The aim of the research was to examine the relationships between motivation and employee performance, as well as the mediating effect of artificial intelligence between the motivation system and employee performance in tourism. The main research question relates to determining the relationships that motivation has on employee performance in tourism and the roles that artificial intelligence plays in this relationship. The empirical research was conducted on a sample of 202 employees in tourism and hospitality in the Republic of Serbia from May to August 2023 using an electronic questionnaire. The proposed relationships were tested using the PLS-SEM method with SmartPLS software. The research indicated that there is a direct positive effect of motivation on the implementation of artificial intelligence and employee performance. The implementation of artificial intelligence has an indirect impact on the relationship between motivation and employee performance in tourism and hospitality organizations. An adequate approach to motivation by the organization and strengthening capabilities regarding AI will result in higher employee performance.

Uvod

Kako ističe Öztirak (2023) veštačka inteligencija (AI) je na čelu digitalne transformacije i utiče na globalnu ekonomiju, poslovanje i društvo. Pojava ove vrste napredne tehnologije stvorila je nove mogućnosti organizacijama u sektorima turizma i hotelijerstva. U savremenim uslovima, sistemi za automatizaciju usluga su ubrzali zadatke koje tradicionalno sprovode zaposleni na prvoj liniji, kao što su registracija gostiju (prijava/odjava), posluga u sobu, barmen, chat botovi i virtuelna glasovna pomoć (Ivanov, Vebster, 2017). Pojava ove vrste napredne tehnologije omogućila je zaposlenima u turizmu i ugostiteljstvu da koriste veštačku inteligenciju i rešenja za automatizaciju za stvaranje personalizovanijeg i nezaboravnog iskustva za smeštaj gostiju, a istovremeno redukuju troškove. Tekući tehnološki razvoj, veštačka inteligencija, automatizacija i robotika prema autorima Li, Bonn i Ye (2019) imaju značajan uticaj na profile radnih mesta, sate rada, odnose zaposlenih i menadžera, učinke i modele motivacije i nagrađivanja. Prema Ganta (2014) učinak predstavlja kombinaciju sposobnosti i motivacije zaposlenih u turizmu i ugostiteljstvu. Organizacije u ovom dinamičnom okruženju konstantno pokušavaju da motivišu svoje zaposlene kako bi postigli što bolje performanse. Cilj ovog istraživanja je ispitivanje relacija između motivacije i učinka zaposlenih, kao i posrednog efekta veštačke inteligencije u odnosu između motivacije i učinka zaposlenih u turizmu i ugostiteljstvu. Predmet istraživanja je utvrđivanje efekta koji motivacija prouzrokuje na učinak zaposlenih i uloge veštačke inteligencije u pomenutoj relaciji.

Pregled literature

Motivacija je složen proces heterogene prirode u kom organizacije podstiču zaposlene da deluju u pravcu postizanja poslovnih ciljeva. Autori Shahzadi i ostali (2014) navode da se motivacija zaposlenih tumačiti kao odraz nivoa energije, posvećenosti i kreativnosti koja je potrebna zaposlenima u obavljanju radnih zadataka. Prema Prahin i Katavić (2021) i Jain, Gupta i Bindal (2019) motivacija je proces u kome organizacija inspiriše na rad zaposlenog kroz nagrade u skladu sa ciljevima koje želi postići. Rosłon (2020) ističe da dobro organizovan motivacioni sistem i adekvatan izbor motivatora izazivaju poželjno ponašanje kod zaposlenih sa stanovišta poslodavca i na taj način ostvaruju odlučujuću ulogu u uspehu organizacije.

