İçeriğe geç

İnsan Kaynaklarında Yapay Zeka: 500 CV'yi Kim Okuyacak?

CV analizi, aday eşleştirme ve kısa liste adımlarını gösteren yapay zeka destekli İK paneli önünde tilki maskot

İnsan kaynaklarında yapay zeka , bir ilana yüzlerce başvuru geldiğinde akla gelen ilk çözümdür: model 500 CV'yi dakikalar içinde okur, ilan kriterleriyle eşleştirir ve bir sıralama çıkarır. Ama listenin altında kalan her aday için bir soru açıkta kalır: bu kararı kim verdi? İşe alım yazılımı Greenhouse'un 20 Ekim 2026'da yayımladığı 2026 Future of Hiring Candidate Report'a göre ABD'deki adayların %81'i son bir yılda başvurduğu şirketten ne bir insanla ne de bir yapay zeka ile konuşmadan reddedildi.

İnsan kaynaklarında yapay zeka 500 CV'yi okuyabilir ama eleme kararının sorumluluğunu devralamaz; sorumluluk, kriteri yazan ve elenenleri denetleyen insanda kalır. Bu yazıda CV taramanın teknik işleyişini değil sorumluluk tarafını ele alıyoruz: önyargı, açıklanabilirlik, KVKK, AB Yapay Zeka Tüzüğü ve kör eleme ile örneklem denetimi.

Yazıdan Ana Çıkarımlar

  • Yapay zeka CV'yi okuyabilir, eşleştirebilir ve gerekçelendirebilir; eleme kararının sorumluluğu ise kriteri yazan ve sonucu denetleyen insanda kalmalıdır.
  • Greenhouse'un 20 Ekim 2026 raporuna göre ABD'li adayların %81'i son bir yılda şirketten kimseyle konuşmadan reddedildi; %49'u yanıtlarını bir insanın inceleyeceğini bilmek istiyor.
  • Önyargı modele çoğu zaman vekil değişkenlerden girer; Türkiye'de 6701 sayılı Kanun işe alımda dolaylı ayrımcılığı da yasaklar.
  • KVKK m.11, yalnızca otomatik analizle aleyhe çıkan sonuca itiraz hakkı tanır; elenen aday için "neden" sorusunun cevabı kayıtlı olmalıdır.
  • AB Yapay Zeka Tüzüğü başvuru filtreleyen ve aday değerlendiren sistemleri yüksek risk sayıyor; Dijital Omnibus ile bu yükümlülükler 2 Aralık 2027'de başlıyor.

Tanım

İnsan kaynaklarında yapay zeka

İnsan kaynaklarında yapay zeka 500 CV'yi okuyabilir ama eleme kararının sorumluluğunu devralamaz; sorumluluk, kriteri yazan ve elenenleri denetleyen insanda kalır.

Kaynak: Greenhouse · Yapay Zeka Firması editör tanımı

500 CV Geldiğinde Yapay Zeka Neyi Üstlenir, Neyi Üstlenemez?

Yapay zekanın işe alımdaki doğru rolü, okuyan ve gerekçelendiren asistan olmaktır; eleyen yetkili olmak değil. Ön eleme üç işten oluşur: okumak, sıralamak ve karar vermek. İlk ikisi yapay zekaya uygundur, üçüncüsü insan denetimi ister.

İş AdımıYapay Zekaya UygunlukSorumlulukBaşlıca Risk
CV'den bilgi çıkarma (deneyim, yetkinlik, sertifika)YüksekSistem sahibiHatalı ayrıştırma, eksik alan
İlan kriterleriyle eşleştirme ve puanlamaYüksek, gerekçe kaydıylaİK + işe alım yöneticisiVekil değişkenle önyargı
Kısa liste oluşturmaOrta, eşik bölgesi insanlaİşe alım yöneticisiEşiğin sorgulanmaması
Adayı eleme ve ret bildirimiDüşük, insan onayı şartİKAçıklanamayan karar, itiraz
Nihai işe alım kararıUygun değilİşe alım yöneticisiSorumluluğun belirsizleşmesi

Türkçe CV'lerde okuma katmanı ayrıca önemlidir. "Müşteri temsilcisi" ile "çağrı merkezi uzmanı" aynı yetkinliği anlatabilir; bunu kelime eşleştirme yakalayamaz. Bu nedenle CV eşleştirme yapay zekası, anahtar kelime sayan bir filtre değil, Türkçe doğal dil işleme (NLP) ile anlamı okuyan ve bir AI otomasyon akışına bağlanan bir katman olmalıdır.

