Yapay Zeka ile Aday Arama Nasıl Çalışır?

Yapay zeka ile aday arama, işe alım ekibinin aradığı profili kendi cümleleriyle tanımlaması ve sistemin bu tanımı bir kriter setine çevirerek aday havuzunu taraması esasına dayanır. Sonuçlar tek tek kelime eşleşmesine göre değil, adayın deneyimi, yetkinlikleri ve kıdem seviyesi gibi bilgilerle pozisyon tanımı arasındaki örtüşmeye göre sıralanır. Sıralama bir öneridir; kısa listeyi ve kararı yine işe alım ekibi oluşturur.  

Bu yazıda aramanın adım adım nasıl işlediğini, klasik CV aramasından hangi noktalarda ayrıştığını, sonucu asıl belirleyen faktörün neden aday havuzu olduğunu ve yöntemin nerede yetersiz kaldığını bulacaksınız.  

Yapay zeka ile aday arama nedir?

Yapay zeka destekli aday arama, bir aday veri tabanındaki profilleri belirli bir pozisyon tanımına göre analiz eden ve en yakın profilleri sıralayan arama yöntemidir. Klasik filtrelerden farkı, aramanın sabit alanlar üzerinden değil, pozisyonun bütünü üzerinden kurulmasıdır.  

Burada sık karıştırılan iki farklı senaryo var, çünkü ikisi de benzer arayüzlerle sunuluyor:  

• Harici profil araması: Sistem, kamuya açık profillerden (örneğin LinkedIn) ya da lisanslı üçüncü taraf veri kaynaklarından oluşan geniş bir havuzda çalışır. Amaç, şirketle daha önce hiç teması olmamış yetenekleri keşfetmektir.  
• Kurum içi havuz araması: Sistem, şirketin kendi aday veri tabanında çalışır. Amaç, daha önce başvurmuş, sürece dahil olmuş ya da ATS üzerinden kaydedilmiş yetenekler arasından pozisyona en yakın profilleri tekrar gün yüzüne çıkarmaktır.  

Coensio'nun Akıllı Aday Arama çözümü TalentRadar, ikinci gruba girer ve şirketin kendi aday veri tabanı üzerinde çalışır. Bu iki yaklaşım birbirinin alternatifi değildir; çoğu ekip sıfırdan aday bulmak için harici platformları, mevcut veriyi en verimli şekilde kullanmak için ise kurum içi yapay zeka aramasını birlikte kullanır.  

Anahtar kelime eşleşmesi ile kriter bazlı arama arasındaki fark

Klasik CV aramasında sorgu, metin içinde geçen kelimeler üzerine kuruludur. "React" yazdığınızda sistem, CV'sinde bu kelime geçen adayları getirir. Boolean operatörleriyle bu sorgu zenginleştirilebilir, ancak mantık aynı kalır: kelime var ya da yok.  

Bu yaklaşımın pratikte üç zayıf noktası var:Birincisi, aynı yetkinliğin farklı adlandırmalarıdır; çünkü bir aday "Frontend Developer" yazarken başka bir aday "Arayüz Geliştirici" yazabilir. İkincisi, deneyim süresi ve kıdem gibi bilgiler CV metninde çoğu zaman doğrudan belirtilmez, iş geçmişinin tarihlerinden çıkarılır. Üçüncüsü ise bağlamdır: "Python" kelimesi hem üç yıl boyunca veri işleme hattı kuran bir mühendisin CV'sinde hem de tek bir eğitim programını tamamlamış bir adayın CV'sinde aynı şekilde görünür.  

Kriter bazlı arama, sorguyu kelime listesi yerine bir gereksinim setine dönüştürür. "İstanbul'da çalışan, fintech deneyimi olan, beş yıldan fazla deneyimli ürün müdürü" şeklindeki bir tanım; lokasyon, sektör deneyimi, kıdem ve rol olmak üzere ayrı kriterlere ayrılır. Sistem daha sonra havuzdaki her adayı bu kriterlerin tamamına göre değerlendirir ve genel örtüşme seviyesine göre bir sıralama üretir.  

‍

Aradaki fark bir doğruluk farkından çok kapsam farkıdır. Anahtar kelime araması sorguya tam uyan adayları getirir, kriter bazlı arama ise sorguya yakın duran adayları da listeye dahil eder ve bunları kendi içinde sıralar.  

Bir arama adım adım nasıl işler?

