Thoughtworks’ta Yetenek Kazanımı Başkanı, Yapay Zekâ ile İşe Alımı Veri Odaklı ve Öngörücü Bir Sürece Dönüştürmeyi Anlatıyor

Carla Catelan, Thoughtworks şirketinde Yetenek Kazanımından (Amerika Kıtası) Sorumlu Başkan ve deneyimli bir üst düzey yöneticidir. Günümüzde odak noktası, yetenek kazanımını insan merkezli tutarken, yapay zekâyı kullanarak veri odaklı ve öngörücü bir sürece dönüştürmektir. 

Carla ile bunu nasıl yaptığını öğrenmek için sohbet ettik. İşte söyledikleri.

Liderlik ve Yetenek Stratejisini Yeniden Şekillendirmek

Yetenek Kazanımı alanında, Amerika Kıtası genelinde yüksek performanslı işe alım organizasyonları kurma ve ölçeklendirme konusunda yirmi yılı aşkın deneyime sahip üst düzey bir yöneticiyim.

Kariyerim boyunca Thoughtworks, Cognizant ve Hewlett-Packard gibi küresel teknoloji ve danışmanlık şirketlerinde üst düzey liderlik görevleri üstlendim ve çok ülkeli, büyük Yetenek Kazanımı ekiplerine liderlik ettim. Kariyerimin daha önceki dönemlerinde ayrıca stratejik bir Yetenek İş Ortağı olarak görev yaptım; iş gücü planlaması, organizasyon tasarımı ve insan stratejisi konularında üst düzey yöneticilere ve yönetim ekiplerine danışmanlık verdim.

Büyük ölçekli çalışmak liderlik yolculuğumu şekillendirdi — 50'den fazla işe alım uzmanından oluşan ekipleri yönetmek, yılda 600 ila 2.000 işe alıma liderlik etmek ve işe alım verimliliği, aday deneyimi ve organizasyonel büyüme alanlarında sürekli olarak rekor sonuçlar elde etmek.

Temel Yetenek Kazanımı liderliğine ek olarak, işveren markası alanında stratejik programlar, çeşitlilik ve kapsayıcılık ile kampüs işe alımı programları kurup yönettim. Bunlar arasında kadınların ve engelli kişilerin işe alımını önemli ölçüde artıran ve birden fazla ülkede kariyerinin başındaki yetenek havuzlarını genişleten girişimler de yer alıyor.

Kurumsal görevlerimin yanı sıra, üniversiteler ve teknoloji şirketleri tarafından yazılım mühendisliği yeteneklerini büyük ölçekte değerlendirmek için kullanılan küresel bir rekabetçi programlama ve teknik değerlendirme platformu olan beecrowd'a bağımsız danışman olarak da hizmet veriyorum. Bu görevimde yetenek değerlendirme çerçeveleri, beceri değerlendirmesi ve teknik mükemmeliyet ile iş gücü stratejisinin kesişimi hakkında danışmanlık yapıyorum.

Son yıllarda çalışmalarım, yapay zekânın ve veri odaklı işe alımın karmaşık ve çok ülkeli ortamlarda liderliği, yetenek stratejisini ve yüksek performanslı organizasyonların tasarımını nasıl yeniden şekillendirdiğine giderek daha fazla odaklandı.

Yapay Zekâ Neden Yalnızca Teknolojiyi Değiştirmekle Kalmıyor?

Yapay zekâ ile birlikte, Yetenek Kazanımı lideri olarak rolüm, öncelikli olarak uygulamaya odaklanmaktan; kuruluşların yetenekleri çekme, değerlendirme ve yeteneklerle etkileşim kurma biçimlerini dönüştürmek için yapay zekâdan yararlanan stratejik yetenek sistemleri tasarlamaya evrildi. Bu değişim yalnızca teknolojik değil — liderlik sorumluluklarını, organizasyon tasarımını ve insanlar ile veriler arasındaki ilişkiyi yeniden şekillendiriyor.

