Yapay zekâ ile işe alım, ilan yazımından CV taramaya, aday sıralamasından görüşme notlarının düzenlenmesine kadar işe alım adımlarında yapay zekâ tabanlı araçların kullanılmasıdır. Doğru kurgulandığında bu araçlar işe alım ekibinin zamanını tekrarlayan işlerden kurtarır ve değerlendirmeyi daha tutarlı hâle getirir. Yanlış kurgulandığında ise geçmişteki önyargıları ölçeklendirir, adaylara açıklanamayan kararlar üretir ve şirketi KVKK açısından riske sokar.
Bu yazıda yapay zekânın işe alımda nerede gerçekten işe yaradığını, nerede durması gerektiğini, algoritmik önyargının nasıl oluştuğunu ve Türkiye'deki veri koruma kuralları çerçevesinde insan denetiminin neden vazgeçilmez olduğunu ele alıyoruz.
Yapay Zekâ ile İşe Alım Hangi Adımlarda Kullanılır?
Yapay zekâ işe alımın her adımında aynı ölçüde değer üretmez. Aşağıdaki tablo, yaygın kullanım alanlarını ve her birindeki risk düzeyini özetliyor:
| Kullanım alanı | Ne yapar? | Fayda | Risk düzeyi | İnsan denetimi |
|---|---|---|---|---|
| İlan metni hazırlama | Görev tanımından ilan taslağı üretir, dışlayıcı ifadeleri işaretler | Zaman tasarrufu, kapsayıcı dil | Düşük | İlanı yayımlamadan önce okuma |
| CV ayrıştırma | CV'deki bilgileri yapılandırılmış alanlara dönüştürür | Veri girişi yükü azalır | Düşük–orta | Hatalı ayrıştırma kontrolü |
| CV tarama ve sıralama | Adayları kriterlere göre puanlar, sıralar | Hacimli başvurularda hız | Yüksek | Ret kararından önce insan incelemesi |
| Ön eleme soruları / sohbet botu | Adaya eleyici sorular sorar, randevu planlar | Hızlı geri dönüş | Orta | Elenen adayların örneklemle kontrolü |
| Görüşme notlarını özetleme | Görüşmeci notlarını yetkinlik başlıklarına göre düzenler | Tutarlı kayıt | Orta | Özetin görüşmeci tarafından onaylanması |
| Video/ses analizi | Mimik, ses tonu gibi sinyallerden çıkarım yapar | Tartışmalı | Çok yüksek | Kullanılmaması veya çok sıkı denetim |
Genel kural şudur: yapay zekânın bilgiyi düzenlediği adımlarda risk düşüktür; aday hakkında karar ürettiği adımlarda risk yükselir.
CV Tarama ve Ön Elemede Doğru Kurgu
CV tarama, yapay zekânın işe alımda en çok kullanıldığı ve en çok hata yapılan alandır. Sağlıklı bir kurgu için şu ilkeleri öneriyoruz:
- Kriterleri insan belirlesin: Aracın neye göre puan vereceği, pozisyonun gerçek gereklilikleriyle uyumlu ve yazılı olmalıdır. "Geçmişte başarılı olanlara benzeyen adayları bul" gibi açık uçlu talimatlar önyargı üretir.
- Puanlama gerekçeli olsun: Araç bir adaya düşük puan veriyorsa hangi kritere göre verdiğini gösterebilmelidir. Gerekçesi açıklanamayan bir sıralama, adaya da yöneticiye de savunulamaz.
- Otomatik ret olmasın: Araç sıralama yapabilir; ancak ret kararı, en azından sınır bölgesindeki adaylar için bir insan tarafından verilmelidir.
- Eleyici bilgileri ayırın: Yaş, cinsiyet, medeni durum, fotoğraf, adres gibi işle ilgisiz bilgilerin değerlendirmeye girmemesi için bu alanları puanlama dışında tutun.
- Düzenli örneklem kontrolü yapın: Belirli aralıklarla aracın elediği adaylardan bir örneklemi insan gözüyle yeniden inceleyin.
Algoritmik Önyargı Nasıl Oluşur?
Algoritmik önyargı, bir yapay zekâ sisteminin belirli aday gruplarını işle ilgisi olmayan özellikler nedeniyle sistematik olarak dezavantajlı duruma düşürmesidir. Çoğu zaman kasıtlı değildir; şu kaynaklardan doğar:
- Geçmiş veriden öğrenme: Sistem şirketin geçmişteki işe alım kararlarıyla eğitildiyse, o kararlardaki eğilimleri "başarı ölçütü" olarak öğrenir.
