İşe Alımda Yapay Zekâ CV Analizi: İnsan Onayı Olmadan Karar Vermemek İçin Kontrol Noktaları

İşe alım ekipleri, yoğun başvuru dönemlerinde özgeçmişleri hızla ayıklamak için yapay zekâ destekli CV analizine başvuruyor. Bu araçlar zaman kazandırabilir, ama adayın kaderini bir puana bırakmak için bir gerekçe değildir. Bu yazı, karar yetkisini insanda tutan, adil ve denetlenebilir bir değerlendirme sürecinin nasıl kurulabileceğini anlatıyor. Aşağıdaki iş senaryosu bir örnektir ve gerçek bir şirketi temsil etmez: Orta ölçekli bir üretim şirketinin İK ekibi, bir kalite mühendisi pozisyonu için 400’e yakın başvuruyu sıralamak istemektedir.

Giriş: İnsan denetiminin neden zorunlu olduğu

Yapay zekâ destekli CV analizi araçları genellikle eğitim, deneyim, beceri ifadeleri ve iş unvanı gibi alanları işleyerek bir sıralama veya skor üretir. Bu çıktı; metnin yanlış okunması, eski bir kaydın yanlış eşleşmesi veya modelin temsil yanlılığı nedeniyle hatalı olabilir. Hollanda Veri Koruma Otoritesi’nin (Autoriteit Persoonsgegevens) çevrimiçi değerlendirmelere ilişkin rehberi, bu tür sonuçların doğru olmama, pozisyonla ilgisiz olma ve ayrımcı etki doğurma riskini açıkça ele alıyor. Rehber AVG bağlamında yazılmıştır; Türkiye’deki uygulama için KVKK ve ilgili mevzuatın ayrıca değerlendirilmesi gerekir. Yine de risk dili, Türkiye’deki İK ekipleri için de ortak bir başlangıç noktası sunar.

Bu nedenle sorunun özü, aracın ne kadar akıllı olduğu değil, kararın kimin tarafından, hangi gerekçeyle ve hangi bilgiyle verildiğidir.

Ön eleme sınırlarının belirlenmesi

Örnek şirkette ilk adım, aracın hangi görevi yapacağını yazılı olarak tanımlamaktı. Ekip şu ayrımı yaptı: Araç, başvuruları gruplandırabilir ve pozisyon gereksinimleriyle eşleşen bilgileri vurgulayabilir. Ancak hiçbir adayı tek başına eleyemez. Eleme kararı, bir İK uzmanının ve ilgili yöneticinin dosyayı incelediği aşamada verilir.

Değerlendirme ölçütü olarak bu tablo, her adımda aracın neyi yapmadığını da görünür kılar. Bu sınır, uygulama sırasında ekibin kendi kuralını korumasına yardımcı olur.

Değerlendirme ölçütlerinin önceden dokümante edilmesi

Örnek şirkette, aracın kullanılmasından önce pozisyonun ölçütleri yazılı hale getirildi. Her ölçüt için üç soru soruldu: Bu ölçüt iş gereksinimiyle doğrudan bağlantılı mı? Adaylar bu bilgiyi kendi özgeçmişlerinde doğal olarak verebiliyor mu? Bu ölçüt farklı arka plana sahip adayları sistematik olarak dezavantajlı duruma düşürebilir mi?

Bu soruların cevapları, bir sıralama modeline girdi olarak verilecek alanları belirledi. Örneğin “ilgili sertifikalar” ve “ölçüm cihazlarıyla deneyim” alanları kabul edildi; fotoğraf, medeni durum veya doğum yeri gibi pozisyonla ilgisiz alanlar dışarıda bırakıldı. Ekip ayrıca, bir ölçütün neden ağırlık aldığını tek cümleyle açıklayan kısa bir belge hazırladı. Bu belge, adaylara açıklama yapılması gerektiğinde ve iç denetimde kullanılabilir.

Şeffaflık burada iki yönlüdür: İç ekip, hangi ölçütün kullanıldığını bilmelidir; adaya da süreçte yapay zekâ kullanıldığı ve insan incelemesi bulunduğu açıkça bildirilmelidir. GOV.UK’in işe alımda sorumlu yapay zekâ rehberi, araçların değerlendirilmesi ve risklerin önceden yönetilmesi için bir veri koruma etki değerlendirmesi (DPIA) yapılmasını önermektedir. Örnek şirket, aracı canlıya almadan önce bu değerlendirmeyi kendi ölçütleriyle birlikte tamamladı.

