İK'da Yapay Zekâ: Kullanım Alanları, Riskler ve Doğru Başlangıç

Kısaca İK'da yapay zekâ; işe alım, çalışan soruları, öğrenme ve gelişim, performans ve İK analitiği gibi süreçlerde taslak üretimi, bilgi sentezi ve örüntü analiziyle İK ekiplerinin tekrar eden iş yükünü azaltan ve analiz kapasitesini artıran teknolojilerin kullanımıdır. Risk, yapay zekânın işe alım, terfi, performans değerlendirmesi veya işten çıkarma gibi kişiyi doğrudan etkileyen kararlara dahil olduğu noktada başlar; bu kararlar anlamlı insan denetiminde kalmalıdır.

İK'da yapay zekâ en hızlı karşılığını tekrar eden metin ve bilgi işlerinde buluyor: iş ilanı taslakları, özgeçmişlerin ilk okuması, mülakat planlaması, izin ve yan haklarla ilgili aynı soruların defalarca yanıtlanması, eğitim ihtiyaç analizleri ve anket yorumlarının özetlenmesi. Bu işlerdeki temel faydası, İK ekibinin zamanını insanlarla ilgili işlere geri kazandırmasıdır.

İK'yı yapay zekânın kullanıldığı diğer iş fonksiyonlarından ayıran nokta ise analiz edilen şeyin insanlar olmasıdır. Bir adayın elenmesi, bir çalışanın performans notu veya terfi listesi kişinin hayatını doğrudan etkiler.

Bu nedenle İK'da yapay zekâyı değerlendirirken ilk soru "Bu süreci otomatikleştirebilir miyiz?" değil, "Bu süreçte yapay zekâ hangi işi üstlenmeli, hangi karar insanda kalmalı?" olmalıdır.

İK'da Yapay Zekânın Kapsamı

İK'da yapay zekâ tek bir teknoloji değil, farklı çalışma mantığına ve farklı risk profiline sahip birkaç teknoloji grubudur. Bu ayrımı yapmak, hem doğru beklenti kurmak hem de riskleri doğru değerlendirmek için gereklidir.

Üretken yapay zekâ (generative AI) metin, özet, taslak veya soru-cevap üretir. İş ilanı yazmak, politika dokümanlarını özetlemek, eğitim içeriği taslağı hazırlamak ve anketlerdeki açık uçlu yorumları temalara ayırmak bu gruptadır.

Tahminleyici ve analitik modeller geçmiş veriden örüntü çıkarır: çalışan kaybı (attrition) riski, işe alım sürecindeki darboğazlar veya yetkinlik açıkları gibi. İK analitiği bu modellerden uzun süredir yararlanıyor. Yeni olan, analizlere erişimin ve veriye doğal dille soru sorabilmenin kolaylaşmasıdır.

Kural tabanlı otomasyon yapay zekâ değildir, ancak insan kaynakları yazılımlarında sıkça yapay zekâ olarak sunulur. "Belirli bir anahtar kelimeyi içermeyen başvuruları ele" türünden bir filtre öğrenen bir model değil, sabit bir kuraldır. Bu yüzden riski de farklıdır: hata modelde değil, kuralı yazan kişinin varsayımlarındadır.

Yapay zekâ ajanları (AI agents) birden fazla adımı araç kullanarak yürütebilen sistemlerdir; örneğin mülakat takvimini adaylar ve yöneticiler arasında koordine etmek. Alan hızla gelişiyor, ancak kişiyi etkileyen İK kararlarını ajanlara bırakmak bugün için hem teknik hem hukuki açıdan erkendir. Ajanların chatbot ve copilot'tan farkını Yapay Zekâ Ajanları: Nedir ve Ne Değildir? yazımızda ele alıyoruz.

İK Süreçlerinde Yapay Zekâ Kullanım Alanları

İK'da yapay zekânın öne çıkan kullanım alanları arasında işe alım, onboarding ve çalışan soruları, öğrenme ve gelişim, performans ve geri bildirim ile İK analitiği ve iş gücü planlaması yer alır. Aynı teknoloji bir alanda saatler kazandırırken başka bir alanda ciddi bir adalet sorunu yaratabilir; bu yüzden her alanı ayrı değerlendirmek gerekir.

