İK işlerini hızlandırmak için yapay zekayı mı kullanıyorsunuz, yoksa bir algoritmaya asla tek başına almaması gereken kararları mı devrediyorsunuz? İşte bu noktada,İK için yapay zeka tartışması ciddileşiyor. İtalyan KOBİ’lerinde sorun, yapay zekanın yararlı olup olmadığını anlamak değil. Yararlıdır. Asıl sorun, yapay zekanın nerede gerçek değer yarattığını ve nerede ise belirsizlik, önyargı ve yasal riskler doğurduğunu anlamaktır.
Bir girişimci olarak, en zahmetli adımları otomatikleştirmenin ne kadar cazip olduğunu gördüm. Okumanız gereken yüzlerce özgeçmiş, özetlemeniz gereken şirket içi anketler ya da tatil ve şirket politikaları hakkında sürekli aynı soruları soran çalışanlarınız varsa, yapay zeka size hemen zaman kazandırır. Ancak bunun diğer yönünü de gördüm. Bir model tarafından üretilen bir uyumluluk puanı objektif görünür ve tam da bu nedenle, açıkça öznel olan bir insan değerlendirmesinden daha tehlikeli olabilir.
Doğru yaklaşım, “AI evet” ya da “AI hayır” demek değildir. Otomasyon ile insan sorumluluğu arasında doğru dengeyi bulmaktır. KOBİ’ler konusunda çok pratik bir bakış açısı arayanlara, “AI in HR for SMEs” kitabını da tavsiye ederim.
Asıl soru, yapay zekanın İK’ya yardımcı olup olamayacağı değildir. Asıl soru, süreci çarpıtmadan bir sonraki yeteneğinizi gerçekten seçip seçemeyeceğidir.
Somut olarak, günümüzde yapay zeka halihazırda özgeçmiş taramaları, şirket içi sohbet robotları, anket analizleri, işe alım süreçleri ve belge oluşturma gibi alanlarda kullanılmaktadır. Bu teknoloji, özellikle iş yükünün yüksek olduğu ve hızın anında değer kazandığı durumlarda oldukça yararlıdır. Ancak insan kaynakları alanında her seçim, gerçek kişileri, gerçek kariyerleri ve gerçek hakları ilgilendirir. Bu nedenle, yapay zekanın benimsenmesi, e-posta yazmak veya toplantı özetleri hazırlamak için bir yardımcı kullanmaya başlarken uygulanan yaklaşımdan farklı bir disiplinle ele alınmalıdır.
Verimlilik önemlidir. Ancak insanlarla ilgili kararlar söz konusu olduğunda, sadece hızlı olmak yeterli değildir.
İtalyan pazarında bu konu daha da hassas bir hal alıyor. GDPR ve Avrupa AI Yasası, otomatik bir sistemin işe alım, değerlendirme ve personel yönetimine etki ettiği durumlarda hata payını büyük ölçüde kısıtlıyor.İK alanında yapay zekayı değerlendiriyorsanız, basit bir kuralı göz önünde bulundurmalısınız: Mekanik işleri otomatikleştirin, karar verme sürecini insan elinde tutun.
İnsan kaynakları alanında yapay zeka, bilim kurgu değildir. Zaten günlük işlerin bir parçasıdır. Günümüzde birçok şirket, tekrarlayan işleri hafifletmek, süreçleri hızlandırmak ve İK ekibine bağlam ve muhakeme gerektiren işlere daha fazla zaman ayırmak için yapay zekayı kullanmaktadır.
Yomly’nin İK işlevlerinde yapay zeka kullanımına ilişkin verilerine göre, şirketlerin %44’ü işe alım süreçlerinde halihazırda yapay zeka kullanıyor. Yapay zeka araçları, işe alım süresini yaklaşık %50 oranında kısaltabilir ve tekrarlayan görevlerin neredeyse %40’ını otomatikleştirebilir.
En yaygın kullanım örneği, adayların ilk eleme aşamasıdır. Bir LLM, özgeçmişleri ve iş tanımlarını okur, becerileri, deneyimleri ve anlamsal ipuçlarını karşılaştırır, ardından sıralı bir aday listesi oluşturur.
Uygulamada, rol yeterince standartlaştırılmış olduğunda bu yöntem iyi sonuç verir. Aklıma idari pozisyonlar, müşteri desteği, iç satış ve tanımlanmış bir yazılım yığınına sahip yazılım geliştirme gibi profiller geliyor. Gereksinimleri iyi bir şekilde tanımlarsanız, bu model ilk aşamayı büyük ölçüde hızlandırır.
