Subscribe to DeepL Pro to translate larger documents.

Visit www.DeepL.com/pro for more information.

YAPAY ZEKA UYGULAMALARI

İNSAN KAYNAKLARI YÖNETİMİ

FİLİZ ASLAN

İşletme Yüksek Lisans Programı için Tez

Lisansüstü Okul
İzmir Ekonomi Üniversitesi

İzmir
2023
 YAPAY ZEKA UYGULAMALARI
İNSAN KAYNAKLARI YÖNETİMİ

FİLİZ ASLAN

TEZ DANIŞMANI: Prof. Dr. Mehmet GENÇER

Bir Yüksek Lisans Tezi

İzmir Ekonomi Üniversitesi İşletme Enstitüsü İşletme
Anabilim Dalı

İzmir
2023
ETİK BEYAN

Bu tezin tek yazarı olduğumu ve tezin planlanmasından savunulmasına kadar her

aşamada akademik kurallara ve etik davranışlara uygun olarak çalışmamı
yürüttüğümü beyan ederim. Etik davranış kurallarının gerektirdiği şekilde,
çalışmama özgü olmayan tüm fikir, bilgi ve bulgulara atıfta bulunduğumu ve atıfta
bulunmadığım tüm ifadelerin bana ait olduğunu teyit ederim.

Filiz ASLAN

03.01.2023

İmza:
 ÖZET

İNSAN KAYNAKLARI YÖNETİMİNDE YAPAY ZEKA

UYGULAMALARI

Aslan, Filiz

İşletme Yüksek Lisans Programı Danışman

Prof: Dr. Mehmet GENÇER Ocak, 2023

Teknoloji sürekli ilerlemekte ve beraberinde kıyasıya rekabeti getirmektedir.

Kurumlar varlıklarını sürdürebilmek için insan kaynakları yönetimi de dahil olmak
üzere her alanda teknoloji tabanlı gelişmeleri kullanmaya başladı. Özellikle büyük
veri çağında iş yetkinliği yüksek çalışanları işe almak her zamankinden daha önemli.
Sürekli büyüyen aday havuzu için artık geleneksel yöntemler yeterli olmuyor. Dijital
dönüşüm sayesinde işletmelerin insan kaynakları departmanının organizasyonel
düzeyde desteklenmesi gerekiyor. Bu çalışmada yapay zeka tabanlı teknoloji
uygulamalarının İnsan Kaynakları departmanında kullanımını inceleyeceğiz. Yapay
zekâ uygulamalarının insan kaynakları alanında kullanımına ilişkin bu araştırmada,
daha önce yapılan çalışmalarda yapay zekânın genellikle işe alım alanında
uygulandığı tespit edilmiştir. Ancak araştırma sırasında insan kaynaklarının diğer
bazı alanlarında da kullanıldığı tespit edilmiştir

iv
oryantasyon ve eğitim gibi. Ayrıca yapay zekâ uygulamalarının insan kaynaklarının
diğer alanlarında henüz kullanılmadığı ve bir boşluk olduğu görülmüş ve çalışma bu
boşluğu aydınlatmaya odaklanmıştır. Çalışma, gelecekteki araştırmalara temel
oluşturacak insan kaynakları yönetiminin farklı alanlarındaki yapay zekâ uygulama
boşluklarını tespit etmeyi ve insan kaynakları profesyonellerinin beklentilerini
araştırmayı amaçlamaktadır. Bu çalışma, gelecekte insan kaynaklarında yapay zekâ
uygulamalarının incelenmesine katkı sağlayacak bulgulara ulaşmıştır.

Anahtar Kelimeler: Yapay Zeka, Dijital Dönüşüm, Yeni Teknoloji, İnsan Kaynakları
Yönetimi.

v
 ÖZET

İNSAN KAYNAKLARI YÖNETİMİNDE YAPAY ZEKA UYGULAMALARI

Aslan, Filiz

İşletme Yüksek Lisans Programı

Tez Danışmanı: Dr. Mehmet GENÇER

Ocak, 2023

Teknoloji sürekli ilerliyor ve kıyasıya bir rekabeti beraberinde getiriyor.

