Bir pazartesi sabahı aynı anda üç işin masanıza geldiğini düşünün: satış ekibi için yeni bir ilan, ertesi gün başlayacak çalışanın oryantasyon planı ve yöneticinin öğlene kadar istediği anket özeti. Üçü de önemli. Üçü de yazmak, okumak ve toparlamak istiyor. İK'nın günlük temposunda yapay zekânın ilk karşılık bulduğu yer tam da burası.
İnsan kaynaklarında ChatGPT kullanımı, ilan, iletişim, doküman ve rapor hazırlama işlerinde taslak üretmek ve bilgiyi düzenlemek için yararlı olabilir. Adayın uygunluğuna karar vermek, çalışana performans notu vermek veya hukuki bir görüş oluşturmak ise farklı bir sorumluluktur. İyi bir kullanım düzeni bu ayrımı baştan kurar: araç metin üzerinde çalışır, uzman kaynağı kontrol eder ve kararı verir.
Bu rehberdeki örnekler bir müşterinin yaşanmış vakası veya ölçülmüş başarı sonucu değildir. Kurgusal iş senaryoları üzerinden, bir İK ekibinin nereden başlayabileceğini anlatıyoruz. Gerçek aday ve çalışan verisiyle çalışmadan önce kurumun onaylı araç ve veri kullanım koşulları ayrıca değerlendirilmelidir.
İK'da ChatGPT neyi kolaylaştırır, neyi üstlenmemeli?
İK'nın işi yalnızca doküman üretmek değil. Bir adayın eksik anlattığı deneyimi anlamak, yöneticinin beklentisini netleştirmek ve çalışanın kaygısını dinlemek de işin parçası. ChatGPT'nin katkısı, bu ilişkiyi sizin yerinize kurması değil; hazırlık işlerinin bir bölümünü daha düzenli yapabilmenizdir.
Uzun bir prosedürü anlaşılır bir duyuruya çevirmek, aynı ilan için iki farklı metin hazırlamak veya dağınık toplantı notlarını takip listesine dönüştürmek iyi başlangıçlar olabilir. Buna karşılık “bu adayın kişiliği nasıl?”, “kim terfi etmeli?” ya da “bu çalışanı çıkaralım mı?” gibi sorular aracın metin düzenleme rolünü aşar.
| İş | Yararlı bir kullanım | İnsanda kalması gereken kontrol |
|---|---|---|
| İş ilanı | Onaylı görev tanımından ilan taslağı | Rolün gereklilikleri ve ayrımcı dil kontrolü |
| CV inceleme hazırlığı | Kaynakta açıkça geçen deneyimleri düzenleme | Kanıtın doğruluğu, değerlendirme ve adayla görüşme |
| Oryantasyon | Rol bazında görev ve görüşme planı | Takvim, sorumlular ve gerçek iş beklentisi |
| İç iletişim | Onaylı politikayı sadeleştirme | Anlamın korunması ve doğru sürüm |
| Anket özeti | Yorumları temalara ayırma | Gizlilik, temsil ve yorumun sınırları |
| İK raporu | Tabloyu açıklama ve yönetici özeti taslağı | Tanım, hesap, kaynak ve sonuçların doğrulanması |
Bu tablo bir kullanım izni listesi değil. Aynı görevin riski, kullandığınız veriye ve çıktının neye etki edeceğine göre değişir. Genel bir ilan taslağıyla gerçek bir aday hakkında hazırlanan değerlendirme aynı şekilde ele alınmamalı.
İşe alımda işe ilanla başlayın, aday kararıyla değil
İlan hazırlarken sık görülen sorun, metnin kötü olması kadar rolün belirsiz olmasıdır. “İletişimi güçlü, sonuç odaklı, dinamik ekip arkadaşı” ifadeleri bir adayın ne yapacağını anlatmaz. ChatGPT'ye böyle bir tarif verdiğinizde çoğu zaman daha düzgün yazılmış bir belirsizlik elde edersiniz.
Önce ekip yöneticisinden günlük sorumlulukları, ilk aylardaki beklentiyi ve gerçekten gerekli becerileri alın. Zorunlu bir yetkinlikle sonradan öğrenilebilecek bir beceriyi ayırın. Sonra aracı metni düzenlemek için kullanın. İlanda bulunmayan ücret, yan hak veya uzaktan çalışma imkânını modelin tamamlamasına izin vermeyin.
