Yapay Zekâ Temsil Edilmeyen Yetenekleri Çekmenize ve İşe Almanıza Nasıl Yardımcı Olabilir

Deşifreyi Okuyun:

Podcast’lerimizin deşifresini bir yazılım programı kullanarak hazırlamayı deniyoruz. Bot her zaman yüzde 100 doğru çalışmadığı için lütfen yazım hatalarını mazur görün.

Becca Banyard: Yapay zekâ, daha kapsayıcı bir iş gücünün önünü açmanın anahtarı mı? Öyleyse adaleti sağlamak için yapay zekâ odaklı verimlilik ile insan karar verme süreçleri arasındaki hassas dengeyi nasıl kurarız? Yoksa insan kararları da yapay zekâ teknolojileri kadar önyargılı mı?

İnsanları Yöneten İnsanlar podcast’ine hoş geldiniz. Daha iyi bir çalışma dünyası kurmak ve mutlu, sağlıklı ve üretken iş yerleri oluşturmanıza yardımcı olmak için çalışıyoruz. Ben sunucunuz Becca Banyard.

Bugünkü konuğum, şu anda Joonko’da Strateji Başkan Yardımcısı ve New York Genel Müdürü olarak görev yapan DE&I uzmanı Albrey Brown. Yapay zekâ teknolojisini uygulamanın, temsil edilmeyen yetenekleri çekmenize ve işe almanıza nasıl yardımcı olabileceğini konuşacağız. Bu nedenle işe alım uzmanlarının ve kuruluşların karşılaştığı güncel işe alım zorluklarını, yapay zekânın önyargıyı azaltma ve çeşitliliği destekleme potansiyelini ve etkisine dair gerçek dünya örneklerini öğrenmek için bizi dinlemeye devam edin. Bizimle kalın!

Merhaba Albrey, programa hoş geldin. Bugün burada olman gerçekten harika.

Albrey Brown: Beni davet ettiğiniz için teşekkür ederim.

Becca Banyard: Yapay zekânın iş yerinde temsil edilmeyen grupları çekmek ve işe almak için nasıl kullanılabileceği konusuna gireceğiz. Ancak başlamadan önce seni biraz daha yakından tanımak isterim. Geçmişinden ve Joonko’da ne yaptığından biraz bahsedebilir misin?

Albrey Brown: Evet, teşekkür ederim. Ben Albrey Brown ve Joonko’da Strateji Başkan Yardımcısıyım. Bu role nasıl geldiğime gelince, teknoloji sektöründeki ilk işim yazılım mühendisi olarak çalışmaktı ve bir kodlama kampına katıldım.

Ondan önce hiç kodlama deneyimim yoktu. Bu deneyim benim için o kadar etkileyiciydi ki kendi kodlama kampımı kurmaya karar verdim. Ancak bu kodlama kampı özellikle kadınlara ve beyaz olmayan kişilere yönelikti. Bu nedenle temsil edilmeyen insanların fırsatlara erişmesini sağlamaya her zaman ilgi duydum.

Böylece bu kodlama kampını başlattım. Her şey çok iyi gitti. Yaklaşık 450 kişiye kod yazmayı öğrettik ve çoğunun sektörde iş bulmasını sağladık. Daha sonra bu kodlama kampını daha büyük bir kodlama kampına sattım ve onların Çeşitlilik ve Kapsayıcılık Direktörü oldum. Bu, DE&I’ın teknoloji sektöründe yeni yeni önemli bir konu hâline geldiği 2013 yılıydı. Kendi kendime, yeniden girişimci olacağım, bir şirket kuracağım ama önce bu çeşitlilik ve kapsayıcılık işini bir süre deneyeyim, dedim.

Bu “bir süre” sekiz yıl sürdü. Dört ayrı şirkette çeşitlilik ve kapsayıcılık çalışmalarına liderlik ettim ve bundan gerçekten keyif aldım. Şirketleri ve onların, hem demografik açıdan hem de kapsayıcılık açısından, temsil edilmeyen insanların şirketlerine hoş geldiklerini hissetmelerini sağlama konusundaki fikirlerini temsil etmeyi sevdim.

Airtable adındaki çok küçük bir girişimde DE&I başkanı olarak görev yaptığım son dönemde Joonko’ya rastladım ve kurucusu Ilit Raz ile tanıştım. Fikir beni çok etkiledi. Joonko’da yaptığımız şey, ağımızdaki başka bir şirkette mülakat sürecini kısa süre önce tamamlamış temsil edilmeyen adayları şirketlerle eşleştirmek.

Becca, müşterilerimizden biri olan Intuit’te pazarlama başkan yardımcısı pozisyonu için mülakata girdiğini ve son tura kaldığını düşün. Ancak sonunda seni değil, başka birini seçiyorlar. Bunun nedeni harika olmaman değil; mülakat süreçleri böyle işliyor. Son aşamaya birden fazla harika insan kalıyor ve yalnızca birini seçebiliyorsun.

