

yazan Maciej Budziewski
Güncellendi 02 Eyl 2026
13 dk. okuma
Yapay zekâ işe alımı baştan sona devralmış değil. Sahada olan biten çok daha sade. Recruiter ekipleri, tekrar eden işleri hızlandırmak, dağınık bilgiyi toparlamak, daha iyi metin yazmak, aramaları keskinleştirmek ve raporlamayı düzenlemek için AI kullanıyor. Nihai karar hâlâ insanda. Olması gereken de bu.
İyi recruiter ile kötü recruiter arasındaki farkı yapay zekâ kapatmıyor. Sadece iyi recruiter’ın elini güçlendiriyor. Doğru intake alan, hiring manager’ı hizalayan, adayla güven kuran ve rolün gerçek ihtiyacını anlayan recruiter zaten fark yaratıyordu. AI bunu daha hızlı yapmasına yardım ediyor.
Bu yazıda req açılışından offer aşamasına kadar recruiter’ların yapay zekâyı günlük akışta nasıl kullandığını anlatacağım. Hangi işlerde gerçekten zaman kazandırıyor, hangi prompt’lar işe yarıyor, nerede risk doğuruyor, nerede hiç karışmaması gerekiyor, hepsine tek tek gireceğiz. Türkiye’de çalışan in-house recruiter, ajans danışmanı, sourcer ve recruitment coordinator için uygulanabilir örnekler vereceğim.
LinkedIn’in Future of Recruiting 2024 raporu, yetenek kazanımı ekiplerinin özellikle iş ilanı yazımı, aday iletişimi ve idari işlerde generative AI denemelerini artırdığını gösteriyor. Aynı raporda insan denetiminin merkezde kaldığı açıkça vurgulanıyor. SHRM de benzer şekilde hız ve tutarlılık artışının mümkün olduğunu, fakat hesap verebilir karar alma sorumluluğunun devredilemeyeceğini söylüyor. Kaynaklar için LinkedIn Future of Recruiting ve SHRM’nin işe alımda AI değerlendirmesi incelenebilir.
Günlük pratikte kullanım alanları genelde 8 başlıkta toplanıyor. Abartısız gerçek tablo bu.
Buna karşılık iyi ekipler AI’ı şu işler için kullanmıyor. Kullanıyorsa da ciddi risk alıyor.
Kural basit. Açıklayamadığınız, savunamadığınız ve denetleyemediğiniz bir AI süreci verimlilik değil, kurumsal risktir.
İşe alımın kaderi çoğu zaman burada belirlenir. Hiring manager “hem stratejik düşünsün hem eli kirletsin, hem 3 yıl deneyimli olsun hem de senior seviyede etkisi olsun” gibi gerçek dışı bir listeyle gelebilir. Recruiter’ın işi, bu isteği piyasada karşılığı olan bir profile çevirmektir. AI burada çok işe yarar. Çünkü dağınık notları, eski job description’ları ve takım hedeflerini tek bir çerçevede toplar.
Örneğin recruiter şu verileri sisteme girer:
Bu girdilerle AI’dan üç temel çıktı almak mantıklı olur. Bir, 150 ila 200 kelimelik net hiring brief. İki, zorunlu ve esnetilebilir kriterlerin ayrımı. Üç, hiring manager’a tekrar sorulması gereken açık noktalar.
Aşağıdaki notlara göre recruiter kullanımına uygun bir işe alım özeti hazırla. Çıktı şu bölümlerden oluşsun: 1) 150 kelimelik hiring brief, 2) zorunlu kriterler, 3) geliştirilebilir veya esnetilebilir kriterler, 4) aday aramasında kullanılabilecek alternatif iş unvanları, 5) ilk telefon görüşmesi için 8 tarama sorusu, 6) hiring manager ile netleştirmem gereken 5 kritik belirsizlik. Dili sade, pratik ve işe alım odaklı tut.
