Bir iş ilanı görüyorsunuz.
İlanı dikkatle okuyorsunuz. Eğitim durumunuz uygun, deneyiminiz yeterli, aranan becerilerin önemli bölümüne sahipsiniz.
Özgeçmişinizi güncelliyor, başvuru formunu dolduruyor ve dosyanızı sisteme yüklüyorsunuz.
Ekranda kısa bir mesaj beliriyor:
“Başvurunuz başarıyla alınmıştır.”
Aradan günler geçiyor. Ardından haftalar.
Ne bir görüşme daveti geliyor ne de başvurunuzun neden ilerlemediğini açıklayan bir mesaj.
Bu durumda aklınıza şu soru gelebilir:
Özgeçmişimi gerçekten bir insan kaynakları uzmanı inceledi mi?
Belki başvurunuz önce bir aday takip sistemine kaydedildi. Belki özgeçmişinizdeki bilgiler otomatik olarak ayrıştırıldı. Belki başvuru formunda verdiğiniz bir yanıt, sistemde önceden tanımlanmış bir kuralı harekete geçirdi.
Ya da bütün bilgileriniz doğru kaydedildiği hâlde, başvurunuz henüz bir insan tarafından incelenmedi.
Bu olasılıklar aynı anlama gelmiyor.
Dijital işe alım sistemlerinin nasıl çalıştığını anlamak, yalnızca işverenler için değil, iş arayan adaylar için de önem taşıyor.
Bu araştırmada aday takip sistemlerini (ATS), özgeçmişlerin otomatik işlenmesini, yapay zekâ destekli değerlendirmeleri ve dijital elemenin doğurabileceği hataları inceleyeceğiz.
Bunu yaparken yazılım sağlayıcılarının resmî açıklamalarından, bilimsel araştırmalardan, uluslararası denetim bulgularından ve Türkiye’deki somut bir Kişisel Verileri Koruma Kurulu kararından yararlanacağız.
Amacımız her otomatik değerlendirmeyi hatalı ilan etmek veya her işverenin aynı uygulamaları kullandığını ileri sürmek değil.
Asıl amacımız, bir adayın mesleki yeterliliğinin dijital sistemlerde ne kadar doğru, adil ve şeffaf değerlendirilebildiğini sorgulamak.
1. ATS Nedir? Aday Takip Sistemleri Nasıl Çalışır?
ATS, İngilizce Applicant Tracking System ifadesinin kısaltmasıdır. Türkçede Aday Takip Sistemi olarak adlandırılır.
Bu sistemler, işverenlerin başvuruları toplamasına, aday bilgilerini düzenlemesine, işe alım aşamalarını izlemesine ve adaylarla iletişim kurmasına yardımcı olur.
Örneğin yüzlerce başvurunun yapıldığı bir iş ilanında, bütün belgelerin elektronik posta yoluyla tek tek toplanması ve takip edilmesi oldukça zor olabilir.
ATS sistemleri bu süreci merkezî bir yapı içinde yönetmeyi kolaylaştırır.
Ancak bütün aday takip sistemlerinin aynı yeteneklere sahip olduğunu düşünmek doğru değildir.
Bazı sistemler başvuruları kaydetmek ve takip etmek için kullanılırken bazıları anahtar kelime arama, özgeçmiş ayrıştırma, başvuru sorularına göre eleme ve yapay zekâ destekli eşleştirme özellikleri sunabilir.
ATS ile yapay zekâ aynı şey değildir
Bu noktada üç kavramı birbirinden ayırmak gerekir.
Aday takip sistemi (ATS): İş başvurularını ve işe alım sürecini yöneten yazılım altyapısıdır.
Kural tabanlı otomatik eleme: İşverenin önceden belirlediği koşullara göre başvurunun işleme alınması, ilerletilmesi veya reddedilmesidir.
Yapay zekâ destekli değerlendirme: Aday bilgilerinin makine öğrenmesi veya başka yapay zekâ yöntemleriyle analiz edilmesi, eşleştirilmesi ya da puanlanmasıdır.
