I. Giriş
Yetenek kazanımında yeni bir çağ başladı. İş gücüne daha az insan katılıyor ve her zamankinden daha fazla insan emekli oluyor; pandeminin ilk dalgasında başlayan ön saflardaki iş gücü eksiklikleri devam ediyor. Ön saflardaki iş gücünün çoğunluğunu istihdam eden sağlık, perakende, lojistik, enerji, üretim, konaklama, kamu güvenliği ve inşaat gibi sektörler özellikle etkilenmektedir. İnsan Kaynakları (İK) teknolojisi çalışanları, geleneksel olarak uyuma, kaynak açısından yoğun süreçlere ve eski aday yolculuklarına odaklanmaları sayesinde, yeni iş piyasası gerçekliklerine uyum sağlamada yavaş davrandılar.
Aynı zamanda, Yapay Zeka (AI) artık sadece uzak bir potansiyel müşteri değil. ChatGPT gibi büyük dilli modellerin (LLM’ler) ortaya çıkmasıyla, yapay zeka milyonlarca kişinin günlük işinin bir parçası haline geliyor. Movo’da (https://movo.co), yeni gelişen yapay zekayı İK’da kullanarak, geleneksel, çoğunlukla manuel Yetenek Kazanımı yöntemlerinin yapay zeka destekli işe alım ve işe alıştırma süreçlerine yol açmasındaki bu kritik boşluğu kapatıyoruz. Teknolojimiz, gelişmekte olan yapay zeka teknolojilerinden ve devasa veri setlerinden yararlanarak işe alım ve işe alıştırmayı otomatikleştiriyor, aday deneyimini geliştiriyor ve çalışan sonuçlarını önemli ölçüde iyileştiriyor.
II. Yapay Zeka Destekli İşe Alım Mekaniği
Pandeminin başlangıcından bu yana, Bullhorn, Lever, Bamboo, Taleo ve Workday gibi geleneksel Başvuru Takip Yazılımı (ATS) sağlayıcıları, temel özelliklerini geliştirme veya mobil kullanılabilirlik, aday deneyimi veya en önemlisi işe alım süresinde önemli iyileştirmeler yapma konularında çok az yol kat etmiştir. Dahası, bu sağlayıcılar istekli olsalar bile, tüm çalışanlarla güven inşa eden, günlük kullanım ve katılım verileri ile destekli mobil ürünlerden yoksundur ve bu da akıllı sistemler oluşturmak için gereken objektif verileri yakalamalarını imkansız hale getirir. Çalışan bağlılığına, katılımına, performansına ve elde tutulmasına ilişkin bu ayrıntılı içgörüler, model eğitimi, ayarlama ve işe alım tekniğinde sürekli ilerlemeler sağlamak için esastır.
Buna karşılık, yapay zeka destekli yetenek kazanımı işe alım, işe alıştırma ve uyum süreçlerini otomatikleştirir ve sürekli olarak iyileştirir. Yapay zeka destekli işe alım, insan sezgisine ve deneyimine dayalı manuel karar alma sürecinden veri odaklı kararlara geçiş yaparak paradigma değişimini temsil eder.
Thomas Davenport ve Steven Miller, yakın zamanda yayınlanan ‘Working with AI’ (AI ile Çalışmak) adlı kitabında (MIT, 2022), veri açısından zengin ve karmaşık senaryolarda yapay zeka destekli karar vermenin en etkili olduğunu bulmaktadır. Bu nedenle yapay zeka destekli işe alım, özellikle ön saflardaki işler için önemlidir. ABD’de yüz binlerce iş sahasında faaliyet gösteren 30 milyondan fazla ön saf çalışanıyla, yapay zekanın daha hassas çalışan tahsisi yoluyla üretkenlik kazançlarını ve yaşam standartlarında iyileştirmeleri desteklemesi için muazzam bir makro karmaşıklık ve fırsat var.
III. İK Dönüşümü: Yapay Zeka Entegrasyonunun Potansiyeli ve Zorlukları
Yapay zeka ile desteklenen İK teknolojisinin potansiyel eksiklikleri yoktur diyemeyiz. Algoritmalarda, özellikle veri kümesi darsa ve örneğin tek bir aday grubuna veya coğrafi bölgeye bağlıysa, doğal önyargı riski bulunur. Movo’da bu riskleri azaltmak için büyük bir sektörler arası veri seti oluşturuyoruz. Son iki yılda birlikte çalıştığımız 500.000’den fazla çalışanla potansiyel önyargıları sürekli olarak test ediyoruz. Daha büyük veriler daha sık olarak daha az önyargı ile daha doğru kararlar verir.
Otomasyonun bir diğer potansiyel sınırlaması da yapay zeka teknolojisinin başlangıçta sosyal becerileri ve kültürel uyumu tahmin etmekte zorlanabileceğidir. Ancak, veri yakalama, yapay zeka sistemi tasarımı ve veri yönetimindeki sürekli ilerlemeler bu sorunları ele alarak yapay zekanın daha nüanslı faktörleri değerlendirme yeteneğini güçlendiriyor.
