Key Takeaways
İş Akışı İçgörüsü: Geleneksel işe alım yöntemleri, adayların çok küçük bir yüzdesini taramayı tercih ederek çoğu adayı değerlendirme dışında bırakır.
Yapay Zekâ Zorluğu: Yapay zekâ araçları verimliliği artırır, ancak işe alım sırasında adayların gerçek performansını etkili biçimde değerlendiremez.
Başvuru Maliyeti: İşlere başvurmanın kolaylaşması, başvuru hacminin artmasına ve filtreleme sürecinin karmaşıklaşmasına yol açtı.
Sinyal Aşınması: Yaygın işe alım göstergeleri güvenilirliğini yitiriyor ve nitelikli adayları belirlemeyi zorlaştırıyor.
Beceri Odaklılık: Önce beceriler yaklaşımını benimsemek işe alımı iyileştirebilir, ancak uygulama hâlâ önemli bir zorluk oluşturuyor.
Yıllardır çoğu işe alım ekibindeki iş akışı aynı adımları izliyor. İlanı yayınla, en iyi başvuruları incele, en güçlü adayları değerlendir, en iyi seçimleri işe alım yöneticisine gönder.
Sistem, uzun yıllar boyunca işletme için en iyi yetenekleri bulma yöntemi olarak işe yaradı.
HRUTech.com CEO'su ve The Talent Fix: Harika Yetenekleri İşe Almak İçin Bir Liderin Rehberi kitabının yazarı Tim Sackett'in bu ayın başlarında Transform'da ortaya koyduğu gibi sorun, bunun büyük ölçüde bir kurgu olmasıdır.
Bir iş ilanı 250 ila 300 başvuru aldığında (birçoğu çok daha fazlasını alır), tipik bir işe alım uzmanı 25, belki 30 başvuruyu inceler. Bu, başvuru havuzunun yalnızca %2-3'ünün herhangi bir değerlendirmeye tabi tutulduğu anlamına gelir. Geri kalanlar ortadan kaybolur.
"İşe alım yöneticilerimize, piyasadaki en iyi yetenekleri bulmak için burada olduğumuzu söylüyoruz," dedi. "Oysa gerçekte, başvuranlarınızın yalnızca küçük bir bölümü sürece dahil oluyor."
İşe alım ekiplerinin vaat ettikleriyle gerçekte yapabildikleri arasındaki bu boşluk onlarca yıldır varlığını sürdürüyor. Bunu AI yaratmadı. Ancak AI, bu boşluğu kapatmayı zaman zaman önemli ölçüde zorlaştırdı ve kuruluşların kullanıma sunmak için yarıştığı araçlar tam olarak yanlış şeyleri ölçüyor olabilir.
Ölçüm Sorunu Teknolojiden Önce de Vardı
Leanne Markus, Centranum Group'ta Genel Müdür olarak görev yapan ve kuruluşlarla yetkinlik çerçeveleri ile yetkinlik temelli değerlendirme konularında çalışan bir örgütsel psikologdur. Markus, çoğu işe alım sürecinin bir arada değerlendirdiği unsurlar arasında bir ayrım yapıyor. Bu, nitelikler, bilgi ve yetkinlik arasındaki farktır.
Nitelikler — eğitim, sertifikalar, öğretim — hazırlık ve potansiyele işaret eder. Bilgi testleri anlayışa işaret edebilir. Ancak hiçbiri gerçek bir çalışma ortamında performans gösterme becerisini güvenilir biçimde kanıtlamaz.
"Psikoloji alanındaki onlarca yıllık araştırma, işe özgü bilginin ve bu bilgiyi bağlam içinde uygun şekilde uygulama becerisinin iş performansının en önemli tek belirleyicisi olduğunu gösteriyor," diyor Markus.
Özgeçmiş, tasarımı gereği ilk kategoriyi ölçer ve ikinci kategoriye bir ölçüde değinir. Üçüncü kategoriyi ise hiçbir zaman ölçmemiştir.
Kuruluşlar geçmişte bu ödünleşimi kabul etti, çünkü özgeçmiş en azından pratik bir eleme aracıydı — yüzlerce başvurudan yönetilebilir bir görüşmeye geçmenin bir yoluydu ve daha iyi sinyalin mülakatta ortaya çıkacağı varsayılıyordu.
