Başvuru başına dört dakika hesaba katıldığında, 200 özgeçmişten oluşan bir yığının ön değerlendirmesini yapmak 13 saatten fazla sürer. Bu planlama öngörüsü, büyümekte olan bir İK ekibinin karşı karşıya olduğu kararı gözler önüne seriyor: Ekip üyeleri ne zamana kadar her özgeçmişi tek tek okumaya devam etmeli ve ilk aşamayı ne zaman yazılımın düzenlemesine izin vermeli?

Bu sorunun dürüst yanıtı “her şeyi otomatikleştirin” değildir. Manuel inceleme, yazılımların gözden kaçırabileceği bağlamı sağlar. Otomasyon ise yorgun bir işe alım uzmanının geniş bir aday havuzunda sürdüremeyeceği hızı ve tutarlılığı sunar.

18 yılı aşkın İK deneyimine sahip bir ekip tarafından geliştirilen HrPanda, bu konuya bir teknoloji yarışından ziyade operasyonel bir karar olarak yaklaşıyor. Bu karşılaştırma; İK liderlerine bir başabaş modeli, doğruluğu test etmek için daha iyi bir yöntem ve önemli kararlarda sorumluluğun insanlarda kalmasını sağlayan hibrit bir iş akışı sunuyor.

İçindekiler

• Özgeçmiş Ön Değerlendirmesine Genel Bakış

• Manuel ve Otomatik Özgeçmiş Ön Değerlendirmesi Karşılaştırması

• Manuel Özgeçmiş Ön Değerlendirmenin Sürdürülemez Hale Geldiği Durumlar

• Özgeçmiş Ön Değerlendirme Doğruluğu İçin Dört Ölçüt

• Özgeçmiş Ön Değerlendirme Yöntemlerinin Avantajlı Olduğu Durumlar

• Çalışan Bir Hibrit Özgeçmiş Ön Değerlendirme Modeli Oluşturmak

• Sıkça Sorulan Sorular

• Önemli Çıkarımlar

Özgeçmiş Ön Değerlendirmesine Genel Bakış

Manuel özgeçmiş ön değerlendirmesi, genellikle ayda 150 ila 250 başvuruya ulaşıldığında otomasyon için finansal olarak uygun bir seçenek haline gelir. İşe alım uzmanı başına aylık 400 ila 600 başvuru civarında ise operasyonel bir kapasite problemine dönüşür. Bunlar planlama için öngörülen aralıklardır.

Alt sınır, işe alım uzmanının tasarruf ettiği zamanın, bir aracın ek maliyetini ne zaman karşılayabileceğini tahmin eder. Üst sınır ise manuel incelemenin haftada yaklaşık bir iş gününü ne zaman doldurduğunu gösterir. Rolün karmaşıklığı, teslim tarihleri, yazılım fiyatlandırması ve inceleme derinliği bu eşikleri değiştirebilir.

Aylık ortalama düşük görünse bile, aniden gelen 200 başvuruluk bir kampanya işe alım uzmanını zor durumda bırakabilir. Kapasite, yalnızca kaç başvurunun geldiğine değil, başvuruların ne zaman geldiğine de bağlıdır.

Manuel ve Otomatik Özgeçmiş Ön Değerlendirmesi Karşılaştırması

Manuel ön değerlendirme, bir işe alım uzmanının veya işe alım yöneticisinin her başvuruyu okuması ve adayın bir sonraki aşamaya geçip geçmeyeceğine karar vermesi anlamına gelir. Otomatik ön değerlendirme ise üç farklı görevi içerebilir: bir özgeçmişi yapılandırılmış alanlara ayrıştırmak, objektif kurallar uygulamak ve yapay zeka kullanarak verileri iş gereksinimlerine göre özetlemek veya puanlamak.

Bu görevleri ayrı ayrı değerlendirmek gerekir. Özgeçmiş ayrıştırma hangi bilgilerin mevcut olduğunu sorgular. Bir eleme kuralı, belirtilen bir gereksinimi kontrol eder. Bağlamsal puanlama ise verilerin rolle ne kadar güçlü eşleştiğini tahmin eder.

Manuel İncelemenin Kazandığı Alanlar

İnsanlar, kariyer değişikliklerini, alışılmadık unvanları, portföy hikayelerini veya bölgesel bağlamları yorumlamada daha başarılıdır. Manuel inceleme, ayrıca bir rol yeni olduğunda ve ekip başarılı bir adayın nasıl görünmesi gerektiği konusunda henüz net bir karara varmadığında da mantıklıdır.