Sektor turizma i hotelijerstva je radno intenzivan i ljudski resursi su značajan i odlučujući faktor za njegovu stabilnost. Kompanije nastoje pridobiti i zadržati što kvalitetnije ljudske resurse (Prahin, Katavić, 2021). Oslanjanje na ljudske resurse za pravilno funkcionisanje i rast uslužnih delatnosti, zahteva efikasnu praksu radne snage kako bi zaposleni obavljali posao na optimalnom nivou, čime se omogućava da sektor ostane održiv u globalnom okruženju koje se brzo menja (Zopiatis et al., 2014). Krajnji cilj upravljanja organizacijom jesu zadovoljni zaposleni koji ostvaruju najbolji učinak. Konkretno, ostvarivanje što veće produktivnosti zaposlenih kao i smanjenje fluktuacije kreativnih i kvalitetnih ljudi je najbolji učinak (Sekeruš et al., 2019). Autori Ramos-Villagrasa et al. (2019) ističu da radni učinak predstavlja krajnji kriterijum za menadzment ljudskih resursa. Radni učinak se procenjuje na osnovu rezultata rada koji su određeni standardima u poslovanju (Sekeruš et al., 2019). Autori Shahzadi et al. (2014) u svom istraživanju zaključuju da motivacija zaposlenih ima značajan i pozitivan odnos sa učinkom zaposlenih. U istraživanju autora Shahzadi i ostali (2014) otkrivaju da na učinak zaposlenih direktno utiču unutrašnje nagrade. Iako su istraživanja pokazala da postoji pozitivna korelacija između motivacije zaposlenih i radnog učinka, još uvek nije dovoljno jasno koji faktori motivacije u kolikoj meri doprinose uspešnosti jedne organizacije (Prahin, Katavić, 2021). Na osnovu pregleda literature iz oblasti motivacije i učinka zaposlenih u turizmu i ugostiteljstvu postavlja se sledeća hipoteza:

H1: Motivacija pozitivno i statistički značajno utiče na učinak zaposlenih u organizacijama u turizmu i ugostiteljstvu

Veštačka inteligencija se u literaturi poistovećuje sa mašinama koje pokazuju aspekte ljudskog uma (Huang, Rust, 2018; Longoni et al., 2020; Enholm et al., 2022; Haleem et al., 2022). Za razliku od ranijih proizvodnih ili informacionih tehnologija AI može da uči iz podataka i ažurira ih bez dodatne ljudske intervencije (Huang, Rust, 2018). Prema Nuseir i El Refae (2022) veštačka inteligencija (AI) je postala značajan faktor za unapređenje poslovnih sposobnosti koje dovode do poboljšanja poslovnih performansi. AI ima sposobnost da poboljša poslovne procese, performanse uslužnih zadataka koji vode ka visokom organizacionom učinku (Collins et al., 2021; Vlačić et al., 2021). Simulira ljudsku inteligenciju u mašinama, štedeći vreme i novac u poslovnim transakcijama (Haleem et al., 2022).

Prema Verma et al. (2021) automatizacija procesa usluga sa veštačkom inteligencijom (AI) nudi dodatnu mogućnost za poboljšanje organizacionih performansi i produktivnosti. Po Velojić et al. (2021) ugradnjom veštačke inteligencije (AI) u sistem dolazi do poboljšavanja kvaliteta samog sistema i uštede vremena i troškova. Na osnovama ovih navoda formirana je druga hipoteza:

H2: Motivacija pozitivno i statistički značajno utiče na učinak zaposlenih posredstvom veštačke inteligencije (AI) u organizacijama u turizmu i ugostiteljstvu.

Metodologija

2.1 Upitnik

Tokom procesa istraživanja relacija između motivacije zaposlenih, veštačke inteligencije i učinka zaposlenih, odnosno indirektnog uticaja motivacije na učinak, korišćen je elektronski upitnik „Google Forms“ koji se sastoji iz dva dela. Prvi deo upitnika odnosi se na kontrolna pitanja kao što su pol, godine starosti, nivo obrazovanja, tip sektora u kome su ispitanici zaposleni i hijerarhijski nivo na kome rade u organizaciji. Drugi deo upitnika bio je vezan isključivo za procenu motivacije zaposlenih kao nezavisne varijable, za učinak zaposlenih kao zavisne varijable i veštačke inteligencije kao posredne varijable ili medijatora. Za istraživanje i merenje korišćena je Likertova skala, u rasponu od 1 do 5, pri čemu 1 predstavlja tvrdnju „izrazito se ne slažem“, 2 „ne slažem se“, 3 „neodlučno“; 4