Bu tek başına req başına 20 ila 40 dakika kazandırır. Daha önemlisi, süreç disiplini yaratır. Recruiter yoğunken intake dokümantasyonu ilk düşen işlerden biridir. AI ilk taslağı hızla çıkarınca o adım atlanmaz.
Birçok ilan gereğinden uzun, şirket içi jargonla dolu ve üç yıl önce açılmış başka bir req’den kopyalanmış durumda oluyor. Özellikle Türkiye’de İngilizceden kötü çevrilmiş, anlamı bulanık ilanlar çok yaygın. Adayın neden ilgilenmesi gerektiği belli değil, rolün sorumlulukları şişirilmiş, “tercihen” ile “zorunlu” birbirine girmiş.
AI burada sıfırdan mucize yaratmaz ama kötü bir metni kullanılabilir hale getirir. En iyi kullanım biçimi “bana JD yaz” demek değil. Daha iyi yaklaşım şu: “Bu metni hedef aday kitlesine göre düzenle, fazlalığı at, gereksiz sert filtreleri işaretle, ilk paragrafı çekici hale getir.”
Özellikle şu düzeltmeleri istemek işe yarar:
Aşağıdaki iş ilanını kıdemli veri analisti rolü için yeniden yaz. Metin 650 kelimeyi geçmesin. Kurumsal jargonu azalt, tekrar eden ifadeleri çıkar, zorunlu nitelikleri tercih edilenlerden ayır, ilk 120 kelimeyi daha güçlü ve aday açısından daha ikna edici hale getir. Gereksiz şekilde başvuruyu caydırabilecek ifadeleri ayrıca listele.
Pratik bir tavsiye. Türkiye pazarında “mükemmel İngilizce”, “askerlik tamamlanmış”, “dinamik çalışma temposuna ayak uydurabilecek” gibi kalıplar hâlâ otomatik kullanılıyor. Her biri her rol için gerekli değil. AI’dan bu kalıpları işaretlemesini istemek ilan kalitesini ciddi biçimde artırır.
Recruiter için en somut verim artışı çoğu zaman sourcing tarafında görülür. Neden? Çünkü iyi adaylar her zaman tam req’de yazan unvanla ortada dolaşmaz. İlan “Backend Engineer” der, aday profilinde “Platform Engineer” yazar. İlan Go ister, aday Java, Kafka ve Kubernetes tarafında güçlüdür, iki ayda Go’ya geçer. Pazar tam eşleşme vermez. Recruiter’ın da bunu anlaması gerekir.
AI şu konularda ciddi destek sağlar:
Mesela İstanbul’da bir fintech şirketi için Go bilen backend mühendisi arıyorsunuz. AI şu alternatifleri önerebilir: Platform Engineer, Distributed Systems Engineer, Site Reliability Engineer, Infrastructure Software Engineer, Cloud Backend Developer. Aynı zamanda “Go şart ama Java plus Kafka plus Kubernetes olan adaylar da hızlı adapte olabilir” gibi mantıklı genişletmeler sunabilir. Bu paha biçilemezdir. Çünkü recruiter’ların önemli bir kısmı hâlâ req’yi kelime kelime aramaya çalışıyor.
Bu rol için detaylı bir sourcing stratejisi hazırla. Şunları üret: 1) 20 alternatif iş unvanı, 2) LinkedIn Recruiter veya benzeri platformlarda kullanılabilecek 3 Boolean arama string’i, 3) sektör ve şirket büyüklüğüne göre 15 hedef şirket, 4) değerlendirilebilecek yakın geçmiş profiller, 5) güçlü adayların neden tam olarak bu unvanı kullanmıyor olabileceğine dair kısa açıklamalar. Rol özeti aşağıda.
Birçok ekip bu fırsatı kaçırıyor. Oysa sıfırdan aday aramadan önce son 12 ila 24 ayda başvuran, son aşamaya kalıp o dönem alınmayan adayları yeniden incelemek çoğu zaman daha hızlıdır. AI burada verileri gruplamak için kullanılabilir.
