Elektraweb’in Yapay Zekâ Destekli Kalite Yönetim Projesi “Talya QMS-AI”, TÜBİTAK 1501 Desteği Almaya Hak Kazandı

Konaklama teknolojileri alanında geliştirdiği çözümlerle sektörde öncü konumda bulunan Elektraweb, otel yönetiminde reaktif süreçleri proaktif bir yapıya dönüştürecek “Talya QMS-AI” projesiyle TÜBİTAK 1501 Sanayi Ar-Ge Projeleri Destekleme Programı kapsamında onay aldı. 18 ay sürecek üniversite-sanayi iş birliği temelli proje; otellerde farklı operasyonel kaynaklardan toplanan verileri yapay zekâ ile birleştirerek olası operasyonel riskleri önceden öngörmeyi ve yöneticilere stratejik karar desteği sunmayı hedefliyor.

Otellerde Reaktif Değil, “Proaktif” Kalite Yönetimi Dönemi

Geleneksel konaklama işletmelerinde kalite yönetimi, çoğunlukla bir misafir şikâyeti, operasyonel aksaklık veya denetim bulgusu oluştuktan sonra devreye girer. Ortaya çıkan sorun için Düzeltici ve Önleyici Faaliyet (DÖF) kaydı açılır, departman sorumlusu atanır ve problem çözülmeye çalışılır. Ancak veriler arasındaki bağların manuel olarak takip edilememesi, benzer sorunların tekrarlanmasına ve kök nedenin gözden kaçmasına yol açabilir.

Elektraweb tarafından geliştirilen Talya QMS-AI (Quality Management System – AI), otelcilikteki bu klasik yaklaşımı tamamen değiştirerek “proaktif kalite yönetimi” modelini benimsiyor. Sistem; operasyonun yalnızca aksaklık yaşandıktan sonra müdahale ettiği bir süreç olmaktan çıkıp, riskleri henüz oluşmadan tespit eden akıllı bir erken uyarı merkezine dönüşmesini amaçlıyor.

Çok Boyutlu Veri Analitiği ile Kök Neden Tespiti

Talya QMS-AI, otel içerisindeki farklı departmanlara ait dağınık veri havuzlarını tek bir yapay zekâ motorunda bir araya getirecek. Sistem şu veri kaynaklarını eş zamanlı olarak analiz edecek:

• Misafir geri bildirimleri ve şikâyet kayıtları

• Kalite denetim ve teftiş sonuçları

• DÖF (Düzeltici/Önleyici Faaliyet) geçmişi

• PMS (Ön Büro / Tesis Yönetim Sistemi) verileri

• Teknik servis ve arıza-bakım kayıtları

• Personel hareketleri, vardiya düzeni ve eğitim verileri

• Departman bazlı KPI ve performans göstergeleri

• Depo, stok ve tedarik zinciri hareketleri

Örnek Senaryo: Geciken Oda Teslimatının Arka Planı

Klasik sistemlerde bir misafirin odasına geç giriş yapması yalnızca ön büro biriminin operasyonel bir gecikmesi olarak değerlendirilebilir. Talya QMS-AI ise arka planda:

1. Kat hizmetleri (housekeeping) süreçlerindeki iş yükü ve temizlik sürelerini,

2. Teknik servisteki aktif arıza kayıtlarını,

3. Departmandaki vardiya değişikliklerini ve personel eksikliğini,

4. Çamaşırhane veya tedarik süreçlerindeki malzeme gecikmelerini

birlikte değerlendirerek problemin gerçek kök nedenini ortaya çıkaracak ve aynı aksaklığın tekrarlanmaması için yöneticilere somut çözüm önerileri sunacak.

7, 14 ve 30 Günlük Risk Öngörü Modeli

Projenin öne çıkan en kritik Ar-Ge bileşenlerinden biri, otellerin operasyonel geleceğini simüle eden risk skorlama altyapısıdır. Geliştirilen sistem; 7, 14 ve 30 günlük risk skorları üreterek departman ve tesis bazında erken uyarı bildirimleri oluşturacak.

Sistem altyapısında şu ileri teknolojilerden yararlanılacak:

• Doğal Dil İşleme (NLP): Misafir yorumları, denetim notları ve personel geri bildirimlerinin anlamsal analizi.

• Bilgi Grafı (Knowledge Graph): Farklı otel süreçleri ve olaylar arasındaki ilişkisel ağın modellenmesi.

• Zamansal Nedensellik Analizi (Temporal Causal Analysis): Zaman serileri içinde hangi operasyonel gecikmenin hangi kalite sorununu tetiklediğinin tespiti.

Bu teknolojik katman sayesinde otel yöneticileri sadece geçmiş dönemin raporlarını okumakla kalmayacak; "Gelecek 14 günde hangi birimde aksama riski var?" ve "Bu riski bertaraf etmek için hangi önleyici aksiyon alınmalı?" sorularına veriye dayalı yanıtlar bulabilecek.

Dijital Anlam Katmanı: HQMO (Hospitality Quality Management Ontology)

Projenin literatüre ve sektöre kazandıracağı temel Ar-Ge çıktılarından biri HQMO (Hospitality Quality Management Ontology – Konaklama Kalite Yönetim Ontolojisi) olacak.