Kurgusal bir satış destek pozisyonu için şu talimat kullanılabilir:
Aşağıdaki onaylı görev ve beceri listesinden bir iş ilanı taslağı hazırla.
Hedef kitle: satış operasyonunda çalışmak isteyen adaylar.
Zorunlu becerileri ve iş başında öğrenilebilecek konuları ayrı yaz.
Yaş, cinsiyet veya aile durumu üzerinden bir koşul ekleme.
Kaynakta bulunmayan ücret, yan hak ve çalışma biçimi bilgisini uydurma.
Çıktı: rol özeti, günlük görevler, aranan beceriler ve eksik bilgiler.
Onaylı kaynak: [Kişisel veri içermeyen görev tanımı]
İlan tamamlanınca kontrol hâlâ gerekir. Modelin bir ifadeyi çıkarması metni otomatik olarak ayrımcılıktan arındırmaz; gerekliliklerin gerçekten işle ilişkili olup olmadığını da değerlendirmelisiniz.
CV'den özet çıkarmak ile adayları sıralamak aynı iş değil
CV inceleme hazırlığında daha kontrollü yaklaşım, aday hakkında bir “uygunluk puanı” istemek yerine kaynakta bulunan deneyimleri düzenlemektir. Örneğin kurgusal bir CV'den proje, kullanılan araç, süre ve ilgili satırları içeren bir tablo hazırlanabilir. Kaynakta yazmayan beceri için “belirtilmemiş” denmesi istenir.
Ad, fotoğraf, yaş veya mezun olunan okuldan kişilik, yetenek ve gelecekteki performans çıkarmaya çalışmayın. Özette bir boşluk görünmesi adayın o beceriye sahip olmadığını kanıtlamaz; görüşmede sorulacak bir konu olabilir. Modelin hazırladığı özet de kaynak CV ile karşılaştırılmadan eleme gerekçesi haline gelmemeli.
İlk denemeyi gerçek başvurularla yapmak zorunda değilsiniz. Kurgusal CV'ler, hem talimatı geliştirmek hem de araç hangi noktada varsayım üretiyor görmek için yeterlidir.
Mülakat sorusu üretirken tek bir doğru cevap aramayın
ChatGPT, pozisyonun yetkinliklerine göre yapılandırılmış soru taslağı hazırlayabilir. “Ekip çalışmasıyla ilgili on soru yaz” demek yerine, hangi davranışı anlamak istediğinizi belirtmek daha işe yarar: öncelik çatışması, müşteri itirazı, hata sonrası düzeltme veya farklı ekiplerle koordinasyon gibi.
Her soru için değerlendirilecek kanıtı ve takip sorusunu istemek, bir “ideal cevap” ezberinden daha değerlidir. Adayın kullandığı kelimelerden çok ne yaptığını, neden yaptığını ve sonucu nasıl değerlendirdiğini anlamaya çalışırsınız. STAR yaklaşımı bu konuşmayı durum, görev, eylem ve sonuç üzerinden düzenlemeye yardımcı olabilir; adayın mutlaka aynı sırayla konuşması gerekmez.
Hazırlanan paketi işe alım yöneticisiyle birlikte gözden geçirin. Sorular işin gerçek gerekliliklerine dayanıyor mu? Aynı rol için adaylara tutarlı bir çerçeve uygulanıyor mu? Gereksiz özel hayat sorusu var mı? Aracın verdiği soru listesi, bu kontrolün başlangıcıdır.
Aday iletişiminde de benzer bir sınır var. Ret mesajının dilini yumuşatabilirsiniz, fakat açıklanmamış bir ret gerekçesini modelin üretmesine izin vermemelisiniz. Nazik bir metin, gerçekte yaşanmamış bir değerlendirme sürecini anlatmamalı.
Oryantasyonda kişiselleştirme, herkese başka bir metin yazmak değildir
Yeni başlayan bir çalışanın ihtiyacı bazen uzun bir hoş geldin kitabı değil, ilk gün kimi arayacağını ve ilk hafta hangi işi öğrenmesi gerektiğini bilmektir. ChatGPT ile hazırlanacak bir planın değeri de burada ortaya çıkar: beklentiyi görünür hale getirmek.
