İK'da Yapay Zekâ: Aday Puanlamayla Nesnel Yetenek Kararları

İşe alım kararları, bir kurumun verdiği en sonuçları ağır kararlar arasındadır; aynı zamanda en az sistematik biçimde ölçülenler arasında. Üst düzey bir pozisyonda yapılan hatalı bir işe alım; işe alım ücretleri, oryantasyon yatırımı, ekip üzerindeki verimlilik kaybı ve sonunda yaşanan yeniden işe alım döngüsü hesaba katıldığında, çoğu kurumun tahmin ettiğinden çok daha pahalıya mal olur. Buna karşın şirketlerin çoğunda bu kararları vermek için kullanılan süreç büyük ölçüde sezgiye, anahtar kelime taramasına ve mülakatçıların farkında olmadan taşıdığı önyargılara dayanır.

Yapay zekâ, tarihsel olarak o gün mülakat odasında kim bulunduysa onun şekillendirdiği yetenek kararlarına nesnel ve tutarlı bir sinyal getirir.

İşe Alım Aslında Nasıl İşliyor: Sorun Nerede?

Yapay zekânın neyi iyileştirebileceğine bakmadan önce neyin bozuk olduğunu adlandırmak yararlı olur.

Özgeçmiş taraması bir anahtar kelime piyangosudur. Deneyimini iş ilanındaki anahtar kelimelerden farklı terimlerle anlatan güçlü bir aday elenir. Anahtar kelimeleri tutturmayı öğrenmiş zayıf bir aday ise geçer. Sonuç: tarama, gerçek yetkinliği değil, anahtar kelime akıcılığını ödüllendirir.

Mülakat tutarlılığı büyük farklılıklar gösterir. Farklı mülakatçılar farklı sorular sorar, cevapları farklı zihinsel modellere göre değerlendirir ve farklı örtük standartlara sahiptir. Adayları karşılaştırmak, adayların değil mülakat tarzlarının karşılaştırılmasına dönüşür.

Yakınlık ve hale etkisi önyargıları her yerdedir. Güçlü bir adaydan sonra görüşülen aday, kıyasla zayıf görünür. Mülakatın başında öne çıkan etkileyici bir referans, sonraki cevapların değerlendirmesini şişirir. Bu önyargılar iyi belgelenmiştir ve onları yaşayan kişiler için büyük ölçüde görünmezdir.

Terfi kararları veriden yoksundur. Pek çok kurumda becerilerin zaman içindeki gelişimini izlemenin sistematik bir yolu yoktur. Terfi kararları yöneticilerin öznel izlenimlerine ve yeterince yüksek sesle konuşan savunuculara dayanır. Güçlü savunucuları olmayan yüksek potansiyelli çalışanlar atlanır.

İşten ayrılmalara tepkisel yaklaşılır. Birinin istifası geldiğinde onu elde tutma fırsatı çoktan kaçmıştır. İşten ayrılmayı öngören sinyaller (duraklayan yetkinlik puanları, azalan bağlılık, karşılanmayan gelişim beklentileri) harekete geçmek için nadiren zamanında görünür hâle gelir.

Yapay Zekâ Yetenek Yönetimine Ne Katar?

Yapay zekâ, işe alımın ve gelişimin insani yanının yerini almaz; ona kanıt sağlar. Somut olarak:

Yapılandırılmış Aday Puanlama

Yapay zekâ tabanlı bir puanlama modeli, adayları yapılandırılmış bir yetkinlik modeline göre değerlendirir: bir rolde başarıyı öngören belirli yetenekler, deneyim derinliği ve davranış kalıpları. Anahtar kelime eşleştirmez; adayın belgelenmiş deneyiminin ve cevaplarının, rolün gerektirdiği temel yetkinlikleri yansıtıp yansıtmadığını değerlendirir.

Bunun değiştirdiği şey: Aynı role başvuran her aday aynı ölçütlere göre, aynı sırayla ve aynı ağırlıklandırmayla değerlendirilir. Ölçüm aracı tutarlı olduğu için karşılaştırma anlam kazanır.

Bunun yerini almadığı şey: Yapılandırılmış puan, insanların daha yakından değerlendirmesi gereken adayları öne çıkarır. İşe alım kararı yine insanlara aittir; puan bu kararı besler ama onun yerini almaz.