Seni reddetmek yerine Joonko’ya yönlendiriyorlar ve “Senden gerçekten hoşlandık. Harika bir aday olduğunu düşündük ve kariyer yolculuğunun bir parçası olmak istiyoruz,” diyorlar. Seni bize yönlendiriyorlar, sen Joonko’ya kaydoluyorsun ve biz de daha hızlı bir pozisyon bulabilmen için seni benzer şirketlerdeki benzer rollere yönlendiriyoruz.

Ayrıca bu şirketlerin temsil edilmeyen adayları aradıkları için çeşitlilik ve kapsayıcılığa önem verdiğini biliyorsun. Bu fikir beni çok etkiledi: Bir şirket, temsil edilmeyen bir aday için reddedilmeyi nasıl fırsata dönüştürebilirdi? Şirketler arasındaki rekabeti iş birliğine dönüştürmek de cabası.

Kurucu Ilit ile tanışıp bu fikirle tanıştıktan sonra kendimi tamamen kaptırdım. Şirkete katılmanın yollarını aramaya devam ettim. Bir süre danışmanlık yaptım. Ürün ve hedeflediğimiz kişi profili hakkında tavsiyeler verdim ve yaklaşık bir yıldır sürdürdüğüm Strateji Başkan Yardımcılığı görevini üstlendim.

Benden biraz bahsetmek gerekirse durum böyle.

Becca Banyard: Paylaştığın için çok teşekkür ederim. Gerçekten harika bir geçmişin varmış ve pek çok farklı, ilginç şirketle çalışma fırsatı bulmuşsun. Joonko da çok özgün ama bir o kadar da harika bir kuruluş gibi görünüyor. Gerçekten ilginç.

Şimdi konuya girelim ve temsil edilmeyen grupları işe alma ve çekme alanını biraz daha yakından tanımakla başlayalım. İşe alım uzmanları ve işe alım yöneticilerinin yanı sıra kuruluşlar, bu grupları çekmek ve işe almak söz konusu olduğunda hangi güncel zorluklarla karşılaşıyor?

Albrey Brown: En büyük zorluk, “temsil edilmeyen” ifadesinin kendisinde saklı. Temsil edilmemek, kadınların, beyaz olmayan insanların ve benzer grupların sayısal olarak çoğunlukta ya da aşırı temsil edilen yetenek olarak değerlendirebileceğin insanlardan daha küçük bir grup olması anlamına geliyor.

Dolayısıyla çeşitlilik ve kapsayıcılığı ve arkasındaki zorluğu bir arz ve talep problemi olarak görüyorum. Örneğin yazılım mühendisi olan Afrikalı Amerikalıların arzı daha düşük, ancak onları işe almak isteyen her şirketin talebi yüksek. Bunun nedeni yalnızca yapılması gereken doğru şey olması değil; temsil edilmeyen insanların temsil edildiği bir kuruluşa sahip olmanın kuruluşunuzu daha iyi hâle getirmesi.

Bunu gösteren çok fazla veri var. Bu nedenle şirketler temsil edilmeyen yetenekler için yoğun bir rekabet içindeler. Müşterilerle konuştuğumda ve geçmişte DE&I başkanı olarak çalışırken edindiğim deneyimlere baktığımda, en zor kısmın gerçekten öne çıkmak olduğunu düşünüyorum. Bir şirket olarak temsil edilmeyen adayların tercih ettiği işveren hâline nasıl gelirsiniz?

Kadınlardan, beyaz olmayan insanlardan ve LGBTQIA+ topluluğunun bir parçası olan kişilerden oluşan topluluklar çalışmak istedikleri yerler hakkında konuştuğunda, nasıl konuşulan bir şirket olursunuz? Ardından bunu zaman içinde nasıl korur, temsil edilmeyen insanların gidebileceği, kendilerini hem kapsanmış hissedecekleri hem de eşitlikçi bir fırsata sahip olacakları ve kuruluşunuzda gelişecekleri bir şirket olarak markanızı, aday havuzunuzu ve itibarınızı nasıl büyütürsünüz?

Dolayısıyla rekabet unsuru, şirketlerin bu daha küçük yetenek havuzu için rekabet etmesini çok zorlaştırıyor. Bunun ortaya çıkma biçimi yatırımlardan geçiyor. Bence 10 yıl önce “çalışan kaynak grubu” ifadesi çok nadiren duyuluyordu. Artık belirli bir büyüklüğe ulaşmış her şirketin çalışan kaynak grupları var.

Çalışan kaynak grubunuz yoksa ve bilmeyenler için açıklamak gerekirse, çalışan kaynak grupları temsil edilmeyen insanların birbirleriyle bağlantı kurabilmeleri için oluşturulmuş iç topluluklardır. Ben DE&I başkanı olduğumda bu yeni ortaya çıkan bir uygulamaydı. Artık temel bir gereklilik. Mülakat sürecinizde, kuruluşunuzun çalışan kaynak gruplarına nasıl kaynak sağladığını anlamanız gerekiyor.