Örgütler varlıklarını sürdürmek için insan kaynakları yönetimi dahil her alanda
teknolojiye dayalı gelişmeleri kullanmaya başlamışlardır. Özellikle bu büyük veri
çağında, iş yetkinliği yüksek çalışanları işe almak her zamankinden daha önemlidir.
Sürekli büyüyen aday havuzu için geleneksel yöntemler artık yeterli olmamaktadır.
Dijital dönüşüm sayesinde işletmelerin insan kaynakları departmanı organizasyonel
düzeyde desteklenmelidir. Bu çalışmamızda yapay zeka tabanlı teknoloji
uygulamalarının İnsan Kaynakları departmanında kullanımını inceleyeceğiz. İnsan
kaynakları alanında yapay zeka uygulamalarının kullanımına yönelik bu araştırmada,
daha önceki çalışmalarda yapay zekanın genel olarak işe alım alanında uygulandığı
tespit edilmiştir. Ancak araştırma sırasında insan kaynağının oryantasyon ve eğitim
gibi diğer bazı alanlarda da kullanıldığı tespit edilmiştir. Ayrıca yapay zeka
uygulamalarının insan kaynaklarının diğer alanlarında henüz kullanılmadığı ve bir
boşluk olduğu görülmüş ve çalışma bu boşluğu aydınlatmaya odaklanmıştır.

vi
Çalışma, gelecekte yapılacak araştırmalara temel oluşturacak olan insan kaynakları
yönetiminin farklı alanlarındaki yapay zeka uygulama boşluklarını tespit etmeyi ve
insan kaynakları profesyonellerinin beklentilerini araştırmayı amaçlamaktadır. Bu
çalışma, gelecekte insan kaynaklarında yapay zeka uygulamalarının çalışılmasına
katkı sağlayacak bulgulara ulaşmıştır.

Anahtar kelimeler: Yapay Zeka, Dijital Dönüşüm, Yeni Teknoloji, İnsan Kaynakları
Yönetimi.

vii
TEŞEKKÜRLER
Öncelikle sevgili tez danışmanım Prof. Dr. Mehmet Gençer'e teşekkür
ederim. Kendisinin çok değerli rehberliği ve desteği sayesinde tezimi daha kolay
yazabildim. Tez yazma serüvenimde zaman zaman strese girsem de danışmanımın
yardımları bana her zaman güç verdi.

Ayrıca bilgi, deneyim ve beklentilerini benimle paylaşarak bu tezin

yazılmasına katkıda bulunan değerli katılımcılara ve bu süreçte tezime odaklanırken
zamanlarını çaldığım ve bundan hiç şikayet etmeyen sevgili aileme teşekkür ederim.

Söylemeye gerek yok. Değerli katkılarınız ve desteğiniz olmasaydı bu

çalışma mümkün olmazdı.

viii
İÇİNDEKİLER
ÖZET .........................................................................................................................iv
ÖZET .........................................................................................................................vi
TEŞEKKÜRLER .....................................................................................................viii
İÇİNDEKİLER ..........................................................................................................ix
TABLOLAR LİSTESİ...............................................................................................xi
ŞEKILLER LISTESI ................................................................................................xii
KISALTMALARIN LİSTESİ .................................................................................xiii
1. BÖLÜM GİRİŞ.......................................................................................................1
1.1. Motivasyon: Küresel pazardaki
yapay zeka uygulamalarına evrensel bir bakış1

1.2. Endüstri 4.0'ın etkisiyle insan kaynaklarında dijital dönüşüm. .......................1

1.3. İnsan kaynaklarında dijitalleşmenin kilit rolü..................................................3

1.4. Araştırma Amacı ve Sorusu..............................................................................4

BÖLÜM 2: LİTERATÜR TARAMASI .....................................................................5

2.1. Yapay Zekaya Bir Bakış ...................................................................................5

2.1.1. Makine Öğrenimi .......................................................................................6

2.1.2. Derin Öğrenme ..........................................................................................7

2.1.3. Sürü Zekası ................................................................................................7

2.1.4. Sibernetik ...................................................................................................8

2.1.5. Robotik .......................................................................................................8

2.2. İnsan Kaynaklarının Arka Planı.......................................................................9

