Key Takeaways
Uyum Sorunu: Colorado'nun Yapay Zekâ Yasası, işe alımda yapay zekâ kullanan işverenlerden şeffaflık ve hesap verebilirlik talep ediyor.
Yapay Zekâ Şeffaflığı: Pek çok aday, yapay zekâ sistemlerinin iş başvurularını veya değerlendirmelerini etkilediğinin farkında değil.
Yorumlama Açığı: İK departmanları, yapay zekâ puanlama modellerini ve bunların işe alım üzerindeki etkilerini açıklamakta sıklıkla zorlanıyor.
Tedarikçi Sorumluluğu: Son düzenlemeler uyarınca, yapay zekâ araçlarının yol açtığı olumsuz sonuçlardan tedarikçiler değil, işverenler sorumlu tutuluyor.
Yönetişim Değişimi: Kuruluşlar, uyumu sağlamak için yapay zekâ destekli işe alım süreçlerinde açıklanabilirliğe ve belgelendirmeye öncelik vermelidir.
İşe alım sürecinizin bir yerinde, ekibinizin tam olarak açıklayamadığı bir sistem tarafından bir aday elendi. Bir tedarikçi sözleşmeniz, bir gösterge paneliniz ve bir puanınız olabilir. Çoğu kuruluşun sahip olmadığı şey ise yeni yapay zekâ düzenlemelerinin artık fiilen yanıtlamanızı gerektirdiği soruya dair net bir açıklamadır: neden.
Yapay zekânın kurumsal işe alım süreçlerinde yaptığı şey ile adayların ve düzenleyicilerin gerçekten görebildiği şey arasındaki bu fark artık bir uyum sorunudur. Amerika Birleşik Devletleri'nde türünün ilk yasalarından biri olan Colorado Yapay Zekâ Yasası şubat ayında yürürlüğe girdi ve istihdam kararlarında yüksek riskli yapay zekâ sistemleri kullanan işverenlerin adayları bilgilendirmesini, ayrıca verilerini düzeltmeleri veya olumsuz bir sonuca itiraz etmeleri için bir mekanizma sağlamasını zorunlu kılıyor.
Birçok İK departmanı için bu gerekliliği karşılamak, kendilerinin bile tam olarak anlamadığı sistemleri açıklamak anlamına geliyor.
Yapay zekâ destekli işe alım araçları pazarı son birkaç yılda önemli ölçüde büyüdü. Tedarikçiler, başvuru hacmini büyük ölçekte yöneten işverenlere aday eleme platformları, otomatik mülakat puanlaması ve öngörüye dayalı uygunluk modelleri sunuyor.
Vaat verimlilik, ancak sahadaki matematik daha karmaşık bir tablo ortaya koyuyor. LinkedIn'deki başvurular 2025'te yıllık bazda %45'ten fazla artarak dakikada yaklaşık 11.000'e ulaştı. Aynı dönemde işe alım uzmanlarının %64'ü birbirine benzeyen, yapay zekâ tarafından oluşturulmuş başvurularda artış bildirdi; bu durum tarama iş yüklerini azaltmak yerine artırdı. Başvuru hacmini filtrelemek için tasarlanan araçlar, kısmen bu hacmi kendileri oluşturuyor.
Şu anda kuruluşlara yapay zekâ destekli işe alım riskleri konusunda danışmanlık yapan, eski Microsoft ve Boeing veri bilimcisi Tatiana Teppoeva, bu dinamiğin kurumsal müşteriler arasında sürekli tekrarlandığını görüyor.
Birçok İK ekibi tedarikçi iddialarını anlıyor, ancak tarama sonuçlarının nasıl oluşturulduğu veya hangi aday sinyallerine ne ağırlık verildiği konusunda sınırlı görünürlüğe sahip. Adaylar neden elendiklerini sorduğunda, kuruluşlar genellikle bir tedarikçi puanını açık ve işle ilgili bir açıklamaya dönüştürmekte zorlanıyor.
Tecrübesine göre bu boşluk belirgin: kuruluşlar bir aracın ürettiği puanı, bu puanın işle ilgili yetkinlik açısından neyi temsil ettiğini açıklayabildiklerinden daha kolay tarif edebiliyor.