Bunun güvenli yolu şudur. CV veya aday verisini dışarı çıkarmadan önce kişisel ve hassas alanları temizlersiniz. Ardından şu tarz bir sınıflandırma istersiniz: beceri örtüşmesi, lokasyon uygunluğu, kıdem seviyesi, yeniden iletişime geçme olasılığı. Yine karar AI’ın değil, recruiter’ın olur.
AI ile daha çok spam atmak recruiter başarısı değildir. Hatta tam tersi. İlk temas mesajı kısa, dürüst ve adayın geçmişiyle gerçekten ilgili olmalı. “Profilinizi dikkatle inceledim” deyip hiçbir somut detay vermeyen mesajlar artık direkt çöp. Özellikle yazılım, ürün, veri ve tasarım adayları bu dili anında fark ediyor.
Yapay zekâ burada taslak üretmek için iyi. Recruiter ise son düzenlemeyi yapmalı. Adayın son şirketi, yaptığı ürün, geçiş yaptığı alan, açık kaynak katkısı, e-ticaret, SaaS ya da üretim tecrübesi gibi sinyalleri kullanarak ilk temas özelleştirilebilir.
Pasif bir aday için ilk temas e-postası yaz. Ton kısa, güvenilir ve abartısız olsun. Şu girdileri kullan: adayın özeti, neden bu rol için alakalı olduğu, rolün neden ilgisini çekebileceği, düşük baskılı bir çağrı cümlesi. Metin 120 kelimeyi geçmesin. 3 konu satırı da üret. Bilgi uydurma, aşırı övgü kullanma.
400 karakteri geçmeyen bir LinkedIn InMail taslağı hazırla. Adayın deneyimine bakarak neden ulaştığımı tek somut nedenle belirt. Saygılı, net ve otomatik görünmeyen bir ton kullan. Moda kelimelerden kaçın.
Benim görüşüm net. AI kullanıp herkese gidebilecek kadar jenerik mesaj çıkaran recruiter’ın sorunu AI değil, recruiterlık kalitesidir. Kötü mesajı teknoloji üretmedi, sadece hızlandırdı.
Telefon görüşmelerinde AI’ın en faydalı olduğu yer düzen kurmak. Özeti çıkarır, takip soruları önerir, notları standardize eder. Ama adayın “yüksek potansiyel” olup olmadığına tek başına karar vermez. Özellikle yoruma açık alanlarda AI çok rahat saçmalar.
İyi bir akış şöyle olur. Recruiter önce hiring brief ile CV’yi karşılaştırır. AI’dan muhtemel güçlü taraflar, olası boşluklar ve netleştirilmesi gereken noktalar için bir hazırlık listesi ister. Görüşme sonrası hızlı alınmış notları daha temiz bir özete çevirtir. Sonra kendisi kontrol eder, yorum ile olguyu ayırır, hiring manager’a ondan sonra gönderir.
Bu özgeçmişi aşağıdaki hiring brief ile karşılaştır. Recruiter telefon görüşmesi için bir rehber oluştur. Şunlar olsun: muhtemel güçlü yönler, olası eksikler, sorulması gereken 8 takip sorusu, doğrulanması gereken maaş, lokasyon ve notice period bilgileri, belirsiz görünen 3 alan. Adayı puanlama.
Aşağıdaki ham notları düzenli bir recruiter screen özetine çevir. Başlıklar şu şekilde olsun: deneyim eşleşmesi, teknik veya fonksiyonel uyum, adayın motivasyonları, lojistik durumlar, dikkat edilmesi gereken noktalar, önerilen sonraki adım. Sadece notlarda geçen kanıtlara dayan. Görüş ile olguyu ayrı işaretle.
Bu kullanım özellikle ajans tarafında çok değerlidir. Aynı gün içinde 6 aday sunmanız gerekiyorsa tutarlı özet üretmek zaman kazandırır. In-house ekiplerde de hiring manager’a standart handoff yapılmasını sağlar.