„slažem se“ i 5 „izrazito se slažem“ (Joshi et al., 2015). Link upitnika je podeljen zaposlenima koji pripadaju turističkom i ugostiteljskom sektoru.

2.2 Karakteristike uzorka

Upitnik je bio namenjen isključivo zaposlenim licima na različitim pozicijama u turističkom i ugostiteljskom sektoru. Upitnik koji se odnosi na relacije između motivacije, učinka zaposlenih i veštačke inteligencije popunilo je 202 zaposlenih lica na teritoriji Republike Srbije. Prikupljanje podataka je izvršeno počev od maja do avgusta 2023. godine. U tabeli 1 prikazana je struktura uzorka prema polu, godinama starosti, obrazovanju, tipu sektora u kome su ispitanici zaposleni i hijerarhijskom nivu na kome rade u organizaciji. Uzorak su činili uglavnom ispitanici ženskog pola (64,40%), zaposleni od 35 do 44 godine (52,50%), sa završenim četvorogodišnjim akademskim studijama (50,50%) u uslužnom sektoru (59,40%).

Tabela 1. Karakteristike uzorka

Rezultati istraživanja

Za predstavljanje rezultata istraživanja o postojanju relacija između motivacije i učinka zaposlenih, korišćeni su statistički softveri „SPSS“ i „Smart PLS“. Kako bi se na adekvatan način utvrdili odnosi između posmatranih varijabli, izvršena je PLS-SEM analiza. Dakle, istraživanje je sprovedeno kako bi se utvrdio direktan uticaj motivacije na učinak zaposlenih u turizmu i ugostiteljstvu, kao i posredan efekat veštačke inteligencije (AI). U tabeli 2 prikazana je deskriptivna statistika za svaku od posmatranih varijabli.

Tabela 2. Deskriptivna statistika za posmatrane varijable

U okviru prvog dela analize prikazani su rezultati merenja reflektivnih konstrukata u okviru postavljenog modela, pri čemu je neophodno analizirati spoljno opterećenje indikatora za svaku promenljivu u okviru modela, ali i pouzdanost, konvergentnu validnost i diskriminatornu validnost. U tabeli 3, prikazano je spoljno opterećenje indikatora za svaku promenljivu u postavljenom modelu. Kako navode Grubor i ostali (2020) i Berber i ostali (2020) opterećenja ispod 0,708 treba da budu isključena iz dalje analize. Prema Berber i ostali (2022) opterećenja između 0,4 i 0,7 treba zadržati u modelu, samo ukoliko se ne remete ostali pokazatelji. Kako su opterećenja remetila ostale pokazatelje, u okviru prvog koraka analize dobijenih rezultata, isključeni su indikatori MOT2, MOT5, MOT6, EP2, EP3, EP6, AI1, AI2 I AI5. Nakon isključivanja indikatora koji nisu prošli test, u drugom koraku su svi indikatori imali opterećenja iznad 0,6, što je prihvatljivo prema Jevtić i Gašić (2023).

Slika 1. Prikaz istraživačkog modela

Izvor: Autor na bazi sopstvenog istraživanja

Tabela 3. Spoljno opterećenje svih indikatora iz postavljenog modela

U tabeli 4 prikazana je pouzdanost i konvergentna validnost koja je merena Cronbach's alpha, kompozitna pouzdanost i ekstrahovana prosečna varijansa (AVE). Prema Gašić i Berber (2021), granična vrednost za Cronbach's alpha je 0,6. Konvergentna validnost se postiže za sve konstrukte iz modela, jer su vrednosti Cronbach's alpha veće od 0,60. Prema Gašić i Berber (2023) preporučeni „prag“ vrednosti za kompozitnu pouzdanost je 0,70. Kompozitna pouzdanost je preko 0,80 za svaki konstrukt iz modela, dok je ekstrahovana prosečna varijansa (AVE) veća od 0,50, kako i navode Berber et al. (2020) i Salisu et al. (2015).