Yetenek Kazanımı geleneksel olarak işlemsel bir alandır; ancak bu dönüşüm onu veri odaklı ve öngörücü hale getiriyor. Manuel taramaya ve geçmiş ortalamalara güvenmek yerine, artık başarı kalıplarını belirlemek ve adayları daha yüksek hassasiyetle önermek için büyük veri kümelerini analiz eden yapay zekâ tabanlı öğrenme aracılarını ve öngörücü modelleri uyguluyoruz.

Bu sistemler geçmiş verilerden öğrenerek tekrarlayan görevleri üstleniyor; böylece ekipler en iyi yaptıkları işe, yani ilişkiler kurmaya ve stratejik kararlar almaya geri dönebiliyor.

Sonuç olarak, yapay zekâ öncelikli bir çağda liderlik, karar mimarileri tasarlamakla ilgilidir: insanların, verilerin ve yapay zekânın daha iyi sonuçlar üretmek için iş birliği yaptığı sistemler oluşturmak. Bu, etik yönetişim, net ölçütler ve kuruluşların ihtiyaçları öngörmesine, seçim sürecindeki önyargıyı azaltmasına ve iş gücü yetkinliğini uzun vadeli stratejik hedeflerle uyumlu hâle getirmesine olanak tanıyan entegre geri bildirim döngüleri oluşturmak anlamına gelir.

Yapay Zekâ İK İş Akışlarını ve Karar Alma Süreçlerini Nasıl Dönüştürüyor?

Bir iş akışını yapay zekâ ile her yenilediğimizde net bir ilke doğrultusunda hareket ediyoruz: Yapay zekâ manuel çabayı ortadan kaldırır, nicel sinyalleri yapılandırır ve içgörüleri ortaya çıkarır; insanlar ise niteliksel değerlendirmeden ve nihai kararlardan sorumlu olmaya devam eder.

Gerçekleştirdiğimiz bazı yenileme çalışmalarına birkaç örnek:

1. Anket analizi ve organizasyonel geri bildirim döngüleri

Yapay zekânın en etkili uygulamalarından biri, büyük miktarlardaki anket verilerini analiz etmek oldu. Birden fazla özelleştirilmiş Gemini modeli kullanarak, ekipler ve bölgeler genelindeki yinelenen temaları, duygu kalıplarını ve ortaya çıkan riskleri belirlemek için açık uçlu anket yanıtlarını işliyoruz.

Manuel etiketlemeye veya anekdot niteliğindeki yorumlara güvenmek yerine yapay zekâ, geri bildirimleri büyük ölçekte parametrelendirmemize ve nitel girdileri, müdahalelerin en çok nerede gerekli olduğunu belirleyen yapılandırılmış sinyallere dönüştürmemize olanak tanıyor. Bu, kurumsal iyileştirme planlamasının hızını, tutarlılığını ve nesnelliğini önemli ölçüde artırdı.

2. İç iş akışları ve manuel süreçlerin ortadan kaldırılması

Ayrıca manuel ve tekrarlayan işleri azaltmak için yapay zekâyı iç iş akışlarına uyguladık. Yapay zekâ, talepleri önceliklendiriyor, biçimlendirilmemiş girdileri yapılandırıyor ve kurum içi süreçlerde karar hazırlığını destekliyor.

Bu, operasyonel yükü anlamlı ölçüde azalttı ve ekiplerin idari işleri yürütmek yerine stratejik problem çözme, paydaşlarla etkileşim ve sürekli iyileştirme gibi daha yüksek değer taşıyan çalışmalara odaklanmasını sağladı.

3. Performans ve değerlendirme süreçleri

Kurum içi değerlendirme ve performans süreçlerinde yapay zekâ, analizin nicel boyutunu ele almada kritik bir rol oynuyor. Yapay zekâ, yapılandırılmış veri noktalarını zaman içinde arıyor, bir araya getiriyor ve çapraz referanslıyor; böylece değerlendirmelerin güncel olaylara veya münferit durumlara değil, uzun dönemli kanıtlara dayanmasını sağlıyor.