Koordinasyon işe alımın en görünmeyen ama en kritik parçalarından biri. Bir adayın gözünde şirket profesyonel mi değil mi, çoğu zaman bu aşamada belli olur. Geç yanıt, karışık takvim, eksik adres bilgisi, kimle görüşeceğinin belli olmaması, bunların hepsi aday deneyimini bozar.
AI koordinatörlerin ve recruiter’ların e-posta trafiğini azaltabilir. Özellikle yüksek hacimli işe alımlarda haftalık saatler geri kazandırır. Aday uygunluk notlarını takvim teklifine çevirmek, hatırlatma mesajı hazırlamak, online görüşme linki ve ofis bilgilerini tek metinde toplamak gibi işler çok uygundur.
Aşağıdaki uygunluk bilgilerini profesyonel ve kısa bir mülakat planlama e-postasına dönüştür. İçerikte görüşme tarihi, saat dilimi, formatı, görüşmecilerin isimleri ve adayın hazırlıklı gelmesi için bilmesi gereken kısa notlar yer alsın. Ton sıcak ama resmi olsun.
Adayın şu sorularına tek bir net yanıt hazırla: ofis lokasyonu, hibrit çalışma günleri, yol ve yemek desteği, mülakat süresinin uzunluğu, teknik görüşmede beklenen format. Cevap kısa, anlaşılır ve maddeli olsun.
Burada da sınır belli. Adayın özel durumu varsa, örneğin vize, relocation, erişilebilirlik ihtiyacı, ücret pazarlığı veya hassas bir geri bildirim söz konusuysa insan devreye girmeli. Otomasyona bırakılacak yer değil.
Birçok şirkette asıl problem aday bulmak değil, değerlendirmeyi tutarlı yapmak. Aynı adayı üç görüşmeci dinliyor, biri “çok iyi” diyor, biri “kültüre uymaz”, diğeri “senior değil ama ışık var” diyor. Niye böyle? Çünkü ölçüm çerçevesi zayıf. AI doğru kullanılırsa interview kit ve scorecard taslaklarını hızlı üretir.
Örneğin product manager rolü için şu yapı çıkarılabilir: problem çözme, paydaş yönetimi, veri kullanımı, ürün önceliklendirme, iletişim netliği. Her başlık için davranışsal soru, olumlu sinyal, kırmızı bayrak ve not alanı oluşturulabilir. Recruiter ile hiring manager bu taslağı birlikte son hale getirir.
Bu rol için yapılandırılmış bir mülakat kiti hazırla. 5 değerlendirme alanı belirle. Her alan için 2 davranışsal soru, güçlü cevap sinyalleri, zayıf cevap sinyalleri ve görüşmecinin not alabileceği kısa bir scorecard bölümü oluştur. Sorular rolün kıdemine uygun olsun ve tekrar etmesin.
Bu özellikle hızlı büyüyen scale-up’larda büyük fark yaratır. Çünkü mülakat yapan yöneticilerin çoğu işe alım uzmanı değildir. İyi niyetlidir ama standartları farklıdır. AI, recruiter’a bu standardı kurmak için hızlı bir iskelet verir.
Mülakat sonrası debrief toplantıları bazen gereksiz uzar. Herkes kendi notundan bir şey okur, konu dağılır, karar netleşmez. AI burada tüm görüşmeci notlarını ortak başlıklara ayırıp toplantı öncesi özet hazırlayabilir. Bu sayede ekip “kim ne dedi” yerine “hangi kanıt hangi kriteri destekliyor” kısmına odaklanır.
Ama ince çizgi var. AI debrief özetlerken kanıtı yorumdan ayırmak zorunda. “Aday enerjik görünmedi” türü ifadeler zaten sorunlu. Recruiter, bunları davranışsal ve işe dönük veriyle değiştirmeye çalışmalı. Örneğin “sorulara örnek vererek cevaplamakta zorlandı” gibi daha somut ifade tercih edilmeli.
Aşağıdaki görüşmeci notlarını bir debrief özetine dönüştür. Çıktıda şu başlıklar olsun: kriter bazlı olumlu sinyaller, kriter bazlı endişeler, çelişen görüşler, ek doğrulama gerektiren alanlar, karar vermeden önce yanıtlanması gereken son 3 soru. Varsayım ekleme, yalnızca notlara dayan.