Bu opaklığın adaylar açısından ölçülebilir bir maliyeti var. Enhancv tarafından Nisan 2026'da 1.066 ABD'li iş arayanla yapılan bir ankete göre, katılımcıların %68,5'ine değerlendirmelerinde yapay zekânın herhangi bir rol oynadığı hiç söylenmedi ve yalnızca %9,7'si bir işverenin bunu açıkça bildirdiğini belirtti.
Yaklaşık üçte biri, tek yönlü bir yapay zekâ taramasını tamamlamak yerine bir pozisyondan vazgeçtiğini söyledi ve bu örüntü herkes için aynı değildi. Vazgeçilen pozisyonların neredeyse %80'i 100.000 doların altında ücret sunuyordu. En az seçeneğe sahip adaylar, göremedikleri ve rıza göstermedikleri sistemlere en fazla maruz kalanlar.
Tedarikçi Sözleşmesiyle Gelen Bir Kara Kutu
Hesap verebilirlik sorunu tamamen opaklıkla ilgili değil, ancak opaklık bunun bir parçası. Birçok aday tarama platformu, modelin ağırlıklandırma mantığının işveren tarafından, hatta aday tarafından bile görülemediği kara kutu veya kara kutuya yakın sistemler olarak çalışıyor.
Tedarikçiler açıklanabilirlik özellikleri sunsa bile, bir işe alım uzmanının gördüğü açıklama, altta yatan daha karmaşık bir sürecin basitleştirilmiş bir göstergesi olabilir. Bir İK lideri çıktıyı okuyabilir. Ancak bu çıktının nasıl üretildiğini çoğu zaman sorgulayamaz.
Bu konu büyük ölçekte daha da önem kazanıyor. Yılda on binlerce başvuruyu işleyen bir şirket, kendi ekibinin denetlemeye yeterince hazırlıklı olmayabileceği bir sistem üzerinden çok sayıda önemli karar alıyor. Colorado yasasının bildirim ve itiraz gereklilikleri bu soruyu açıkça gündeme getiriyor. Bir aday neden reddedildiğini sorarsa, kim yanıt verecek ve hangi bilgilerle?
Teppoeva'nın çalışmaları, kendi ifadesiyle bir yapay zekâ tarafından oluşturulan işe alım sinyali ile insan kararı arasındaki alan olan "yorumlama katmanına" odaklanıyor. Hâlihazırda bir aday tarama aracı kullanıma almış kuruluşlara sorduğu ilk soru neden sorusu: "İşe alım ekibine güçlü görünen bu aday neden düşük puan aldı? Başka bir aday neden yüksek puan aldı, ancak daha sonra performans iyileştirme planına dahil oldu?"
Çoğu kuruluşun bu soruları yanıtlayamadığını söylüyor. Puan ellerinde, ancak puanın arkasındaki gerekçe yok.
"Kuruluşlar çoğunlukla tedarikçi tarafından oluşturulan çıktılara güveniyor, ancak bu çıktıları yorumlamak veya belgelemek için net bir iç çerçeve oluşturmuyor," diyor. "Bu durum, insan değerlendirmesinin nasıl uygulandığını veya nihai karara nasıl ulaşıldığını açıklamayı zorlaştırabilir."
Bir karar sorgulandığında bu boşluk bir sorumluluk riskine dönüşüyor.
Sorumluluk İşverene Yüklendi
Düzenleyici takvim, yapay zekâ işe alım araçlarının genellikle nasıl tedarik edildiğiyle ilgili bir sorunu da ortaya çıkarıyor. Hangi platformun kullanılacağına ilişkin kararlar çoğunlukla, yasal, uyum ve bazen de İK liderliğinin aracın gerçekte ne yaptığını değerlendirme sürecine daha az dahil olduğu, verimliliğe odaklanan yetenek kazanımı ekipleri tarafından yönlendirildi.
Colorado yasası bu değerlendirmeyi değiştiriyor. SB 205 kapsamında, istihdamda yüksek riskli yapay zekânın olumsuz sonuçlarına ilişkin sorumluluk, tedarikçide değil işverendedir. Aracı kullanan şirket, sonuçlarından sorumludur.
Başvuru takip sistemi tedarikçisi Brightmove'un COO'su ve kurucu ortağı Jimmy Hurff, karşılaştığı tedarik görüşmelerinin tam olarak bu sorunu yansıttığını söylüyor.