İşe Alım ve Aday Deneyimi

İşe alımda yapay zekânın görece düşük riskli kullanım alanları, metin ve koordinasyon işleridir:

• pozisyon gereksinimlerinden iş ilanı taslağı çıkarmak,

• ilandaki dışlayıcı veya gereksiz yere daraltıcı ifadeleri tespit etmek,

• yetkinliğe dayalı mülakat soruları hazırlamak,

• adaylara süreç hakkında bilgi veren yanıt taslakları oluşturmak.

Özgeçmiş tarama ve aday sıralama farklı bir kategoridir. Burada model metin üretmiyor, adaylar hakkında değerlendirme yapıyor.

Bir özgeçmişi pozisyon kriterlerine göre özetlemek ile adayı otomatik olarak elemek arasında ciddi bir fark vardır. İlki değerlendirmeyi yapan kişiye zaman kazandırır; ikincisi kararın kendisini modele devreder. Sağlıklı kullanımda yapay zekâ işe alım uzmanının okuma yükünü azaltır, bir sonraki aşamaya kimin geçeceğine ise uzman karar verir.

Video mülakatlarda yüz ifadesi, ses tonu veya mimikten kişilik ya da uygunluk çıkarımı yapan çözümler ise bilimsel geçerliliği tartışmalı ve hukuki açıdan riskli bir alandır. Bu konuya mevzuat bölümünde değiniyoruz.

Onboarding ve Çalışan Soruları

İK ekiplerine gelen soruların önemli bir bölümü tekrar eder: izin hakları, yan haklar, masraf süreçleri, bordro takvimi, ilk hafta bilgileri. Şirket politikalarına dayanan bir soru-cevap asistanı bu yükü azaltır ve çalışanın mesai dışında da bilgiye ulaşmasını sağlar.

Kritik nokta, asistanın neye dayanarak cevap verdiğidir. Genel amaçlı bir modelin şirket politikası hakkında tahmin yürütmesi yanlış bilgi riskini artırır. Daha güvenilir bir asistan güncel ve onaylı politika dokümanlarından beslenir (çoğunlukla RAG yaklaşımıyla), cevabının kaynağını gösterir ve belirsiz ya da hassas sorularda İK uzmanına yönlendirir.

Taciz şikâyeti, sağlık durumu veya işten ayrılma gibi konular otomatik yanıta bırakılmamalıdır. Onboarding tarafında ise role özel ilk 30 gün planı, yeni başlayan için doküman özetleri ve ekip tanıtım içerikleri gibi hazırlık işlerinde üretken yapay zekâ zaman kazandırır.

Öğrenme ve Gelişim

L&D ekipleri için yapay zekâ hem bir araç hem de yeni bir öğrenme konusudur. Araç olarak eğitim ihtiyaç analizi verilerini ve katılımcı geri bildirimlerini özetlemek, eğitim içeriği ve vaka taslakları hazırlamak, bilgi ölçme soruları üretmek ve kişiselleştirilmiş öğrenme önerileri sunmak için kullanılabilir. Öğrenme konusu olarak ise kurumdaki hemen her rol için yeni bir yetkinlik ihtiyacı doğurur.

Yapay zekâyla üretilen eğitim içeriği konu uzmanı kontrolünden geçmelidir. Model akıcı ve ikna edici ama hatalı materyal üretebilir; eğitim bağlamında bu hatalar çok sayıda çalışana aynı anda yayılır.

Performans ve Geri Bildirim

Performans yönetiminde yapay zekânın doğru rolü, yöneticinin yazma ve hazırlık yükünü azaltmaktır. Yıl içindeki notları ve hedefleri özetlemek, geri bildirimi daha somut hale getirmek ve kişilik odaklı ifadeleri davranış odaklı ifadelere dönüştürmek bu kapsamdadır.