Bu üç uygulama aynı sistemde bulunabilir. Ancak birbirlerinin zorunlu parçası değildir.
Dolayısıyla bir şirketin ATS kullanması, bütün başvuruların yapay zekâ tarafından değerlendirildiği anlamına gelmez.
Dizimizin önceki araştırmalarından “Büyük Şirketler Çalışanlarını Nasıl Seçiyor?” başlıklı makalede, kurumsal işe alım yöntemlerinin şirketlere ve pozisyonlara göre nasıl değişebildiğini incelemiştik.
Bu yazıda ise aynı sürece adayın karşılaştığı dijital sistemler açısından bakıyoruz.
2. Özgeçmişiniz İnsan Kaynaklarına Ulaşmadan Önce Neler Olabilir?
Bir iş başvurusu sırasında farklı işlemler gerçekleşebilir.
Örnek bir dijital başvuru sürecinde aday önce formu doldurur ve özgeçmişini yükler.
Sistem başvuru bilgilerini kaydeder.
Ardından özgeçmişteki iş deneyimi, eğitim, iletişim ve beceri bilgileri belirli alanlara aktarılabilir.
Bazı sistemlerde işverenin tanımladığı ön koşullar kontrol edilir.
Başvurular bir insan kaynakları uzmanının incelemesine sunulabilir veya farklı değerlendirme aşamalarına yönlendirilebilir.
Ancak bu sıralama bütün işletmeler için geçerli evrensel bir model değildir.
Özgeçmiş ayrıştırma nedir?
Resume parsing veya CV parsing adı verilen işlemde yazılım, özgeçmişteki bilgileri belirli veri alanlarına dönüştürmeye çalışır.
Örneğin adayın çalıştığı şirketler, görev unvanları, çalışma tarihleri ve eğitim bilgileri otomatik olarak tanınabilir.
Greenhouse’un resmî özgeçmiş ayrıştırma açıklamasında, karmaşık tabloların, grafiklerin, sütunlu tasarımların ve görüntü biçimindeki dosyaların bazı ayrıştırma sorunlarına yol açabildiği belirtiliyor. [1]
Fakat önemli bir ayrıntı var:
Greenhouse’un açıklamasına göre özgeçmiş ayrıştırılamadığında belge yine adayın kaydına eklenebilir; eksik bilgilerin manuel girilmesi gerekebilir.
Yani özgeçmişin otomatik okunamaması, adayın kesin olarak elendiği anlamına gelmez.
3. Bir Yazılım İş Başvurunuzu Otomatik Olarak Reddedebilir mi?
Evet. Bazı sistemlerde bu mümkündür.
Ancak otomatik ret işleminin hangi koşullarda gerçekleştirildiğini anlamak gerekir.
Gerçek uygulama: Greenhouse Auto-Reject
Greenhouse, işe alım süreçlerini yönetmek için kullanılan ticari yazılımlardan biridir.
Şirketin 30 Ocak 2026 tarihinde güncellediği Auto-Reject belgelerinde, işverenlerin belirli başvuru sorularına verilen yanıtlara göre otomatik ret kuralları oluşturabildiği açıklanıyor. [2]
Örneğin ağır vasıta sürücüsü arayan bir işverenin, pozisyon için zorunlu olan sürücü belgesine ilişkin bir soru sorduğunu düşünelim.
Aday gerekli belgeye sahip olmadığını belirtiyorsa, işveren tarafından tanımlanan kural başvurunun otomatik olarak reddedilmesini sağlayabilir.
Greenhouse belgelerinde bu kuralların evet/hayır, tek seçim veya çoklu seçim biçimindeki sorular için oluşturulabildiği belirtiliyor.
Üstelik sistem otomatik ret gerekçesi atayabilir ve adaya bilgilendirme mesajı gönderebilir.
Bu, gerçek bir yazılım özelliğidir.
Fakat bununla ilgili iki önemli sınır bulunmaktadır.
Birincisi, bu özellik her yazılımda veya her işverenin kullandığı sistemde bulunmaz.