Ürünler arasında arayüz farkları olsa da akış genel olarak şu şekilde çalışır:  

1. Tanımın kriterlere ayrılması: Yazdığınız pozisyon tanımı işlenir ve rol, kıdem, yetkinlikler, sektör deneyimi, lokasyon ve dil gibi ayrı kriterlere bölünür.
‍2. Havuzun taranması: Sistem, şirketin aday veri tabanındaki kayıtları bu kriterlere göre işler. Tarama yalnızca CV metnini değil, profil üzerinde bulunan yapılandırılmış alanları da kapsar.
‍3. Eşleştirme ve sıralama: Her aday, kriterlerle örtüşme seviyesine göre puanlanır ve liste bu puana göre sıralanır. Coensio'da bu eşleştirme; adayın geçmiş deneyimi, eğitimi, yetkinlikleri, kıdem seviyesi ve diğer CV detayları üzerinden yapılırken, varsa geçmiş değerlendirme skorları da hesaba katılır.
‍4. Gerekçenin üretilmesi: Listedeki adaylar için özet üretilir ve adayın neden bu sıralamada yer aldığı açıklanır. Bu, sonucu kabul etmek ya da tanımı değiştirmek arasında bilinçli bir seçim yapmanızı sağlar.
‍5. Kısa liste ve karşılaştırma: Öne çıkan profiller yan yana karşılaştırılır ve pozisyona en yakın adaylar kısa listeye alınarak değerlendirme aşamasına geçirilir.  

Sonucu asıl belirleyen faktör: aday havuzunun kendisi

Arama teknolojisi hakkındaki tartışmalarda en çok atlanan nokta şudur: Hiçbir arama motoru, havuzda bulunmayan bir adayı bulamaz. Sonucun kalitesini belirleyen ilk faktör modelin kendisi değil, taradığı havuzun büyüklüğü ve içeriğidir.  

Büyük havuzlarda yapay zekanın sağladığı fayda doğrudan kapsamla ilgilidir; manuel taramayla ulaşılamayacak sayıda kaydın tamamı aynı kriterlerle objektif bir şekilde değerlendirilir. Küçük havuzlarda ise asıl kazanım, geçmiş süreçlerde değerlendirilmiş ve o dönem başka bir pozisyon için ilerlememiş adayların yeni bir ihtiyaçla anında eşleştirilebilmesidir.  

Eksik doldurulmuş profiller, yıllar önce yüklenmiş ve güncellenmemiş CV'ler hangi arama yöntemi kullanılırsa kullanılsın görünmez kalır. Bu nedenle aday havuzunun nitelikli başvurular ve ATS (Aday Takip Sistemi) senkronizasyonu ile düzenli olarak beslenmesi hayati önem taşır.  

Yapay zeka aramasının sınırları

Yöntemin ne yaptığı kadar ne yapmadığı da net olmalıdır:  

Arama, kanıt değil işaret üretir: Sıralama, adayın beyan ettiği deneyim ve yetkinlikler üzerinden kurulur. Doğruluk oranları, pozisyon tanımının netliğine ve verinin güncelliğine bağlıdır. Bir adayın listenin üst sıralarında yer alması, yetkinliğin doğrulandığı anlamına gelmez; doğrulama ancak sonraki değerlendirme ve mülakat adımlarıyla yapılır.  

Tanımın kalitesi sonucun kalitesini belirler: Belirsiz bir pozisyon tanımı belirsiz bir sıralama üretir. Aramayı tek seferlik bir işlem gibi değil, tanımı daralttıkça sonucun netleştiği bir döngü gibi kullanmak daha verimlidir.  

Tutarlılık artışı, önyargının ortadan kalkması demek değildir: Tüm havuza aynı kriterlerin uygulanması, manuel taramada ortaya çıkan dikkat dağılmasını azaltır. Ancak kriterleri belirleyen yine insan olduğu için, bu kriterlerin pozisyonun gerçek gereksinimleriyle ilişkili olup olmadığını düzenli olarak gözden geçirmek gerekir.  

Karar insana aittir: Arama özelliği işe alım uzmanının yerini almaz. Sağladığı asıl kazanım, ekibin daha geniş bir havuzu kapsayabilmesi ve zamanını saatlerce liste taramak yerine potansiyel adaylarla nitelikli görüşmeler yapmaya ayırabilmesidir.  

Coensio'da süreç nasıl işliyor?

Coensio’nun Akıllı Aday Arama çözümü TalentRadar, tam olarak yukarıda bahsedilen kurum içi veritabanı eşleştirmesi prensibiyle çalışır. Özelliğin temel amacı, işe alım ekiplerinin kendi sistemlerinde atıl duran yetenek havuzunu eyleme dönüştürülebilir bir kaynağa çevirmektir.  

Süreçte öne çıkan dinamikler şunlardır:  

• Kriter bazlı eşleştirme yaparken adayın deneyimi, eğitimi ve yetkinliklerinin yanı sıra geçmiş değerlendirme skorları da analiz edilir.  
• Adayın neden önerildiğine dair profesyonel bir gerekçe özeti sunulur ve adaylar tek ekranda yan yana karşılaştırılabilir.  
• 65'ten fazla ATS entegrasyonu sayesinde arama, mevcut işe alım akışından kopmadan havuzu sürekli güncel tutarak çalışır.  

Arama adımının çıktısı bir kısa liste olduğu için süreç burada bitmez. Ekipler, arama sonucunda buldukları yeteneklerin beyanlarını doğrulamak için süreci doğal bir şekilde role özel değerlendirmeler, ve yapay zeka destekli mülakatlar ile devam ettirirler.  

‍