Bir yönetici olarak masamıza gelen binlerce CV’yi “adil” ve “hızlı” değerlendirmek imkansız bir denkleme dönüşebiliyor. Geleneksel “filtreleme” yöntemlerinin yetersiz kaldığı bu noktada; yerel yapay zeka modellerini (Local LLM) kullanarak, veriyi dışarı çıkarmadan, KVKK uyumlu ve %90 zaman tasarrufu sağlayan bir “Karar Destek Sistemi” prototipi geliştirdim. İşte teknik detaylar, ROI analizi ve gelecek vizyonu.
Problem Tanımı:
Teknoloji yönetiminde en büyük darboğazlardan biri, doğru yeteneği bulmaktır. Bir pozisyon açtığımızda bazen 2000’e yakın başvuru alıyoruz.
- Bu başvuruların hepsini insan gözüyle incelemek haftalar sürüyor.
- Bazı platformların “Relevance” (Uyumluluk) algoritmaları, sadece anahtar kelime eşleşmesine bakıyor, bağlamı kaçırıyor ve pek de düzgün sonuç vermiyor.
- İlanla ilgisiz başvurular veya “keyword stuffing” (anahtar kelime yığma) yöntemleri, gerçekten nitelikli adayların arada kaybolmasına neden oluyor.
Çözüm: AI Destekli Analiz Asistanı
Bu sorunları aşmak için Python ve Local LLM teknolojilerini kullanarak bir “Aday Ön Değerlendirme Asistanı” geliştirdim. Bu sistem bir “karar verici” değil, yöneticiye içgörü sunan bir yardımcıdır.
- Nasıl Çalışır? Sistem, yasal olarak indirilmiş aday profillerini okur, “Olmazsa Olmaz” (Must-Have) ve Artı Puanlar (Nice-To-Have) kriterlerine göre semantik (anlamsal) analiz yapar ve bir tavsiye raporu oluşturur.
- Gizlilik: Veriler buluta gönderilmez. Tamamen yerel makinede çalışır ve analiz sonrası silinir.
ROI ve Stratejik Etki Analizi:
Bu sistemin entegrasyonu, operasyonel yükü azaltarak yöneticinin “seçici” rolüne odaklanmasını sağlar. Prototip çalışmalarımda gözlemlediğim tahmini kazanımlar şöyledir:
| Metrik | Geleneksel Yöntem | AI Destekli Yöntem | İyileştirme |
| CV Başına İnceleme | 10-15 Dakika | 10-15 Saniye | ~60x Hız |
| Ön Eleme Süresi | Haftalar/Aylar | Dakikalar/Günler | %90+ Zaman Tasarrufu |
| Mülakat Kalitesi | Genel Sorular | Odaklı Sorular* | Nitelik Artışı |
| Operasyonel Yük | Yüksek | Düşük | Yüksek Verimlilik |
*Mülakat Kalitesi Notu: Sistem, adayın CV’sindeki eksiklikleri veya tutarsızlıkları (Örn: “Java tecrübesi var ama proje detayı yok”) raporladığı için, mülakatta doğrudan bu boşluklara odaklanılmasını sağlar. Bu da mülakatın derinliğini artırır.
Yapay zeka, işe alım süreçlerinde insan faktörünü ortadan kaldırmaz, aksine insan zekasını daha verimli kullanmayı sağlar. Hazırlanan bu Python ve AI tabanlı araç, yöneticilere “süper güçler” kazandırarak, veriye dayalı, adil ve hızlı işe alım yapma imkanı sunar.
Gelecek, AI ile rekabet edenlerin değil, AI ile işbirliği yapan yöneticilerin olacaktır.
Demo Link: https://scout.sysarticles.com/
Gelecek Vizyonu: OtonomAjanlar (Agentic AI)
- Bugün bu sistem bir “asistan”. Ancak gelecekte, mülakat takvimini ayarlayan, adaylara kişiselleştirilmiş geri bildirim veren “Otonom Ajanlar”a dönüşebilir. İnsan faktörü “karar verici” ve “etik denetleyici” olarak merkezde kalmaya devam edecek.
Yasal Not: Bu çalışma kişisel bir Ar-Ge projesidir. Nihai işe alım kararları her zaman insan gözetiminde verilmelidir.