Ayrıca çeşitlilik hedeflerinizin olması gerekiyor. Bu, 10 veya 15 yıl öncesine kadar çoğu kuruluşta bulunmayan bir şeydi. Şimdi temel bir gereklilik. Bu nedenle çalışan kaynak grupları, çeşitlilik hedefleri ve bir çeşitlilik başkanına sahip olmak gibi temel çeşitlilik ve kapsayıcılık uygulamalarını hayata geçirmek ve artık her şirket bunlara sahip olduğu için öne çıkmaya devam etmek, çoğu şirketin temsil edilmeyen yetenekleri çekme konusunda yaşadığı zorlu kısım.

Becca Banyard: Öyleyse bir kuruluş, temsil edilmeyen yetenekleri çekerken rakiplerinden nasıl öne çıkabilir?

Albrey Brown: Bu zor bir soru ve müşterilerimize bu konuda sürekli yardımcı olmaya çalışıyoruz. Birincisi, özgünlük.

Adaylar kendini tanıyan, değerlerini bilen ve bu değerleri en başından itibaren ifade eden şirketlerde çalışmak istiyor. Örneğe geri dönelim. Becca, bir şirket için mülakata giriyorsun. Senin de, çalışacağın şirket tarafından ifade edilmesini istediğin değerlerin var.

Çeşitlilik, eşitlik ve kapsayıcılığın bunlardan biri olduğunu varsayıyorum. Ancak diyelim ki bu şirketin çeşitlilik hedefleri yok; çeşitlilik hedefi olmayan pek çok şirketle konuşuyoruz. Bir şirket, mülakat sürecinde bundan bahsetmemeyi tercih edebilir. Gerçek çeşitlilik hedeflerimizin olmadığı gerçeğinden söz etmeyelim, diyebilir.

Ancak bir aday bunu hiç duymazsa, bu özgünlük eksikliği adayda olumsuz bir deneyim yaratır. Biz şirketlere, işe alım uzmanlarına ve işe alım liderlerine açık ve dürüst olmalarını, konuşmayı kendilerinin başlatmalarını öneriyoruz: “Henüz çeşitlilik hedeflerimiz yok ancak X, Y ve Z’yi yapıyoruz,” demek gibi.

Öncelikle kuruluşumuzdaki demografik yapının nasıl göründüğünü anlamaya çalışıyoruz. Yönetici liderimiz, gerçekten anlamlı bir etki yaratacak hangi hedefleri oluşturabileceğimizi daha iyi anlamak istiyor. Bu konuşmayı özgünlükle başlatmak ilk adım. İkinci olarak yaratıcılık ve yatırım yapmaya açık olmak gerekiyor.

Şirketlerle konuştuğumuzda karşılaştığım zorluklardan biri, şirketlerin hemen sonuç almak istemesi. Örneğin, kadın olarak tanımlanan yazılım mühendisleri için harika bir konferans olan Grace Hopper’a gidiyorlar. Bir yıl konferansa katılıyor, konferansa 30.000 dolar harcıyorlar ama yalnızca üç kişiyi işe alıyorlar.

Başarıyı “yalnızca üç kişiyi işe aldık” şeklinde ölçüyorlar. Bunun yerine, ortaklığı bir yatırım olarak değerlendirmeleri gerekir: “Bu yıl üç kişiyi işe aldık; peki bu konferansla marka değerimizi oluşturmaya başladığımızda gelecek yıl ve sonraki yıl ne olacak?” Temsil edilmeyen adaylar için yeni kanallara yatırım yaparken sabırsız davranmak, şirketleri kısa veya uzun vadede zor durumda bırakıyor.

Joonko’da yaptığımız şeylerden biri şu: Genellikle bir yazılım satın aldığınızda veya iş ilanlarınızı yayınlayacağınız bir yer satın aldığınızda, bunu bir aylığına alırsınız; bir iş ilanını bir iş panosunda bir ay tutarsınız. Biz ise şirketlerimizin bir yıl süreyle taahhütte bulunmasını istiyoruz çünkü ürünümüzün zaman içinde katlanarak artan değerini görmelerini sağlamak istiyoruz.

İlk ayda 10 harika aday elde etmeyeceksiniz; çünkü hem algoritmamızın hem de ağımızın, sizi ulaştırmaya çalıştığımız işlere uyum sağlaması gerekiyor. Ancak üçüncü, dördüncü, altıncı, dokuzuncu ayda kanallara yaptığınız yatırımın büyümeye başladığını göreceksiniz.

Bizimle çalışan şirketlere aktardığımız ders şu: Bizimle yaptığınız yatırımın zaman içinde katlanarak arttığını gördüyseniz, Joonko ile ortaklık kurmadan önce vazgeçmiş olabileceğiniz diğer kanalları düşünün. Bir kanalın zaman içinde nasıl büyüyeceğini anlamak için biraz daha zaman ve çaba harcasaydınız, belki 18 ay sonra temsil edilmeyen yetenekler için harika bir kanal olabilirdi. Bu, diğer işe alım kanallarınız kadar iyi görmediğiniz tek seferlik ortaklık fırsatından çok daha değerli.

Bence konu sabır ve özgünlüğe geliyor. Son olarak yaratıcılık diyeceğim. Temsil edilmeyen yetenekleri çekmenin yeni yollarını denemek söz konusu olduğunda yaratıcı olmalısınız. Topluluklara yalnızca işe almak amacıyla gitmemek, insanlarla bulundukları yerde buluşmak ve sohbet etmek olabilir.