Özgeçmişten çıkarılması zor unsurlar söz konusu olduğunda bu yöntem o kadar iyi sonuç vermez.
Pratik kural: Yapay zekayı, 500 CV’den daha yönetilebilir bir listeye geçmek için kullanın. Kimlerin son görüşmeye hak kazandığını tek başına belirlemek için kullanmayın.
İkinci kullanım senaryosu daha az göze çarpan, ancak genellikle daha yararlıdır. İK ekipleri zamanlarının büyük bir kısmını tekrarlayan taleplere ayırıyor. Tommaso Maria Ricci’nin insan kaynaklarında yapay zeka üzerine yaptığı analize göre, İK ekipleri zamanlarının %40 ila %60’ını izin talepleri, maaş bordroları ve şirket politikaları gibi konulara ayırıyor. İK sohbet robotları, daha stratejik faaliyetler için günde 2-3 saate kadar zaman kazandırabilir.
Burada değer hemen ortaya çıkıyor. Şirket içi bir chatbot, kalan izin günleri, belgeler, prosedürler, masraf raporları, yönetmelikler ve idari oryantasyon ile ilgili soruları yanıtlıyor. Bunun avantajı sadece İK ekibinin zaman kazanması değil; aynı zamanda, e-posta beklemek yerine hızlı bir yanıt alan çalışanın deneyim kalitesidir.
Yapay zekanın gerçekten şaşırtıcı olduğu alan, uzun ve dağınık metinlerin analizidir. Şirket içi anketler bunun mükemmel bir örneğidir. Model, yüzlerce açık uçlu yanıtı manuel olarak okumak yerine, tekrarlanan temaları, duygusal eğilimleri, ortaya çıkan sorunları ve daha derinlemesine incelenmesi gereken kalıpları tespit eder.
KOBİ’lerde en yararlı bulduğum uygulamalar şunlardır:
İş tanımı ve politikalar
Yapay zeka, tutarlı bir ilk taslak oluşturur; daha sonra İK ekibi bu taslağı hukuki ve kültürel açıdan düzeltir.
'da kişiselleştirilmiş oryantasyon: İçerikleri, materyalleri ve adımları rol veya departmana göre uyarlayabilir.
Beceri haritalama
Mevcut becerileri ve eğitim eksikliklerini haritalandırmaya yardımcı olur; özellikle de veriler özgeçmişler, değerlendirmeler ve yönetici notları arasında dağınık olduğunda.
İklim Analizi: Yapılandırılmamış metni, hangi alanlarda müdahale edilmesi gerektiğini anlamak için yararlı ipuçlarına dönüştürür.
Genel amaçlı modeller ile dikey modeller arasında da giderek artan bir ayrım söz konusudur. Dikey tarafta, Wisq, HRLM’yi İK’ya özgü bir model olarak geliştirmiştir. Genel amaçlı tarafta ise GPT, Claude ve Gemini, iyi tasarlanmış komutlarla birçok şirkette İK’nın operasyonel görevleri için halihazırda kullanılmaktadır. Ancak aradaki fark sadece çıktının kalitesinde değil, yönetişimde yatmaktadır.
İK alanında yapay zekayı benimsemenin en kötü yolu, mutlak kategorilerle düşünmektir. Otomasyonun hiç olmaması, yavaş süreçlere, operasyonel iş yüküne ve eksik bilgilere dayalı kararların alınmasına yol açar. Tam otomasyon ise sizi tam tersi bir hataya sürükler: insanları ve adayları sınıflandırılması gereken biletler gibi ele almak.
Laffer eğrisi metaforu burada da geçerlidir. Başlangıçta, yapay zekanın uygulandığı her alan verimlilik sağlar. Şirket içi SSS’leri, belgelerin ilk taslaklarını, metin analizlerini ve özgeçmişlerin ön sıralamasını otomatikleştirirsiniz. Değer artar.
Sonra bir eşik noktası gelir. Algoritmaya giderek daha hassas görevler vermeye devam ederseniz, değer düşmeye başlar. Bunun nedeni modelin işe yaramaz olması değil, riskin faydaya göre daha hızlı artmasıdır.
Workday’in İK’da Yapay Zeka üzerine hazırladığı genel bakışa göre, yapay zekanın benimsenmesinin başlıca nedenleri karar verme sürecinin iyileştirilmesi (%41), tekrarlayan süreçlerin otomasyonu (%35) ve çalışan bağlılığı ile çalışan deneyiminin iyileştirilmesidir (%32). Bu veriler, yapay zekanın İK’yı neden bu kadar cezbettiğini iyi bir şekilde açıklıyor. Ancak nerede durulması gerektiğini belirtmiyorlar. Tartışmalarda genellikle gözden kaçan nokta da budur.
