Kısaca
Yapay zekâ destekli aday eşleştirme, veritabanınızda zaten bulunan kişileri anahtar kelimelerden ziyade anlam temelinde bir role göre sıralama sürecidir. Spott, arama kriterlerini ön görüşme notlarınızdan oluşturur, her aday kaydını tarar ve her sonuç için yazılı bir gerekçeyle birlikte sıralanmış bir kısa liste sunar.
Spott, özgeçmişten daha fazlasını okur. Mülakat notları, görüşme özetleri, toplantı dökümleri, e-postalar, içe aktarılan profiller ve manuel notların tümü aynı dizine beslenir.
Adaylar puanlarına göre sıralanır ve bir puan kartına göre kriter bazında, çok güçlüden zayıfa kadar derecelendirilir.
Her sonuç, olumsuz noktalar da dâhil olmak üzere sade bir dille açıklanır. Bir kişi gereğinden fazla nitelikliyse bu da belirtilir.
Anahtar kelime ve Boolean araması hâlâ mevcut. Eşleştirme, aramanın yerine geçen bir yöntem değil, alternatifidir.
Kararı yine işe alım uzmanı verir. Eşleştirme, incelenmeye değer uzun bir liste oluşturur; işe alım kararı vermez.
"Yapay zekâ destekli eşleştirme" neden tanımlanmalı?
Piyasadaki neredeyse her işe alım platformu artık yapay zekâ destekli eşleştirme sunduğunu söylüyor. Ancak bunların çok azı bu ifadeyle aynı şeyi kastediyor; önemli bir kısmı ise "anahtar kelime aramıza bir eş anlamlılar listesi ekledik" demekle yetiniyor.
Önemli olan ayrım, sistemin neyi aradığıdır. Geleneksel işe alım veritabanları ilişkiseldir: satırlar, sütunlar, etiketler ve yazdığınız karakter dizisini arayan bir arama kutusu. Bir kayıtta "futbol koçu" yazıyorsa ve siz "football" diye arama yapıyorsanız hiçbir sonuç alamazsınız. Danışmanınız dört yıl önce birini "İş Geliştirme Müdürü" olarak etiketlediyse ve siz "Müşteri Yöneticisi" arıyorsanız da hiçbir sonuç alamazsınız; oysa bu kişi açıkça aradığınız kişidir.
Bu başarısızlığın iyi bilinen bir sonucu vardır. İşe alım uzmanları veritabanına güvenmeyi bırakır ve şirketin zaten tanıdığı kişileri yeniden bulmak için LinkedIn'e geri döner. Görüştüğümüz bir ajans yöneticisi durumu açıkça şöyle ifade etti: Bir arama geldiğinde araştırmacıların ilk başvurduğu yer, firmanın ücretini ödediği CRM değil, LinkedIn. Bunun tersine dönmüş bir durum olduğunu söyledi ve haklı.
Spott konuya farklı yaklaşır. Aday kayıtları vektörleştirilir; yani tam karakter dizisine göre değil, anlama göre dizine eklenir. İhtiyacınızı günlük cümlelerle açıklarsınız ve sistem tüm kayıt üzerinde akıl yürütür. Aşağıda anlatılan her şeyin temelindeki mekanizma budur.
1. Adım: Kriterler boş bir kutudan değil, ön görüşmeden oluşturulur
Eşleştirme, herhangi biri arama yapmadan önce başlar.
Bir işe alım yöneticisiyle ön görüşme yaptığınızda Spott'un not alma aracı toplantıya katılır, toplantıyı kaydeder ve yazıya döker; ardından firmanızın kullandığı şablon ne olursa olsun yapılandırılmış bir ön görüşme özeti oluşturur. Bu özet, işe ve müşteri iletişim kişisine otomatik olarak eklenir.
Daha sonra eşleştirme aracını açtığınızda Spott, iş tanımından ve bu ön görüşmeden elde ettiği arama kriterlerini sizin için önerir. Ekranda boş bir arama çubuğu değil, doğal dille yazılmış bir kriterler kümesi görürsünüz.