2.2.1. İş Analizi ..................................................................................................11

2.2.2. Çalışan İşe Alımı ve Seçimi .....................................................................12

2.2.3. Yönlendirme Fonksiyonu .........................................................................12

2.2.4. Çalışan Performans Değerlendirmesi .....................................................12

2.2.5. Çalışan Eğitimi ve Gelişimi .....................................................................13

2.2.6. İş Değerlendirme ve Maaş Yönetimi........................................................13

2.3. İKY'de yapay zeka kullanımı literatürü...........................................................13

ix
 2.3.1. Oryantasyon .............................................................................................15

2.3.3. İşe Alım ....................................................................................................16

2.3.4. MYA Sistemi .............................................................................................16

BÖLÜM 3: ARAŞTIRMA METODOLOJİSİ ..........................................................20

3.1. Araştırma Felsefesi & Araştırma Yaklaşımı...................................................20

3.1.1. Veri Toplama ve Analiz............................................................................20

3.2. Araştırma Tasarımı.........................................................................................22

BÖLÜM 4: BULGULAR..........................................................................................25
4.1. Katılımcılara İlişkin Bulgular.........................................................................25

4.2. Araştırma Değişkenlerine İlişkin Bulgular.....................................................26

BÖLÜM 5: TARTIŞMA...........................................................................................35
BÖLÜM 6: SONUÇ..................................................................................................38
BÖLÜM 7: SINIRLAMALAR .................................................................................39
REFERANSLAR.......................................................................................................40

x
TABLOLAR LİSTESİ
Tablo 1. İnsan Kaynakları Yönetimi İnsan Kaynakları Yönetiminin Başlıca İşlevleri10
Tablo 2. İş Analizi İş Analizinin Faydaları..........................................................11
Tablo 3. İşe alımda yapay zeka tabanlı asistan kullanımının sonuçları...............18
Tablo 4. Katılımcıların Mülakat Detayları Katılımcıların Görüşme Detayları....23
Tablo 5. Mülakat Katılımcılarının Mülakat Katılımcılarının Özet Verileri.........24
Tablo 6. Kodlar/Tema&Kategori..........................................................................27

xi
ŞEKİLLER LİSTESİ
Şekil 1. Endüstriyel Devrim ...................................................................................2
Şekil 2. Makine Öğrenimi Makine Öğrenimi Türleri .............................................6
Şekil 3. MYA sistemi............................................................................................17

xii
KISALTMALARIN LİSTESİ
HRM : İnsan Kaynakları Yönetimi AI
: Yapay Zeka
NLP : Doğal Dil İşleme E-COMM:
Elektronik Ticaret
EQ : Duygusal Bölüm
IoT : Nesnelerin İnterneti

xiii
1. BÖLÜM GİRİŞ
1.1. Motivasyon: Küresel pazardaki yapay zeka uygulamalarına evrensel bir bakış

İnsanlığın dönüm noktalarından biri olan Yapay Zeka, insanlarda ve

canlılarda görülen düşünme ve davranış biçimlerinin, hatta tüm iş hayatındaki rutin
dinamiklerin, dijital sistemler (diğer bir deyişle bilgisayarlar) ortamında
gerçekleşmesine dönüşmektedir. (Livet ve Varenne, 2020). İş hayatındaki bu
dönüşüm ve değişim, genel olarak büyük veri kullanan ve küresel pazarda söz sahibi
olmak isteyen tüm işletmeleri bilgisayar tabanlı teknoloji kullanmaya yöneltmiştir.
Bu değişim hızlı cevap verme, zamanı azaltma, yüksek verimlilik, etkin olma gibi
birçok alanda fayda sağlamaktadır. (O'Leary, 2013). Günümüzde işletmeler giderek
daha avantajlı hale gelen teknolojiye kayıtsız kalmamaktadır. Hatta daha da ileri
giderek yapay zekâyı kullanmaktadırlar. Özellikle iş dünyası için vazgeçilmez olan
yapay zekâ, sanayi devrimine kattığı değer açısından yeni elektrik olarak
tanımlanmaktadır. (Andrew, 2017)

1.2. Endüstri 4.0'ın etkisiyle insan kaynaklarında dijital dönüşüm.

Endüstri 4.0 kavramı, teknolojinin gelişmesi ve birçok alanda kullanılmaya

başlanmasıyla birlikte, sanayi devriminin başlangıcını ifade etmek i ç i n ilk kez
Almanya'da kullanılmaya başlanmıştır. Endüstri 4.0, karmaşık fiziksel makine ve
cihazların teknoloji tabanlı sensörler ve yazılımlarla entegre edilmesidir.