Rolün görevlerini, öğrenilecek sistemleri, görüşülecek ekipleri ve yöneticinin önceliklerini vererek 30-60-90 günlük bir taslak isteyebilirsiniz. Her adımda sorumlu, beklenen çıktı ve kontrol görüşmesi bulunsun. “Şirket kültürünü benimsemek” gibi ölçülmesi zor bir hedef yerine, “sipariş akışını ilgili ekiple birlikte gözden geçirmek ve açık soruları çıkarmak” gibi somut bir görev yazdırın.
Takvim ve iş yükü kontrolünü yönetici yapmalı. Modelin bir güne yerleştirdiği beş toplantı gerçek hayatta mümkün olmayabilir. Planın kişiselleştirilmesi, yeni çalışanın kapasitesi hakkında tahmin yürütmek değil; rolün ve ekibin çalışma biçimine uygun görevler seçmektir.
İç soru-cevap asistanı için dosya yüklemek tek başına yeterli olmaz
İzin, masraf veya IT prosedürleri üzerinden kaynaklı yanıt taslakları hazırlamak mümkündür. Ancak çalışır bir kurum içi asistan için güncel doküman, yetkili erişim, doğru sürüm ve cevap bulunamadığında insana yönlendirme düzeni gerekir.
Asistanın her çalışan için aynı belgeye erişmesi doğru olmayabilir. “Kaynakta yoksa bilmiyorum de” talimatı faydalıdır ama tek başına erişim kontrolü veya doğruluk garantisi değildir. Önce dar bir konu seçin; yanıtın hangi belge ve bölüme dayandığını kontrol edin. Kurum içi sistemlerle bağlantı gerekiyorsa bunu bir sohbet ayarından ayrı bir uygulama projesi olarak değerlendirin.
Eğitim ve gelişimde içeriği çoğaltmaktan önce ihtiyacı tanımlayın
Bir konu başlığından sunum, kısa test ve alıştırma taslağı üretmek kolaylaşabilir. Daha zor soru, çalışanın bu içeriğe neden ihtiyaç duyduğudur. Rol, mevcut bilgi düzeyi ve işte karşılaşılan durum belirtilmeden hazırlanan eğitim genellikle herkes için geçerli ama kimseye tam uymayan bir metne dönüşür.
Onaylı bir prosedürü kısa öğrenme parçalarına ayırabilir, her parçaya bir uygulama sorusu ekleyebilirsiniz. Örneğin yeni masraf sürecinde yalnızca kuralları özetlemek yerine, kurgusal üç masraf örneğinde hangi belgenin gerekli olduğunu tartıştırın. İçerik ve cevap anahtarı süreç sahibi tarafından kontrol edilmelidir.
Zor bir geri bildirim görüşmesini prova etmek de yararlı bir kullanım olabilir. Burada gerçek kişinin gizli bilgilerini paylaşmadan bir senaryo kurun. Modelden karşı tarafın nasıl hissedeceğini kesin biçimde söylemesini değil, metindeki belirsiz ve suçlayıcı ifadeleri göstermesini isteyin. Prova, gerçek görüşmenin yerini almaz; hazırlığı iyileştirir.
Performans yönetiminde dil desteği alın, hüküm desteği değil
“İletişimi zayıf” gibi bir değerlendirme, çalışanın neyi değiştirmesi gerektiğini söylemez. Yönetici gözlemini tarih, bağlam, davranış ve etkiyle somutlaştırdığında ChatGPT bu notları daha anlaşılır bir taslağa dönüştürebilir.
Örneğin kurgusal bir olayda “Toplantıya geç katılıyor” ifadesi yerine hangi toplantı, hangi davranış ve ekip üzerindeki hangi etki konuşuluyor? Eksik gözlemi model tamamlamamalı. Gerçek performans verisinde onaylı kullanım koşulları sağlanmadan notları bir araca aktarmayın.
Çalışana puan verme, terfi önerme veya sözleşme hakkında karar alma yetkisini bu taslağa bırakmak başka bir iştir. İyi yazılmış bir paragrafın kanıta dayandığı varsayılmamalı. Yönetici notun doğruluğunu, adil değerlendirmeyi ve çalışanın görüşünün alınmasını üstlenir.