- Dolaylı göstergeler (proxy): Cinsiyet veya yaş doğrudan kullanılmasa bile mezuniyet yılı, belirli okul ya da kulüp adları, kariyer boşlukları bu bilgileri dolaylı olarak taşıyabilir.
- Dil ve biçim farkları: Farklı CV biçimleri veya ifade tarzları, yetkinlikle ilgisi olmadığı hâlde puanı etkileyebilir.
- Ölçülemeyenin dışlanması: Sistem yalnızca ölçebildiğini değerlendirir; gönüllü çalışma, kariyer değişikliği veya alışılmadık deneyim gibi değerler gözden kaçabilir.
Türkiye'de 6701 sayılı Türkiye İnsan Hakları ve Eşitlik Kurumu Kanunu, istihdam alanında işe alım süreçlerini de kapsayan ayrımcılık yasağı öngörür. Ayrımcılığın bir yazılım aracılığıyla gerçekleşmesi işverenin sorumluluğunu ortadan kaldırmaz. Konunun genel çerçevesi için işe alımda ayrımcılık yazımıza bakabilirsiniz.
KVKK Açısından Yapay Zekâ ile İşe Alım
Aday verileri kişisel veridir ve 6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamındadır. Yapay zekâ kullanımı bu yükümlülükleri değiştirmez, aksine bazılarını daha görünür kılar.
Otomatik işleme ve itiraz hakkı (KVKK md. 11)
KVKK'nın 11. maddesi ilgili kişiye, işlenen verilerinin münhasıran otomatik sistemler vasıtasıyla analiz edilmesi suretiyle kendisi aleyhine bir sonucun ortaya çıkmasına itiraz etme hakkı tanır. İşe alımda bu, örneğin yalnızca bir algoritmanın puanına dayanarak elenen adayın bu sonuca itiraz edebilmesi anlamına gelir. Pratik sonuçları şunlardır:
- Adayların itiraz başvurusunu iletebileceği bir kanal (e-posta adresi, başvuru formu) belirleyin.
- İtiraz hâlinde değerlendirmeyi bir insanın yeniden yapabileceği bir süreç tasarlayın.
- Ret kararının hangi kriterlere dayandığını açıklayabilecek kayıtları tutun.
Diğer temel yükümlülükler
- Aydınlatma (md. 10): Adaylara başvuru aşamasında verilerinin hangi amaçla, hangi yöntemle işleneceğini ve kimlere aktarılabileceğini bildirin. Değerlendirmede otomatik araç kullanıldığını belirtmek şeffaflık açısından önemlidir.
- Veri güvenliği (md. 12): Aracın sağlayıcısıyla veri işleme ilişkisini sözleşmeyle düzenleyin; erişim yetkilerini sınırlayın.
- Yurt dışına aktarım (md. 9): Aracın sunucuları yurt dışındaysa aday verilerinin aktarımı md. 9'daki şartlara tabidir. Sağlayıcıya verilerin nerede işlendiğini mutlaka sorun.
- Saklama ve silme: Aracın aday verilerini kendi modelini eğitmek için kullanıp kullanmadığını öğrenin; sözleşmede bunu açıkça düzenleyin.
Aday verilerinin genel KVKK çerçevesi için işe alımda aday verileri ve KVKK rehberimizi okuyabilirsiniz.
AB Yapay Zekâ Tüzüğü Neden Önemli?
Avrupa Birliği'nin Yapay Zekâ Tüzüğü (AI Act), işe alım ve aday değerlendirmesinde kullanılan yapay zekâ sistemlerini genel olarak yüksek riskli sistemler arasında sayar. Bu sınıflandırma; risk yönetimi, veri kalitesi, kayıt tutma, şeffaflık ve insan denetimi gibi yükümlülükler getirir. Tüzüğün uygulama takvimi sonradan yapılan düzenlemelerle güncellendiğinden, yükümlülüklerin hangi tarihte başladığını AB'nin resmî kaynaklarından kontrol etmeniz gerekir.
Tüzük Türkiye'de doğrudan uygulanmaz. Ancak AB'de faaliyet gösteren, AB'deki adayları değerlendiren veya AB merkezli sağlayıcıların araçlarını kullanan şirketler için dolaylı etkiler doğabilir. Ayrıca tüzüğün ortaya koyduğu ilkeler, Türkiye'deki şirketler için de iyi uygulama standardı olarak yol gösterici olabilir.