Bu, yöneticilerin veri toplamaya değil; değerlendirmelerin nitel boyutlarına — muhakeme, bağlam, gelişim görüşmeleri ve gelecekteki potansiyele — odaklanmasını sağlıyor. Sonuç olarak değerlendirmelerimiz daha disiplinli, adil ve kanıta dayalı hale geldi.

4. Bilgi paylaşımı ve uyum

Süreçleri, kararları ve tekrarlanan temaları belgelemek için NotebookLM'yi ortak bir bilgi katmanı olarak kullanıyor, kurumsal bilgiye hızlı ve güvenli erişim sağlıyoruz. Uygun olduğu durumlarda bu sistemde yakalanan bilgileri şeffaf biçimde paylaşıyoruz. Bu da uyumu iyileştiriyor, yanlış yorumlamaları azaltıyor ve ekipler arasında ortak bir olgusal temel oluşturuyor.

5. Strateji, karar alma ve organizasyon tasarımı

Stratejik düzeyde yapay zekâ, belirsizlik, öncelikler ve ödünleşimler hakkında nasıl düşündüğümüzü destekliyor. Yapay zekâ kararları dikte etmek yerine, özellikle rol tasarımı, organizasyonel etkinlik ve değişim girişimleri gibi alanlarda örüntüleri ortaya çıkarmamıza, belirsizliği nicel olarak ifade etmemize ve varsayımları test etmemize yardımcı oluyor.

Öngörücü analitik işe alım kararlarının kalitesini nasıl iyileştirir?

Yetenek Edinimi alanında döngü süremiz zaten istikrarlı biçimde güçlüydü ve 30 ila 35 gün aralığındaydı; dolayısıyla bizim için konu hızı düzeltmek değildi. Asıl değişim, süreç hızından ziyade aday havuzunun kalitesini yeniden tasarlamaya karar verdiğimizde yaşandı.

İlk olarak Yetenek Edinimi ekibini öngörücü analiz ve beceri temelli iş gücü segmentasyonu konusunda eğittik. Hacmi optimize etmek yerine, belirli roller, pazarlar ve ekiplerde hangi profillerin başarılı olma olasılığının en yüksek olduğunu öngörecek şekilde aday kabul ve tarama modellerimizi yeniden tasarladık. Bu, sürecin her aşamasına giren adayların sayısını bilinçli olarak azaltmamıza olanak tanıdı.

Pratikte, geçmiş işe alım sonuçlarını, performans verilerini ve pazar sinyallerini birleştiren öngörücü gösterge panoları oluşturduk. İşe alım uzmanları daha sonra bu modelleri yalnızca yüksek olasılıklı becerilere odaklanmak için kullandı ve kaliteden hacim yoluyla kaliteye kesinlik yoluyla geçiş yaptı.

Ancak yine de yapay zekâ insan muhakemesinin yerini almamalı, onu keskinleştirmeli. Görüşmelerde, kalibrasyon görüşmelerinde ve nihai kararlarda yoğun insan etkileşimini bilinçli olarak koruduk. Bu birleşim, daha iyi bir aday deneyimi, daha özenli değerlendirmeler ve daha adil, daha tutarlı kararlar sunmamızı sağladı.

İş tasarımı, yapay zekâ destekli işe alım sonuçlarını nasıl etkiler?

Öngörücü modellerle çalışmadan önce, belirsiz, tutarsız veya abartılı iş tanımlarının işe alım sonuçlarını ve yapay zekâ sistemlerinin öğrenme davranışını ne ölçüde çarpıtabileceğini hafife alıyordum. Yapay zekâ ile iş tasarımı ve iş tanımının kalitesi, sonraki her kararı belirliyor.