Farklı yöneticilerin metinlerini karşılaştırırken de yalnızca “tonu eşitlemek” yeterli değildir. Benzer kelimeler kullanmak, farklı ekip ve görevlerin aynı koşullarda değerlendirildiği anlamına gelmez. ChatGPT bir tutarsızlığa dikkat çekebilir; bunun nedenini açıklamak için ayrıca veri ve bağlam gerekir.
Çalışan anketlerinde özet güzel görünse de herkesin sesini taşımayabilir
Açık uçlu anket yanıtları tekrar eden sorunları bulmak için yararlıdır. Modelden yorumları tema, ilgili alıntı ve inceleme sorusu halinde düzenlemesini isteyebilirsiniz. Ancak çoğunluğun görüşünü öne çıkarırken az sayıda dile getirilen ciddi bir sorunun kaybolmadığından emin olun.
İsimleri silmek yeterli olmayabilir. “Tek kişilik İzmir ekibimizde” veya çok özel bir olayın anlatılması, yorum sahibini belli edebilir. Küçük gruplarda raporlama ve yorum paylaşımı için ayrıca gizlilik önlemleri gerekir. Modelden kimliği açığa çıkaran ifadeleri bulmasını istemek yardımcı bir kontrol olabilir, kesin anonimleştirme yöntemi değildir.
Duygu analizi etiketi de çalışan hakkında bir teşhis gibi okunmamalı. Bir cümle sarkastik olabilir, tek bir olayın etkisiyle yazılmış olabilir veya model tarafından yanlış anlaşılabilir. Özet, konuşulacak konuları hazırlasın; çalışanların motivasyonu hakkında kesin hüküm vermesin.
Excel ve İK raporlarında önce metriğin tanımını yazın
ChatGPT ile bir tabloyu özetlemeye başlamadan önce, sayının neyi temsil ettiğini açıklayın. Devir oranının payında hangi ayrılışlar bulunuyor? Paydada dönem başı kişi sayısı mı, dönem ortalaması mı var? İşe alım süresi hangi tarihten hangi tarihe ölçülüyor? Aynı terim farklı kurumlarda farklı hesaplanabilir.
Kurgusal verilerle çalışırken örneğin ay boyunca 20 ayrılış ve aynı dönemde 200 ortalama çalışan varsa, tanımladığınız hesap 20 / 200 = %10 olur. Bu sadece hesap örneğidir; bir kurum sonucu değildir. Modelin hesapladığı oranı kaynak tabloda yeniden kontrol edin. Eksik satırlar, farklı tarih biçimleri ve tekrar eden kayıtlar sonucu değiştirebilir.
Raporun iki bölümü ayrı olmalı: verinin gösterdiği bulgu ve araştırılması gereken olası açıklama. Bir departmanda devir oranının daha yüksek olması, yöneticinin kötü olduğu sonucunu tek başına vermez. Görev yapısı, dönem, çalışan sayısı ve ayrılma nedenleri gibi bilgiler incelenmeden bir neden-sonuç ilişkisi kurmayın.
Kişisel veri içermeyen veya uygun biçimde hazırlanmış örnekler için şu çerçeve işe yarar:
Bu kurgusal İK tablosu için kısa bir yönetici raporu taslağı hazırla.
Veri sözlüğü ve metrik tanımları: [Tanımlar]
Önce eksik, yinelenen veya tutarsız kayıtları listele.
Her hesapta kullanılan sütunu, dönemi ve formülü belirt.
Bulguları olası açıklamalardan ayır; veriden çıkarılamayan sonucu yazma.
Çıktı: veri kontrolleri, doğrulanacak hesaplar, bulgular ve takip soruları.
Excel formülü veya sorgu yardımı aldıysanız onu da test edin. Aracın formül üretmesi, kurumun verisini ve tarih tanımını doğru anladığını göstermez.
Veri güvenliğinde hesap adı değil, kullanım koşulları belirleyicidir
Gerçek CV, ücret tablosu, sağlık bilgisi veya disiplin kaydıyla çalışmadan önce “bunu yükleyebilir miyiz?” sorusunu yanıtlamak gerekir. İlk denemelerde kurgusal veri kullanmak, değerlendirmeyi daha kolay ve daha kontrollü hale getirir.
