İşe alım yazılımı pazarında "yapay zeka destekli" ifadesi artık ayırt edici değil. Neredeyse her ürün bunu söylüyor ve altında çok farklı şeyler olabiliyor: bazen anahtar kelime eşleştirmesinin üzerine konmuş bir etiket, bazen gerçekten dil anlayan bir sistem.
Ayrımı yapmanın yolu, özellik listesine bakmak değil, beş somut soru sormak — ve her birinin demo sırasında test edilebilir bir karşılığı var.
Soru 1 — Eşleştirme neye dayanıyor?
Sorun: "Aday-pozisyon eşleştirmesi anahtar kelime bazlı mı, anlamsal mı?"
Nasıl test edilir: Bir ilanda geçmeyen ama eşdeğer bir terim kullanan CV verin. Örneğin ilanda "frontend geliştirici" yazsın, CV'de "arayüz geliştirme" geçsin. Sistem bu eşleşmeyi yakalıyor mu?
Türkiye'de unvanlar standart olmadığı için bu test özellikle ayırt edici. Aynı iş için beş farklı unvan kullanılıyor.
Soru 2 — Kararını açıklıyor mu?
Sorun: "Bir aday düşük puan aldığında sebebini görebiliyor muyum?"
Nasıl test edilir: Demo sırasında düşük puanlı bir adaya tıklayın ve gerekçe isteyin. "Model böyle değerlendirdi" bir cevap değil.
Bu hem pratik bir ihtiyaç — sistemin nerede hata yaptığını ancak böyle görürsünüz — hem de uyumluluk gerekliliği. KVKK kapsamında tamamen otomatik kararlara adayın itiraz hakkı var ve gerekçenin açıklanabilmesi bekleniyor.
Soru 3 — Kriterleri kim belirliyor?
Sorun: "Değerlendirme kriterlerini ben tanımlayabiliyor muyum, yoksa hazır bir modeli mi kullanıyorum?"
Nasıl test edilir: Bir kriteri değiştirmelerini isteyin — örneğin belirli bir yetkinliğin ağırlığını artırmalarını — ve sıralamanın değişip değişmediğine bakın.
Kriterleri değiştiremiyorsanız, o puan sizin işe alım kararınızı değil sağlayıcının varsayımlarını yansıtır. Her şirketin "iyi aday" tanımı farklıdır.
Soru 4 — Türkçe'de nasıl?
Sorun: "Türkçe CV'lerde ayrıştırma doğruluğu ne?"
Nasıl test edilir: Kendi arşivinizden 15 gerçek CV verin — farklı şablonlar, biri tablo tabanlı, biri iki sütunlu. Ayrıştırılmış çıktıyı isteyin. Ad, toplam deneyim, eğitim ve yetkinlik alanlarının kaçının doğru geldiğini sayın.
Genel doğruluk oranları Türkçe performansını garanti etmez. Bu test on dakika sürer ve iki sağlayıcı arasındaki farkı özellik listesinden çok daha net gösterir.
Soru 5 — İnsan nerede kalıyor?
Sorun: "Sistem nerede öneri veriyor, nerede karar veriyor?"
Nasıl test edilir: Otomatik eleme yapılıyorsa, elenen adayların bir insan tarafından gözden geçirilebildiği bir ekran var mı? Eşiğin altındaki adaylara ulaşılabiliyor mu?
Tam otomatik eleme hem hukuken sorunlu hem pratikte riskli: sistem bir adayı yanlışlıkla elediğinde bunu asla öğrenemezsiniz. Elenen aday geri bildirim vermez.
Abartılan iki vaat
Değerlendirme yaparken bu ikisine karşı temkinli olmakta fayda var.
"Kimin başarılı olacağını tahmin ediyoruz." İş performansını CV'den güvenilir şekilde tahmin etmek, elimizdeki veriyle yapılabilen bir şey değil. Model geçmişte işe aldığınız kişilerle eğitilir; bu, geçmiş kararlarınızı — önyargıları dahil — geleceğe kopyalar. Ayrıca işe almadığınız adayların nasıl performans göstereceğini hiç bilemezsiniz.
"Önyargıyı ortadan kaldırıyoruz." Yapay zeka önyargıyı ortadan kaldırmaz; tutarlı ve ölçeklenebilir hâle getirir. İyi tasarlanmışsa alakasız sinyalleri (isim, fotoğraf) çıkarabilir ve bunu her aday için aynı şekilde yapar. Ama geçmiş verinizde bir eğilim varsa model onu öğrenir ve artık tek bir kişinin önyargısı değil sistemin özelliği hâline gelir.
Doğru soru "önyargısız mı" değil, "önyargıyı ölçebiliyor muyum" olmalı.
Değerlendirme sonrası
Beş sorunun cevabını aldıktan sonra bir şey daha yapın: pilot çalıştırın. Bir pozisyonda sistemi kullanın ama kararı eskisi gibi verin, sonra ikisini karşılaştırın.
Sistemin üst sıraya koyduklarıyla sizin görüşmek istediklerinizin örtüşme oranı, herhangi bir demo puanından daha bilgilendirici olur.
Yapay zekanın işe alımda ne yapıp ne yapamadığını ayrı bir yazıda, otomatik elemenin kalitesini ölçmeyi başka bir yazıda ele aldık.