Risk, yapay zekânın değerlendirmeyi kendisinin yapmaya başladığı noktada ortaya çıkar. Gönderilen e-posta sayısı, sistemde aktif kalma süresi veya kapatılan kayıt adedi gibi dijital izlerden "verimlilik skoru" üreten yaklaşımlar ölçülmesi kolay olanı ölçer, önemli olanı değil.

Yazılım ekiplerinde Velocity'nin performans KPI'ına dönüştürülmesinde gördüğümüz sorun burada da geçerlidir: tek bir metrik performansı temsil etmeye başladığında insanlar işi değil metriği optimize eder ve güven zarar görür. Yapay zekâ destekli izleme bu etkiyi daha geniş bir ölçeğe taşır. Performans verisi yapay zekâyla analiz edilebilir; çalışan hakkındaki hükmü ise bağlamı bilen yönetici verir.

İK Analitiği ve İş Gücü Planlaması

İK analitiğinde yapay zekâ, veriye soru sormayı ve büyük hacimli metni analiz etmeyi kolaylaştırır. Hangi birimlerde çalışan kaybının arttığı, hangi pozisyonlarda işe alım süresinin uzadığı veya bağlılık anketinin açık uçlu yorumlarında hangi temaların öne çıktığı daha hızlı görülebilir. Yüzlerce açık uçlu yorumun temalara ayrılması, elle yapıldığında haftalar sürebilen bir analizi belirgin biçimde kısaltır.

İş gücü planlamasında yapay zekâ, kurumun gelecekte hangi yetkinliklere ihtiyaç duyacağını ve hangi rollerin yapay zekâdan nasıl etkileneceğini analiz etmeye yardımcı olur. Burada iki sınır önemlidir:

• "Ayrılma riski yüksek çalışan" gibi bireysel tahminler kişiyi etiketleme ve ona göre muamele etme riski taşır. Bu analizler bireysel karar için değil, birim ve süreç düzeyinde iyileştirme için kullanılmalıdır.

• Anonim olduğu söylenen anket verileri küçük ekiplerde kolayca kişiye bağlanabilir. Analiz tasarımında, sonuçların yalnızca yeterli büyüklükteki gruplar için raporlanması gibi önlemlerle bu risk hesaba katılmalıdır.

Kullanım Alanlarının Olgunluk ve Risk Haritası

İK'da yapay zekânın riski, kullanımın bir kişi hakkında karar üretmeye ne kadar yaklaştığıyla artar. Aşağıdaki tablo yaygın kullanımları bugünkü uygulanabilirlik ve risk düzeyi açısından karşılaştırır.

Kullanım alanı	Bugünkü durum	Risk düzeyi	Gerekli insan kontrolü
İş ilanı ve mülakat sorusu taslağı	Yaygın ve olgun	Düşük	Yayın öncesi gözden geçirme
Eğitim içeriği ve ölçme soruları	Yaygın	Düşük–orta	Konu uzmanı onayı
Anket yorumlarını temalara ayırma	Yaygın	Düşük–orta	Anonimlik kontrolü, sonuçların yorumlanması
Politika tabanlı çalışan soru-cevap asistanı	Yaygın, kalitesi kuruluma bağlı	Orta	Kaynaklı yanıt, hassas konularda İK'ya yönlendirme
Performans geri bildirimi yazım desteği	Yaygın	Orta	Değerlendirmenin sahibi yöneticidir
Özgeçmiş özetleme	Yaygın	Orta	Her adayı bir insan değerlendirir
Otomatik aday eleme ve sıralama	Kullanılıyor, geçerliliği tartışmalı	Yüksek	Karar insanda kalır, düzenli yanlılık denetimi yapılır
Bireysel ayrılma riski tahmini	Gelişmekte	Yüksek	Bireysel karar için kullanılmaz
Dijital iz tabanlı verimlilik skoru	Kullanılıyor	Yüksek	Performans kararına dayanak yapılmaz
Uçtan uca işe alım ajanları	Gelişmekte, deneysel	Yüksek	Kişiyi etkileyen adımlarda bugün için uygun değil
Mimik veya ses tabanlı duygu ve kişilik analizi	Bilimsel geçerliliği zayıf	Çok yüksek	Kullanılmamalı; işyerinde duygu çıkarımı AB'de yasak

Tablonun üst sıralarında yapay zekâ İK profesyoneline hazırlık ve taslak desteği verir; alt sıralara indikçe rolü destekten karara kayar. Risk düzeyi yükseldikçe insan kontrolü de biçimsel bir onaydan gerçek bir değerlendirmeye dönüşmelidir.