Aslında geçmişe dönük işe alım verilerimiz üzerinde öngörücü analizler yürütmek net bir örüntüyü ortaya çıkardı. Rol tanımlarındaki değişkenlik, aday kalitesinin düşük olmasından bile daha fazla olmak üzere, daha kötü sonuçlara yol açıyordu. Başka bir deyişle, becerileri yetersiz tanımlanmış, gerçekçi olmayan gerekliliklere veya tutarsız kıdem sinyallerine sahip roller; aday havuzunun gücünden bağımsız olarak sürekli biçimde daha düşük dönüşüm, son aşamalarda daha yüksek ret oranı ve başlangıç performansında zayıflık üretiyordu.

Bu, stratejimizi temelden değiştirdi. İş tanımlarını statik girdiler olarak ele almak yerine onları öngörücü araçlar olarak yeniden tasarladık. Başarıyla ilişkili gereklilikleri yalnızca gürültüyü ve belirsizliği artıranlardan ayırmak için geçmiş sonuç verilerini kullandık. Zaman içinde bu yaklaşım, rol tanımlarını sadeleştirmemize, öngörücü olmayan gereklilikleri kaldırmamıza ve işe alımı, yüksek sinyal taşıyan daha küçük bir beceri grubuna odaklamamıza olanak tanıdı.

AI Benimsenmesi Neden Pilot Uygulamalarla Sınırlı Kalmayıp Kurumsallaştırılmalı?

AI'nin vaatleri ile kurumsal gerçeklik arasında sürekli gördüğüm en büyük kopukluk teknolojik değil, kurumsal ve insani bir kopukluktur. Çoğu şirket AI araçlarına büyük yatırımlar yapar ve iyileşmeler bekler. Ancak liderlik genelinde aynı teşvikleri, aynı hiyerarşik yapıları ve aynı düşük veri okuryazarlığını korurlar.

Sonuç olarak AI ya yeterince kullanılmaz ya da yanlış kullanılır: güçlü modeller güvenilmeyen, anlaşılmayan veya eyleme dönüştürülmeyen içgörüler üretir.

Bu kopukluğu, AI benimsenmesini bir dizi pilot uygulama olarak ele almak yerine kurumsallaştırarak giderdik. Yetenek Kazanımı alanında AI destekli karar tasarımına odaklanan, işlevler arası özel bir çalışma grubu kurduk.

Çalışma grubu, açık ve iş düzeyinde hedeflerle faaliyet gösterir. İki temel amacı; öngörücü segmentasyon ve kararların yeniden tasarlanması yoluyla işe alım hunisinin tamamındaki dönüşüm oranlarını %50 artırmak ve süreçte düşük olasılıklı adayları daha erken aşamalarda eleyerek mülakat saatlerini ek olarak %30 azaltmaktır. Bu hedefler, kuruluşu denemelere değil, sistem düzeyinde sürdürülebilir performans kazanımlarına odaklanmaya zorlar.

Grup, ölçümlerin ötesinde, otomasyonu uygulamaya koymadan önce karar iş akışlarını yeniden tasarlamaktan sorumludur. Kritik işe alım kararlarının nerede alındığını, bu kararların sahibinin kim olduğunu, hangi verilerin gerektiğini ve insan yargısının nerede merkezi kalması gerektiğini haritalandırırız. Karar mimarisi netleştikten sonra AI'yı, bozuk süreçlerin üzerine araçlar eklemek yerine belirli adımları desteklemek için devreye alırız.

Ayrıca yönetişimi tasarım gereği sürece yerleştiririz. Buna insan müdahalesi, önyargı ve sapma izleme, model sonuçlarıyla ilgili açık hesap verebilirlik ve yüksek etkili kullanım alanlarının etik açıdan incelenmesi dahildir. Bunlar olmadan AI, iyi ve kötü kararları aynı anda ölçeklendirme eğilimindedir.

İK ve Yetenek Kazanımında AI'ye Hazır Olmak Ne Anlama Gelir?

AI'yı bir araçlar bütünü olmaktan çok karar alma zihniyeti olarak ele alıyoruz. Kuruluşumuzda AI'ye hazır olmak, sürekli olarak daha iyi sorular sormak anlamına gelir: hangi sinyaller önemli, belirsizlik nerede mevcut ve veriler insan yargısını nasıl bilgilendirebilir?