Geleneksel işe alım yöntemleri, bilindik olsa da, aynı zamanda bazı sınırlara sahiptir. Program ve kaynak açısından yoğundur, bu da işe alım zaman çizelgesinde gecikmelere neden olur ve en iyi adaylar daha hızlı rakipler tarafından işe alındıkça yetenek havuzunun genel kalitesini düşürür. Araştırmamızda, işe alıma kadar geçen süre, ücretlendirmeden sonra işe alım rekabetçiliğinde en önemli faktördür ve işte bu noktada yapay zeka destekli işe alım önemli bir rekabet avantajıdır. Yapay zeka, haftalardan sadece dakikalara kadar işe alım süresini önemli ölçüde azaltarak yüksek kaliteli adayların sözleşme yapılmadan önce başka bir yere kaçmamalarını sağlar.
Buna ek olarak, geleneksel işe alım yöntemleri büyük oranda iş deneyimine, eğitime ve kendi kendine bildirilen diğer özgeçmişlere ve işe alım sitelerinin verilerine dayanır. Florida Eyaleti’nden Chad H. Van Iddekinge ve meslektaşları, 2019 meta araştırmalarında, önceki iş deneyimlerinin etkinliği hakkında önceki 81 akademik makaleyi incelemiş ve araştırılan en ön saflardaki mesleklerde iş performansı ve çalışan elde tutma (sırasıyla 0,06 ve 0,11 r-kare) arasında en iyi ihtimalle zayıf bir korelasyon bulmuştur.
Tüm insanlar gibi işe alım uzmanları ve işe alım yöneticileri de karar verme süreçlerinde bilinçsiz önyargılara karşı hassastır. Ve çalışma belleğimiz ne kadar muhteşem olursa olsun, hiçbirimiz bugünün makine öğrenimi ve yapay zeka teknolojilerinin yapabileceği kadar etkili bir şekilde milyonlarca yetenek kararı ve sonucu hakkındaki verilere gerçek zamanlı olarak erişemeyiz.
Aynı zamanda, insan işe alım uzmanlarının yapay zeka destekli işe alımları tamamlayan ve bu konuda rol oynamaya devam eden benzersiz becerilere sahip olduklarını kabul etmemiz gerekiyor. McKinsey’in iş dünyasının geleceğine ilişkin bir makalesinde de belirtildiği gibi, “Otomasyon önümüzdeki on yıl içinde çok az mesleği tamamen ortadan kaldıracak olsa da, neredeyse tüm işlerin bölümlerini daha büyük veya daha düşük bir dereceye kadar etkileyecektir” (Chui ve ark., 2016). Bu özellikle İK bağlamında doğrudur. İşe alım ve işe alıştırma ekibi üyeleri, teklif kabul etme konusunda iki arada bir derede olan en iyi adayları ikna etmek veya verilerin sınırlı olduğu nadir görevleri yerine getirmek gibi benzersiz insani görevlerde mükemmeldir. Yapay zeka destekli bir sistemle rutin süreçleri ele alan İK profesyonelleri, bu daha yüksek değerli işe odaklanabilir. Yapay zeka destekli işe alım sıfır toplamlı bir sonuç sayılmaz, aynı zamanda işe alımın insan unsurunun yerini almakla kalmayıp katma değeri de artırabilir.
IV. Yetenek Kazanımının Geleceği: Rekabet Avantajı için Yapay Zeka
Sürekli iş gücü eksikliğinin zorluklarını ele alırken, yapay zeka destekli işe alım ve işe alıştırma otomasyonu yalnızca bir yenilik değil, özellikle yüksek hacimli işverenler için bir zorunluluktur. Geleneksel yöntemlerin karşılayamayacağı hız, bilimsel doğruluk, ölçeklenebilirlik ve maliyet etkinliği sunarak yetenek kazanımında devrim yaratıyor. Ve çalışanları elde tutma zorlukları ve iş gücü eksiklikleri ile mücadele eden sektörler için kritik bir avantaj sağlar.
Hızla gelişen yetenek kazanımı dünyasında, yapay zeka destekli işe alım sadece gelecek değil, aynı zamanda bugündür. Movo’da bu dönüşüme ilk elden tanık olduk ve öncülük etmeye yardımcı oluyoruz. Ayrıca, yüksek hacimli İK’da akıllı otomasyona dönüşüme sıklıkla eşlik eden değişim yönetimi yönlerini de anlıyor ve bu konuda benzersiz bir şekilde yetkinliğe sahibiz.
Müşterilerimiz, geleneksel yaklaşımlara kıyasla iş gücü üretkenliğinde %10-20 artış ve çalışan bağlılığı ve elde tutmada %50 iyileşme görüyor. Sizi yapay zekanın yetenek süreçlerinizde nasıl devrim yaratabileceğini keşfetmeye davet ediyoruz. Şirketiniz için yapay zeka destekli işe alımları düşünmenin zamanı gelmedi mi?
