adımı seçin. "Misafir memnuniyetini artırmak" hedef değil; "WhatsApp'tan gelen transfer ve geç çıkış sorularını mesai dışında yanıtlamak" hedeftir.
- Bugünü ölçün. Günlük mesaj sayısı, ilk yanıt süresi ya da geçen sezonun tahmin sapması gibi başlangıç değerini pilottan önce kaydedin.
- Bilgi kaynağını temizleyin. Botun ya da asistanın dayanacağı politika, fiyat kuralı ve SSS belgelerini güncelleyin; eski belge yanlış cevap demektir.
- Sınırları yazın. Hangi konuda botun cevap vermeyeceğini (fiyat taahhüdü, şikâyet, sağlık konusu) ve insana devrin nasıl olacağını baştan belirleyin.
- Kısa bir dönemde deneyin. Tek kanal ya da tek oda tipiyle başlayın; personelin düzelttiği yanıtları toplayın ve bilgi kaynağını ile yanıt kurallarını bunlarla iyileştirin.
- Karşılaştırın ve karar verin. Başlangıç değeriyle pilot sonucunu yan yana koyun; genişletme, düzeltme ya da durdurma kararını ölçüme göre verin.
Nereden başlanacağına dair daha genel bir çerçeve için şirketlerde yapay zeka nereden başlamalı yazısına bakabilirsiniz.
Misafir verisi, KVKK ve insan kontrolü
Oteller kimlik, iletişim, ödeme ve bazen sağlıkla ilgili (alerji, erişilebilirlik) veri işler. Sağlık verisi KVKK'da özel nitelikli kişisel veri sayılır ve daha sıkı işleme şartlarına tabidir. Bu veriyi bir yapay zeka servisine göndermeden önce hangi verinin nereye gittiği, sunucunun yurt dışında olup olmadığı ve saklama süresi netleşmelidir. KVKK, Kasım 2025'te Üretken Yapay Zeka ve Kişisel Verilerin Korunması Rehberi'ni yayımladı; ayrıntılar yapay zeka ve KVKK yazımızda.
İkinci risk uydurma cevaptır. Olmayan bir indirimi ya da yanlış çıkış saatini söyleyen bot, misafirle tartışma doğurur. Bu yüzden fiyat ve müsaitlik bilgisi her zaman canlı sistemden okunmalı, belirsiz sorular insana devredilmelidir.
Digital Bridge'de otelcilikte yapay zeka projelerini nasıl yürütüyoruz?
Hazır paket satmıyoruz; kapsam ve bedel keşiften sonra yazılı teklifle netleşir. Yazılım ve donanımı aynı ekipte geliştirdiğimiz için sayaçtan panele, mesaj kanalından rezervasyon sistemine kadar tek bir sorumluluk zinciri kurarız.
- Keşif ve ihtiyaç analizi. Resepsiyon, rezervasyon, gelir yönetimi ve teknik servisle görüşüp en çok zaman kaybettiren adımı ve bugünkü ölçüsünü birlikte çıkarırız.
- Pilot. Misafir mesajları için firmaya özel chatbot, doluluk ve F&B ihtiyacı için talep tahmini ve analitiği modüllerinden birini tek kanalda ya da tek tesiste deneriz.
- Entegrasyon. Modülü, personelin alıştığı ekrana yapay zeka entegrasyonu ile yerleştirir; PMS, kanal yöneticisi ve muhasebe arasındaki veri akışını sistem entegrasyonları ile API üzerinden kurarız.
- Personel asistanı ve bina. Prosedürler için kurumsal LLM asistan, enerji tarafında akıllı bina otomasyonu (BMS) kurar, pilot sonuçlarını birlikte değerlendiririz.
Otelin arka alanlarını ve sezonluk kadronun giriş yetkilerini ayrıca ele almak isterseniz otel personel giriş kontrolü yazımıza bakın.
Başka bir sektörde aynı yaklaşımın nasıl uygulandığını tarımda yapay zeka yazısında görebilirsiniz; birden çok tesisi kapsayan bir plan için dijital dönüşüm yol haritası rehberi yol gösterir.
Sonraki adım
Bu hafta ekibinizle birlikte en çok tekrarlanan beş misafir sorusunu ve en çok vakit alan üç arka ofis işini yazın. Her biri için bugün hangi verinin tutulduğunu not edin. Bu listeyle iletişim sayfamızdan bize ulaşın; keşfi planlayıp ilk pilotun kapsamını birlikte belirleyelim. Diğer sektörlerdeki dönüşüm yazıları için Dijital Dönüşüm konu sayfamıza göz atabilirsiniz.