Tabela 4. Pouzdanost i konvergentna validnost

Prema Berber et al. (2022) diskriminantna validnost se može utvrditi na osnovu analize unakrsnih opterećenja (Cross-Loadings), Fornell-Larcker kriterijuma i HTMT. U tebeli 5 prikazana je analiza unakrsnih opterećenja koja predstavlja procenu diskriminantne validnosti na nivou indikatora. Posmatrani model ima odgovarajuću diskriminantnu validnost ukoliko je svaki indikator određenog konstrukta slabo korelisan sa drugim konstruktima, odnosno ukoliko je opterećenje indikatora veće od bilo kog unakrsnog opterećenja (Grubor et al., 2021). U prikazanoj tabeli 5 je evidentno da je opterećenje svakog indikatora veće od bilo kog drugog konstrukta u istoj koloni ili redu.

Tabela 5. Diskriminantna validnost - analiza unakrsnih opterećenja (Cross- loadings)

Na nivou indikatora, diskriminantna validnost je uspostavljena ukoliko je estrahovana prosečna varijansa (AVE) za svaki konstrukt veća od njegovih kvadratnih korelacija sa drugim konstruktima (Grubor et al., 2021). Fornell- Larcker kriterijum je ispunjen ukoliko je prvi konstrukt veći od drugog konstrukta. Na osnovu tabele 6 može se zaključiti da je diskriminantna validnost preko Fornell- Larckerovog kriterujam postignuta.

Tabela 6. Diskriminantna validnost – Fornell – Larcker kriterijum

U tabeli 7 prikazan je HTMT pristup kojim se mogu prevazići potencijalna odstupanja po pitanju diskriminantne validnosti i zato predstvalja najprecizniji pokazatelj diskriminantne validnosti. Granična vrednost je 0,90 (Franke, Sarstedt, 2019). Kako su u tabeli sve prikazane vrednosti ispod 0,9 to ukazuje da je postignuta diskriminantna validnost po pitanju ovog kriterijuma.

Tabela 7. Diskriminantna validnost – HTMT

Rezultati koji su prikazani u tabeli 8 predstavljaju analizu multikolinearnosti, pri čemu su vrednosti za VIF u većini slučajeva ispod 3. Granična vrednost za VIF je 3 (Hair et al., 2014). Prema Shams et al. (2020) granična vrednost je 5, dok se prema Hair et al. (2019) prihvataju i vrednosti manje od 10. U postmatranom modelu sve vrednosti su ispod 3.

Tabela 8. Testiranje multikolineranosti indikatora

R Squared pokazuje da su promene u ostvarenom učinku zaposlenih 36,9% izazvane veštačkom inteligencijom, dok ostali neistraženi faktori čine 63,1%.

Tabela 9. Koeficijenti determinacije konstrukta (R Square)

Poslednji korak odnosi se na analizu odnosa između nezavisne varijable i zavisnih varijabli, odnosno motivacije zaposlenih i učinka zaposlenih, kao i posredničkom ulogom veštačke inteligencije u relaciji između motivacije i učinka zaposlenih.