İsim yerine kod yazmak kişiyi yeniden tanımayı her zaman engellemez. Amaç için gereksiz alanları çıkarmak, erişimi sınırlandırmak ve veriyi gerçekten anonim hale getirmenin mümkün olup olmadığını değerlendirmek ayrı adımlardır. Kurumun yetkili hukuk, veri koruma ve bilgi güvenliği ekipleri; işleme amacı, hukuki dayanak, saklama ve aktarım koşullarını birlikte incelemelidir. KVKK'nın iş yerlerinde üretken yapay zekâ kullanımına ilişkin açıklaması, konunun bir kurumsal politika ve yönlendirme çerçevesinde ele alınmasının önemini gündeme getiriyor.
OpenAI'nin kurumsal çalışma alanlarına ilişkin güncel açıklamasında Business ve Enterprise verilerinin varsayılan olarak model eğitiminde kullanılmadığı belirtiliyor. Bu önemli bir koruma; fakat “hiç saklanmaz”, “her veri yüklenebilir” veya “KVKK uyumu otomatik sağlanır” anlamına gelmez. Kullanılan özellik, bağlantılar, erişim ve saklama koşulları ayrıca incelenmelidir. OpenAI'nin resmî güvenlik açıklaması bu ayrımları ele alıyor. API veri kontrolleri ise ayrı bir ürün kapsamıdır; API koşullarını sıradan ChatGPT hesabına aynen uygulamamak gerekir.
Kişisel hesapların kullanım koşulları da plan ve ayarlara göre değerlendirilmelidir. “Ücretsiz hesaba yazılan her şey kesin eğitimde kullanılır” gibi bir genelleme doğru bir politika oluşturmaz. İK açısından pratik sınır daha nettir: kurumun onaylamadığı hesap ve veri akışıyla gerçek aday veya çalışan verisi işlenmemeli.
AB Yapay Zekâ Yasası açısından her İK metni aynı riskte değil
Avrupa Komisyonu, işe alımda CV sıralama gibi bazı istihdam uygulamalarını yüksek riskli kullanım alanları arasında sayıyor. Genel bir duyuru taslağı hazırlamakla adayların seçilmesini etkileyen bir sistemi kullanmak aynı değerlendirme değildir. Komisyonun AI Act açıklaması bu ayrımı risk temelli bir çerçevede ele alıyor.
AB ile iş yapan bir kurumda kapsam ve yükümlülükler kullanım amacı, sistemin rolü ve uygulanabilir kurallara göre incelenmelidir. Bu düzenlemenin her Türkiye içi işleme kendiliğinden aynı şekilde uygulanacağını veya yalnızca bir ChatGPT hesabı açmanın yüksek riskli sistem kurmak olduğunu varsaymayın. Bu bölüm hukuki görüş yerine geçmez; kurum özelindeki değerlendirme yetkili ekiplerle yapılmalıdır.
Tekrar kullanılabilir talimat şablonunun beş parçası
Her seferinde uzun bir sohbet kurmak yerine görevin çerçevesini saklamak daha kullanışlıdır. İyi bir İK talimatında beş bilgi açık olsun: ne hazırlanacağı, kimin okuyacağı, hangi onaylı kaynağın kullanılacağı, hangi sınırların korunacağı ve sonucun hangi biçimde teslim edileceği.
Örneğin bir izin prosedürünü çalışan duyurusuna çevirmek için:
Görev: Onaylı izin prosedüründen kısa bir çalışan duyurusu hazırla.
Hedef kitle: Şirket çalışanları; açık, saygılı ve sade bir dil kullan.
Kaynak: [Kişisel veri içermeyen, güncel ve paylaşımı onaylı prosedür]
Sınırlar: Yeni hak, süre, istisna veya başvuru koşulu ekleme.
Çelişki ya da eksik bilgi varsa bunu ayrı listele; kendin tamamlama.
Çıktı: Duyuru taslağı, kaynak bölüm referansları ve kontrol edilecek noktalar.
Talimatı kaydetmek yeterli değil; kullanılan kaynak sürümünü ve kontrol sahibini de kaydedin. Politika değiştiğinde aynı şablonun eski bilgiyle çalışmaya devam etmesi sıkıntı yaratabilir. Başarılı çıktıyla birlikte başarısız bir örneği de ekip içinde incelemek, yalnızca “en güzel cevapları” biriktirmekten daha öğreticidir.