Yerel toplum kolejlerinde özgeçmiş incelemeleri yapmak ve odadaki insanların kim olduğunu daha iyi anlamak da olabilir. Yaratıcı olmak, kalıpların dışında düşünmeye başlamanın ve işe almak istediğiniz adayların nerede olduğunu keşfetmenin harika bir yolu. Böylece bu doğrudan hemen işe alımla sonuçlanmasa bile adınızı duyurabilir ve insanların sizi konuşmasını sağlayabilirsiniz.

Becca Banyard: Evet, harika. Özellikle yaratıcılıkla ilgili son bölümü çok sevdim. Bu, temsil edilmeyen ve belki de sizden farklı olan insanlar hakkında meraklanmaya, onların kim olduklarını ve neye ihtiyaç duyduklarını öğrenmeye çok benziyor.

Şimdi yapay zekânın daha ayrıntılı konularına geçmek istiyorum. Sence yapay zekâ, işe alım sürecinde önyargıyı azaltma, çeşitliliği ve kapsayıcılığı destekleme konusunda nasıl bir rol oynayabilir?

Albrey Brown: Bu harika bir soru çünkü genellikle bunun tam tersi soruluyor. Yapay zekâdan söz ettiğimizde çok büyük bir konudan bahsediyoruz, değil mi? İnsanların sergilediği ve doğası gereği önyargılı olan bilgi ve davranışlarla eğitilmiş doğal dil işleme sistemlerinden ve büyük dil modellerinden söz ediyoruz.

Bu nedenle yapay zekâ da dâhil olmak üzere kullandığımız tüm teknolojilerde önyargı bulunuyor. Joonko’da yapay zekâyı kullanma biçimimiz, temsil edilmeyen adayları ilan edilen rollerle eşleştirmek için doğal dil işleme kullanmak. Özgeçmişinize, az önce mülakata girdiğiniz role bakıyor ve sizi uygun olacak en iyi şirket ve en iyi rolle eşleştiriyoruz. Yani bunu temsil edilmeyen insanlara fırsatı genişletecek şekilde kullanıyoruz.

Daha genel olarak, işe alım sürecine uygulanan ve süreci daha kapsayıcı hâle getiren şirket ve tekniklere dair birkaç harika örnek olduğunu düşünüyorum. Çok açık olmayan ama son derece basit bir örnek, kapalı altyazıdır. Video mülakatlarında kapalı altyazı kullanılması, işitme güçlüğü yaşayan veya nöroçeşitli kişilerin mülakatta söylenenleri okuyabilmesini sağlar.

Çoğu insan bunu bir süreci daha kapsayıcı hâle getiren veya önyargıyı azaltan bir uygulama olarak düşünmeyebilir. Ancak açıkladığımda, başınızı salladığınızı görüyorum; öyle, değil mi? Birinin sesini duyup metne dönüştürmek için yapay zekâyı kullanıyoruz. Bunu bir mülakata uyguladığımızda, dinlemek yerine okuyarak daha iyi bir mülakat deneyimi yaşayabilen insanların katılımına olanak tanıyarak mülakata katılabilecek kişilerin kapsamını genişletiyoruz.

İkinci örnek iş ilanları. İş ilanları doğaları gereği önyargılıdır, değil mi? Birine “rock yıldızı” veya “ninja” demek gibi kullanılan dilde önyargı olabilir. Ya da bir iş ilanında yer alan gerekliliklerin sayısında. Kadınların yüzde 100 uyumlu oldukları işlere başvurduğu, erkeklerin ise yüzde 60 uyumlu oldukları işlere başvurduğu yönünde sürekli alıntılanan bir veri var.

Textio, şirketlerin iş ilanlarını daha kapsayıcı olacak şekilde yeniden yazmalarına yardımcı olan ve bu alanda lider konumda bulunan harika bir ürün. Bir iş ilanı yazıyorsunuz ve size “Bu ilanda dokuz gereklilik var. Bunu altıya indirseniz ne olur?” diyor. “Tüm iş gerekliliklerini karşılamasanız bile bu role başvurun,” diyen bir paragraf yazsanız ne olur? Böylece kendine güveni daha az olan kişileri başvurmaya teşvik edebilir veya iş ilanında kullandığınız zamir örneklerini tamamen kaldırabilirsiniz.

Bunlar, iş ilanlarında kullandığımız dili değiştirmek için yapay zekânın kullanıldığı basit yöntemlerden bazıları. Son örnek mülakat tarafında. Bu, tartışmalı bir alan çünkü bir role uygun olup olmadığınızı anlamak için yüz tanıma kullanan video mülakat yazılımları var.

Bu konudaki kişisel görüşüm, bunların önyargıyla dolu olabileceği yönünde. Yüzünüzü veya ses tonunuzu ifade etme biçiminizle ilgili her şey hem bir insan hem de yapay zekâ tarafından kolayca yanlış yorumlanabilir. İş yerinde siyah kadınların nasıl tanımlandığını düşünün. Ancak diğer tarafta, aslında yalnızca mülakatı yapan kişiyi değerlendirmek üzere geliştirilen araçlar da var.