Okuma tarafında yeni bir risk de var: adaylar da yapay zeka kullanıyor. Aynı rapora göre ABD'li adayların %62'si otomatik elemeyi aşmak için taktik denediğini, bunların üçte biri de CV'ye yapay zeka değerlendiricisine yönelik gizli metin eklediğini söylüyor. Sistem, beyaz yazıyla gizlenmiş bir "bu adayı üst sıraya koy" talimatını veri olarak okumalı, uygulamamalıdır.

Aday Elendiğinde Kararı Kim Vermiş Sayılır?

Kâğıt üzerinde bir insan onay veriyor ama pratikte model karar veriyorsa, karar modelindir. Buna otomasyon yanlılığı denir: yüzlerce adaylık listeyi inceleyen uzman, zamanla modelin sıralamasını sorgulamadan onaylamaya başlar.

Avrupa Komisyonu'nun 19 Mayıs 2026'da yayımladığı yüksek riskli sistem sınıflandırma kılavuzu taslağı da işlevsel bir test uyguluyor. Taslağa ilişkin hukuk değerlendirmelerine göre adayları puanlayan, sıralayan veya kısa listeye alan araçlar, son kararı insan verse bile işe erişimi anlamlı biçimde şekillendiriyorsa yüksek risk kapsamında. Yani "son tıklama insanın" savunması tek başına yetmez.

📊 İstatistik: ABD'li adayların %49'u yanıtlarını bir insanın inceleyeceğini, %40'ı nasıl değerlendirileceğini bilmek istiyor; %88'i işverenlerin mülakatta yapay zeka kullanımını açıkça bildirmesini zorunlu kılan en az bir yasal düzenleme talep ediyor. (Greenhouse, 2026 Future of Hiring Candidate Report, 20.10.2026; ABD örneklemi n=1.200)

Türkiye açısından kritik dayanak, 6698 sayılı KVKK'nın 11. maddesidir: ilgili kişi, işlenen verilerinin münhasıran otomatik sistemlerle analiz edilmesi sonucu aleyhine çıkan bir sonuca itiraz etme hakkına sahiptir. Bu nedenle elenen her aday için "hangi kritere, hangi kanıtla, kim tarafından" sorusunun cevabı sistemde kayıtlı olmalıdır.

💡 Uzman notu: En sık yapılan hata, modelin puanını değil eşiğini sorgulamamaktır. En yüksek ve en düşük puanlı adaylar genellikle tartışmasızdır; adaletsizlik eşiğin hemen altında birikir. İnsan incelemesini bu sınır bölgesine ve elenenlerden çekilen rastgele örnekleme yoğunlaştırmak, denetimi gerçek kılar ve iş yükünü yönetilebilir tutar.

Aday Ön Elemede Önyargı Modele Nereden Girer?

Önyargı, işe alım modeline çoğu zaman "cinsiyet" veya "yaş" alanı olarak değil, bu bilgiyi dolaylı taşıyan vekil değişkenler üzerinden girer. Geçmiş kararlarla eğitilen model geçmişin tercihlerini öğrenir; kimse amaçlamasa bile sonuç ayrımcı olabilir.

📊 İstatistik: Washington Üniversitesi araştırmacılarının 550'den fazla gerçek CV ve 3 milyondan fazla CV-ilan karşılaştırmasıyla yaptığı testte, üç büyük dil modeli beyaz erkeklerle ilişkilendirilen isimleri vakaların %85'inde, kadın isimlerini ise yalnızca %11'inde tercih etti. (University of Washington, 31.10.2024)

Vekil DeğişkenDolaylı Olarak Taşıyabileceği BilgiÖnlem
Kariyer boşluğuAnnelik, çocuk bakımı, sağlık durumuBoşluğu puanlama dışı bırakın, gerekirse mülakatta sorun
Mezuniyet veya doğum yılıYaşYıl alanlarını maskeleyin, deneyimi süreyle değil içerikle ölçün
Adres ve semtSosyoekonomik durum, kökenYalnızca lokasyon zorunluluğu varsa "uygun / değil" olarak kullanın
İsim ve fotoğrafCinsiyet, etnik kökenKör elemede tamamen gizleyin
Askerlik ve medeni durumCinsiyet, medeni hâlİlanla ilgisi yoksa modele hiç vermeyin

Türk hukukunda bunun karşılığı açıktır. 6701 sayılı Türkiye İnsan Hakları ve Eşitlik Kurumu Kanunu; cinsiyet, yaş, medeni hâl, sağlık durumu ve engellilik dahil sayılan temellere dayalı dolaylı ayrımcılığı da yasaklar ve kuralı başvuru ile seçim kriterleri aşamasına uygular. Kanun, başvurunun gebelik, annelik veya çocuk bakımı gerekçesiyle reddedilmesini ayrıca yasaklar. Kariyer boşluğunu cezalandıran bir model tam da bu sınıra dokunur.