Offer aşamasında recruiter’ın işi yalnızca teklif mektubu göndermek değildir. Adayın motivasyonunu, risklerini, karşı teklif ihtimalini ve kapanış hızını yönetir. AI burada offer özetlerini, sözlü teklif konuşma taslaklarını ve follow-up mesajlarını hazırlamada işe yarar.
Bu aday için sözlü teklif görüşmesi taslağı hazırla. İçerikte maaş, yan haklar, rol beklentisi, başlangıç tarihi, ekip yapısı ve adayın önceki görüşmelerde dile getirdiği motivasyon noktalarına bağ kuran kısa cümleler olsun. Ton profesyonel, güven verici ve pazarlık başlatmayacak kadar dengeli olsun.
Ret mesajları için de AI kullanılabilir ama burada dikkat daha da önemlidir. Özellikle son aşamaya gelen adaylara standart ve soğuk bir ret metni göndermek markaya zarar verir. AI ilk taslağı çıkarabilir, recruiter ise insan gibi bitirmelidir.
In-house ekiplerde en büyük fayda, süreç standardizasyonu ve hiring manager hizalaması. Özellikle aynı anda 10 ila 20 açık pozisyon taşıyan recruiter için özet, scorecard ve raporlama ciddi zaman kazandırır.
Ajans tarafında hız çok kritiktir. Müşteriye aday sunum notu hazırlama, farklı müşteriler için role özel mesaj üretme ve sourcing genişletme tarafında AI getirisi yüksektir. Fakat müşteri beklentisi yanlış anlaşılırsa hızın pek anlamı kalmaz. O yüzden intake tarafı burada daha da önemlidir.
Sourcer için en net kullanım alanı alternatif unvan, skill adjacency ve search string üretimidir. Özellikle niş teknik rollerde, örneğin embedded, data platform, SAP basis, quantitative analyst gibi alanlarda AI arama ufkunu büyütür.
Koordinatörler aday iletişimi, planlama, hatırlatma ve aday sorularını cevaplama tarafında AI’dan büyük fayda görür. Fakat karmaşık durumları otomasyondan ayırmaları gerekir. Bu rol için en değerli beceri, neyin otomasyona uygun olduğunu ayırt etmektir.
Türkiye’de işe alım dinamiği biraz farklı ilerliyor. İstanbul merkezli roller, hibrit beklentiler, döviz bazlı tekliflerin yarattığı hareketlilik, mavi yaka ile beyaz yaka süreçleri arasındaki farklar, İngilizce ilan zorunluluğu, bunların hepsi akışı etkiliyor. AI’ı da buna göre kullanmak gerekir.
Örnek 1, teknoloji startup’ı. 25 kişilik bir girişim ilk data engineer’ını alacak. Recruiter AI ile hiring manager notlarını temizleyip “data engineer mi, analytics engineer mi, yoksa backend ağırlıklı veri profili mi arıyoruz?” sorusunu netleştirir. Sonra ilanı iki dilde daha düzgün hale getirir, sourcing mesajlarını özelleştirir.
Örnek 2, perakende zinciri. 40 mağaza için hızlı mağaza müdürü alımı yapılacak. AI, ilan varyasyonlarını bölge bazında uyarlayabilir, aday sorularına standart yanıt taslağı hazırlayabilir, telefon görüşme notlarını tek formatta toplayabilir. Yüksek hacimde ciddi fark yaratır.
Örnek 3, üretim şirketi. Bursa veya Kocaeli lokasyonunda bakım mühendisi aranıyor. AI ile alternatif unvanlar bulunur, otomotiv ve beyaz eşya geçmişi olan adaylar yakın profil olarak dahil edilir, adayın vardiya ve servis uygunluğu tarama sorularına eklenir.
Kötü prompt kötü çıktı üretir. Bu kadar basit. Recruiter prompt’larında şu kurallar işe yarar:
İyi prompt kısa da olabilir. Mesele süslü yazmak değil, işi net tarif etmektir.