İşlemlerin ticari ve sosyal sonuçlarını daha da iyileştirmek için ürünlerin

yaşam döngüsü boyunca yeni bir değer zincirinin elde edilmesidir. (Mrugalska ve
Wyrwicka, 2018)

Teknoloji tabanlı gelişmeler, personelin yetkinliklerini de teknolojiye göre

değiştirmiştir. (Kaya, 2014).

Endüstri 4.0'da yöneticiler, bir kurumda inovasyonu ve öğrenmeyi teşvik

etmek için eğitim uygulamaları, performans değerlendirme, ücretlendirme ve
personel alımı gibi İK uygulamalarını yeniden tasarlamaktadır. (Donate ve Sanchez,
2015)

1
 Dünyada modern otomasyon sistemlerine, veri alışverişlerine, üretim
teknolojilerine ve kültürel değişimlere yol açan sanayi devrimi günümüze kadar bazı
aşamalardan geçmiştir. (Butter vd., 2014).

Şekil 1. Sanayi Devrimleri Sanayi Devrimleri (Kaynak: Butter vd.,

2014)

2
 Teknolojinin hayatımıza yoğun bir şekilde girmesiyle birlikte yapay zeka
temelli dijitalleşme işletmelerde uzun süredir birçok iş kolunda (eğitim, otomotiv,
pazarlama, e-comm, medikal, tarım vb.) kullanılıyor. Ancak tam olarak teknoloji
merkezli olmasa da dijital dönüşüm son yıllarda insan kaynaklarında da kullanılmaya
başlandı. (Coşkun ve Gülleroğlu, 2021).

İnsan kaynaklarının işletmelerde stratejik bir rol kazanmasıyla birlikte insan

kaynakları bilgi sistemlerinin güçlendirilmesi ve yeni teknolojilerin kullanılmasının
önemi artmıştır. Yapay zekanın işe alım ve personel seçiminde kullanılması hem
şirketler hem de adaylar için daha fazla verimlilik ve kalite sağlayacaktır. (Upadhyay
ve Khandelwal, 2018).

1.3. İnsan kaynaklarında dijitalleşmenin kilit rolü

İnsan kaynaklarının işletmeler için kilit rolü, işletmelerin tüm

operasyonlarını önemli ölçüde etkileyecektir. Bu bağlamda dijital dönüşüm
desteklenmeli ve insan kaynakları departmanı buna hazırlanmalıdır. (Abdeldayem ve
Aldulaimi, 2020)

Rekabet avantajı elde etmek isteyen birçok şirket insan kaynakları

departmanına teknolojik yatırımlar yapıyor. İK süreçlerinin dijitalleştirilmesi iş
yükünü yaklaşık yüzde 20 oranında azaltıyor. Ayrıca bu sayede şirketler dijitalleşme
süreciyle birlikte operasyonel yüklerini de azaltıyor. En önemlisi de zaman ve
maliyet tasarrufu sağlıyorlar. (Machado ve Davim, 2016).

Bu tezin odak noktası, insan kaynaklarını cezbetme, işe alma ve elde tutma
sürecinin tamamen insandan bağımsız olması değil, insan kaynakları veya işe alım
ekiplerinin faaliyetlerine yardımcı olmak için makine öğrenimi algoritmalarının
kullanılmasıdır. Süreç uzmanlardan bağımsız olarak düşünülemez.

İşe alımda yapay zeka kullanımı insan kaynakları departmanının işlerini

önemli ölçüde azaltacaktır. Ancak insan kaynaklarının tek işi işe alım değildir. Bu
nedenle insan kaynaklarının diğer alanlarında da yapay zekadan faydalanmak faydalı
olacaktır.