KVKK Aday Verisi İçin Ne İstiyor?

KVKK açısından CV, adayın en yoğun kişisel veri paketidir ve yapay zekaya verildiği an yeni bir işleme faaliyeti başlar. Uyum için beş başlık nettir:

  • Aydınlatma (m.10): Aday, başvurusunun yapay zeka desteğiyle değerlendirileceğini ve verinin kime aktarılabileceğini başvuru anında öğrenmelidir.
  • Ölçülülük (m.4): Modele yalnızca ilanla bağlantılı alanlar gider; "belki işe yarar" diye verilen her alan hem hukuki hem önyargı riskidir.
  • Özel nitelikli veri (m.6): Sağlık, din, dernek veya sendika üyeliği gibi bilgiler model girdisinden ayıklanır.
  • Saklama ve imha (m.4, m.7): Veri, amaç için gerekli süre kadar tutulur. İlan kapandıktan sonra CV'nin ve model puanının ne kadar saklanacağı yazılı politikayla belirlenmeli, süre dolunca silinmeli veya anonimleştirilmelidir.
  • Yurt dışına aktarım (m.9): CV'ler yurt dışındaki bir model servisine gidiyorsa aktarım şartları ayrıca değerlendirilir.

Bu başlıkların hepsi tasarım aşamasında karara bağlanabilir; danışmanlık sürecimiz uyumu teknik mimariyle birlikte ele alır.

AB AI Act İşe Alım Sistemlerini Neden Yüksek Risk Sayıyor?

AB Yapay Zeka Tüzüğü (AI Act), işe alım veya seçim amacıyla, özellikle hedefli iş ilanı vermek, başvuruları analiz edip filtrelemek ve adayları değerlendirmek için kullanılan sistemleri Ek III'te yüksek riskli olarak sayar. Gerekçe basittir: bu sistemler bir kişinin geçimine erişimini doğrudan etkiler.

Takvim 2026'da değişti. Haziran 2026'da kabul edilen Dijital Omnibus düzenlemesiyle Ek III yükümlülüklerinin başlangıcı 2 Ağustos 2026'dan 2 Aralık 2027'ye ertelendi. Ertelenmeyen bir kural ise zaten yürürlükte: işyerinde duygu tanıma 2 Şubat 2025'ten beri yasak ve Komisyon kılavuzu bu yasağı işe alımdaki adaylara da uyguluyor. Video mülakatta adayın yüz ifadesinden duygu çıkaran bir sistem AB'de kullanılamaz.

Sistemi kullanan işveren, tüzükteki adıyla "uygulayıcı", 2 Aralık 2027'den itibaren insan gözetimini yetkin kişilere vermek, kontrol ettiği girdi verisinin ilgili ve temsil edici olmasını sağlamak, sistem kayıtlarını en az altı ay saklamak, çalışan temsilcilerini ve karara konu kişileri bilgilendirmekle yükümlüdür. Etkilenen kişi, kararda sistemin rolüne ilişkin açık ve anlamlı bir açıklama da isteyebilir.

Türk şirketleri için soru "AB'de miyiz?" değil, "çıktı AB'de kullanılıyor mu?" sorusudur. Tüzük, üçüncü ülkedeki sağlayıcı ve uygulayıcıları da çıktı AB'de kullanıldığında kapsama alır. AB'deki bir şube veya pozisyon için aday değerlendiren bir Türk şirketi ya da AB pazarına İK yazılımı sunan bir geliştirici bu kapsama girebilir. Genel çerçeve için AI Act'in Türkiye'ye etkisi yazımıza bakabilirsiniz.

Adil Bir Ön Eleme Sistemi Pratikte Nasıl Kurulur?