Asıl değer, İK ekibinin yerini almakta değil; doğru faaliyetlerde ekibin daha verimli ve daha hızlı çalışmasını sağlamaktır.
En uygun noktayı bulmak için, mekanik görevler ile karar gerektiren görevler arasında basit bir ayrım yapıyorum.
| Faaliyet türü | Önerilen AI seviyesi | İnsan denetimi |
|---|---|---|
| Çalışanlara İlişkin Sıkça Sorulan Sorular, İzinler, Politikalar | Yüksek | Düşük, periyodik kontrol ile |
| İş tanımı taslakları | Yüksek | İnsan Kaynakları revizyonu gerekli |
| Özgeçmişlerin ilk elemesi | Ortalama | Her zaman insan denetimi |
| Finalist adayların değerlendirilmesi | Düşük | Yüksek |
| Terfiler, performans değerlendirmeleri, bireysel ayrılma riski | Çok düşük | Tamamen insani bir karar |
Bir KOBİ'niz varsa, en uygun nokta genellikle teknik değildir. Organizasyonel bir konudur. Yapay zekanın nerede öneride bulunacağını, nerede talimat vereceğini, nerede özetleyeceğini ve nerede ise karar vermemesi gerektiğini net bir şekilde belirlemelisiniz.
Üç soru bu konuda çok yardımcı olur:
İnsan kaynakları açısından yapay zekanın en tehlikeli yanı teknoloji değildir. Asıl tehlike, yapay zekanın sahte tarafsızlık havasıdır. Bir işe alım uzmanı bir adayı değerlendirirken, bu değerlendirmede bir miktar öznellik olduğu herkes tarafından bilinir. Ancak bir sistem puan verdiğinde, pek çok kişi sorgulamayı bırakır.
Algoritmik önyargı sorununun özü budur. Bir sistemi geçmiş işe alım verileriyle eğitir veya yapılandırırsanız, sistem verilerde zaten var olan mantığı tekrarlama eğilimindedir. Şirketin geçmişinde belirli profiller tercih edilmiş ve diğerleri dezavantajlı duruma düşürülmüşse, algoritma da aynı şeyi daha hızlı ve daha az göze çarpan bir şekilde yapabilir.
Amazon örneği tam da bu nedenle sembolik bir hale geldi. Şirket, kadın adayları dezavantajlı duruma düşüren bir özgeçmiş tarama sistemini geri çekmek zorunda kaldı. Bu, sıradan bir istisna değildir. Geçmişi liyakat modeli olarak kullanan bir yaklaşımın öngörülebilir bir sonucudur.
İtalya'da durum hiç de iç açıcı değil. ELECTE'nin bu konuyla ilgili yayınladığı verilere göre, yapay zeka sistemlerine sahip İK şirketlerinin yalnızca %12'si sistematik önyargı denetimleri uygulamaya koymuştur.
Veriler, kriterler veya örgütsel bağlam çarpık kalırsa, daha iyi bir model sorunu ortadan kaldırmaz.
Avrupa’da faaliyet gösterenler için bu sadece etik bir mesele değildir. Bu bir hukuk meselesidir. GDPR’nin 22. maddesi, adaylara, kendileri üzerinde önemli etkiler doğuran ve yalnızca otomatik işleme dayalı kararlara tabi tutulmama hakkını tanır. İK kararları, bu hassas alana tam olarak girer.
Buna ek olarak, Avrupa Yapay Zeka Yasası (AI Act), işe alım ve personel yönetimini yüksek riskli kullanım alanları arasında saymaktadır. Bu, bireysel verimlilik amacıyla yapay zekanın genel kullanımına kıyasla çok daha sıkı belgeleme, şeffaflık, denetim ve risk yönetimi yükümlülükleri anlamına gelmektedir.
Bir İtalyan şirketi için pratik sonuçlar açıktır:
Bu konular üzerinde ciddi bir şekilde çalışanlar, şirketlerin AI Act’e uygunluğunu da ayrıntılı olarak incelemelidir.
Pazar, birbirinden çok farklı iki gruba ayrılmaktadır. Bir yanda GPT, Claude ve Gemini gibi genel amaçlı LLM’ler yer almaktadır. Diğer yanda ise Wisq’in HRLM’si gibi, özellikle insan kaynakları için tasarlanmış dikey modeller ortaya çıkmaktadır.