Kurum Genelinde Yetkinlik Haritalama

Bir yetkinlik çerçevesi, becerileri rollere tanımlı yeterlilik düzeylerinde atar: temel seviyeden uzman seviyesine kadar. Her rolün bir yetkinlik haritası olduğunda ve her ekip üyesi buna göre değerlendirildiğinde, kurum normalde göremeyeceği bir görünürlük kazanır:

• Hangi ekipler kritik bir yetkinlikte tek bir kişiye bağımlı (tek hata noktası)?
• Hangi kişiler daha kıdemli bir role hazır?
• Kurum, ilan ettiği stratejiye göre sistematik olarak nerede yetersiz gelişmiş?
• Hangi eğitim yatırımı stratejik açıdan en önemli açıkları kapatır?

Bu veri olmadan bu sorular hafızaya ve izlenime göre cevaplanır. Bu veriyle ise kanıta göre cevaplanır.

İşten Ayrılma Riski Tahmini

Geçmiş istihdam verileriyle (kıdem örüntüleri, performans gidişatları, terfi zaman çizelgeleri, rol geçişleri) eğitilen modeller, işten ayrılma riski yüksek çalışanları onlar aktif olarak iş aramaya başlamadan önce belirleyebilir. Yaygın sinyaller şunlardır:

• Son terfi ya da rol değişikliğinden bu yana geçen süre (yerinde sayan gidişatlar ayrılmayla ilişkilidir)
• Yüksek performans notlarına rağmen yetkinlik puanlarının duraklaması (yeterince zorlanmama)
• Ücretin rol için piyasa düzeyinden uzaklaşması (dış teklifler daha cazip hâle gelir)
• İş birliği ve iletişim örüntülerinde azalan bağlılık sinyalleri

Ayrılma kararı verilmeden önce bu sinyallere göre harekete geçmek (bir kariyer gelişimi görüşmesi, rolün genişletilmesi, ücret düzenlemesi) kişinin yerine yenisini almaktan çok daha ucuzdur.

Mülakat Sürecinin Standartlaştırılması

Yapılandırılmış mülakat (tanımlı sorular, tutarlı değerlendirme rubrikleri, kalibre edilmiş puanlama), iş performansını yapılandırılmamış mülakatlara göre kanıtlanabilir biçimde daha iyi öngörür. Yapay zekâ araçları şu şekillerde destek olabilir:

• Yetkinlik modeliyle uyumlu, role özgü mülakat soru bankaları oluşturmak
• Mülakatçıların kendilerini kalibre edebileceği puanlama kılavuzları sunmak
• Mülakat geri bildirimlerini sistematik önyargılar açısından analiz etmek (belirli geçmişlerden gelen adaylar, aynı cevaplar için sistematik olarak daha düşük puan alıyor mu?)
• Kalibrasyon için değerlendirme tutarsızlıklarını işaretlemek

Yetkinlik Çerçevesini Kurmak

Yetkinlik çerçevesi her şeyin temelidir. O olmadan puanlama keyfî, gelişim ise tepkisel olur.

Yapı:

Her yetkinliğin bir adı, bir tanımı ve bir yeterlilik ölçeği vardır (genellikle 1–5 ya da temel/gelişen/yetkin/ileri/uzman). Örnekler:

• Teknik derinlik: Rolün temel teknik alanında derin uzmanlık gösterir
• Yapılandırılmış iletişim: Karmaşık bilgileri teknik olan ve olmayan kitlelere açıkça aktarır
• Sahiplenme: Sonuçların sorumluluğunu alır, sorunları erkenden yukarı taşır ve hatırlatmaya gerek kalmadan işi sonuna kadar götürür

Rollere eşleme: Her rolün bir yetkinlik profili vardır: gerekli yetkinlikler kümesi ve işe alımda, 12 ay sonrasında ve bir üst seviye için beklenen yeterlilik düzeyleri.

Değerlendirme sıklığı: Yetkinlik değerlendirmeleri tanımlı aralıklarla (üç ayda ya da altı ayda bir) yapılır, yöneticiler arasında kalibre edilir ve değerlendirilen çalışan tarafından görülebilir. Çerçevede ve değerlendirmede şeffaflık, güven için vazgeçilmezdir.

Adalet, Önyargı ve Açıklanabilirlik

İşe alımda yapay zekâ, özen gösterilmeden uygulanırsa gerçek riskler taşır. Geçmiş işe alım verileriyle eğitilen bir model, geçmişteki önyargıları da kodlar: Geçmişte terfi eden çalışanlar performansla ilgisi olmayan demografik özellikleri paylaşıyorsa, model bu özellikleri öngörücü olarak öğrenir.