Adil bir ön eleme sistemi, modelin seçiminden önce kriterin yazılmasıyla başlar ve elenenlerin düzenli denetimiyle sürer. Pratik kurulum altı adımda toplanır:

  1. Kriteri ilandan önce yazın: Zorunlu ve tercih edilen yetkinlikleri, ağırlıklarını ve hangi kanıtın yeterli sayılacağını belgeleyin. Yazılı olmayan kriter denetlenemez.
  2. Kör eleme uygulayın: İsim, fotoğraf, doğum ve mezuniyet yılı, adres, medeni ve askerlik durumu modele gitmeden maskelenir. Model yalnızca yetkinlik ve deneyim içeriğini görür.
  3. Her puan için gerekçe kaydı tutun: Model her puanı CV'den alıntılanan kanıtla kaydeder. Bu kayıt, KVKK itirazında ve AI Act açıklama talebinde cevabın kendisidir.
  4. Eşik bölgesini insana bırakın: Kesme noktasının hemen altı ve üstündeki adaylar bir uzman tarafından okunur.
  5. Örneklem denetimi yapın: Her ilan döneminde elenenlerden rastgele bir örneklemi insanla yeniden değerlendirin. Model ile insan sistematik olarak ayrışıyorsa kriter veya model gözden geçirilir.
  6. Seçilme oranlarını karşılaştırın: ABD'de kullanılan "beşte dört kuralı"na göre bir grubun seçilme oranı en yüksek oranlı grubun %80'inin altındaysa bu, olumsuz etki işareti sayılır. Türkiye'de bu analiz anonim ve toplu veriyle yapılmalıdır.

Örnek senaryo: Çok şubeli bir perakende şirketi, mağaza yöneticisi ilanına gelen yüzlerce başvuruyu geçmiş işe alım verisiyle eğitilmiş bir puanlama aracıyla eliyordu. Örneklem denetimi, uzun kariyer boşluğu olan adayların deneyimleri uygun olsa bile sistematik olarak alt sıralara düştüğünü gösterdi. Boşluk alanı puanlamadan çıkarıldı, kör eleme ve gerekçe kaydı eklendi, eşik bölgesi uzmana yönlendirildi. Kısa liste aynı sürede çıkmaya devam ederken her eleme açıklanabilir hale geldi.

Sonuç: 500 CV'yi Model Okur, Kararı İnsan Verir

İnsan kaynaklarında yapay zeka, "500 CV'yi kim okuyacak?" sorusuna güçlü bir cevap verir: model okur, eşleştirir ve gerekçelendirir. Ama "aday neden elendi?" sorusunun cevabı her zaman bir insana ve kayıtlı bir kritere dayanmalıdır. Yazılı kriter, kör eleme, gerekçe kaydı ve örneklem denetimiyle kurulan bir sistem, ekibin yükünü azaltırken KVKK ve AI Act karşısında savunulabilir kalır.

Yapay Zeka Firması olarak, Türkçe CV'leri anlamıyla okuyan ve her kararı açıklanabilir kılan işe alım otomasyonları tasarlıyoruz. İşe alım sürecinizi adil ve denetlenebilir bir yapay zeka katmanıyla kurmak için bizimle iletişime geçin.

İlgili içerik: Yapay Zeka Hizmetlerimiz · AI Act'in Türkiye'ye Etkisi · Sektörel Çözümler