3
1.4. Araştırma Amacı ve Sorusu

Çalışmanın amacı: Türkiye'deki insan kaynakları profesyonellerinin insan

kaynakları alanındaki dijital dönüşümden beklentilerini belirlemek ve farklı
alanlarındaki boşlukları doldurmak.

Araştırmada Türkiye'nin farklı bölgelerinde faaliyet gösteren şirketlerde

çalışan insan kaynakları profesyonellerinin bilgi ve deneyimlerine yer verilmiştir.
İnsan kaynakları profesyonelleri ile yapılan görüşmelerde katılımcıların farklı
sektörlerden olmasına dikkat edilmiştir. Çalışmada incelenen insan kaynaklarında
yapay zeka uygulamaları, farklı ülkelerdeki uygulamalarla da karşılaştırıldı.

Hayatımızın her alanında uygulanan dijitalleşme, işletmelerde de yoğun

olarak kullanılıyor. Operasyon kolaylığı ve zaman tasarrufu sağlayan dijital
dönüşümün henüz uygulamanın gerçekleşmediği insan kaynakları alanlarında nasıl
ve ne şekilde kullanıldığı ve beklentilerin neler olduğu araştırma sorusu ile tespit
edilmeye çalışılmıştır. Bu beklentilerin tespiti ile insan kaynaklarının diğer
alanlarındaki yapay zekâ uygulamalarındaki boşlukların doldurulması hedeflenmiştir.

Bu bağlamda, "İK profesyonellerinin İnsan Kaynakları Yönetiminde Yapay

Zeka uygulamalarından beklentileri nelerdir?" araştırma sorusu belirlenmiştir.

4
BÖLÜM 2: LİTERATÜR TARAMASI
2.1. Yapay Zekaya Bir Bakış

Günümüzde birçok alanda kullanılan Yapay Zekâ, binlerce yıl önce

keşfedilmiştir. Robotların ve kendi kendine hareket eden nesnelerin ilk kavramları
M.Ö. 750 ile 650 yılları arasındaki eserlerde ortaya çıkmıştır (Mayor, 2020).
Makineler ve robotik kavramlar eski çağlarda efsaneleri süslese de günümüzde
popülerlikleri artmaya devam etmektedir.

Bir bilgisayar bilimci olan Edmund C. Berkeley, Dev Beyinler ya da

Düşünen Makineler adlı kitabında şu ifadeyi kullanmıştır: 'makineler beyne benzer
karmaşık yapılardan oluşur. Bir makine bilgiyi işleyebilir; hesaplayabilir,
sonuçlandırabilir ve seçebilir, bilgi ile makul işlemler gerçekleştirebilir. Yani bir
makine düşünebilir'. (Berkeley, 1949)

Dolayısıyla, insan olmayan bir sistem verileri alma, yorumlama, öğrenme ve

doğru şekilde kullanma yeteneğine sahip olabilir. (Haenlein ve Kaplan, 2019).

İlerleyen yıllarda bilgisayar biliminin kurucusu sayılan matematikçi ve

kriptolog Alan M. Turing, Computing Machinery and Intelligence adlı makalesinde
bilgisayar bilimindeki birçok yapay zekâ probleminin çerçevesini oluşturacak olan
Turing testini tanıtmıştır. (Copeland, 2000)

Daha sonra John McCarthy ve Herbert Simon yapay zekanın gelişiminde

önemli bir rol oynadı. İnsanlar gibi problem çözmeyi taklit eden bilgisayar
programlarını araştırdılar. (Frantz, 2003) İlerleyen yıllarda ivme kazanan yapay zeka
çalışmaları algoritmaların ötesine geçmiştir.

Çağımızda yapay zekayı teknoloji açısından derin öğrenme, (NLP) doğal dil
işleme, makine öğrenmesi, sinir ağları ve bilgisayarla görme gibi alt alanlara ayırmak
olasıdır. Kuşkusuz makine öğrenimi tüm bu alt alanlarda kilit rol oynamaktadır.