Aklıma Hireguide geliyor. Bu araç, mülakatı yapan kişinin farklı mülakatlarda aynı soruları sorup sormadığını, yaygın sorulara yeterli yanıtlar verip vermediğini ve mülakat yapılan kişiye kendisini rahat hissettirecek kapsayıcı bir dil ve kapsayıcı uygulamalar sunup sunmadığını değerlendiriyor.

Tüm bunların anlamı şu: Yapay zekânın nasıl kullanılacağı teknolojiden çok uygulamayla ilgilidir. Bu teknolojileri nerede uyguluyoruz? Adayları değerlendirmek için mi kullanıyoruz? Öyleyse çok dikkatli olmamız gerektiğini düşünüyorum. Şirketleri değerlendirmek için kullanıyorsak eşitsizliklerin azaltılmaya başladığını görebileceğimiz nokta burasıdır.

Çünkü günün sonunda bir aday, bir şirketten her zaman daha az önyargılı olacaktır; çünkü güç şirketlerin elindedir. Teknolojilerimizi bir adayın sahip olduğu fırsatların sayısını artırmak ve bir şirketin sergileyebileceği önyargıların sayısını azaltmak için uygularsak, işe alım ve iş gücündeki bu dengesizlikleri çözmek için yapay zekânın yaygın biçimde kullanılmaya başladığını görürüz.

Becca Banyard: Vay canına, bunların hepsi çok iyi. Başlangıçta, kapalı altyazı gibi küçük bir şey hakkında söylediklerin beni biraz duygulandırdı. Kapalı altyazıya ihtiyaç duymayan biri için çok küçük görünen bir şey, buna ihtiyaç duyan birinin hayatında çok büyük bir fark yaratabilir. Bu nedenle bunun gibi küçük değişikliklerin bile çok önemli olduğunu düşünüyorum.

Yapay zekânın sınırlamaları olduğunu biliyoruz. Önyargıları olduğunu biliyoruz. Bu doğrultuda, verimlilik ve kapsayıcılık amacıyla yapay zekâ kullanmakla ayrımcı sonuçlardan kaçınmak için insan muhakemesinin ve karar verme süreçlerinin de dâhil edilmesini nasıl dengelersin?

Albrey Brown: Bu büyük bir soru ve bence hem kuruluşların içinde hem de daha geniş iş gücünde tartışılıyor.

Canlı yayına geçmeden önce, işe alım sürecindeki önyargıyı azaltmaya odaklanan ve New York’ta yakın zamanda kabul edilen bir yasa olan 144 sayılı Yerel Yasa hakkında konuşuyorduk. Bu yasa, işe alım konusunda kendilerine yardımcı olması için yapay zekâ kullanan her türlü teknolojiyi denetleme sorumluluğunu şirketlere yüklüyor. Basitçe ifade etmek gerekirse, denetim kapsamında bir şirket kullandığı herhangi bir tedarikçiden, örneğin Joonko’dan, teknolojinizin demografik özelliklere göre nasıl karar verdiğini açıklayan bir rapor hazırlamasını istemek zorunda.

Kaç kadının ve beyaz olmayan kişinin bir sürecin içine alındığını veya dışarıda bırakıldığını belirtmeniz ve teknolojinin belirli bir gruba karşı önyargılı olup olmadığını görebilmek için bunları birbiriyle karşılaştırmanız gerekiyor. Bu nedenle, bir yetenek edinme lideri, insan yöneticisi veya işe alım için teknoloji kullanan biri olarak bunu dengelemenin ilk yolunun denetim olduğunu düşünüyorum. Kullandığınız tedarikçilere şu soruları sorun:

Teknolojiniz farklı deneyimlere ve farklı geçmişlere sahip farklı insanlar için nasıl farklı çalışıyor ve bir rapor sunabilir misiniz? Bu dengesizliklerin yazılımınızda bulunmadığını gösteren verileri bana gösterebilir misiniz? Varsa bunları zaman içinde nasıl çözeceksiniz?

Neyse ki bu çok yakında yasa hâline gelecek ve bu yasa hızla yayılıyor. Bu nedenle şirketlerin zaten bunu yapması gerekecek. Ancak bu teknolojiden yararlanmanın çok önemli bir parçasının denetim olduğunu düşünüyorum. İkinci parça iletişim. Yapay zekâ işe alım alanında uzun zamandır var.

Pratik bir örnek vereyim. Çoğu aday takip sistemi, başvuru yaptığınızda özgeçmişinizdeki anahtar kelimelere dayanarak sizi zaten sürecin içine alıyor veya dışında bırakıyor. Bu çok iyi bilinen bir uygulama. Adaylar artık bunu aşmak için ChatGPT’yi nasıl kullanacaklarını biliyor. Ama bu da yapay zekâ.