Bundan sonrası sizin kontrolünüzdedir. Herhangi bir kriteri yeniden yazabilir, sistemin atladığı kriterleri ekleyebilir, sonradan önemli olmadığı anlaşılan kriterleri silebilir ve ağırlıkları değiştirebilirsiniz; örneğin sektör deneyiminin kıdemden daha fazla önem taşımasını sağlayabilirsiniz. Çoğu demoda atlanan ve deneyimli işe alım uzmanlarının en çok önem verdiği kısım budur: arama, gizli bir komuttan değil, görebileceğiniz ve değiştirebileceğiniz, kaynağı belli kriterlerden oluşturulur.

Want to learn more about Spott ATS?
2. Adım: Rolü bir çalışma arkadaşınıza anlatacağınız şekilde açıklayın
Kriterler, sade İngilizce cümlelerdir. Örneğin:
"En az üç yıllık uygulamalı Java ve Python deneyimine sahip, şu anda Belçika'da bulunan ve B2B yazılım alanında çalışan yazılım mühendisi."
Ya da bir üst düzey işe alım danışmanının bir araştırmacıya gerçekten aktaracağı şekilde, incelikli bir liderlik profilini açıklayan dört veya beş cümle.
Gerçekten ikili olan konular için konum, işe başlama durumu, çalışma hakkı ve maaş bandı gibi kesin filtreleri ekleyebilirsiniz. Anlamsal arama değerlendirmeyi, kesin filtreler ise gerçekleri ele alır.
Artık yapmayacağınız şey Boolean dizeleri oluşturmaktır. Boolean araması, doğru araç olduğu durumlarda Spott'ta hâlâ kullanılabilir ve pek çok işe alım uzmanı hızlı aramalar için kullanmaya devam eder. Ancak "kendi veritabanımızdaki bu işi yapabilecek kişileri bul" demek için rolü açıklamak, bir sorgu oluşturmaktan daha etkilidir.
3. Adım: Tarama, kişiye eklenmiş her şeyi okur
Derinlik burada ortaya çıkar. Ayrıca platformunuz on beş yıl önce ilişkisel bir veritabanı üzerine kurulduysa, yeniden oluşturulması en zor kısım da budur.
Tarama çalıştırıldığında Spott, bir aday kaydına bağlı her türlü bağlamı inceler:
- Yapılandırılmış deneyim ve eğitim bilgilerine dönüştürülmüş CV veya özgeçmiş
- Aday ilk eklendiğinde içe aktarılan profil verileri
- Firmadaki herhangi bir danışman tarafından yazılan mülakat notları ve manuel notlar
- Not alma aracı tarafından kaydedilen görüşme özetleri ve toplantı dökümleri
- Kayıtla ilişkilendirilmiş e-posta yazışmaları
- Profile eklenen zenginleştirme verileri
Bunların tümü aynı dizinden geçer. Bu nedenle, iki yıl önce bir meslektaşın ön eleme görüşmesi sırasında kaydettiği ve kimsenin vakti olmadığı için yapılandırılmış bir alana hiç aktarılmamış bir ayrıntı bugün hâlâ aranabilir durumdadır. Bir veritabanı ile kurumsal hafıza arasındaki pratik fark budur.
4. Adım: Kriter bazında puanlanmış sıralı uzun liste
Tarama, veritabanınızı kriterlere göre sıralayarak döndürür; her aday genel bir puan ve puan kartındaki her kriter için çok güçlüden zayıfa kadar ayrı bir değerlendirme alır.
Listeyi okunabilir kılan ikinci kısımdır. Tek bir birleştirilmiş puan size neredeyse hiçbir şey söylemez; çünkü %75 puan alan iki aday bu puana tamamen farklı nedenlerle ulaşmış olabilir. Kriterleri sütunlar halinde görmek, hangisinin her açıdan güçlü olduğunu ve hangisinin iyi bir ortalamanın arkasında ciddi bir eksikliği taşıdığını hemen gösterir.
Bu listeyi nasıl okuyacağınız konusunda anlaşılması gereken birkaç nokta var.
Zayıf bir eşleşme de hâlâ bir eşleşmedir. Bu başarısız bir sonuç değil, özetin bir bölümünü karşılayan ancak geri kalanını karşılamayan bir adaydır. Doldurulması zor pozisyonlarda listenin alt yarısı, ilgi çekici görüşmelerin başladığı yer olabilir.