İkincisi, belirli bir zorunlu koşulu karşılamayan başvurunun otomatik reddedilmesi ile adayın bütün mesleki yeterliliklerinin yapay zekâ tarafından değerlendirilmesi aynı şey değildir.
Burada asıl incelenmesi gereken konu, otomatik ret kuralının gerçekten işle ilgili, gerekli ve ayrımcılık doğurmayacak biçimde belirlenip belirlenmediğidir.
ATS sistemleri başvuruların yüzde 75’ini eliyor mu?
İnternette sık karşılaşılan iddialardan biri, özgeçmişlerin yaklaşık yüzde 75’inin ATS sistemleri tarafından otomatik olarak elendiğidir.
Ancak bu oranın bütün ülkeler, sektörler, şirketler ve yazılımlar için geçerli olduğunu gösteren güvenilir ve evrensel bir araştırma bulunmamaktadır.
Bu nedenle yüzde 75 gibi iddialar, kaynağı ve hesaplama yöntemi doğrulanmadan bilimsel gerçek olarak sunulmamalıdır.
Bir başvurunun ilerlememesinin birçok nedeni olabilir.
İşverenin belirlediği zorunlu koşulların karşılanmaması, başka adayların daha uygun bulunması, pozisyonun kapanması veya değerlendirme sürecinin devam etmesi bunlardan bazılarıdır.
Dolayısıyla iş başvurusundan olumsuz sonuç alınması, tek başına başvurunun bir algoritma tarafından reddedildiğini kanıtlamaz.
4. Yapay Zekâ Adaylar Arasında Ayrımcılık Yapabilir mi?
Bu soru yalnızca teorik bir tartışma değildir.
Geçmişte geliştirilen bazı işe alım algoritmaları, insan kararlarında bulunan önyargıların otomatik sistemlere de yansıyabileceğini gösteren önemli örnekler ortaya çıkarmıştır.
Gerçek olay: Amazon’un işe alım algoritması
Reuters muhabiri Jeffrey Dastin’in 2018 yılında yayımladığı araştırma haberi, Amazon’un deneysel bir yapay zekâ işe alım sistemi geliştirdiğini ortaya koydu. [3]
Reuters’a konuşan kaynaklara göre çalışmalar 2014 yılında başlamıştı.
Amaç, çok sayıda özgeçmişi inceleyebilen ve uygun adayları belirlemeye yardımcı olan bir sistem oluşturmaktı.
Algoritma, geçmiş yıllardaki iş başvurularının örüntülerinden öğreniyordu.
Ancak teknoloji sektöründeki belirli pozisyonlara geçmişte yapılan başvuruların ağırlıklı olarak erkeklerden gelmesi önemli bir sorun oluşturmuştu.
Haberde aktarılan bilgilere göre sistem, bazı kadınlarla ilişkili ifadelere yer veren özgeçmişleri daha düşük değerlendirebiliyordu.
Reuters’ın haberinde sistemin kadın adaylara karşı olumsuz değerlendirme eğilimi gösterdiği belirtildi.
Amazon ise deneysel aracın işe alım uzmanları tarafından adayları değerlendirmek amacıyla kullanılmadığını açıkladı. Haberde görüşülen diğer kaynaklar, bazı önerilerin incelendiğini ancak işe alım kararlarının yalnızca bu sıralamalara dayanmadığını ifade etti.
Proje sonunda terk edildi.
Bu örneği değerlendirirken bir ayrım yapmak gerekir:
Reuters’ın kaynaklara dayanan araştırma haberi, Amazon hakkında verilmiş bir mahkeme veya idari ayrımcılık kararı değildir.
Buna rağmen olay, geçmiş verilerin gelecekteki değerlendirmelere nasıl önyargı taşıyabileceğini açıklayan önemli bir vakadır.
Bilimsel araştırmalar ne söylüyor?