AI okuryazarlığı resmî eğitimler yoluyla değil, günlük çalışmaların içinde geliştirilir. Ekipler; anketler, değerlendirmeler ve operasyonel iş akışları genelinde örüntüleri ortaya çıkarmak, varsayımları test etmek ve kararları yapılandırmak için AI kullanarak öğrenir.

Uygulamada bu, kararları nasıl aldığımızda kendini gösterir: kanıta dayalı tartışmaların artması, varsayımların daha net ifade edilmesi, daha iyi dokümantasyon ve belirsizlikle çalışmak için ortak bir dil. AI kararları yönlendirmez; karar vermeden önce nasıl düşündüğümüzü şekillendirir.

Carla'nın Üç Katmanlı Araç Seti

AI destekli uygulama için çeşitli araç kategorileri kullanıyoruz. Dil anlama, iş tasarımı ve yapılandırılmış bilgi desteği için Gemini, kurum içi bir AI Aracısı ve süreçleri belgelemek ve kurumsal bilgiye hızlı ve kontrollü erişim sağlamak üzere güvenli bir kurum içi bilgi katmanı görevi gören NotebookLM'i kullanıyoruz.

Mülakat zekâsı için yapılandırılmış mülakat sinyallerini yakalamak ve kalibrasyon ile geri bildirim kalitesini iyileştirmek amacıyla BrightHire kullanıyoruz.

Temel işe alım platformumuzda Greenhouse AI'ı öncelikle değerlendirme kartlarının özetlenmesi ve mülakat geri bildirimlerinin yapılandırılmış biçimde sentezlenmesi için kullanıyor, seçim kararları üzerindeki tam insan kontrolünü her zaman koruyoruz.

NotebookLM ve ChatGPT Neden Vazgeçilmez Bir Bilişsel Altyapıdır?

Bugün özellikle iki araç ilgimi çekiyor: NotebookLM ve ChatGPT. Bunları çok farklı bağlamlarda kullanıyorum.

ChatGPT'yi yalnızca kişisel amaçlarla, kurumsal ortamımın dışında kullanıyorum. Birincil kişisel düşünme ve öğrenme aracım hâline geldi. Yapılandırılmış öğrenme ve yazmadan fikirleri keşfetmeye, planlama yapmaya ve düşüncelerimi değerlendirmeye kadar her şey için kullanıyorum.

Platformun kendisi, en üst düzey kullanıcıları arasında olduğumu gösteriyor; bu da ne kadar derin biçimde kişisel bilişsel iş akışımın bir parçası hâline geldiğini yansıtıyor. En önemli etkisi, öğrenmemi hızlandırması, düşüncelerimi daha net hâle getirmesi ve karmaşık konular hakkında daha titiz bir şekilde akıl yürütmeme yardımcı olması oldu.

Profesyonel bağlamımda en çok NotebookLM'e yatırım yapıyorum. Bire bir toplantılarımı belgelemek ve yapılandırmak, tekrarlanan temaları takip etmek ve zaman içinde bireysel gelişim ile performansa ilişkin tutarlı, kanıta dayalı bir bakış açısını korumak için onu kapsamlı biçimde kullanıyorum.

Bu notları ve özetleri görüştüğüm kişilerle şeffaf biçimde paylaşıyorum; bu da uygulamayı özellikle güçlü kılıyor. Beklentiler, geri bildirimler ve taahhütler için tek ve uyumlu bir kayıt oluşturuyor ve performans değerlendirmesinde güveni, adaleti ve tutarlılığı önemli ölçüde iyileştiriyor. Her iki tarafın da anılara veya öznel yorumlara dayanmak yerine aynı olgusal temelden hareket etmesini sağlıyor.

Bu durum, performans yönetimine çok daha disiplinli ve adil bir yaklaşım getirdi: gelişim faaliyetlerinin daha iyi takip edilmesi, daha az yanlış anlaşılma ve yöneticiler ile ekip üyeleri arasında daha yüksek uyum.