Bu riski azaltmak şunları gerektirir:

Çekişmeli test (adversarial testing): Devreye almadan önce modeli, demografik gruplar üzerinde orantısız etki açısından test edin. Modelin çıktı dağılımları gruplar arasında belirgin biçimde farklılaşıyorsa, özellik kümesinin korunan özellikler için vekil değişkenler içerip içermediğini araştırın.

Açıklanabilir çıktılar: Her aday puanı için katkıda bulunan etkenlerin dökümünü üretin. Bu, işe alım yöneticilerinin puanı sorgulamasına, modelin yanıldığı durumları belirlemesine ve kararlar için savunulabilir bir gerekçe sunmasına olanak tanır.

Son kararı insan verir: Yapay zekâ puanlaması bir işe alım algoritması değil, bir tarama ve karar destek aracıdır. Her teklif ve önemli bir aşamadaki her ret, modelin göremediği etkenleri de hesaba katan bir insan kararı gerektirir.

KVKK uyumu: Türkiye'de istihdam kararları için kişisel verilerin işlenmesi açık bir hukuki dayanak (açık rıza ya da meşru menfaat), veri minimizasyonu, tanımlı saklama süreleri ve adayların açıklama isteme ve itiraz etme haklarını gerektirir. Bu gereklilikler devreye almadan sonra eklenmemeli, sistem mimarisine baştan yerleştirilmelidir.

Yetkinlik Verisinden Gelişime

Bir yetkinlik çerçevesi kurmanın ve yapılandırılmış değerlendirmeler yürütmenin getirisi yalnızca daha iyi işe alım değildir. Gerçek veriye dayanan bir gelişim sistemidir.

Bir ekip üyesi, temel yetkinlikleri için "uzman seviyesi"nin tam olarak neye benzediğini bildiğinde ve nerede durduğuna dair üç ayda bir ölçüm aldığında, gelişim görüşmeleri belirsiz olmaktan çıkar, somutlaşır. Bir sonraki role giden yol görünür hâle gelir. Yatırım yapılacak beceriler tahminle değil, veriyle belirlenir.

Kurum açısından bu etki birikerek büyür: Her gelişim yatırımı belgelenmiş açıklara gider, her terfi kararı yetkinlik kanıtıyla desteklenir ve her liderlik değerlendirmesi kıdeme ve savunuculuğa değil, gözlemlenen yetkinliğe dayanır.

Uygulama Yol Haritası

1. Aşama — Yetkinlik çerçevesi (6–8 hafta): Roller genelinde geçerli 8–12 temel yetkinlik tanımlayın. Etkisi en yüksek ilk 10 rol için rol profilleri oluşturun. Değerlendirme rubriklerini farklı birimlerden yöneticilerden oluşan bir grupla kalibre edin.

2. Aşama — Yapılandırılmış işe alım (8–12 hafta): Öncelikli roller için yapılandırılmış mülakat kılavuzlarını devreye alın. Gelen başvurularda yapay zekâ ile aday puanlamayı pilot olarak uygulayın. Gölge modda çalıştırın (adayları puanlayın, kararı mevcut süreç versin) ve korelasyonu ölçün.

3. Aşama — Ekip değerlendirmesi (sürekli): Mevcut ekip üyeleri için üç ayda bir yetkinlik değerlendirmeleri yapın. Açıkları belirleyin. Bunları gelişim planlamasına bağlayın.

4. Aşama — İşten ayrılma ve gelişim analitiği (veri toplamadan 6–12 ay sonra): Yeterli boylamsal veri biriktiğinde, yetkinlik ve kıdem verilerinin üzerine tahmine dayalı modeller kurun.

Sonuç

Yapay zekâ işe alımı kolaylaştırmaz. İşe alım doğası gereği karmaşıktır; çünkü kurumsal bir bağlamda gelecekteki insan performansını öngörmeyi gerektirir ve bu gerçekten zordur. Yapay zekânın yaptığı, işe alımı daha tutarlı, daha savunulabilir ve daha ölçülebilir hâle getirmektir.

Yapılandırılmış yetkinlik çerçevelerine ve nesnel puanlamaya yatırım yapan kurumlar, zamanla birikerek büyüyen ikincil bir fayda keşfeder: Gelişim veriye dayalı hâle gelir, terfi kararları bu kararlardan etkilenen kişiler için anlaşılır olur ve kurum kendi yetkinliklerinin ve açıklarının daha önce hiç sahip olmadığı kadar net bir resmini çıkarır.

Başlangıç noktası yetkinlik çerçevesidir. Geri kalan her şey onun üzerine kurulur.

• Yapay Zekâ
• İK Teknolojileri
• İşe Alım
• Analitik