Bunun zayıf yönü ise tekrarlanabilirliktir. İki farklı incelemeci aynı veriye farklı değerler biçebilir. Bir kişi, uzun bir çalışma gününün sonlarında, başlangıca kıyasla daha katı standartlar uygulayabilir.

Otomasyonun Kazandığı Alanlar

Otomasyon, büyük miktardaki rutin işleri düzenlemede mükemmeldir. Hız kaybetmeden yapılandırılmış verileri tanımlayabilir, işle ilgili gereksinimleri uygulayabilir, özgeçmişleri özetleyebilir ve değerlendirme grupları oluşturabilir.

Bir Aday Takip Sistemi (ATS) kriterleri, önerileri, kararları ve denetim geçmişini korur. Bu da yüksek hacimli işe alımlarda, tekrarlayan rollerde ve birden fazla incelemecinin olduğu durumlarda yardımcı olur.

Otomasyon, karar sürecini düzenlemelidir; fark ettirmeden nihai karar verici konumuna gelmemelidir.

Manuel Özgeçmiş Ön Değerlendirmenin Sürdürülemez Hale Geldiği Durumlar

Burada iki farklı kırılma noktası vardır. Finansal başabaş noktası otomasyonun ne zaman daha az maliyetli olduğunu sorgular. Kapasite sınırı ise manuel özgeçmiş ön değerlendirmesinin mülakatlar, işe alım yöneticisi uyumu ve aday iletişiminden ne kadar zaman çaldığını değerlendirir.

Şeffaf Bir Başabaş Modeli

Şu aylık formülü kullanın:

Başabaş başvuru sayısı = (yazılım maliyeti + kalibrasyon iş gücü) / başvuru başına tasarruf edilen iş gücü

Örnek bir büyüme ekibi modelini ele alalım:

• Manuel inceleme başvuru başına 4 dakika sürüyor.

• Otomatik filtreleme sonrasında başvuru başına hala 1 dakikalık insan kalite kontrolü gerekiyor.

• Kriter kalibrasyonu ve izleme ayda 2 saat sürüyor.

• İşe alım uzmanının toplam saatlik iş gücü maliyeti 50$ seviyesinde.

• Değerlendirme yazılımı aylık 400$ ek maliyet getiriyor.

Manuel iş gücü maliyeti başvuru başına 3,33$'dır. Otomasyon sonrası insan kalite kontrolü başvuru başına 0,83$'a mal olur. Aylık sabit maliyet, yazılım ve kalibrasyon iş gücü dahil olmak üzere 500$'dır.

Bu durumda araç, başvuru başına 2,50$ iş gücü tasarrufu sağlar. 500$'ı 2,50$'a böldüğümüzde başabaş noktası ayda 200 başvuru olarak bulunur.

Tüm bu varsayımları kendi gerçek verilerinizle değiştirin. Yapay zeka ile puanlama zaten ATS'nizle birlikte geliyorsa, ek yazılım maliyeti çok daha düşük olabilir. İşe alım uzmanlarının özgeçmiş başına altı dakikaya ihtiyacı varsa veya daha sıkı bir denetim gerekiyorsa, başabaş noktası tekrar değişecektir.

Kapasite Testi

Kısıtlayıcı tek unsur maliyet değildir. Şirketin, bir işe alım uzmanının haftalık çalışma süresinin ne kadarını ilk değerlendirmeye ayırabileceğine karar verin.

Üst sınır haftada sekiz saat ise, dört dakikalık bir inceleme haftada 120 başvuruyu destekler. Bu da ayda yaklaşık 520 başvuru demektir. Beş dakikalık sürede kapasite haftada 96'ya, yani ayda yaklaşık 416'ya düşer.

Başvurular kısa süreli bir kampanyada yoğunlaştığında süreç çok daha hızlı sürdürülemez hale gelebilir. 48 saat içinde gelen 200 özgeçmiş, dört dakikalık varsayıma göre 13 saatten fazla zaman gerektirir. Ortalamalar, bu tür hizmet seviyesi aksamalarını gizleyebilir.

Uzman Tavsiyesi: İki hafta boyunca gerçek ön değerlendirme sürenizi ölçün. Dosyaları açmayı, gerekçeleri kaydetmeyi, sınırda kalan profilleri karşılaştırmayı ve sistemler arasında geçiş yapmayı buna dahil edin. Yedi saniyelik bir göz gezdirme, tamamlanmış ve hesap verebilir bir ön değerlendirme değildir.