Bu varsayım artık her iki uçta da çökmeye başlıyor.
Have an account? Log In
AI Neyi Değerlendiriyor?
AI işe alım hunisine girdiğinde, savunucuları bunu genellikle hacim sorununa bir çözüm olarak sunar. Daha fazla adayın daha hızlı ve ilk aşamalarda daha az insan önyargısıyla incelenmesi. Değiştirmediği şey ise veriye dayalı işe alım süreçleriyle neyin ölçüldüğüdür.
"AI değerlendirmeyi daha verimli hale getiriyor, ancak neyin ölçüldüğünü değiştirmiyor," diyor Markus. "AI destekli mülakatlar da dahil olmak üzere çoğu değerlendirme yaklaşımı, yanıtlara dayanır. Bunların tümü kişinin kendi bildirdiği bilgilerdir. AI işlemleri hızlandırabilir, ancak esasen bir adayın işi ne kadar iyi tanımlayabildiğini değerlendirir; işi gerçekten başarıyla yapıp yapamayacağını değil.
Bu durum ilk bakışta göründüğünden daha önemli, çünkü çoğu AI işe alım aracının temelindeki eğitim verileri sorunu büyütüyor. Bu sistemler, başvuru girdileri ve işe alım kararları ile performans değerlendirmeleri arasındaki ilişkilendirmeler yoluyla öğrenir. Ancak resmî performans değerlendirmeleri, iş başındaki gerçek performansla çok az ilişkilidir. AI, zaten güvenilir olmayan bir sinyali yeniden üretmeyi öğreniyor.
Sonuç, işi ikna edici bir şekilde tanımlayabilen adayları ödüllendiren bir sistemdir; bu da 2026'da işi ikna edici bir şekilde tanımlamak için AI kullanabilen adaylar anlamına gelir.
"AI tutarlı olan kalıpları güçlendirebilir," diyor Markus. "Ancak bu, onların geçerli olduğu anlamına gelmez. Kara kutu ortamında çeşitli faktörlerin nasıl ağırlıklandırıldığı açık değildir."
Görünen o ki hacim sorunu, çözülmesi gereken yanlış sorun olabilir.
Yapay zekâ, kuruluşların gelen başvuru sahiplerinin çok daha büyük hacimlerini işleyebilmesini sağlayarak bu sorunu büyüttü. Ancak kısıt hacim değil — erişimdir.
Başvuru Yapmanın Maliyeti Sıfıra İndi
Aday tarafında yaşananların boyutu, işe alım operasyonlarının çoğu tarafından hâlâ tam olarak kavranmış değil. Alex AI CEO'su Aaron Wang, Transform etkinliğinde yapısal noktayı açıkça ifade etti: Bir işe başvurmanın piyasa maliyeti neredeyse sıfıra indi.
Herhangi bir büyük yapay zekâ aracına erişimi olan bir aday, bir gecede yüzlerce işe başvurabilir; her başvuru da ilgili iş tanımına, işe alım yöneticisinin geçmişine ve işverenin beyan ettiği değerlere göre özelleştirilebilir.
Aynı araçlar, adayları karşı tarafta karşılaştıkları her türlü eleme formatına, buna yapay zekâ destekli mülakatlar da dahil olmak üzere, hazırlayabilir. Bir zamanlar çabayı ölçerek eleme yapan süreç, artık neredeyse tamamen hacme göre eleme yapıyor.
Wang bunu, hiçbir tarafın geri adım atamayacağı bir tırmanış olarak çerçeveledi. Aday yapay zekâ ajanlarının işverenlerin karşı taraftaki yapay zekâ sistemleriyle buluşarak işleri özerk biçimde müzakere ettiği ve başvurduğu yakın gelecek senaryosunu anlattı.
"Bu gelecek yalnızca mümkün değil, aynı zamanda olası da olabilir," dedi. Böyle bir sistemin gerçekte neyi ölçüyor olacağı ise açık bir soru.
Şimdilik pratik sonuç, başvurunun bir sinyal olarak daha da güvenilmez hâle gelmesi. Bir pozisyona en uygun adaylar, özellikle de özgeçmiş ATS'yi aşacak şekilde optimize edilmişse, kâğıt üzerinde en iyi görünen kişiler olmayabilir.