Bu uygulama ile yüz tanıma uygulamaları arasındaki farkın, adayların artık bunlardan haberdar olması olduğunu düşünüyorum. Robot tarafından gerçekleştirilen bir tarama süreci olduğu kendilerine iletildi. Böylece yaklaşımlarını değiştirebilir ve bir insanla görüşme olasılıklarını artırabilirler.

Bence bu, diğer tüm teknolojiler için de benimsenmesi gereken bir uygulama. Adaylara bu aracı kullandığınızı, bu aracı denetlediğinizi ve denetimin sonuçlarının ne olduğunu söylemelisiniz. Bunu neden kullandığınızı açıklamalısınız. Bunun adaylar ile yetenek edinme ekipleri arasında güven oluşturduğunu düşünüyorum.

Ayrıca adaylar ile yetenek edinme çalışanları arasındaki bu iletişim döngüsünün, tedarikçilerin teknolojilerini zaman içinde geliştirmekten sorumlu tutulmasını sağlıyor. Üçüncü nokta ise açıkçası, bu önyargıların teknoloji olsun veya olmasın var olduğunu kabul etmek.

Yapay zekâ kesinlikle kusursuz bir sistem değil. Bir yapay zekâ sistemini doğası gereği önyargılı olacak şekilde tasarladığınızı düşünebilirsiniz. Amazon örneğini düşünüyorum. Amazon 2016 yılında sahip oldukları tüm özgeçmişlere dayanarak büyük bir dil modeli oluşturdu ve “Bize kimin iyi bir yazılım mühendisi olduğunu söyle,” dedi. Zaman içinde öğrendikleri şey, sisteme bir kadın adı yazdıklarında, kadının iyi bir yazılım mühendisi olup olmadığı ölçeğinde herhangi bir erkek adına kıyasla çok daha düşük sıralandığıydı.

Özgeçmişte bir kız öğrenci kulübü olup olmadığını görmek için kız öğrenci kulüplerinin adlarını da girdiler. Bir kız öğrenci kulübüne üye olan herkes, yazılım mühendisliği ölçeğinde, böyle bir kulübe üye olmayan herkese göre çok daha düşük sıralandı. Sistem açıkça doğası gereği önyargılıydı ve sistemi kullanımdan kaldırdılar. Ancak bu, önyargının oldukça ünlü bir örneği.

Peki bunun bir işe alım yöneticisinin bir işe alım uzmanına gidip “Yalnızca şu beş okuldan adaylara bakmanı istiyorum,” demesinden farkı ne? Bu önyargılar var ve yalnızca yapay zekâ var olduğu için ortaya çıkmadılar. Çok daha önceden beri varlar. Bu nedenle yapay zekâ kullanımı ile bu önyargıların var olduğunu anlamak arasındaki denge konusunda açıkça belirtmek istediğim şey şu: Bu yaklaşımı robotlara uygulayacaksak, aynı yaklaşımı bu süreçlerin sahibi olan ve bu araçlardan yararlanan insan işe alım uzmanları ile işe alım yöneticilerine de uygulamalıyız.

Çünkü günün sonunda bu araçlar hâlâ kararı vermiyor. Kararı etkiliyorlar. Eğer karar zaten önyargılı bir kaynaktan geliyorsa, kusursuz bir yapay zekâmız olsa da olmasa da bu önyargı sistemini yeniden üretmeye devam edeceğiz.

Bunun son noktası sorunu tamamen yanıtlamadığını biliyorum ama teknoloji hakkında konuşurken gözden kaçan önemli bir nokta olduğunu düşünüyorum. İnsanlar zaten bu önyargıları sergiliyor. Bu nedenle aynı yaklaşımı hem robotlara hem de insanlara aynı anda uygulamamız gerekiyor.

Becca Banyard: Kesinlikle. Peki, aday tarama yazılımlarının son birkaç yıldır oldukça standart biçimde kullanıldığından söz ettin. Şirketlerin ve insan kaynakları departmanlarının daha sık kullanmaya başladığı yeni yapay zekâ araçlarından bazıları neler?

Albrey Brown: Yetenek bulma açısından başlayalım. Yetenek bulmak istediğinizde bunu yapmanın birkaç yolu var.

Adaylara ulaşmak ve onlarla iletişim kurmak en iyi yollardan biri. Bu nedenle büyük bir veritabanına erişmenizi, bu veritabanına ulaşmanızı ve veritabanını filtrelemenizi sağlayan aday bulma yazılımları, yapay zekâ teknolojisinin en yaygın ve popüler kullanım alanı oldu. Yapay zekâyı en iyi adayları bulmak, makine öğrenimini kullanarak geçmiş aramalara dayalı adaylar önermek ve ardından büyük dil modellerini kullanarak bu adaylara otomatik olarak mesaj yazmak için kullanıyoruz.

Yapay zekânın yetenek edinme sürecindeki tekrarlayan işlerin bir kısmını, özellikle aday bulma tarafında, otomatikleştirmeye başladığını düşünüyorum. Veri ve analiz tarafında ise aday takip sisteminizdeki tüm verileri (size başvuran veya zaman içinde mülakat yaptığınız yüz binlerce adayı) alıp analiz edebilir ve hangi adayların başarılı olduğunu, hangilerinin o kadar başarılı olmadığını, hangilerinin sınırda olduğunu ve mülakat süreciniz boyunca potansiyel olarak başarılı olabilecek adayların sayısını nasıl artırabileceğinizi görebilirsiniz.