Özgeçmiş Ön Değerlendirme Doğruluğu İçin Dört Ölçüt

Otomatik özgeçmiş ön değerlendirmesinin insanlardan daha doğru olduğunu kanıtlayan güvenilir ve genelgeçer bir oran yoktur. Doğruluk; doğru ayrıştırma, işe alım uzmanı mutabakatı, öngörülen iş performansı veya gruplar arasında eşit muamele anlamına gelebilir. Bunların hepsi farklı sorulardır.

Araştırmaların Kanıtlayabildiği ve Kanıtlayamadığı Şeyler

Bir 2025 ACL çalışması, 736 gerçek özgeçmiş üzerinde insan ve GPT-4 değerlendirmelerini karşılaştırdı. Puanlar arasında yalnızca çok düşük bir korelasyon görüldü, bu da ikisinin birbirinin yerine geçemeyeceğini gösterdi. Komut tasarımı model değerlendirmelerini iyileştirdi ancak araştırma genel geçer bir kazanan ortaya koymadı.

Başka bir LLM tabanlı ön değerlendirme çalışması, ince ayar sonrasında özgeçmiş cümle sınıflandırmasında 11 kat hız artışı ve %87,73'lük bir F1 skoru bildirdi. Bu, belirli bir görev ve veri kümesi için umut verici bir kanıttır. Ancak doğru adayların mülakata ulaşacağına dair %87,73'lük bir garanti değildir.

İnsanlar da kusursuz bir referans noktası değildir. İşe alım uzmanları fikir ayrılığına düşebilir, kanıtları gözden kaçırabilir veya geçmişteki kişisel tercihleri tekrarlayabilir. Bir araç ise aynı kusurlu standardı daha tutarlı bir şekilde uygulayabilir.

Kapsamlı AI özgeçmiş ön değerlendirme kılavuzumuz; ayrıştırma kalitesinin, aday listesi kalitesinin ve adilliğin neden ayrı ayrı test edilmesi gerektiğini açıklamaktadır.

Yerel Bir Doğruluk Kriteri Oluşturun

Süreci 100 ila 300 geçmiş başvuru üzerinde test edin veya işe alım uzmanlarıyla birlikte paralel bir değerlendirme yapın. Şu dört alanı ölçün:

1. Aday listesi geri çağırma oranı (recall): Sorumlu panelin mülakat yapmak isteyeceği adayların ne kadarı otomatik değerlendirme grubunda yer aldı?

2. Hatalı negatifler: Kalifiye olan veya nihayetinde başarılı olan hangi adaylar eşiğin altında kaldı ve neden?

3. Tutarlılık ve adillik: Değerlendiriciler ve ölçüm yapmanın yasal olduğu ilgili aday grupları arasında kriter standartları istikrarlı mı?

4. Süreç sonu kalitesi: Mülakat geçme oranları, teklif kararları, işe alım yöneticisi memnuniyeti ve ilk dönem performansı istikrarlı mı yoksa iyileşme gösteriyor mu?

Eşikleri seçmeden önce aday puanlama modellerini gözden geçirin. Faydalı bir pilot çalışma; işlem süresini, işe alım uzmanı müdahalelerini ve ayrıştırma hatası veya eksik verinin puanı değiştirdiği durumları da kaydeder.

Hız önemlidir. Nitelikli kişileri daha hızlı gözden kaçırmak, işe alım sürecini iyileştirmez.

Özgeçmiş Ön Değerlendirme Yöntemlerinin Avantajlı Olduğu Durumlar

Yöntem seçimi; rol yapısına, hacme ve veri kalitesine göre yapılmalıdır. Her açık pozisyonun aynı şekilde değerlendirilmesini dikte eden şirket genelindeki tek bir kurala bağlı kalınmamalıdır.

Manuel Ön Değerlendirmeyi Seçin

Şu durumlarda manuel incelemeyi merkezde tutun:

• Aday havuzunda yaklaşık 50'den az başvuru olduğunda.

• Rol; üst düzey yönetici, niş, yaratıcı veya yeni tanımlanmış bir pozisyon olduğunda.

• Kariyer hikayesi ve aktarılabilir deneyimler, standart belgelerden daha önemli olduğunda.

• Ekip, işle ilgili bir değerlendirme rubriğinde henüz fikir birliğine varmadığında.

• Geçmiş veriler, faydalı bir pilot çalışma için çok yetersiz veya yetersiz temsil edildiğinde.

Manuel olması, yapılandırılmamış olduğu anlamına gelmez. Her başvuru sahibi için aynı değerlendirme kriterlerini kullanın ve sonraki aşamaya geçiş nedenlerini kaydedin.