Bir KOBİ için genellikle genel amaçlı bir model yeterlidir. Eğer şunlara ihtiyacınız varsa:
İyi yazılmış komutlarla donatılmış iyi bir LLM, oldukça iyi sonuçlar verebilir.
Bunun avantajı pratikliktir. Hemen başlayabilirsiniz, daha az harcama yaparsınız ve hızlı bir şekilde test edersiniz. Küçük İK ekipleri veya süreçleri çok karmaşık olmayan şirketler için bu yaklaşım, genellikle başlamak için en mantıklı yoldur.
Ancak bir sınır vardır. Genel amaçlı modeller, sırf güçlü oldukları için ne bir İK mantığıyla, ne de sizin bağlamınıza özgü politikalarla, ne de dolaylı uyum garantileriyle tasarlanmış değildir.
Daha yüksek hacimlerle, daha hassas süreçlerle veya çok sayıda yetki kademesi içeren bir yapıyla çalışıyorsanız, dikey modeller mantıklıdır. Bunun nedeni, “her şeyi daha iyi anladıkları” için değil, daha dar bir kapsam için tasarlanmış olmalarıdır.
Genellikle şu durumlarda tercih edilirler:
50 çalışanı olan bir KOBİ için amaç, en gelişmiş sistemi satın almak değildir. Amaç, ekibin kullanmayı bildiği, kontrol edebildiği ve hata yaptığında sorgulayabildiği sistemi seçmektir.
Asıl soru, hangi modelin daha gelişmiş olduğu değildir. Asıl soru, hangi modelin sizin operasyonel riskinize uygun olduğudur. Görev düşük etki ve yüksek hacimliyse, genel amaçlı model tercih edilmelidir. Süreç hassas kararları içeriyorsa ve yapılandırılmış kontrol gerektiriyorsa, dikey modele dikkat etmek gerekir.
En başarılı uygulamalar, öngörülü işe alımdan başlamaz. Günlük sorunlardan başlar. İşte tam da bu noktada yapay zeka, kurum içinde güven yaratır ve ekibin onu yönetmeye gerçekten hazır olup olmadığını gösterir.
İlk adım, sadece görünüşte basit. Yüksek hacimli ve düşük riskli faaliyetlerden başlamalısın. Oradan başlarsan, avantajı hemen görürsün ve riskini sınırlarsın.
Mantıklı üç örnek:
Bu yaklaşım olumlu bir etki yaratır. İK ekibi, yapay zekayı artık soyut bir tehdit olarak görmez ve onu operasyonel bir destek aracı olarak değerlendirmeye başlar.
İkinci adım, ilk adımdan daha önemlidir. Yapay zekanın önerdiği ve insanın karar verdiği noktaları açıkça yazmalısın.
KOBİ’lerde asgari yönetişim şunları içermelidir:
Karar verme süreci
Yapay zeka sınıflandırma, özetleme ve bildirimde bulunma işlemlerini gerçekleştirebilir. Yönetici veya işe alım uzmanı ise onaylar, reddeder veya konuyu daha ayrıntılı olarak inceler.
inceleme süreci Etkisi büyük olan her çıktı, sorumlu bir kişi tarafından kontrol edilmelidir.
Sürümden önce önyargı testi
Sistem, işe alım veya personel değerlendirme aşamasına geçerse, temsili veri kümeleriyle test edilmeli ve kontroller belgelendirilmelidir.
'da iç şeffaflık Çalışanlar ve adaylar, yapay zekanın süreci desteklemek amacıyla ne zaman kullanıldığını bilmelidir.
Denetimleri atlayan bir KOBİ, büyümeyi hızlandırmıyor. Sadece riski ileriye erteliyor.
Üçüncü adım, kademeli olarak genişletmektir. Tek bir İK sürecinde görev alan bir pilot, genel bir uygulamadan daha fazla deneyim kazanır. Önce görevi, ardından ekibin davranışını, sonra da düzenleyici kapsamı değerlendirirsiniz.
İşlerini düzenli bir şekilde planlamak isteyenler için, dağınık denemeler yerine, yapay zeka entegrasyonu için gerçek bir yol haritası üzerinde düşünmek faydalıdır.
İK alanında yapay zekanın başarısını ölçmek için sadece hıza bakmak yeterli değildir. Risk, hata veya şeffaf olmayan aşamalar yaratmadan karar kalitesini artırıp artırmadığını anlamak gerekir.