Raghavan, Barocas, Kleinberg ve Levy’nin 2020 yılında yayımlanan Mitigating Bias in Algorithmic Hiring: Evaluating Claims and Practices başlıklı araştırması, algoritmik işe alım sistemlerinin geliştirilmesini, doğrulanmasını ve ayrımcılık risklerinin nasıl ele alındığını incelemiştir. [4]
Araştırmacılar, bu sistemleri sunan kuruluşların açıklamalarını hem teknik hem de hukuki açıdan değerlendirmiştir.
Çalışmanın temel tartışmalarından biri şudur:
Bir algoritmanın ayrımcılığı azaltmak için tasarlandığının ileri sürülmesi, gerçek uygulamada ayrımcılık üretmediğinin kanıtı değildir.
Bunun anlaşılabilmesi için hangi verilerin kullanıldığı, sistemin neyi tahmin ettiği, nasıl doğrulandığı ve olası olumsuz etkilerinin nasıl incelendiği önemlidir.
Örneğin geçmişte belirli bir eğitim kurumundan mezun olan kişiler daha sık işe alınmışsa algoritmanın bu geçmiş örüntüyü başarılı çalışan seçiminin göstergesi olarak yorumlaması mümkündür.
Fakat geçmişte işe alınmış olmak ile işte başarılı olacak yetkinliklere sahip olmak aynı şey değildir.
Bir algoritmanın geçmiş işe alım kararlarını doğru tahmin etmesi, adayların gerçek mesleki yeterliliklerini doğru ölçtüğünü tek başına kanıtlamaz.
5. ATS Uyumlu Özgeçmiş Hazırlamak Gerçekten Önemli mi?
Bir adayın işe alınmasını belirleyen tek unsur özgeçmişin biçimi değildir.
Bununla birlikte özgeçmişteki bilgilerin dijital sistemler tarafından doğru işlenmesini kolaylaştırmak mümkündür.
Greenhouse’un 2026 yılında güncellediği teknik açıklamalarda, bazı özgeçmiş biçimlerinin otomatik ayrıştırma sırasında sorun oluşturabildiği belirtilmektedir. [1]
Bu nedenle adayların aşağıdaki noktalara dikkat etmesi yararlı olabilir:
- Açık bölüm başlıkları: İş Deneyimi, Eğitim, Beceriler ve Sertifikalar gibi anlaşılır başlıklar kullanılması.
- Sade düzen: Karmaşık sütunlar, metin kutuları ve yoğun grafikler yerine okunabilir bir yapının tercih edilmesi.
- Gerçek becerilerin belirtilmesi: İş ilanında yer alan ve adayın gerçekten sahip olduğu yetkinliklerin açık biçimde yazılması.
- Uygun dosya biçimi: İşverenin belirttiği PDF, DOCX veya başka dosya biçiminin kullanılması.
- Başvuru kontrolü: Özgeçmiş yüklendikten sonra sistemin otomatik doldurduğu bilgilerin doğruluğunun incelenmesi.
Anahtar kelimeler yeterli mi?
Bir iş ilanında “veri analizi”, “Excel raporlama” veya “müşteri ilişkileri yönetimi” gibi beceriler aranabilir.
Adayın bunları gerçekten biliyorsa özgeçmişinde açıkça belirtmesi anlaşılmayı kolaylaştırabilir.
Ancak aynı sözcükleri gereksiz yere tekrarlamak, gerçekte bulunmayan becerileri yazmak veya özgeçmişe görünmeyen anahtar kelimeler eklemek güvenilir bir değerlendirme stratejisi değildir.
Üstelik bazı sistemler yalnızca sözcük eşleştirmesi yaparken bazıları ifadeler arasındaki anlamsal ilişkileri de analiz edebilir.
Bu nedenle bütün ATS sistemlerini geçmeyi garanti eden tek bir özgeçmiş biçimi veya anahtar kelime listesi yoktur.
Örnek: Aynı aday, iki farklı özgeçmiş
Beş yıllık raporlama deneyimine sahip bir aday düşünelim.
İlk özgeçmişinde bilgiler karmaşık bir tasarımın içinde, küçük metin kutularında ve grafiklerle birlikte yer alsın.