Liste yeniden sıralanabilir. Listenin üst kısmına baktığınızda özeti yanlış tanımladığınızı fark ederseniz —ki gerçek aramalarda bu sürekli olur— bir kriteri veya ağırlığı değiştirip taramayı yeniden çalıştırabilirsiniz. Döngü, tek seferlik bir sorgu olmaktan ziyade yinelemeli olacak kadar hızlıdır.
Kazınmış bir havuzu değil, veritabanınızı arar. Spott size satın alınmış profillerden oluşan hazır bir veri yığını satmaz. Temel yaklaşım, düzgün biçimde dizine eklenmiş firmanın kendi ağının şu anda boşa harcanan varlık olduğudur.

5. Adım: Her sonuç kendini açıklar
Bir eşleştirme aracının kullanılıp kullanılmayacağını veya sessizce terk edilip edilmeyeceğini belirleyen özellik budur.
Herhangi bir adaya tıkladığınızda Spott, sistemin adayı neden o konuma yerleştirdiğini sade bir dille gösterir. Puan kartını kriter kriter ele alır: şu konuda güçlü, bunda orta düzeyde ve her değerlendirmeyi destekleyen kayıttaki somut kanıt da burada.
En önemlisi, kötü haberi de söyler. Bir adayın beş yıl olarak belirlenmiş bir pozisyon için on bir yıllık deneyimi varsa açıklama, adayın gereğinden fazla nitelikli olabileceğini belirtir. Teknik eşiği karşılıyor ancak sektör tam olarak aynı değil de yakın bir alandaysa bunu da söyler.
Ortada bir kara kutu yoktur ve bu, işe alım uzmanının güveninin ötesinde iki nedenle önemlidir. İlk olarak, kısa listenizi bir müşteriye gerekçelendirmek zorunda kalacaksınız ve “algoritma onları beğendi” bir gerekçe değildir. İkinci olarak, kanıtını gösteren bir açıklamanın yanlış olduğunu fark edebilirsiniz.

6. Adım: Kabul et, reddet, devam et
Sonuçlar görünümünden adayları o pozisyon için işe alım sürecine kabul edebilir veya reddedebilirsiniz; bir tarafta gerekçelendirme paneli, diğer tarafta tam profil yer alır. Kabul edilen adaylar, firmanızın yapılandırdığı iş akışı aşamalarına girer. Buradan iletişime geçme, ön eleme ve sunum aşamalarına ilerlersiniz.
Tüm akışın tasarım amacı nettir: işe alım uzmanını hızla savunulabilir bir kısa listeye ulaştırmak ve böylece zamanın adayı aramaya değil, adayla yapılacak görüşmeye harcanmasını sağlamak.
Yapay zekâ eşleştirmesi ne yapmaz?
Sınırlar konusunda açık konuşmak gerekir; çünkü abartılı iddialar, bu kategorinin ilk etapta güvenilirliğini kaybetmesine neden oldu.
Karar vermez. Sıralar ve açıklar. İşe alım uzmanı okur, değerlendirir ve telefonu eline alır. Açıklama, tam olarak insanın sistemin kararını geçersiz kılabilmesi için vardır.
Sahip olduğu bağlam kadar iyidir. Yalnızca ad ve e-posta kayıtlarından oluşan bir veritabanını taşıyan bir firma, profillere eklenmiş yıllarca süren görüşme notlarına sahip bir firmaya kıyasla daha sınırlı bir sonuç elde eder. Bu, işe alım verilerinin üzerindeki herhangi bir yapay zekâ katmanının dürüstçe kabul edilmesi gereken sınırlamasıdır ve not alma aracının eşleştirme motoru kadar önemli olmasının nedeni de budur. Biri diğerini besler.
Aday aramanın yerini almaz. Rol için doğru kişi firmanızla hiç konuşmadıysa veritabanınızda yer almaz ve hiçbir anlamsal arama miktarı onu yoktan var edemez. Eşleştirme, "zaten kimi tanıyoruz?" sorusunu yanıtlar; bu, "kimler mevcut?" sorusundan farklı bir sorudur.
Kendi veritabanınızda görün
Yukarıdaki iddialar tek bir toplantıda test edilebilir. 30 dakikalık bir Spott demosu için rezervasyon yapın, canlı bir rol getirin ve uzun aday listesinin kendi kayıtlarınıza göre sıralanmış ve açıklanmış şekilde geri geldiğini görün.