Otomatik Filtrelemeyi Seçin

Şu durumlarda otomasyon en güçlü seçenektir:

• Tekrarlayan bir rol 250'den fazla başvuru aldığında.

• Objektif gereksinimler ve faydalı kriterler süreç başlamadan önce tanımlanabildiğinde.

• Birden fazla değerlendiricinin aynı karar standardına ihtiyacı olduğunda.

• Yanıtlama süresi taahhüdü, kuyruk hızını önemli hale getirdiğinde.

• Ekip hataları, müdahaleleri ve sonuçları izleyebildiğinde.

100 ila 500 çalışanı olan çoğu şirket için hibrit ön değerlendirme en iyi çözümdür. Bir sıralama modelinin her kariyeri anladığını iddia etmeden zamandan tasarruf sağlar.

Çalışan Bir Hibrit Özgeçmiş Ön Değerlendirme Modeli Oluşturmak

“Süreçte bir insanı tutmak” ifadesi çok belirsizdir. Kullanışlı bir hibrit süreç; sistemin ne yapacağını, insanların neyi inceleyeceğini, istisnaların nasıl ilerleyeceğini ve hangi sonuçların bir değişikliği tetikleyeceğini net bir şekilde belirtir.

Üç Kanallı İş Akışını Tasarlayın

1. Değerlendirme kriterlerini tanımlayın. Olmazsa olmaz nitelikleri, tercih edilen özellikleri ve yasaklı dolaylı kriterleri birbirinden ayırın. İşle doğrudan ilgili olmayan kriterleri kaldırın.

2. Objektif işleri otomatikleştirin. Aday verilerini ayrıştırın ve eleme kurallarını yalnızca gerekli ve tutarlı bir şekilde belgelenmiş gereksinimler için kullanın.

3. Üç kanal oluşturun. Güçlü niteliklere sahip adayları doğrudan uzman incelemesine yönlendirin. Eksik veya belirsiz verileri bağlamsal incelemeye alın. Pilot çalışma sırasında düşük puanlı profilleri sessizce elemek yerine bir denetim kanalına yerleştirin.

4. Alt grubu örnekleyin. Düşük puanlı başvuruların %5 ila %10'unu inceleyin. Sistemin gözden kaçırdığı güçlü adayları takip edin ve otomasyonu genişletmeden önce kriterleri gözden geçirin.

5. Kararı kaydedin. Verileri, öneriyi, insan müdahalesini, kural dışı durum gerekçesini ve karar sahibini saklayın.

Yapılandırılmış aday filtreleme, her adayı tek bir puana indirgemeden bu kanalları görünür kılabilir. İşe alım uzmanları; beceri, deneyim, konum ve aday havuzu verilerini birleştirirken bağlam için de bir alan bırakabilir.

Müdahaleleri ve Sonuçları İzleyin

Pilot çalışma sırasında sonuçları her hafta inceleyin. Süreç istikrara kavuştuktan sonra, bunları aylık olarak ve rol, model veya aday kaynağı değiştiğinde kontrol edin.

Ön değerlendirme süresini, aday listesi geri çağırma oranını, hatalı negatifleri, müdahale oranını, yasal olan durumlarda alt grup sonuçlarını, işe alım yöneticisi memnuniyetini ve ilk dönem performansını takip edin. Artan müdahale oranı, genellikle değerlendirme kriterlerinin veya modelin artık rolle uyuşmadığı anlamına gelir.

Sorumlu yapay zeka kullanımı için risk yönetimi prensiplerini ve standartlarını takip edin. Ayrıca, teknoloji kullanımının engelli veya özel gereksinimli adayları yasalara aykırı şekilde eleyebileceğini ve makul uyum sağlama süreçlerinin hala önem taşıdığını unutmayın.

Gereksinimler bölgelere göre değişiklik gösterir. Otomatik öneriler istihdam kararlarını etkilediğinde sürece hukuk, gizlilik ve çalışan ilişkileri uzmanlarını dahil edin.

Sıkça Sorulan Sorular

Manuel Özgeçmiş Ön Değerlendirmesi Ne Kadar Sürmelidir?

Süre; rolün karmaşıklığına, aday niteliklerine ve belgelendirmeye bağlıdır. Hızlı bir göz gezdirme yerine tamamlanmış bir ön değerlendirmeyi ölçün. Bu modelde, başvuru başına dört dakika, 100 başvuru için 6,7 saat gerektiği anlamına gelir.

Bu varsayımı, ekibinizden alacağınız iki haftalık gerçek bir örneklemle değiştirin.