İnsan Kararında Kalması Gerekenler

Yapay zekâ İK kararlarını destekleyebilir, ancak kişiyi doğrudan etkileyen kararların yerine geçmemelidir. Pratik ölçüt şudur: sistemin çıktısı bir kişinin istihdamını, ücretini, kariyerini veya çalışma koşullarını doğrudan etkiliyorsa karar insanda kalır. Bu kapsamdaki başlıca kararlar şunlardır:

• işe alım ve aday eleme,

• terfi ve ücret belirleme,

• performans değerlendirme notları,

• disiplin süreçleri,

• işten çıkarma.

Kararın insanda kalması, yapay zekâ çıktısına atılan bir onay imzası anlamına gelmez. Bir uzman günde yüzlerce öneriyi birkaç saniyede onaylıyorsa süreçte insan olsa da karar fiilen modele geçmiştir.

Anlamlı insan denetimi (human-in-the-loop), karar vericinin önerinin gerekçesini görebilmesini, onu sorgulayacak bilgi, zaman ve yetkiye sahip olmasını ve öneriden sapma kararını çekinmeden verebilmesini gerektirir.

Kişi hakkında yapay zekâ destekli bir değerlendirme yapıldığında bunun kişiye açıklanabilmesi ve bir itiraz yolunun bulunması da gerekir. "Sistem öyle değerlendirdi" cevabı bir adaya veya çalışana verilebilecek yeterli bir gerekçe değildir.

Etik, Veri Gizliliği ve Mevzuat

İK'da yapay zekânın üç temel risk alanı algoritmik yanlılık, kişisel verilerin korunması ve yapay zekâya özgü düzenlemelerdir. İK verisi bir kurumun işlediği en hassas veriler arasında olduğu için bu alanlar teknoloji seçiminden önce ele alınmalıdır. Bu bölüm genel bir çerçeve sunar; somut uygulamalar için hukuki değerlendirme gerekir.

Algoritmik Yanlılık

Yapay zekâ modelleri geçmiş veriden öğrenir; geçmiş kararlar yanlıysa model bu yanlılığı devralır ve ölçekler. Reuters'ın 2018'de aktardığına göre Amazon, geliştirdiği deneysel bir işe alım modelinin kadın adaylar aleyhine örüntüler geliştirdiğini fark etmiş ve projeyi sonlandırmıştı. Modelin eğitildiği geçmiş özgeçmişler ağırlıklı olarak erkek adaylara aitti.

Yanlılık her zaman cinsiyet veya yaş gibi açık bir değişkenden gelmez. Mezun olunan okul, ikamet edilen semt veya kariyer arası gibi tarafsız görünen değişkenler dolaylı olarak korunan özelliklerle ilişkili olabilir.

Bu nedenle hassas alanları modelin girdilerinden çıkarmak tek başına yeterli değildir. Sonuçların farklı gruplar için düzenli olarak karşılaştırılması ve denetlenmesi gerekir.

KVKK ve Yapay Zekâ Kullanımında Veri Koruma

Aday ve çalışan verilerinin yapay zekâ ile işlenmesi 6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) kapsamındadır. Bu nedenle verilerin hangi amaçla, hangi hukuki dayanakla ve ne ölçüde işlendiği, araç seçiminden önce değerlendirilmelidir. Kanunun 11. maddesi, ilgili kişiye işlenen verilerinin münhasıran otomatik sistemlerle analiz edilmesi sonucunda aleyhine bir sonuç ortaya çıkmasına itiraz etme hakkı tanır. Tamamen otomatik bir eleme süreci bu nedenle etik olduğu kadar hukuki bir risk de taşır.