İkinci özgeçmişinde ise aynı bilgiler sade başlıklar altında, tarihleri ve görev açıklamalarıyla sunulsun.
Bazı ayrıştırma sistemlerinde ikinci belgenin daha doğru işlenmesi mümkün olabilir.
Ancak buradan her sistemin ilk belgeyi reddedeceği sonucu çıkarılamaz.
Bu örnek, gerçek aday verilerine dayalı bilimsel bir deney değil, biçimlendirmenin olası etkilerini açıklamak için hazırlanmış temsili bir karşılaştırmadır.
6. Dijital İşe Alım Sistemlerini Kim Denetliyor?
Yapay zekâ destekli işe alım uygulamaları yalnızca şirketlerin teknoloji tercihlerinden ibaret değildir.
Bu sistemler adayların kişisel verilerini işleyebilir, bazı değerlendirmeleri otomatikleştirebilir ve iş fırsatlarına erişimi etkileyebilir.
Dolayısıyla veri koruma ve ayrımcılık risklerinin değerlendirilmesi gerekir.
Gerçek denetim: Birleşik Krallık ICO, 2024
Birleşik Krallık’ın veri koruma otoritesi Information Commissioner’s Office (ICO), 6 Kasım 2024 tarihinde işe alımda kullanılan yapay zekâ araçları hakkında yürüttüğü denetimlerin sonuçlarını yayımladı. [5]
ICO, geliştiriciler ve sağlayıcılarla gerçekleştirdiği gönüllü katılımlı denetimler sonucunda yaklaşık 300 iyileştirme önerisi sunduğunu bildirdi.
Kurumun açıklamasına göre incelenen bazı araçlarda önemli riskler bulunuyordu.
Örneğin kimi sistemler adayların belirli korunan özelliklerine göre filtrelenmesine imkân tanıyordu.
Bazı araçlar, kişinin adından cinsiyet veya etnik köken gibi özelliklere ilişkin çıkarımlar yapabiliyordu.
Bazı uygulamalarda ise gereğinden fazla kişisel veri toplanması ve verilerin uzun süre saklanması sorunları tespit edildi.
ICO, adayların kişisel verilerinin nasıl kullanılacağının açıkça anlatılması, yalnızca gerekli bilgilerin toplanması ve ayrımcılık risklerinin düzenli biçimde kontrol edilmesi gerektiğini vurguladı.
Denetim kapsamındaki kuruluşlar önerileri kabul etti veya kısmen kabul etti. ICO ayrıca gerekli iyileştirme adımlarının uygulandığını takip ettiğini açıkladı.
Bu bulgular Birleşik Krallık’taki belirli sağlayıcılara ilişkin denetimlerin sonucudur. Türkiye’deki veya dünyadaki bütün işe alım sistemlerinin aynı sorunlara sahip olduğunu göstermez.
Ancak dijital işe alım araçlarının bağımsız biçimde değerlendirilmesinin neden önemli olduğunu ortaya koyar.
ICO Güvence Direktörü Ian Hulme, açıklamasında yapay zekânın işe alıma yarar sağlayabileceğini, ancak hukuka uygun ve adil kullanılmadığında adaylara zarar verebilecek yeni riskler de getirdiğini ifade etmiştir.
Buradan çıkan temel sonuç şudur:
Teknolojik bir sistemin kullanılması, işe alım kararlarının otomatik olarak adil, doğru ve hukuka uygun olduğu anlamına gelmez.
7. Özgeçmişinizdeki Kişisel Veriler Ne Kadar Süre Saklanabilir?
İş başvurusu sırasında aday yalnızca mesleki bilgilerini paylaşmaz.
Adı, iletişim bilgileri, eğitim geçmişi, iş deneyimi ve bazen başka kişisel bilgileri de işverene iletir.
Başvuru olumsuz sonuçlandığında bu verilerin ne olacağı önemli bir sorudur.
Türkiye’de 6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında adaylar da ilgili kişi sıfatıyla belirli haklara sahiptir.