Sergilenen Sinyaller
Güvenilir sinyalin aşınması başvurularla sınırlı değil. FirstUp'ın İnsan ve Kültür Direktörü Sabra Sciolaro, kuruluşların içinde yaşanan ve işe alım sinyallerinin nasıl anlaşılması gerektiği açısından doğrudan sonuçları olan paralel bir bozulmaya dikkat çekiyor.
FirstUp'ın yakın zamanda 3.000'den fazla ABD'li ve Kanadalı çalışanla gerçekleştirdiği bir araştırmada, farklı rollerdeki çalışanların %75-89'u işine bağlı olduğunu bildirdi. Aynı çalışanların %40-46'sı ise bu yıl aktif olarak işlerinden ayrılmayı düşündüğünü söyledi.
Bir mülakattaki heves gibi bağlılık da sergilenebilen bir sinyaldir. Sonuçları öngörmez.
Şirketlerin güvendiği sinyallerin çoğu sergilenmesi kolay olan, ancak çalışanı elde tutma veya performans gibi sonuçları öngörmeyen sinyallerdir. Gerçek performansla daha yakından ilişkili sinyaller, insanların karmaşık bilgileri nasıl işlediğini ve öncelikler değiştiğinde ne kadar hızlı uyum sağladığını kapsar — bunlar tek bir yapay zekâ destekli etkileşimde değil, zaman içinde ve bağlam içinde ortaya çıkan özelliklerdir.
Bu çerçeve, sürecin önceki aşamaları için de geçerli. Birini güçlü bir çalışan yapan özellikler, büyük ölçüde adayı değerli kılan özelliklerle aynıdır ve ne özgeçmiş ne de yapılandırılmış bir yapay zekâ elemesi bu özellikleri ortaya çıkarmak üzere iyi tasarlanmıştır.
More Articles
- Sinyal Raporu: Transform 2026’dan Çıkarılan Dersler
- Thoughtworks’ta Yetenek Kazanımı Başkanı, Yapay Zekâ ile İşe Alımı Veri Odaklı ve Öngörücü Bir Sürece Dönüştürmeyi Anlatıyor
- Yapay zekâ tek boynuzlu şirketindeki İnsan ve Organizasyon Başkan Yardımcısı, İK liderlerinin insan-makine iş gücünün mimarları olması gerektiğini söylüyor
- Özgeçmiş Taramasında Yapay Zekâ: Tutarlılığı, Ölçeği ve İnceleme Kalitesini Geliştirme
- Eski Faang İK Yöneticisi, İnsan Odaklı Uygun Güvenceler Olmadan İşe Alımda Yapay Zekâ Kullanılmaması Konusunda Uyarıyor
Uygulayıcıların Bunun Yerine Yaptıkları
Lock Search Group Genel Müdürü Ben Lamarche, gerçek sinyali sürecin hangi aşamasında yakalamaya çalıştığını değiştirdi. Samimi bir sohbet başlatmak için planlanmış bir mülakatın başlamasını beklemek yerine, bu etkileşimi adayla ilk temas gününe çekiyor.
Bir görüşme planlandıktan sonra sürece gerçek anlamda iletişim dâhil olurdu. Artık bu çoğu zaman ilk gün gerçekleşiyor. Amaç, belge inceleme aşamasından çıkıp daha erken bir zamanda gerçek etkileşime geçmek; çünkü bu noktada özenle hazırlanmış bir metne güvenmek çok daha zor.
Başvuruları incelediğinde, yöntemi özgeçmişlerin belirtilen başarılardaki boşluklarda ortaya koyduğu şeylere odaklanacak şekilde değişti.
Başlıkların Ötesine Geçin
Öne çıkan başarıları hızlıca geçiyor, arada neler olduğuna dikkat ediyorum. Adayın daha yavaş geçen dönemleri nasıl yönettiğini, işler kendi lehine ilerlemediğinde gelişmeye devam edip etmediğini ve süreç boyunca aldığı kararları nasıl anlattığını görmek istiyorum.
Yapay zekâ, bir adayın güçlü bir madde yazmasına yardımcı olabilir. Ancak baskı altındaki belirli bir deneyimin kendine özgü dokusunu kolayca taklit edemez.
"Belirli sorular sormaya başladığımda," diyor Lamarche, "bunun gerçek mi yoksa prova edilmiş mi olduğunu oldukça hızlı bir şekilde anlıyorum."