Bunu anlamak için makine öğrenimi ve doğal dil işleme kullanabilirsiniz. Üçüncü olarak, yeniden mülakat konusuna dönersek, yüz ve ses tanıma üzerine inşa edilen mülakat yöntemleri var. Temel olarak adaya bir değerlendirme veya soru veriliyor ve bu soruyu yanıtlaması isteniyor.

Bu, satış rolleri için çok popüler. Adayın, belki bir müşteri sorusuna yanıt vermesi ve ardından tonunun, yüz ifadesinin ve bir müşteri görüşmesinde bulunabilecek tüm unsurların analiz edilerek, çalışacağı müşteri veya katılacağı görüşme türü için uygun olup olmadığının anlaşılması gibi.

Çeşitli uygulamalar arasında Joonko’nun oldukça özgün olduğunu düşünüyorum çünkü yapay zekâ olarak kabul edilebilecek üç tür teknolojiyi kullanıyoruz. Otomasyon sağlıyoruz. Birinin son turda elenip elenmediğini otomatik olarak anlıyoruz. Ardından onu otomatik olarak Joonko ağına davet ediyor ve başka bir rolle otomatik olarak eşleştiriyoruz; böylece işe alım uzmanının hiçbir şey yapması gerekmiyor.

Adayı bize yönlendirmeleri gerekmiyor ve adayları havuzumuzdan bulmaları gerekmiyor. Yalnızca bir Joonko adayı alıyorlar ve genellikle “Yaşasın, bu harika. Teşekkür ederim,” diyor, ardından adayı işe alıyorlar. Ayrıca adayların onları yönlendirdiğimiz rollere ne zaman baktıklarını anlamak ve zaman içinde daha iyi öneriler göndermek için makine öğrenimini kullanıyoruz.

Daha önce söylediğim gibi, özgeçmişteki ve kişinin az önce mülakata girdiği roldeki anahtar kelimelere bakmak için doğal dil işleme de kullanıyoruz. Böylece onları mülakat sürecini geçme olasılıklarının yüksek olduğu doğru şirkete ve doğru role gönderdiğimizden emin olabiliyoruz.

Dolayısıyla işe alım sürecinin her adımında yapay zekâ alanında büyük bir yenilik görüyorsunuz.

Becca Banyard: Evet, harika. Paylaştığın için teşekkürler. Joonko örneğinle buna biraz değindin ama kuruluşların daha fazla temsil edilmeyen grubu çekmek için işe alım süreçlerinde yapay zekâ kullanımına nasıl yaklaştığına dair başka başarı öykülerin var mı? Bunlardan bazılarını paylaşabilir misin?

Albrey Brown: Evet, kaynak bulma ürünü tüm iletişim kurduğunuz adayları yönetmenize olanak tanıyan Gem adında bir şirket var. Bunu bir aday yönetim yazılımı gibi düşünebilirsiniz. Yakın zamanda, şu anda iletişim kurduğunuz tüm adayları demografik özelliklerine göre görmenizi sağlayan bir ürün sundular ve adayların kendilerini kamuya açık olarak nasıl tanımladığını görebiliyorsunuz.

Örneğin LinkedIn profilinizde she/her zamirlerini kullanıyorsanız, kadın olarak tanımlanıyor olabileceğiniz yönünde bir çıkarım yapabiliyorlar. Yetenek ekiplerinin bu aracı kullanma biçimi şu: Şu anda iletişim kurduğum tüm insanların demografik özelliklerini anlayabilirsem, bu demografik özellikleri zaman içinde artırmak veya azaltmak için geleceğe yönelik plan yapabilirim.

Geçen ay bin aday arasından yalnızca 20 kadın bulduğumu görürsem, bunu zaman içinde 25’e, 30’a ve 50’ye çıkarmak için nasıl harekete geçebileceğimi düşünebilirim. Bunun bizim yaptığımız gibi iletişim kurduğunuz temsil edilmeyen adayların sayısını aktif olarak artırmaya yardımcı olduğunu düşünmüyorum.

Daha çok, şirketlerin nerede olduklarını anlamalarını ve bunu gerçek zamanlı olarak artırmak için yatırım yapma konusunda harekete geçmelerini sağlayan, yapay zekâ kullanan bir kontrol teknolojisi. Bunun yetenek edinme ekipleri için güçlü ve özgün bir araç olduğunu düşünüyorum.

Becca Banyard: Harika, paylaştığın için teşekkürler. Artık programın sonuna gelmek üzereyiz. Yapay zekâyı temsil edilmeyen adayları çekmek ve işe almak ve kuruluşunda çeşitlilik, eşitlik ve kapsayıcılığı artırmak için kullanmak isteyen birine vereceğin son tavsiye var mı?