Kişisel Verileri Koruma Kurumunun İlgili Kişinin Hakları açıklamasına göre kişiler, Kanunun 11. maddesinde öngörülen şartlar çerçevesinde kişisel verilerinin işlenmesine ilişkin bilgi talep edebilir, düzeltme ve silme haklarını kullanabilir. [6]
Ayrıca Kanunda şu hak da düzenlenmektedir:
“İşlenen verilerin münhasıran otomatik sistemler vasıtasıyla analiz edilmesi suretiyle kişinin kendisi aleyhine bir sonucun ortaya çıkmasına itiraz etme.”
Bu düzenleme, dijital değerlendirmeler açısından özellikle önemlidir.
Ancak her otomatik destekli işlemde bu hakkın aynı koşullarda kullanılabileceği düşünülmemelidir. Kararın münhasıran otomatik analize dayanması ve diğer hukuki koşullar somut olay açısından incelenmelidir.
Gerçek hukuki olay: KVKK’nin 2021/670 sayılı kararı
Kişisel Verileri Koruma Kurulunun 06.07.2021 tarihli ve 2021/670 sayılı kararında, bir bankaya iş başvurusunda bulunan kişinin verilerinin saklanmasına ilişkin uyuşmazlık ele alındı. [7]
Başvurucu, bankanın internet sitesi üzerinden iş başvurusu yapmış ve mülakata katılmıştı.
Ancak işe alım süreci olumsuz sonuçlanmıştı.
Bunun ardından başvurucu özgeçmişini sistemden silmiş ve bankadan diğer kişisel verilerinin de silinmesini istemişti.
Banka, bazı bilgileri silmesine rağmen ad, soyad, kimlik bilgileri ve mülakata ilişkin değerlendirme gerekçesini gelecekteki olası başvuruları değerlendirmek amacıyla saklamaya devam ettiğini açıkladı.
Başvurucu bu gerekçeyi kabul etmeyerek yeniden silme talebinde bulundu.
Banka daha sonra verileri ilk periyodik imha işleminde sileceğini bildirdi.
Kurul neye karar verdi?
Kurul, bankanın gelecekte yapılabilecek iş başvurularını gerekçe göstererek kişisel verileri saklamasına ilişkin meşru menfaat savunmasını yeterli bulmadı.
Ayrıca ilgili kişinin talebine rağmen, verilerin talep üzerine silinmesine ilişkin düzenlemeye uygun sürede imha edilmediğini değerlendirdi.
Sonuç olarak veri sorumlusu hakkında idari para cezası uygulanmasına karar verildi.
Banka, ilgili kişinin verilerini imha etmek ve Kurula bilgi vermekle de talimatlandırıldı.
Ayrıca olumsuz sonuçlanan başka iş başvuruları bulunması hâlinde bu kişilerin verilerinin de Kanunun 7. maddesi çerçevesinde değerlendirilerek imha edilmesi istendi.
Önemli hukuki ayrım: Bu karar, bütün işverenlerin olumsuz sonuçlanan bütün başvurulara ait verileri her koşulda aynı gün silmek zorunda olduğu anlamına gelmez.
Kararın sonucu, somut olayda devam eden veri işleme şartlarına, saklama gerekçelerine ve başvurucunun silme talebine dayanmaktadır.
Alternatif metin: KVKK 2021/670 sayılı kararı, iş başvurusu sonrasında özgeçmiş ve kişisel verilerin saklanması ile silme talebine ilişkin gerçek vaka.
8. Dijital İşe Alımda Sorumluluk Kimde?
İş arayan adaylara çoğunlukla özgeçmişlerini geliştirmeleri, başvurularını dikkatle yapmaları ve becerilerini doğru ifade etmeleri önerilir.
Bunlar kuşkusuz önemlidir.
Ancak işe alım sürecinin doğru ve adil yürütülmesi yalnızca adayın sorumluluğuna bırakılamaz.
İşverenin ve insan kaynakları yöneticilerinin de sistemlerin hangi amaçla kullanıldığını ve nasıl sonuçlar ürettiğini değerlendirmesi gerekir.