İnsan Denetimi: Kim, Ne Zaman, Nasıl?
İnsan denetimi "son kararı bir insan onaylasın" demekle sınırlı değildir. Aracın önerisini sorgulamadan onaylayan bir insan, denetim değil yalnızca imza işlevi görür. Etkili denetim için:
- Sorumlu kişi atayın: Hangi pozisyonlarda hangi aracın, kim tarafından denetleneceğini yazılı hâle getirin.
- Denetçiyi eğitin: Aracın nasıl puan ürettiğini ve hangi durumlarda hata yapabileceğini bilmeyen kişi önerisini sorgulayamaz.
- Sapma izleyin: Belirli aralıklarla aracın sonuçlarını aday grupları arasında karşılaştırın; açıklanamayan farklar varsa kullanımı durdurup inceleyin.
- Görüşme aşamasını insanda tutun: Motivasyon, kültür uyumu ve liderlik gibi boyutlarda yapılandırılmış mülakat ve insan yargısı merkezde kalmalıdır.
Örnek Senaryo
Temsilî bir örnek: 120 çalışanlı bir perakende şirketi, mağaza pozisyonları için yoğun başvuru alıyor ve CV taramada yapay zekâ destekli bir araç kullanmaya karar veriyor. İlk ay aracın sıraladığı listenin üst kısmı yöneticileri memnun ediyor. Ancak İK, örneklem kontrolünde düşük puan alan adaylar arasında kariyerine ara vermiş başvuruların belirgin şekilde fazla olduğunu fark ediyor. İnceleme, aracın "kesintisiz deneyim" bilgisini dolaylı bir başarı ölçütü olarak kullandığını gösteriyor.
Şirket şu düzeltmeleri yapıyor: kariyer boşluğu puanlama dışı bırakılıyor, araç yalnızca sıralama yapıyor ve ret kararı mağaza İK sorumlusu tarafından veriliyor, aydınlatma metnine otomatik değerlendirme bilgisi ve itiraz kanalı ekleniyor. Sağlayıcıyla yapılan sözleşmeye, aday verilerinin model eğitiminde kullanılmayacağı hükmü ekleniyor.
Sık Yapılan Hatalar
- Aracı "tarafsız" kabul etmek: Yapay zekâ, eğitildiği verinin ve verilen talimatın tarafsızlığı kadar tarafsızdır.
- Tam otomatik ret: İnsan incelemesi olmadan aday elemek hem önyargı hem KVKK md. 11 açısından risklidir.
- Sağlayıcıyı sorgulamamak: Verinin nerede işlendiği, ne kadar saklandığı ve model eğitiminde kullanılıp kullanılmadığı sözleşme öncesi netleşmelidir.
- Aydınlatmayı güncellememek: Yeni bir araç devreye girdiğinde aday aydınlatma metni de güncellenmelidir.
- Görüşme kaydını izinsiz analiz etmek: Video veya ses analizi, adayın bilgisi ve uygun hukuki dayanak olmadan yapılmamalıdır.
- Ölçmeden yaygınlaştırmak: Pilot uygulama ve örneklem kontrolü yapılmadan aracı tüm pozisyonlara uygulamak.
Uygulamaya Geçiş Kontrol Listesi
- [ ] Yapay zekânın kullanılacağı adımlar ve amaçları yazılı olarak belirlendi.
- [ ] Puanlama kriterleri pozisyon gereklilikleriyle uyumlu ve işle ilgisiz alanlar dışarıda.
- [ ] Ret kararlarında insan incelemesi zorunlu.
- [ ] Aday aydınlatma metni güncellendi; otomatik değerlendirme ve itiraz kanalı belirtildi.
- [ ] Sağlayıcı sözleşmesinde veri konumu, saklama süresi, model eğitimi ve güvenlik düzenlendi.
- [ ] Yurt dışına aktarım varsa KVKK md. 9 şartları değerlendirildi.
- [ ] Örneklem kontrolü ve sapma izleme takvimi oluşturuldu.
- [ ] Araç önerisini denetleyecek kişiler eğitildi.
Aracın seçiminden süreç tasarımına kadar yapay zekâyı işe alımınıza güvenli biçimde entegre etmek için işe alım danışmanlığı hizmetimizden destek alabilirsiniz; ilk görüşme ücretsizdir. Aday verilerinin sistemlerde nasıl yönetileceğine dair aday takip sistemi yazımız da yol gösterici olabilir.