Özgeçmişler, performans değerlendirmeleri, ücret bilgileri veya çalışan şikâyetleri gibi verilerin üretken yapay zekâ araçlarına aktarılması; veri güvenliği, veri işleme amaçları, ilgili kişilerin hakları ve gerekli durumlarda yurt dışına veri aktarımı gibi konuları gündeme getirebilir.

İK açısından önemli bir risk, çalışanların kurum tarafından onaylanmamış genel amaçlı yapay zekâ araçlarına aday veya çalışan verilerini doğrudan yüklemesidir. Bu nedenle kurumların yalnızca hangi yapay zekâ araçlarının kullanılabileceğini değil, hangi veri türlerinin bu araçlarla işlenebileceğini de belirlemesi gerekir.

Kişisel Verileri Koruma Kurumu'nun yapay zekâ ve üretken yapay zekâ konusunda yayımladığı rehber ve tavsiyeler, bu süreçlerde veri koruma, şeffaflık, ölçülülük ve güvenlik açısından dikkate alınabilecek temel kaynaklar arasındadır.

AB Yapay Zekâ Tüzüğü ve İK Süreçleri

Avrupa Birliği'nin Yapay Zekâ Tüzüğü (AI Act, Regulation (EU) 2024/1689), istihdam ve çalışan yönetimi alanındaki belirli yapay zekâ sistemlerini yüksek riskli sistemler arasında değerlendirir. Bu kapsamdaki başlıca kullanım alanları şunlardır:

• işe alım ve seçme süreçlerinde başvuruların analiz edilmesi veya filtrelenmesi,

• adayların değerlendirilmesi,

• terfi veya iş ilişkisinin sona erdirilmesine ilişkin kararları destekleyen sistemler,

• görevlerin kişilere davranışları veya kişisel özellikleri temelinde dağıtılması,

• çalışanların performansının veya davranışlarının izlenmesi ve değerlendirilmesi.

Yüksek riskli sistemler için Tüzük; risk yönetimi, veri yönetişimi, kayıt tutma, şeffaflık ve insan gözetimi gibi gereklilikler öngörür. İnsan gözetimine ilişkin yaklaşımı, görevli kişilerin sistemin kapasite ve sınırlamalarını anlamasını, çıktıları doğru yorumlayabilmesini ve gerektiğinde çıktıyı göz ardı edebilmesini veya sistemi durdurabilmesini esas alır.

Tüzük ayrıca tıbbi veya güvenlik gerekçeleri dışında, işyerinde kişilerin duygularını çıkarsamaya yönelik yapay zekâ sistemlerini yasak uygulamalar arasında sayar. Video mülakatlarda duygu çıkarımına dayanan çözümlerin bu nedenle özellikle dikkatle değerlendirilmesi gerekir.

Yapay zekâ sistemi sağlayan ve kullanan kuruluşlardan, personelinin yeterli düzeyde yapay zekâ okuryazarlığına sahip olması için önlem alması da beklenir. Bu yükümlülük, İK'yı konunun doğal sorumlularından biri haline getirir.

Tüzük yalnız AB'de kurulu şirketleri ilgilendirmez; çıktısı AB'de kullanılan sistemler için üçüncü ülkelerdeki sağlayıcı ve kullanıcılara da uygulanabilir. AB'de adayı veya çalışanı bulunan Türk şirketlerinin kullandıkları İK teknolojilerini bu açıdan değerlendirmesi yerinde olur. Uygulama takvimi ve güncel yükümlülükler için resmî AB kaynakları takip edilmelidir.

İK'nın Yapay Zekâ Dönüşümündeki Rolü

İK, yapay zekâyı yalnızca kendi süreçlerinde kullanan bir birim değil, kurumun yapay zekâ dönüşümünü insan tarafında taşıyan birimdir. Yapay zekâ kullanımı yaygınlaştıkça rollerin içeriği değişir, yeni yetkinlik ihtiyaçları doğar ve çalışanların kaygıları yönetilmesi gereken bir değişim konusuna dönüşür.