Bu araçlar hakkında en çok değer verdiğim şey, otomasyon araçları değil, bilişsel altyapı olmaları. Bu şekilde kullanıldıklarında, muhakemenin yerini almazlar — muhakemenin nasıl uygulandığının kalitesini, adilliğini ve şeffaflığını artırırlar.

Yetenek Kazanımı Önümüzdeki Beş Yılda Nasıl Değişecek?

Yetenek Kazanımı artık öncelikli olarak hız veya hacim üzerinden ölçülmeyi bırakacak ve karar kalitesinden sorumlu bir işlev hâline gelecek. Önümüzdeki beş yıl içinde bu rol, işe alım süreçlerini yürütmekten, kuruluşların belirsizlik altında yetenek kararlarını nasıl alacağını tasarlamaya ve yönetmeye doğru evrilecek.

Yapay zekâ, iş tasarımından pazar eşleştirmesine kadar ölçek, örüntü tanıma ve sinyal çıkarma işlerini giderek daha fazla üstlenirken, Yetenek ekipleri seçim süreçlerini tasarlama ve yürütme konusunda çok daha kesin ve amaçlı hâle gelecek. Rekabet avantajı; daha net rol tanımından, huninin tamamında daha yüksek sinyal kalitesinden ve daha tutarlı, kanıta dayalı seçim kararlarından gelecek.

Sektör düzeyinde, belirgin bir ayrışma göreceğimize inanıyorum: Yapay zekâyı çalışma modellerine yerleşmiş bir zihniyet olarak ele alan kuruluşlar, onu bir araçlar bütünü olarak gören kuruluşlardan temelden daha iyi performans gösterecek. Bu işlevin geleceği, yalnızca daha hızlı süreçler değil, daha iyi kararlar tasarlayan ekiplerin elinde.

Liderler İK'da Yapay Zekâyı Nasıl Bilinçli Bir Şekilde Benimseyebilir?

Benimki gibi rollerde çalışan kişilere tavsiyem, yapay zekâyı isteğe bağlı bir eklenti olarak görmekten vazgeçip onu işlerin nasıl yürütüldüğünün çalışma biçiminin bir parçası olarak ele almaya başlamalarıdır. Bu, temel bir adım olarak yapay zekâyla idari süreçlerdeki sürtüşmeyi ortadan kaldırmaya odaklanmak anlamına gelir. Bu noktada yapay zekâya direnmek bir çelişkidir: Artık mesele onu kullanıp kullanmamak değil, günlük kararlara ve iş akışlarına onu ne kadar bilinçli ve sorumlu bir şekilde yerleştirdiğimizdir.

Aynı zamanda, insan unsuru olarak nelerin kalması gerektiği konusunda açık olmalıyız. Yapay zekâ, ölçeği yönetme, bilgiyi yapılandırma ve gürültüyü azaltma konusunda son derece etkilidir. İyi kullanıldığında, insanların önemli olan şeylere daha az değil, daha fazla odaklanmasını sağlar: muhakeme, ilişkiler, etik, yaratıcılık ve anlamlı diyalog.

Daha geniş bir açıdan bakıldığında, liderlere tavsiyem yapay zekâyı öncelikleri netleştiren bir güç olarak görmeleridir. Başarılı kuruluşlar, teknolojinin insanlardan daha iyi yaptığı işleri ortadan kaldırmak için yapay zekâyı kullanır ve bu zaman ile dikkati daha yüksek kaliteli insani etkileşimlere bilinçli olarak yeniden yatırır.

Yapay zekâ, liderliği zayıflatmak yerine daha düşünceli, odaklı ve insani bir liderliğin ortaya çıkması için gerekli koşulları yaratır.

Takipte Kalın

Carla'nın yetenek kazanımını dönüştürme çalışmalarını LinkedIn üzerinden takip edebilirsiniz.

People Managing People'da daha fazla uzman röportajı sizlerle olacak!