Albrey Brown: Tek tavsiyem denemek; kulağa çok basit geliyor. Ancak bunu açmak gerekirse, özellikle çeşitlilik, kapsayıcılık ve eşitlik söz konusu olduğunda, liderler işleri yanlış yapmaktan korktukları için bir şeyler denemeye çekingen davranıyorlar. Yanlış şeyi söylemek, yanlış şeye yatırım yapmak istemiyorlar. Ancak bu bir tavuk ve yumurta problemi yaratıyor. Bir ortaklığa yatırım yapmaktan, yeni bir teknoloji satın almaktan veya yeni bir teknolojiyi denemekten korkarsanız, sizin için neyin işe yarayacağını anlamanız zorlaşır.

Tüm bu teknolojiler ve DE&I teknoloji pazarı yalnızca yaklaşık beş yıldır var. Bu nedenle hepsi yeni ve geri bildirimlerinize açık. Ayrıca rakip olduğunuz diğer tüm şirketlere karşı size avantaj sağlayabilirler çünkü çok yeniler.

Şimdi pek çok tedarikçiyi ve yeni ortaklığı denemenin, ilişkiler kurmanın ve işe alım uzmanlarınızın demografik çeşitliliği, nöroçeşitliliği ve çalışanların gelecekte önemseyeceğini bildiğiniz tüm unsurları artırmaya devam etmek için ihtiyaç duyacağı olanakları oluşturmanın zamanı. Sadece deneyin. Denemenin en iyi yolu, işlere bir zaman sınırı koymaktır. Bu üç aylık bir pilot çalışma. Bu altı aylık bir pilot çalışma. Bu bir yıllık bir pilot çalışma. Amaç mükemmellik değil, ilerlemedir. Bence bunu genel olarak çeşitlilik ve kapsayıcılığa da uygulayabilirsiniz.

Asla mükemmel anlamda çeşitli olmayacaksınız. Her zaman çeşitliliğe doğru ilerleyeceksiniz. Bir Joonko tanıtımı daha yapacak olursam, Joonko’nun Everest’e çıkan ilk kadının adı olduğunu söylüyoruz. Kendimize bu adı özellikle verdik çünkü çeşitlilik ve kapsayıcılık bir dağa tırmanmaya benziyor.

Zirveye ulaştığınızı hissettiğiniz her seferde önünüzde daha gidilecek yol olduğunu görüyorsunuz ve her zaman daha gidilecek yol olacak. Hem çeşitlilik ve kapsayıcılığa yaklaşımınıza hem de kullanacağınız ürün ve araçlara bunu uygulamanın, zihniyet açısından liderler için çok yararlı olacağını düşünüyorum.

Becca Banyard: Evet, harika. Buna bayıldım. Çok iyi.

Tüm konuklarıma sorduğum iki soru var. Seni göndermeden önce düşüncelerini paylaşmanı çok isterim. Sence çalışanları iş yerinde mutlu tutan bir numaralı şey nedir?

Albrey Brown: Para olamaz mı—Hayır, şaka yapıyorum. Şaka yapıyorum.

Sanırım yine özgünlüğe döneceğim. İş yeri zordur. İş birliği zordur. Bazen işler olması gerektiği kadar iyi gitmez ama neler olduğu ve neden olduğu konusunda dürüst olmak, insanların köşede ne olduğunu bilmesini sağlar ve rahatlamalarına ve potansiyel olarak mutlu olmalarına yardımcı olur.

Becca Banyard: Peki bir lider olarak başarılı olmak için senin kişisel olarak neye ihtiyacın var?

Albrey Brown: Güven. Bunun bana güvenilmesinden farklı olduğunu düşünüyorum. Liderliğime, beni sorumlu tutacağı konusunda güvenmem gerekiyor. Kuruluşumdaki diğer insanlara, bir konuda karar verdiğimizde, bir karar aldığımızda veya bir eylem gerçekleştirdiğimizde, günün sonunda bunun güvene dayandığı konusunda güvenmem gerekiyor. Evet, iyi ve kötü zamanlarda birbirimize güvenmemiz gerekiyor.

Çünkü günün sonunda elimizde başka ne var?

Becca Banyard: Albrey, seninle sohbet etmek gerçekten büyük bir zevkti. Programa katıldığın için çok teşekkür ederim. İnsanlar seninle bağlantı kurmak, iletişime geçmek veya çalışmalarını takip etmek isterse bunu nereden yapabilirler?

Albrey Brown: Beni LinkedIn’de Albrey Brown adıyla, Twitter’da ise @albreybrown kullanıcı adıyla takip edebilirsiniz. Bunun dışında Joonko üzerinden benimle iletişime geçebilirsiniz. Teşekkür ederim Becca. Bu harika bir sohbetti. Programa katılmaktan mutluluk duydum ve bir sonraki bölümü sabırsızlıkla bekliyorum.

Becca Banyard: Harika. Tekrar teşekkürler. Bizi dinleyen herkese de programa kulak verdiğiniz için çok teşekkür ederim. İK ve liderlikle ilgili her şeyden haberdar olmak istiyorsanız peoplemanagingpeople.com/subscribe adresine giderek bülten topluluğumuza katılabilirsiniz.

Bir sonraki bölüme kadar güzel bir gün geçirmenizi dilerim!