Kurumlarda sık karşılaşılan bir tablo, yapay zekâ dönüşümünün teknoloji ekipleri tarafından araç seçimi ve lisans dağıtımı olarak başlatılması, İK'nın ise sürece geç dahil edilmesidir. Araçlar erişilebilir hale gelir, ancak kimin hangi veriyle neyi yapabileceği, hangi rollerin nasıl değişeceği ve çalışanların hangi yetkinlikleri kazanması gerektiği gibi sorular cevapsız kalır. Yapay zekânın kurumda kalıcı değer üretmesi büyük ölçüde bu soruların cevabına bağlıdır.

Bu nedenle İK'nın üstlenebileceği somut sorumluluklar şunlardır:

• kurum içi yapay zekâ kullanım politikasının hazırlanmasına katkı vermek,

• rollerin yapay zekâdan nasıl etkileneceğini analiz edip iş tanımlarını güncellemek,

• çalışanlar için yapay zekâ okuryazarlığı programlarını planlamak,

• yapay zekâ kullanımında örnek olan ve ekiplerine destek veren gönüllü bir "AI champion" ağı kurmak,

• çalışan kaygılarını açık iletişimle ele almak.

Okuryazarlık seviyelerini ve bu yetkinliğin kurum içinde nasıl geliştirilebileceğini Yapay Zekâ Okuryazarlığı rehberimizde ayrıntılı olarak ele alıyoruz.

İK'da Yapay Zekâya Başlarken

İK'da yapay zekâ kullanımına en sağlıklı başlangıç, kapsamlı bir dönüşüm programı değil, sınırları net bir pilottur. Başlangıç sorusu da "Yapay zekâyı nerede kullanabiliriz?" değil, "Bu problem için yapay zekâ gerçekten gerekli mi?" olmalıdır. Bazı sorunlar yapay zekâ yerine bir süreç düzenlemesi, daha iyi bir form veya basit bir otomasyonla daha hızlı çözülür.

Pilot seçimi ve tasarımı için şu sıra kullanılabilir:

1. Problem: Hangi iş yükü veya kalite sorunu çözülecek? Sorun ölçülebilir biçimde tanımlandı mı?

2. Kullanım senaryosu: Yapay zekâ bu süreçte tam olarak hangi işi üstlenecek: taslak, özet, sınıflandırma veya soru-cevap?

3. Veri: Hangi veri kullanılacak, kişisel veri içeriyor mu ve hangi araçla işlenmesi uygun?

4. Risk: Kullanım risk haritasında nerede duruyor, hangi noktada insan onayı zorunlu?

5. Pilot: Sınırlı bir ekip ve süreyle, geri dönüşü kolay biçimde denenebilir mi?

6. Ölçüm: Başarı neye göre değerlendirilecek: kazanılan süre, yanıt kalitesi, çalışan veya aday memnuniyeti?

İlk pilotlar için en uygun süreçler çok tekrar eden ve zaman alan, fakat doğrudan bir kişi hakkında karar üretmeyen işlerdir. İş ilanı taslakları, anket yorumlarının temalara ayrılması ve politika tabanlı soru-cevap bu açıdan iyi başlangıç noktalarıdır.

Bu adımların her biri, ekibin ortak bir kavramsal zemine sahip olmasını gerektirir. Yapay zekânın neyi iyi yaptığını, nerede hata yaptığını ve etik sınırlarının nerede başladığını bilmeyen bir ekip, en iyi araçla bile ya aşırı temkinli ya da aşırı güvenli davranır.

İK ekibinizin yapay zekâ kavramlarını, İK'daki kullanım alanlarını, rol ve sorumlulukları ve yapay zekâ etiğini ortak bir çerçevede ele almasını istiyorsanız, İK çalışanları ve yöneticileri için tasarlanan İnsan Kaynakları için Yapay Zekâ Eğitimi programını inceleyebilirsiniz.

Pilotun ötesinde yapay zekânın kurum genelinde hangi önceliklerle ve hangi yol haritasıyla yaygınlaştırılacağı, İK'nın tek başına verebileceği bir karar değildir. Bu çerçeveyi kurumsal yapay zekâ stratejisi ve yol haritası üzerine yazımızda ele alıyoruz.