İşveren açısından
İşveren, kullandığı değerlendirme yöntemlerinin işin gerçek gereklilikleriyle ilişkili olmasını sağlamalıdır.
Otomatik eleme koşulları belirleniyorsa bunların gerekliliği sorgulanmalıdır.
Yapay zekâ destekli araçlar kullanılıyorsa hatalı sonuçlar, ayrımcılık riskleri ve kişisel verilerin işlenmesi konuları incelenmelidir.
Adayların hangi aşamalarda insan değerlendirmesinden geçtiği ve otomatik işlemlerin hangi kararları etkilediği de önemli yönetişim konularıdır.
İnsan kaynakları uzmanı açısından
İnsan kaynakları uzmanının görevi yalnızca yazılımın ürettiği sonucu kabul etmek olmamalıdır.
Kullanılan değerlendirme aracının güçlü ve sınırlı yönlerini bilmesi, adayın mesleki yeterlilikleriyle teknik sonuçlar arasındaki ilişkiyi sorgulaması önemlidir.
Özellikle sistemin bir adayı neden uygun veya uygun olmayan olarak değerlendirdiği açıklanamıyorsa, kararın güvenilirliği ayrıca incelenmelidir.
Aday açısından
Aday, gerçek becerilerini ve deneyimlerini açıkça ifade eden bir özgeçmiş hazırlamalıdır.
Başvuru formundaki bilgilerin doğru girildiğini kontrol etmeli, gerekli olduğunda kişisel veri haklarını kullanabilmelidir.
Ancak bir adayın bütün bu önlemleri almış olması, işe alınacağı veya her başvurusunun mutlaka insan tarafından ayrıntılı biçimde değerlendirileceği garantisini oluşturmaz.
9. Araştırmalardan Çıkan Sonuçlar
İncelediğimiz kaynaklar, dijital işe alım hakkında tek yönlü bir sonuca ulaşmanın doğru olmadığını gösteriyor.
Greenhouse’un resmî belgeleri, aday takip sistemlerinde otomatik ret kuralları ve özgeçmiş ayrıştırma işlemleri bulunabildiğini ortaya koyuyor.
Reuters’ın 2018 yılında yayımladığı Amazon araştırması, geçmiş verilerden öğrenen bir işe alım algoritmasının olası önyargılar taşıyabileceğini gösteren önemli bir örnek sunuyor.
Raghavan ve arkadaşlarının bilimsel çalışması, algoritmik değerlendirmelerde adalet iddialarının teknik ve hukuki açıdan nasıl sorgulanması gerektiğine dikkat çekiyor.
Birleşik Krallık ICO’nun 2024 denetimleri, yapay zekâ destekli işe alım araçlarında kişisel verilerin korunması ve ayrımcılık riskleri bakımından somut eksiklikler bulunabildiğini gösteriyor.
Türkiye’deki 2021/670 sayılı KVKK kararı ise başvuru sonrasında kişisel verilerin saklanmasının belirli hukuki gerekçelere ve koşullara dayanması gerektiğini hatırlatıyor.
Bu örneklerin her biri farklı bir soruna ışık tutuyor.
Ancak hiçbiri bütün ATS sistemlerinin ayrımcı olduğu, bütün başvuruların otomatik olarak elendiği veya insan değerlendirmesinin tamamen ortadan kalktığı sonucunu desteklemiyor.
Sonuç: Özgeçmişiniz Sisteme Ulaşmış Olabilir, Peki Gerçekten Değerlendirildi mi?
Dijital işe alım sistemleri, kurumların başvuruları daha düzenli ve hızlı biçimde yönetmesine yardımcı olabilir.
Ancak bu teknolojilerin kullanılması, personel seçiminin bilimsel ve etik sorumluluklarını ortadan kaldırmaz.
İş arayan bir aday açısından önemli olan yalnızca özgeçmişinin sisteme yüklenmesi değildir.
Bilgilerinin doğru işlenmesi, deneyimlerinin uygun ölçütlerle değerlendirilmesi ve kişisel verilerinin hukuka uygun biçimde korunması da önemlidir.