Günümüzde oteller; ISO 9001 kalite standartları, GSTC (Küresel Sürdürülebilir Turizm Konseyi) kriterleri, konaklama finans standardı olan USALI (Uniform System of Accounts for the Lodging Industry) ve tesise özgü iç KPI’ları bağımsız yazılımlar veya tablolar üzerinden takip etmektedir. HQMO ontolojisi, tüm bu farklı standartları ortak bir dijital anlamsal çerçevede buluşturacak. Böylece kalite, sürdürülebilirlik, operasyonel işleyiş ve finansal performans tek bir karar destek platformunda entegre biçimde analiz edilebilecek.

Elektraweb CEO’su Kemal Oral: “Veriyi Geleceği Öngören Bir Araca Dönüştürüyoruz”

Projenin sektöre getireceği dönüşümü değerlendiren Elektraweb CEO’su Kemal Oral, konaklama sektöründe verinin büyüklüğünden ziyade birbirleriyle olan ilişkisinin değer yarattığına dikkat çekerek şunları kaydetti:

“Otelcilikte binlerce farklı operasyon aynı anda ilerliyor ve bu operasyonların her biri önemli miktarda veri üretiyor. Asıl değer ise bu verilerin tek tek raporlanmasından değil, aralarındaki ilişkilerin görülebilmesinden ortaya çıkıyor. Talya QMS-AI ile bu veriyi yapay zekâ ile anlamlandırarak sorunların kaynağını daha hızlı tespit etmeyi ve henüz ortaya çıkmadan önce oluşabilecek riskleri görebilmeyi hedefliyoruz. 6.000’den fazla aktif tesiste edindiğimiz operasyonel deneyimin bu projeye önemli bir katkı sağlayacağına inanıyoruz. TÜBİTAK desteğiyle yürüttüğümüz bu çalışma, otel yönetiminde geçmişi raporlayan sistemlerden geleceği öngören sistemlere geçiş açısından önemli bir adım olacak.”

Üniversite-Sanayi İş Birliğiyle 18 Aylık Ar-Ge Süreci

Talya QMS-AI projesi, güçlü bir üniversite-sanayi iş birliği modeliyle hayata geçiriliyor. Talya Kalite Yönetim Sistemi Ürün Yöneticisi Emine Köken’in proje yürütücülüğünde yürütülen çalışmada:

• Elektraweb bünyesindeki 7 yazılım ve Ar-Ge uzmanı,

• Akdeniz Üniversitesi bünyesinden 4 akademisyen görev alacak.

18 ay sürecek çalışma boyunca geliştirilen algoritmalar ve karar destek modülleri, doğrudan gerçek otel ortamlarında pilot uygulamalarla test edilecek. Elde edilen operasyonel çıktılar ölçülebilir metriklerle doğrulanarak sistemin sahadaki performansı optimize edilecek.

Kurumsal Arka Plan: Talya Bilişim ve Elektraweb

30 yılı aşkın süredir bilişim sektöründe yerli teknolojiler üreten Talya Bilişim, 3 bölge ofisi ve Türkiye geneline yayılan 38 bayisiyle kamu ve özel sektöre kurumsal yazılım çözümleri sunmaktadır. Ürettiği yazılımları yurt dışına da ihraç eden şirket; konaklama, sağlık ve kimlik okuma teknolojileriyle geniş bir ekosisteme hitap etmektedir.

Talya Bilişim'in öne çıkan ürün portföyü:

• ELEKTRAWEB Otel Yönetim Sistemi: 28 entegre modülüyle her ölçekteki otelin operasyonel, idari ve finansal süreçlerini bulut tabanlı yöneten, pazar lideri otel otomasyonu.

• ELEKTRAWEB POS: Restoran, bar ve kulüp satış noktası otomasyonu.

• KİMLİKOKUR: Kimlik ve pasaport tarama/okuma teknolojisi.

• MEDİSOFT: Sağlık kurumlarına yönelik hastane otomasyon sistemi.

Sıkça Sorulan Sorular (SSS)

1. Talya QMS-AI projesinin temel amacı nedir?

Talya QMS-AI, otellerdeki kalite yönetimi süreçlerini reaktif (sorun oluştuktan sonra müdahale eden) yapıdan, yapay zekâ tabanlı proaktif (sorunları önceden tahmin eden ve aksiyon tavsiye eden) bir karar destek mekanizmasına dönüştürmeyi amaçlamaktadır.

2. Proje hangi destek programı kapsamında yürütülüyor?

Proje, Türkiye Bilimsel ve Teknolojik Araştırma Kurumu’nun TÜBİTAK 1501 Sanayi Ar-Ge Projeleri Destekleme Programı kapsamında desteklenmektedir.

3. Proje süresi ve çalışma ekibi nasıldır?

Proje 18 ay sürecek olup, Talya Kalite Yönetim Sistemi Ürün Yöneticisi Emine Köken yürütücülüğünde, Elektraweb'in 7 Ar-Ge personeli ve Akdeniz Üniversitesi'nden 4 akademisyenin ortak çalışmasıyla yürütülmektedir.

4. HQMO (Hospitality Quality Management Ontology) nedir?

HQMO, otellerin kullandığı ISO 9001 kalite standartları, GSTC sürdürülebilirlik kriterleri ve USALI finansal hesap standartlarını ortak bir dijital anlam katmanında birleştiren yenilikçi bir sektörel veri ontolojisidir.

5. Sistem risk öngörülerini nasıl sunacak?

Yapay zekâ, doğal dil işleme (NLP), bilgi grafı ve nedensellik analizi tekniklerini kullanan sistem; 7, 14 ve 30 günlük risk periyotları üzerinden departman ve tesis bazlı erken uyarı puanları üretecektir.