İşverenler özelliklerin entegrasyonuna ve aday hacimlerine en çok odaklanıyor gibi görünüyor. Potansiyel müşterilerimiz çoğunlukla entegrasyon özelliklerini inceliyor, ancak aday havuzunun kalitesine ve puanlama ile değerlendirmenin otomasyonuna nadiren odaklanıyor.
Colorado'nun çerçevesi kapsamında en önemli olan sorular; açıklanabilirlik, denetlenebilirlik ve itiraz süreçleri, genellikle masada sorulan sorular değil.
Brightmove, SB 205'e doğrudan yanıt olarak Sorumlu Yapay Zekâ Politikası yayımladı ve Hurff, yasanın tedarikçi ekosistemi genelinde daha kapsamlı bir değerlendirmeyi zorunlu kıldığını söylüyor. Ayrıca düzenleyici görüşmelerin bundan sonra nereye yönelmesi gerektiği konusunda da net: tedarikçilere üzerine inşa edebilecekleri daha açık bir görev tanımı sağlayacak, eyalet eyalet değişen bir uyum yaması yerine tek bir federal standart.
Belgeleme sorunu, engellilik, nöroçeşitlilik veya dil geçmişi nedeniyle iletişim biçimleri sistemin eğitildiği örüntülerin dışında kalan adaylar, bağlamı hesaba katamayan araçlar tarafından değerlendirildiğinde en ciddi hâline geliyor. Teppoeva temel sorunu şöyle açıklıyor.
"Bir sinyal doğru şekilde ölçülebilir ve yine de yanlış yorumlanabilir," diyor.
Bir aday bir sonuca itiraz ettiğinde, çoğu kuruluş çıktıyı yeniden oluşturabilir. Ancak kararı açıklayamazlar ve ölçülen şeyin gerçekten rol ile ilgili olduğunu gösteren belgelere nadiren sahiptirler.
EEOC, işe alımda yapay zekâ ve algoritmik adalet konusundaki girişimini başlattığı en az 2021'den beri bu alanı izliyor. 2023 tarihli rehberi, işverenlerin ayrımcı tarama sonuçlarına ilişkin sorumluluğu üçüncü taraf bir tedarikçiye devredemeyeceğini açıkça ortaya koydu.
Colorado yasası daha da ileri giderek, çoğu kurumsal işe alım operasyonunun yerine getirmek üzere tasarlanmadığı şeffaflık ve itiraz yükümlülükleri getiriyor.
İK Liderlerinin Bilmesi Gerekenler
Pratikte bunun yarattığı şey, birçok İK liderinin haritasını çıkarmadığı bir uyum alanıdır. Bir tedarikçi sözleşmeleri olabilir. Aracın ne yaptığına dair genel bir fikirleri olabilir. Ancak modelin nasıl eğitildiğine, neyi optimize ettiğine ve kararların itiraz incelemesi için nasıl kaydedilip erişilebilir hâle getirildiğine ilişkin belgeler, mevcut düzenleyici ortamın artık gerektirdiğinden genellikle daha yetersizdir.
Teppoeva bu değişimi, İK liderlerinin diğer uyum görüşmelerinden aşina olacağı ifadelerle çerçeveliyor.
Yeni ortaya çıkan düzenlemeler, görüşmeyi 'Araç çalışıyor mu?' sorusundan 'Nasıl kullanıldığını açıklayıp savunabilir miyiz?' sorusuna taşıyor.
Yapay zekâ taramasını devam eden bir yönetişim kararı yerine bir tedarik kararı olarak görenler, bir aday veya düzenleyici kurum aracın yanıtlayamayacağı bir soru sorduğunda en fazla riskle karşı karşıya kalıyor.
Bunun bir kısmı tedarikçi baskısıyla kendiliğinden çözülecek. Kurumsal müşteriler tedarik sürecinin bir parçası olarak açıklanabilirlik belgeleri ve denetim izleri talep etmeye başlarsa, tedarikçiler bunları geliştirecektir. Ancak bu süreç yavaş ilerliyor ve bu arada Colorado'da ve başka yerlerdeki adaylar, onları işleten işverenlerin mantığını tam olarak açıklayamadığı sistemler tarafından eleniyor.
İK liderlerinin yapması gereken görüşme yalnızca yapay zekâ tarama araçlarının işe yarayıp yaramadığıyla ilgili değil. Asıl mesele, bunları kullanan kuruluşların ne yaptıklarının hesabını verebilip veremediğidir.