Bir insan kaynakları uzmanı açısından ise teknolojiyi kullanabilmek kadar onun ürettiği sonuçları sorgulayabilmek gerekir.
İşveren açısından başarı, yalnızca başvuru sayısını azaltmak veya değerlendirme süresini kısaltmakla ölçülmemelidir.
Dijital işe alımın gerçek başarısı, doğru adayların adil, güvenilir ve işle ilgili yöntemlerle belirlenebilmesidir.
Ve belki de bu yazının sonunda sorulması gereken en önemli soru şudur:
Bir aday işe alınmadığında gerçekten o adayın yetersiz olduğunu mu biliyoruz, yoksa kullandığımız sistemin onun yeterliliğini doğru değerlendirdiğini mi varsayıyoruz?
Kaynakça
- Greenhouse. (2026). Unsuccessful Resume Parse. Greenhouse Support. 2 Mart 2026.
https://support.greenhouse.io/hc/en-us/articles/200989175-Unsuccessful-resume-parse - Greenhouse. (2026). Auto-Reject. Greenhouse Support. 30 Ocak 2026.
https://support.greenhouse.io/hc/en-us/articles/360000653472-Auto-reject - Dastin, J. (2018). Insight — Amazon Scraps Secret AI Recruiting Tool That Showed Bias Against Women. Reuters. 10 Ekim 2018.
https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/ - Raghavan, M., Barocas, S., Kleinberg, J. ve Levy, K. (2020). Mitigating Bias in Algorithmic Hiring: Evaluating Claims and Practices. Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency, 469–481.
https://doi.org/10.1145/3351095.3372828 - Information Commissioner’s Office (ICO). (2024). ICO Intervention into AI Recruitment Tools Leads to Better Data Protection for Job Seekers. 6 Kasım 2024.
https://ico.org.uk/about-the-ico/media-centre/news-and-blogs/2024/11/ico-intervention-into-ai-recruitment-tools-leads-to-better-data-protection-for-job-seekers - Kişisel Verileri Koruma Kurumu (KVKK). (t.y.). İlgili Kişinin Hakları — 6698 Sayılı Kanun Madde 11.
https://www.kvkk.gov.tr/Icerik/2036/Ilgili-Kisinin-Haklari - Kişisel Verileri Koruma Kurumu (KVKK). (2021). İlgili Kişinin Veri Sorumlusu Bankaya Yaptığı İş Başvurusunun Olumsuz Sonuçlanması Sonrası Kişisel Verilerinin İşlenmeye Devam Etmesi Hakkında 06.07.2021 Tarihli ve 2021/670 Sayılı Karar Özeti.
https://www.kvkk.gov.tr/Icerik/7136/2021-670
Sıradaki Makale
07 — İş Görüşmeleri Gerçekten Doğru Adayı Seçebiliyor mu?
Mülakatlar, Testler ve Bilimsel Geçerlilik
Bir iş görüşmesinde başarılı olmak, işte de başarılı olunacağını garanti eder mi? Yapılandırılmış mülakatlar, yetenek testleri ve uygulamalı değerlendirmeler doğru personeli seçmede ne kadar etkili?
Araştırma dizimizin yedinci makalesinde personel seçiminde kullanılan mülakat ve değerlendirme yöntemlerinin bilimsel geçerliliğini, güvenilirliğini ve iş performansını öngörme başarısını inceleyeceğiz.
Ayrıca mülakatlarda oluşabilecek değerlendirme hatalarını, görüşmecilerin önyargılarını ve farklı seçim yöntemlerinin güçlü ve sınırlı yönlerini bilimsel araştırmalarla ele alacağız.
Önceki Makale: 05 — İnsan Kaynakları Uzmanlarını Kim ve Nasıl Seçmeli? Yetkinlik, Eğitim ve Etik Sorumluluklar
Ana Araştırma Kataloğu: İş Hayatının Gerçekleri — 20 Makalelik Araştırma Dizisi
Bir yanıt yazın