Dört haftalık bir pilotu nasıl kurabilirsiniz?
İlk hedef bütün İK departmanını dönüştürmek olmak zorunda değil. Tek bir iş seçip onay, kalite ve süreyi görünür hale getirmek daha uygulanabilir bir başlangıçtır. Aşağıdaki süreler bir program önerisidir; garanti edilen dönüşüm takvimi değildir.
- Birinci hafta: işi ve sınırı seçin. Kişisel veri gerektirmeyen bir ilan veya duyuru taslağıyla başlayın. Onaylı kaynağı, aracı, kontrol sahibini ve başarı ölçütünü yazın. Mevcut işin toplam süresini kaydedin.
- İkinci hafta: talimatı küçük örneklerle deneyin. Aynı tür görevlerde modelin eklediği varsayımları, eksikleri ve düzeltme ihtiyacını inceleyin. İyi ve kötü çıktıları birlikte değerlendirin.
- Üçüncü hafta: gerçek iş düzenine uyarlayın. Veri kullanım koşulları onaylandıysa sınırı aşmadan çalışın. Kaynak hazırlığı, taslak üretimi, kontrol ve düzeltme sürelerini ayrı kaydedin. İnsan onayından geçen sonucun kalitesini değerlendirin.
- Dördüncü hafta: devam kararını verin. Toplam süre, hata türü, yeniden işleme ve kullanım kolaylığını karşılaştırın. İş gerçekten kolaylaşmadıysa talimatı veya seçilen görevi değiştirin; sırf araç kullanılıyor diye pilotu başarılı saymayın.
Ölçümde en sık kaçan nokta kontrol süresidir. Modelin birkaç saniyede bir cevap üretmesi, işin birkaç saniyede tamamlandığı anlamına gelmez. Kazanımı, veri hazırlığından onaylanmış son çıktıya kadar geçen süre üzerinden okuyun.
New Academy'de İK kullanımını nasıl çalışıyoruz?
New Academy'nin İnsan Kaynakları eğitim sayfasında kurumsal program ile bireysel katılım seçeneklerini birlikte inceleyebilirsiniz. İK Profesyonelleri İçin Yapay Zekâ Eğitimi, molalar hariç 6 saat, bireysel katılıma açık ve beş kişilik sınıf olarak planlanır. İlan ve mülakat paketi, oryantasyon planı, rapor örneği ve tekrar kullanılabilir talimatlar üzerinde çalışılır.
Kurumsal bir ekip için ihtiyaç farklı olabilir: işe alım iletişimi, çalışan soruları, yönetici raporu veya kurum politikaları öncelik kazanabilir. İK'ya özel program bu iş akışlarını eğitim kapsamını belirlerken ele alır. Uygulamalarda kurgusal veya uygun şekilde anonimleştirilmiş veriler kullanılır; gerçek verinin kullanımı kurumun onaylı koşullarına bağlıdır.
Eğer hedefiniz yalnızca aracı öğrenmek değil, erişim kontrollü bir iç asistan veya sistem bağlantısı kurmaksa, bu ihtiyacı New Academy Yapay Zekâ Danışmanlığı kapsamında ayrıca değerlendirebiliriz. Eğitimin amacı beceriyi geliştirmektir; canlı sistem tasarımı, entegrasyon ve bakımın kapsamı ayrıca belirlenir.
Son söz: daha çok metin değil, daha iyi hazırlanmış bir iş
ChatGPT'yi İK'da kullanmanın en değerli sonucu, dosya sayısını artırmak olmayabilir. Daha açık bir ilan, daha anlaşılır bir prosedür, kaynağı kontrol edilmiş bir rapor veya yöneticinin gerçekten düzenleyebildiği bir oryantasyon planı daha anlamlı çıktılardır.
Küçük bir görev seçin. Kaynağını ve sınırını yazın. Taslağı kontrol edin. Toplam işi ölçün. Araç hazırlığı kolaylaştırıyorsa ilerleyin; değerlendirme sorumluluğunu görünmez hale getiriyorsa durup süreci yeniden kurun. İK'da güven, hızlı yazılmış bir cevaptan önce gelir.