KOBİ’lerde en yararlı kriter basittir: Yapay zeka, İK ekibini Laffer eğrisinin doğru noktasına mı yönlendiriyor, yoksa hâlâ insan yargısı gerektiren faaliyetleri çok erken mi otomatikleştiriyor? Tasarruf edilen zaman artarken, sürecin doğruluğuna ilişkin itirazlar, yeniden incelemeler veya şüpheler de artıyorsa, bu kazanç sadece görünüşte kalır.
Somut bir örnek, iç memnuniyet anketlerinin analizidir. Birçok şirkette, İK departmanı yüzlerce açık uçlu yanıtı elle inceler ve ana temaları belirler; bu süreç uzun sürer ve kişiden kişiye belirli farklılıklar gösterir. İyi yapılandırılmış bir LLM ile tematik kümeler, tekrarlanan işaretler ve anomaliler daha çabuk ortaya çıkar.
Buradaki gerçek fayda sadece operasyonel değildir. Ekip, özetlemeyle zaman kaybetmekten kurtulur ve önceliklere, takip işlemlerine ve yöneticilerle ilgili müdahalelere odaklanabilir.
Bu durumda yararlı olan ölçütler az sayıda ve somuttur: ortalama analiz süresi, örneklem bazında yapılan insan denetimine göre özetlerin tutarlılığı, fiili eyleme dönüşen içgörü sayısı. Yapay zeka hızlı ancak fazla genel özetler üretiyorsa, zaten optimal noktayı aşmışsınız demektir.
Tersine bir durum ise daha hassas bir konudur. İlk görüşmeyi yürüten ve insan denetimi olmaksızın eleme puanı veren bir sohbet robotu verimli görünebilir, ancak bir İtalyan KOBİ için bu, teknolojiden çok yöntem açısından ciddi bir sorun yaratır.
Risk üç yönlüdür. Belirsiz kriterler nedeniyle uygun adayları eleyebilirsiniz. Kararı şeffaf bir şekilde açıklamayı zorlaştırabilirsiniz. GDPR ile ilgili eleştirilere maruz kalabilirsiniz ve etkisinin büyük olduğu durumlarda, iş yerinde kullanılan sistemler ve istihdama erişim konusunda AI Act’in daha katı hale getirdiği yükümlülüklerle de karşı karşıya kalabilirsiniz.
Şirkette gözlemlediğim kadarıyla, asıl test şudur: Yapay zeka daha iyi kararlar alınmasına yardımcı oluyor mu, yoksa zaten zayıf olan bir kararı sadece daha hızlı hale mi getiriyor? ELECTE’nin yaptığı bir analiz de tam olarak bu noktaya değiniyor. Yalnızca otomasyonla yönetilen seçim süreçleri, kişi ile pozisyon arasındaki gerçek uyumu bozma eğilimindeyken, son aşamada insan tarafından yapılan doğrulama, en maliyetli hataları azaltıyor.
Dolayısıyla, doğru bir şekilde ölçüm yapmak, dört göstergeyi bir arada değerlendirmek anlamına gelir: tasarruf edilen zaman, çıktı kalitesi, insan tarafından yapılan düzeltme oranı ve uyum riski. Bunlardan sadece birini ölçerseniz, genellikle projeyi yanlış değerlendirmiş olursunuz.
İK için yapay zeka, mekanik işleri üstlendiğinde ve en zor görevi, yani bağlamı, motivasyonu, potansiyeli ve sonuçları yorumlamayı insanlara bıraktığında gerçekten işe yarar. İşte en ideal nokta budur. Ne sıfır yapay zeka, ne de tam otomasyon.
Bir İtalyan KOBİ için öncelik, en göz alıcı yeniliklerin peşinden koşmak değildir. Önemli olan, GDPR, AI Act ve yönetimsel sağduyu ile çelişmeden verimliliği ve kaliteyi artıran bir sistem kurmaktır. Bu mantığı uygularsanız, yapay zeka yararlı bir çarpan haline gelir. Eğer onu muhakeme yeteneğinin yerine kullanırsanız, bir risk haline gelir.
Operasyonel verileri ve kurumsal sinyalleri daha anlaşılır içgörülere dönüştürmek istiyorsanız, KOBİ’ler için yapay zeka destekli bir veri analitiği platformu olan ELECTE, karmaşık bilgileri analiz etmenize, raporları otomatikleştirmenize ve daha iyi kararlar almanıza yardımcı olur. Bunun pratikte nasıl işlediğini anlamak için platformu çalışırken görebilir ve süreçlerinize uygun olup olmadığını değerlendirebilirsiniz.
.svg)
.svg)
.svg)