Kaynaklar

  1. Greenhouse — "6 in 10 Job Seekers Are Rethinking How They Write to Avoid Sounding Like AI, Even as Most Use It in Their Search" (2026 Future of Hiring Candidate Report; 2.800+ aday, ABD/İngiltere/İrlanda/Almanya/Avustralya, rakamlar ABD n=1.200), 20.10.2026 — https://www.greenhouse.com/newsroom/6-in-10-job-seekers-are-rethinking-how-they-write-to-avoid-sounding-like-ai-even-as-most-use-it-in-their-search
  2. Avrupa Parlamentosu ve Konseyi — Digital Omnibus on AI nihai metni (PE-CONS 30/1/26 REV 1; Ek III yüksek risk yükümlülükleri 2 Aralık 2027), 08.07.2026 — https://data.consilium.europa.eu/doc/document/PE-30-2026-REV-1/en/pdf
  3. Avrupa Birliği Konseyi — Digital Omnibus on AI kabul oylaması (11301/26), 29.06.2026 — https://data.consilium.europa.eu/doc/document/ST-11301-2026-INIT/en/pdf
  4. Avrupa Birliği — Regulation (EU) 2024/1689 (Yapay Zeka Tüzüğü), madde 2(1)(c), 5(1)(f), 26, 86 ve Ek III madde 4 — https://eur-lex.europa.eu/eli/reg/2024/1689/oj (madde metinleri: https://artificialintelligenceact.eu/annex/3/)
  5. Avrupa Komisyonu — "Draft Commission guidelines on the classification of high-risk AI systems", 19.05.2026 — https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems · Faegre Drinker değerlendirmesi, 15.06.2026 — https://www.faegredrinker.com/en/insights/publications/2026/6/draft-commission-guidelines-on-high-risk-ai-implications-for-the-workplace
  6. Avrupa Komisyonu — "Guidelines on prohibited artificial intelligence (AI) practices", 04.02.2025 — https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-prohibited-artificial-intelligence-ai-practices-defined-ai-act · Lewis Silkin değerlendirmesi (adaylara uygulanması), 17.02.2025 — https://www.lewissilkin.com/insights/2025/02/17/understanding-the-eu-ai-acts-prohibited-practices-key-workplace-and-advertising-102k011
  7. T.C. Mevzuat — 6698 sayılı Kişisel Verilerin Korunması Kanunu, madde 4, 6, 7, 9, 10, 11 — https://www.mevzuat.gov.tr/mevzuatmetin/1.5.6698.pdf
  8. T.C. Mevzuat — 6701 sayılı Türkiye İnsan Hakları ve Eşitlik Kurumu Kanunu, madde 3, 4, 6 — https://www.mevzuat.gov.tr/mevzuatmetin/1.5.6701.pdf
  9. University of Washington — "AI tools show biases in ranking job applicants' names according to perceived race and gender", 31.10.2024 — https://www.washington.edu/news/2024/10/31/ai-bias-resume-screening-race-gender/
  10. ABD eCFR — 29 CFR 1607.4(D), Uniform Guidelines on Employee Selection Procedures, "four-fifths rule" — https://www.ecfr.gov/current/title-29/subtitle-B/chapter-XIV/part-1607/section-1607.4

Sıkça Sorulan Sorular

Teknik olarak eleyebilir, ancak sorumlu bir işe alım sürecinde elememelidir. KVKK'nın 11. maddesi yalnızca otomatik analizle aleyhe çıkan sonuca itiraz hakkı tanır; AB Yapay Zeka Tüzüğü de işe alım sistemlerinde yetkin bir insanın gözetimini şart koşar. Doğru tasarımda model sıralar ve gerekçe üretir, eleme kararı ise özellikle eşik bölgesinde bir uzmanın onayıyla verilir.

İkisi de mümkündür; sonucu model değil tasarım belirler. Geçmiş işe alım kararlarıyla eğitilen bir model, geçmişin tercihlerini kariyer boşluğu, mezuniyet yılı veya adres gibi vekil değişkenler üzerinden ölçekler. Yazılı kriter, kör eleme ve örneklem denetimi uygulanan bir sistemde ise her aday aynı ölçütle okunur ve sapmalar görünür hale gelir. Ölçülmeyen bir sistem için "önyargıyı azaltır" demek kanıtsız bir iddiadır.

Kör eleme, adayı değerlendiren modelin veya kişinin, yetkinlikle ilgisiz ama önyargı taşıyabilecek bilgileri görmeden karar vermesidir. Tipik olarak isim, fotoğraf, doğum ve mezuniyet yılı, adres, medeni ve askerlik durumu maskelenir; ilanla ilgisizse okul adı da gizlenir. Sağlık, din veya sendika üyeliği gibi özel nitelikli veriler modele hiç verilmemeli, maskeleme CV modele gitmeden otomatik yapılmalıdır.

Etkileyebilir. Tüzük, üçüncü ülkedeki şirketleri de sistemin çıktısı AB'de kullanıldığında kapsama alır; AB'deki bir şube veya pozisyon için aday değerlendiren bir Türk şirketi bu durumda olabilir. İşe alım sistemleri Ek III'te yüksek riskli sayılır ve yükümlülükler Dijital Omnibus ile 2 Aralık 2027'de başlar. İşyerinde duygu tanıma yasağı ise 2 Şubat 2025'ten beri yürürlüktedir.

Deniyorlar. Greenhouse'un Ekim 2026 raporuna göre otomatik elemeyi aşmak için taktik deneyen ABD'li adayların üçte biri, yapay zeka değerlendiricisine yönelik gizli metin eklediğini söylüyor. Korunmanın yolu, görünmez metni CV modele gitmeden ayıklamak ve modeli belgedeki talimatları uygulamayacak şekilde yapılandırmaktır. Gerekçe kaydı da işe yarar: CV'de kanıtı olmayan yüksek bir puan denetimde hemen göze çarpar.

Yorum Yazın