Kayıt ve gerekçe takibi: Algoritmik puanlamanın izlenebilirliği

Bir adayın neden listeden çıktığını üç ay sonra açıklayamayan bir ekip, hem iç denetimde hem de itiraz durumunda zor duruma düşer. Örnek şirkette her karar için şu bilgiler tutuldu: Kararı veren kişi, kararın tarihi, kullanılan ölçüt listesinin sürümü, aracın önerdiği sıra ile nihai kararın farklı olup olmadığı ve farklılığın gerekçesi.

Bu kayıtlar, aracın hatalarını da ortaya çıkarır. Eğer bir İK uzmanı aracın sıraladığı adayları sürekli olarak değiştiriyorsa, bu durum modelin zayıf olduğu bir alanı gösterir. Ekip, bu verileri üç ayda bir gözden geçirerek ölçütleri güncelledi.

Bu noktada, KVKK ve ayrımcılık riskleri üzerine yazılmış bu hukuki değerlendirme, işe alım algoritmalarına aktarılan veri alanlarının meşru amaçla sınırlı olması ve kayıtların denetlenebilir biçimde saklanması gerektiğini vurgulamaktadır. Kayıt tutma kararı, yalnızca teknik bir iyileştirme değil, hukuki savunulabilirlik için de önemlidir.

Veri minimizasyonu ve KVKK ilkeleri doğrultusunda süreç yönetimi

Araç tedarikçileri genellikle başvuru formundaki tüm alanların gönderilmesini isteyebilir. Örnek şirket bu talebi reddetti ve her veri alanı için üç soru sordu: Bu alan pozisyonun objektif gereksinimine bağlı mı? Amaç bu alan olmadan da gerçekleşebilir mi? Alan işlenirse hangi hukuki dayanakla işlenecek?

Sonuçta fotoğraf, medeni durum, sağlık bilgisi ve aile bilgisi modele gönderilmedi. Aday başvuru formuna bu bilgileri zorunlu olarak girmiyor; ilgili alanlar yalnızca gerçekten gerekli olduğunda ve yasal dayanağı belirlendikten sonra toplanıyor. Bu yaklaşım, KVKK’nın amaçla sınırlılık ve ölçülülük ilkelerinin İK sürecine uyarlanmış bir yorumudur. Hukuki yorumun kesin çerçevesi için hukuk ve uyum ekibinin bağımsız danışmanlık almasında fayda vardır.

Veri minimizasyonunun bir de doğruluk boyutu vardır. Eski iş unvanı veya yanlış eşleştirilmiş bir profil adayın puanını düşürüyorsa, düzeltme talebi yalnızca veritabanındaki metni değiştirmekle kalmamalı, etkilenen değerlendirme de yeniden yapılmalıdır.

Uygulama kontrol listesi ve Cockpit bağlamı

Aşağıdaki liste, örnek şirketin pilot uygulamasında kullandığı ölçütlerdir. Her madde, ekip içinde bir sorumlu ve bir tarih ile takip edilmelidir:

1. Aracın yalnızca öneri üreteceğini gösteren yazılı bir süreç tanımı hazırlayın.
2. Pozisyon için kullanılacak ölçütleri ve her birinin gerekçesini belgeleyin.
3. Modele gönderilecek veri alanlarını listeleyin ve her biri için amaç ve hukuki dayanak yazın.
4. Adaylara yapay zekâ kullanımını, hangi bilgilerin analiz edildiğini ve insan incelemesinin varlığını anlaşılır biçimde bildirin.
5. Her eleme veya sıralama kararı için karar veren kişi, tarih ve gerekçe kaydı tutun.
6. Aday itirazlarını almak ve yeniden değerlendirmek için bir sorumlu atayın.
7. Üç ayda bir, aracın önerileriyle nihai kararlar arasındaki farkları ve olası ayrımcı etkileri gözden geçirin.

Bu süreci yönetmek için kullanılabilecek bir yazılım, İK kayıtlarını ve değerlendirme adımlarını tek yerde tutmayı kolaylaştırabilir. Cockpit AI sayfası, Logitera’nın ürünü olan Cockpit’in yapay zekâ kapsamını anlatıyor. Cockpit’in AI Destekli İşe Alım modülü, CV analizi ve İK süreçleri kapsamında değerlendirilebilir. Ürünün AI kapsamı; etkin modüllere, sağlayıcı yapılandırmasına ve kullanılabilir veriye bağlıdır. Son karar her zaman kullanıcıdadır. Bu nedenle bir yazılım, yukarıdaki süreç sorumluluklarının yerini almaz; yalnızca onları uygulamayı kolaylaştırır.

Sonuç olarak, yapay zekâ destekli CV analizi bir karar makinesi değil, bir öneri aracıdır. Sınırları önceden çizilen, ölçütleri belgelenen, kayıtları tutulan ve itiraz yolu açık bir süreç, hem adil bir işe alım hem de hukuki olarak savunulabilir bir uygulama sağlar.