Yapay Zekâ İK'nın Yargısını Güçlendirmeli

İK'da yapay zekâ konusundaki temel ayrım şudur: yapay zekâ tekrar eden bilgi işlerini azaltmak ve analiz kapasitesini artırmak için güçlü bir araçtır, ancak kişi hakkında sonuç doğuran kararların sahibi değildir. Aday deneyimini iyileştirmek, çalışanın sorusuna daha hızlı yanıt vermek, geri bildirimi daha net yazmak veya bağlılık anketinden daha hızlı içgörü çıkarmak bu aracın doğru kullanımına örnektir.

İK profesyonelinin rolü; bağlamı değerlendirmek, çelişen beklentileri tartmak ve alınan kararın gerekçesini açıklayabilmektir. Yapay zekâ bu yargının yerine geçtiğinde süreç hızlanır ama adalet ve hesap verebilirlik zayıflar. Yargıyı güçlendirdiğinde ise İK profesyoneli daha iyi bilgiyle ve karara daha fazla zaman ayırarak çalışır.

Bu dengeyi kuran şey teknoloji seçimi değil, baştan çizilen sınırlardır: hangi verinin hangi araçla kullanılacağı, hangi kararın insanda kalacağı ve bir kişinin kendisi hakkındaki değerlendirmeye nasıl itiraz edebileceği. Bu sınırları net olan İK ekipleri yapay zekâdan hız kazanırken çalışanların ve adayların güvenini de korur.

Sıkça Sorulan Sorular

Yapay zekâ İK uzmanlarının yerini alır mı?

Yapay zekâ İK rollerinin bir bölümünü dönüştürür, ancak mesleğin yerini alması beklenmez. Tekrar eden idari ve metin tabanlı işlerin bir kısmı otomatikleşebilir; çalışan ilişkileri, zor konuşmalar, bağlama dayalı kararlar ve değişim yönetimi ise insan yargısı gerektirmeye devam eder.

Adaylar başvurularını yapay zekâyla hazırladığında İK nasıl yaklaşmalı?

Yapay zekâ kullanımını tespit etmeye çalışmak yerine değerlendirme yöntemini güncellemek daha etkilidir. Niyet mektubu gibi kolay üretilebilen metinlerin ağırlığını azaltıp yapılandırılmış mülakatlara, vaka çalışmalarına ve somut deneyim sorularına daha fazla yer vermek adayı tanımayı kolaylaştırır. Pozisyonda yapay zekâ kullanımı bekleniyorsa, adayın bu araçları ne kadar bilinçli kullandığı da değerlendirmenin parçası olabilir.

İşe alımda kullanılan bir yapay zekâ aracının yanlı olup olmadığı nasıl anlaşılır?

Tedarikçiden modelin hangi veriyle eğitildiğini, nasıl test edildiğini ve yanlılık denetimi sonuçlarını talep etmek ilk adımdır. Ardından kurumun kendi verisinde adayların aşama geçiş oranları farklı gruplar için düzenli olarak karşılaştırılmalıdır. Kararlarının gerekçesini açıklayamayan bir araç İK süreçleri için ciddi bir uyarı işaretidir.

Küçük İK ekipleri yapay zekâdan nasıl yararlanabilir?

Küçük ekipler için en hızlı kazanım, özel bir sistem kurmadan kurumsal lisanslı bir yapay zekâ asistanıyla metin işlerinden başlamaktır: iş ilanları, duyurular, eğitim taslakları ve toplantı özetleri gibi. Böylece ekip büyük bir yatırım yapmadan hem zaman kazanır hem de yapay zekâyla çalışma deneyimi edinir.

Kaynaklar

• Regulation (EU) 2024/1689 – Artificial Intelligence Act, EUR-Lex (Madde 4, Madde 5, Madde 14 ve Ek III)

• 6698 sayılı Kişisel Verilerin Korunması Kanunu, Mevzuat Bilgi Sistemi (Madde 11)

• Yapay zekâ ve üretken yapay zekâ alanındaki rehber ve tavsiyeler, Kişisel Verileri Koruma Kurumu

• Amazon scraps secret AI recruiting tool that showed bias against women, Reuters, 2018