Burayı hafife almamak lazım. Recruiter tarafında en büyük riskler üç grupta toplanıyor: veri gizliliği, önyargı ve açıklanabilirlik.
Aday CV’si, iletişim bilgisi, maaş beklentisi, notlar, sağlık durumu, erişilebilirlik ihtiyacı gibi bilgiler hassastır. Her araca her veriyi kopyalayıp yapıştırmak doğru değildir. Şirket politikasına, KVKK yükümlülüklerine ve kullanılan aracın veri saklama koşullarına bakmak gerekir. Gerekiyorsa anonimleştirme yapılmalıdır.
Model geçmiş veriden öğrendiği için eski önyargıları yeniden üretebilir. “En iyi aday profili” diye verilen örnek geçmişte hep belirli okul, şehir, şirket veya cinsiyet grubundan geldiyse, sonuç bozulur. Recruiter bu yüzden AI’a uygunluk puanı verdirmek yerine kanıt bazlı özet çıkarmalıdır.
Aday neden elendi, neden ilerledi, hangi veriyle değerlendirildi? Bu soruların cevabı net olmalı. “Sistem böyle önerdi” savunma değildir. Özellikle toplu alımlarda ve kurumsal yapılarda bu konu kritik hale gelir.
AI yatırımının değerini hisle değil, metrikle değerlendirmek gerekir. Şu göstergeler takip edilebilir:
Basit bir örnek verelim. 5 recruiter’dan oluşan bir ekip düşünün. Her recruiter haftada 8 req üzerinde çalışıyor olsun. AI ile req başına ortalama 30 dakika intake ve ilan düzenleme süresi kazansın. Bu, haftalık 20 saat demektir. Ayda yaklaşık 80 saat. Bir tam zamanlı çalışanın yarısına yakın bir operasyonel kapasite ortaya çıkar. Eğer bu saatler daha iyi sourcing ve aday iletişimine giderse etkisi doğrudan hissedilir.
Fakat sadece hız değil, kalite de ölçülmeli. Daha hızlı ama daha kötü short list hiçbir işe yaramaz.
Şunları sahada sık görüyorum:
En tehlikelisi şu. Recruiter, AI çıktısını tarafsız gerçek zannetmeye başlıyor. Oysa o sadece bir taslak, bir öneri, bir olasılık seti. Nihai işçilik hâlâ insanda.
Kullanılabilecek alanlar net. Yazım, özetleme, sınıflandırma, taslak çıkarma, formatlama, raporlama, takvim iletişimi.
Sınır çekilmesi gereken alanlar da net. Aday eleme, son karar, kişilik çıkarımı, kültür uyumu puanlaması, açıklanamaz ranking, hassas geri bildirimlerin tam otomasyonu.
İyi bir işe alım fonksiyonu AI’ı hızlandırıcı olarak kullanır. Karar verici olarak değil.
Recruiter’ların yapay zekâ kullanımı sanıldığı kadar gizemli değil. İşin büyük kısmı daha temiz yazmak, daha hızlı özetlemek, daha akıllı aramak ve daha az idari hata yapmak. Yani parlak sunumlarda anlatıldığı gibi “robot işe alım” değil, iyi recruiterlığın üretkenlik katmanı.
Bir recruiter için doğru soru şu değil: “AI kullanmalı mıyım?” Asıl soru şu: “Hangi adımlarda zamanımı boşa harcıyorum ve bu zamanı aday kalitesine, hiring manager yönetimine ve ilişki kurmaya nasıl geri aktarırım?” Eğer cevap buysa, AI gerçekten işe yarar.
Tek cümlelik özet ister misiniz? İyi recruiter’ı yapay zekâ yaratmaz. Ama iyi recruiter yapay zekâyı kullanarak çok daha etkili hale gelir.
Paylaş:
No comments yet. Be the first to share your thoughts!
15 dk. okuma
17 dk. okuma
18 dk. okuma