Ayrıca yapay zekâ destekli taramanın büyük ölçekte yarattığı bir çarpıklığa da dikkat çekiyor: Sunumlarını iyileştirmek için yapay zekâ kullanan adaylar, gösterişli göründükleri için ilk aşamalardan tam da bu nedenle ilerleyebilirken, daha sessiz ve daha yetkin adaylar, muhakeme sahibi herhangi biri onları görmeden elenebiliyor.
Sinyal sorunu yalnızca gürültüden ibaret değil; belirli sunum tarzlarını özün önüne sistematik olarak geçiren bir gürültü söz konusu.
Markus, performansı öngörmekten performansa dair kanıt talep etmeye geçiş olarak tanımladığı daha yapılandırılmış bir alternatif sunuyor.
Müşterileriyle kullandığı süreç; nitelikler ve mevzuat gereklilikleri üzerinden temel elemeden, işe özgü bilgi testine; ardından doğrulanmış iş örnekleri ve görev geçmişi aracılığıyla geçmişte uygulanmış yetkinliğe dair yapılandırılmış kanıtlara, sonra bu kanıtı doğrulayan hedefli sorulara ve son olarak işe alıştırma ile deneme süresinde rol içi doğrulamaya ilerliyor.
Son aşama, çoğu kuruluşun düşündüğünden daha önemli. Amaç yetkinliği gerçek bağlamında doğrulamaksa deneme süresi bir formaliteden fazlasıdır; mevcut en güvenilir değerlendirme aşamasıdır ve çoğu şirket artık onu bu amaçla kullanmayı bıraktı.
Beceriler Öncelikli Yaklaşımın Sonuçları
Beceriler öncelikli işe alım hareketi, kısmen gerçek bir soruna çözüm getirdiği için son birkaç yılda kuruluşların gündeminde önemli bir yer edindi: diplomalar ve geçmiş, bir kişinin gerçekte neler yapabileceği konusunda zayıf göstergelerdir. Lamarche ve Markus, her ikisi de yönün doğru olduğunu kabul ediyor.
"Şirketleri, varsayılan olarak diploma veya geçmişe yönelmek yerine rolün gerçekte ne gerektirdiği konusunda daha net düşünmeye zorluyor," diyor Lamarche. "Bu olumlu bir değişim."
Sorun uygulama aşamasında ortaya çıkıyor.
Pek çok uygulama hâlâ oldukça genel beceri sınıflandırmalarına ve becerilerin kişinin kendisi tarafından beyan edilmesine dayanıyor. Beceriler öncelikli işe alım, belirli rol sorumlulukları, bunları yerine getirmek için gereken yetkinlikler ve bunları gerçek görevler düzeyinde doğrulama yöntemi arasında net bir bağlantı olmadıkça yardımcı olmaz. Çoğu kuruluş bu bağlantıyı kurmadı. Bir dizi zayıf göstergeyi başka bir dizi zayıf göstergeyle değiştirdiler ve buna ilerleme adını verdiler.
Hacim sorununun kolay bir yanıtı yok. Binlerce aday, simülasyonlar veya iş başında denemeler yoluyla gerçekçi bir şekilde kısa listeye alınamaz. Önce başvuru havuzunu filtreleyecek bir şey gerekiyor ve şu anda bu, ya başvuruların küçük bir yüzdesine bakan insan değerlendiriciler ya da dil kalıplarını değerlendiren yapay zekâ araçları. Bunların hiçbiri işe alımın gerçekte ölçmesi gereken şeyi ölçmüyor.
Yüksek sinyalli değerlendirmeyi daha erken bir aşamaya taşımak, role özgü değerlendirme çerçeveleri oluşturmak ve belge inceleme aşamasını olduğu gibi düşük sinyalli bir adım olarak ele almak — bunların hiçbiri teknik açıdan zor değil.
Bu, bir iş ilanı yayınlayıp sonuçları bir ATS'nin sıralamasına izin vermekten sadece daha yavaş ve daha özenli ilerleyen bir süreçtir. İşe alım verimliliği için hızın varsayılan ölçüt haline geldiği bir ortamda, özenli ilerlemek kolayca kabul gören bir yaklaşım değildir. Ayrıca şu anda, işe aldığınız kişinin işi gerçekten yapıp yapamayacağını öğrenmenin tek yoludur.