Hangi Hacimde Özgeçmiş Ön Değerlendirmesi Otomatikleştirilmelidir?

İşe alım uzmanı başına aylık 150 ila 250 başvuru civarında otomasyonu değerlendirmeye başlayın. Örnek modelde, maliyet başabaş noktası 200'dür. Operasyonel uyarı bölgesi aylık yaklaşık 400 ila 600 başvurudur veya büyük bir kampanyanın kısa bir yanıt süresi varsa bu sınıra daha erken ulaşılır.

Otomatik Özgeçmiş Ön Değerlendirmesi Daha mı Doğrudur?

Her zaman değil. Otomasyon, yapılandırılmış kriterleri tutarlı bir şekilde uygularken, insanlar sıra dışı deneyimleri genellikle daha iyi yorumlar. Kazananı belirlemeden önce aday listesi geri çağırma oranını, hatalı negatifleri, adilliği, süreç sonu sonuçlarını ve tasarruf edilen zamanı karşılaştırın.

Yapay Zeka, İnsan İncelemesi Olmadan Adayları Reddetmeli midir?

Yalnızca yapay zeka puanına dayanarak, özellikle doğrulamadan önce, nihai reddetme yapmaktan kaçının. Pilot çalışma sırasında işe alım uzmanları, doğrudan geçen ve sınırda kalan grupları incelemeli ve düşük puanlı profillerden oluşan bir örneği denetlemelidir. İstisna ve uyum yollarını koruyun, müdahaleleri belgeleyin ve karar politikasından belirli bir kişiyi sorumlu tutun.

Bir Ekip Otomatik Ön Değerlendirmeyi Güvenli Bir Şekilde Nasıl Test Edebilir?

Süreci 100 ila 300 başvuru üzerinde paralel (shadow) modda çalıştırın. Bunu yapılandırılmış bir insan paneliyle karşılaştırın, anlaşmazlıkları inceleyin ve düşük puanlı durumları denetleyin. Yalnızca tasarruf edilen zaman kabul edilemez hatalı negatifler veya daha zayıf sonuçlar yaratmadığında süreci genişletin.

Önemli Çıkarımlar

• Finansal başabaş noktası aylık 150 ila 250 başvuru civarında görülebilirken, manuel kapasite sınırı genellikle işe alım uzmanı başına 400 ila 600'e yakındır.

• Manuel ön değerlendirme, hacim düşük olduğunda ve bağlam olağan dışı derecede önem taşıdığında kazanır.

• Otomatik ön değerlendirme, net kriterlere ve güçlü izlemeye sahip tutarlı, tekrarlayan işlerde kazanır.

• Tek bir doğruluk yüzdesine güvenmek yerine aday listesi geri çağırma oranını, hatalı negatifleri, adilliği ve süreç sonu kalitesini test edin.

• Hibrit bir süreç belirsiz profilleri incelemeli ve düşük puanlı durumların %5 ila %10'unu denetlemelidir.

• HrPanda, işe alım uzmanının karar yetkisini ortadan kaldırmak için değil, bu yetkiyi desteklemek için yapay zeka kullanır.

Değerlendirme Yeteneğini Kaybetmeden Özgeçmiş Ön Değerlendirmesini Hızlandırın

Doğru eşik değerleri kendi verilerinizden gelir. İş gücü başabaş noktasını hesaplayın, haftalık kapasite sınırı belirleyin ve aday listesi sonuçlarını test edin.

Manuel inceleme, küçük ve karmaşık bir aday havuzu için doğru tercih olmaya devam edebilir. Otomasyon, tekrarlanan işler daha yüksek değerli işe alım faaliyetlerinin önüne geçtiğinde değer kazanır.

HrPanda'nın Yapay Zeka Uyum Algoritması, işe alım uzmanları ilerleme kararlarının kontrolünü elinde tutarken ekiplerin aday verilerini puanlamasına ve özetlemesine yardımcı olur. HrPanda'nın Yapay Zeka Uyum Algoritmasını Keşfedin ve yapay zeka destekli bir ön değerlendirmenin işe alım sürecinize nasıl uyum sağlayabileceğini görün.

İlgili Makaleler

• Adaylar Nasıl Değerlendirilir makalesi, ilk ön değerlendirmeden sonra tutarlı ve verilere dayalı kararların nasıl alınacağını açıklamaktadır.

• İşe Alım Süreci Optimizasyonu makalesi, büyüyen ekiplerin tüm aday süreci boyunca gecikmeleri nasıl ortadan kaldırabileceğini göstermektedir.