Tabela 10. Testiranje statističke značajnosti - direktni i specifičan (medijatorski) indirektni efekat

Tabela 10 obuhvata srednju vrednost, standardnu devijaciju, t – statistiku i p – vrednost. Na osnovu dobijenih rezultata može se zaključiti da postoji pozitivna i statistički značajna veza između motivacije i učinka zaposlenih (=0,259, T=3,187, p=0,001) pozitivna i statistički značajna veza između motivacije zaposlenih i veštačke inteligencije (=0,559, T=7,778, p=0,000), pozitivna i statistički značajna veza između veštačke inteligencije i učinka zaposlenih (=0,423, T=4,678, p=0,000). Kada je reč o posredničkoj ulozi veštačke inteligencije u relaciji između motivacije i učinka zaposlenih, odnosno indirektnom uticaju motivacije na učinak zaposlenih, putem medijacije utvrđuje se pozitivna i statistički značajna veza, indirektan uticaj motivacije na učinak zaposlenih (=0,237, T=3,187, p=0,000).

Slika 2. Prikaz istraživačkog modela sa bootstrabing rezultatima

Izvor: Autor na bazi sopstvenog istraživanja

Diskusija o rezultatima istraživanja

Rezultati istraživanja ukazuju da motivacija ima pozitivan efekat na primenu veštačke inteligencije. Kako primena veštačke inteligencije posreduje u relaciji između motivacije i učinka zaposlenih, postoji indirektan efekat motivacije na učinak zaposlenih. Dakle, na osnovu sprovedenog istraživanja može se zaključiti da postoji direktan, pozitivan i statistički značajan uticaj motivacije na primenu veštačke inteligencije, direktan, pozitivan i statistički značajan uticaj motivacije na učinak zaposlenih i pozitivan statistički značajan uticaj između primene veštačke inteligencije i učinka zaposlenih. Na taj način mogu se potvrditi postavljene hipoteze H1 i H2. Kada je reč o indirektnom uticaju motivacije na učinak zaposlenih preko primene veštačke inteligencije, utvrđen je pozitivan i statistički značajan uticaj. Medijatorska analiza je sprovedena kako bi se utvrdilo da li postoji posrednička uloga primene veštačke inteligencije u odnosu na motivaciju i učinak zaposlenih u turizmu i ugostiteljstvu. Obzirom na to da postoje direktne veze između motivacije, primene veštačke inteligencije i učinka zaposlenih kao i indirektna veza između motivacije i učinka zaposlenih posredstvom primene veštačke inteligencije može se zaključiti da je formirana delimična medijacija.

Zaključna razmatranja

Ljudski resursi su najkonkurentnija imovina svake organizacije koja ima bitnu ulogu u postizanju ciljeva i uspešnosti u celini. U tom kontekstu su motivacija, zadovoljstvo poslom i radni učinak prepoznati kao ključni pojmovi vezani za ljudske resurse. Na osnovu pregleda literature i sprovedenog istraživanja zaključuje se da dobro organizovan motivacioni sistem i adekvatan izbor motivatora usmeren ka zaposlenima sa stanovišta poslodavca igra odlučujuću ulogu u uspehu organizacije. Dakle, postoji direktan, pozitivan i statistički značajan uticaj motivacije na primenu veštačke inteligencije, direktan, pozitivan i statistički značajan uticaj motivacije na učinak zaposlenih i pozitivan statistički značajan uticaj između primene veštačke inteligencije i učinka zaposlenih. Adekvatan pristup motivaciji od strane organizacije usmeren ka zaposlenim u turizmu i ugostiteljstvu, jačanje sposobnosti u pogledu AI rezultiraće većim učinkom zaposlenih.

Ograničenje sprovedenog istraživanja odnosi se na relativno mali uzorak. Neki od predloga za buduća istraživanja je da se poveća broj ispitanika u organizacijama koje razvijaju različite modele i sisteme motivacije zaposlenih i primene veštačke inteligencije. Suština je da primena savremene tehnike i tehnologije postane ključno pitanje savremene radne organizacije. Organizacije na osnovu sistema merenja motivacije zaposlenih treba da teže da različitim materijalnim i nematerijalnim podsticajima podstaknu zaposlene na primenu savremene tehnike i tehnologije i time doprinesu povećanju učinka.