5
2.1.1. Makine Öğrenimi

Makine Öğrenmesine odaklanan Yapay Zeka tekniklerinde, bir problemin

bilinen sonuçlarından y o l a ç ı k a r a k çeşitli değişkenleri optimize etmek suretiyle
problem örüntüsünü teşhis etmek mümkün olmakta, böylece karşılaşılmamış yeni
durumlara çözüm üretme süreçleri gerçekleştirilebilmektedir (Brink vd., 2016)

Makine Öğrenmesinin en bilinen tekniği Yapay Sinir Ağları olmakla birlikte

Bayesian Learning, Decision Trees, Q-Learning gibi farklı teknikler de
bulunmaktadır (Nabiyev, 2005). Makine Öğreniminde öğrenme süreçlerinin
performansı, örnek problem veri setinin tutarlılığı, doğruluğu ve bütünlüğü ile doğru
orantılı olarak değişmektedir. Tipik Makine Öğrenmesi, hedef problem veri setinin
durumuna bağlı olarak Denetimli, Denetimsiz veya Takviyeli Öğrenme olarak üçe
ayrılır (Atalay ve Çelik, 2017).

Şekil 2. Makine Öğrenmesi Türleri Makine Öğrenmesi Türleri (Kaynak:

Chinnamgari, 2019)

6
 Denetimli öğrenmede, öğrenilecek olayla ilgili toplanan gözlemlerden bir
küme oluşturulur. Bu kümedeki her örnek için istenen çıktı değerleri de verilir. Bu
bilgiler kullanılarak girdi ve çıktı arasında bir ilişki oluşturulur.

Denetimsiz Öğrenmede sonuçlar bilinmemektedir.

Pekiştirmeli Öğrenme ise Makine Öğrenmesi tekniği ile gerçekleştirilen bir

eyleme doğru-yanlış, iyi-kötü şeklinde ödüller veya cezalar-uyarılar verilerek
öğrenme sürecinin yönlendirilmesidir. (Nabiyev, 2005).

2.1.2. Derin Öğrenme

Makine öğrenmesinin bir alt dalı olan derin öğrenme, yapay sinir ağlarının
gelişmiş türlerini içeren ve bu sayede daha büyük ve karmaşık veri kümeleri ile başa
çıkabilen ve etkili çözümler üreten bir makine öğrenmesi yaklaşımıdır (Charniak,
2019, Goodfellow vd., 2017). Çağımızda verilerin büyük ve karmaşık olması
nedeniyle derin öğrenme teknikleri önem kazanmıştır. Bu tekniklerin iş dünyasında
hemen her alanda etkili sonuçlar verdiği görülmekte ve popülerliği artmaya devam
etmektedir. (Minaee vd., 2021)

2.1.3. Sürü Zekası

Yapay Zekanın öğrenme süreçlerine ihtiyaç duymayan, kendi kendini

koordine eden bir alt alanıdır. Doğadaki canlıların kolektif ve sürü halinde problem
çözmelerine dayanır (Karaboğa, 2014). Sürü zekâsı algoritmaları, gerçek hayattaki
arı kolonileri, karınca sürüleri, kuş sürüleri gibi ortak bir birliktelik içinde bulunan
canlı sürülerinin sürekli optimizasyon ile problem çözdüğü topluluklardır (Kobayashi
ve Simon, 2005). Makine Öğrenmesi de bir tür optimizasyon olduğu için Sürü Zekası
algoritmaları ile Makine Öğrenmesinin hibrit kullanımları da literatürde sıklıkla
görülmektedir (Mohammadi vd., 2015).

7
2.1.4. Sibernetik

Uzun bir geçmişe sahip olan sibernetik, canlıların sinir sistemini bilgisayar
sistemlerine uyarlamaya çalışan bilim olarak da kabul edilmektedir. Canlı ve cansız
varlıklarda kontrol ve iletişim ile ilgilenen bir çalışma alanı olarak tanımlamıştır
(Buckley ve Wiener, 2017).

Bilgisayar sistemlerinin geliştirilmesinde kullanılan sibernetik, robotik

kodlama alanının oluşmasına ve gelişmesine büyük katkı sağlamıştır. Sibernetik,
kapalı sinyal döngülerine sahip sistemlere uygulanabilir. Bu tür kapalı sinyal
sistemlerinde üretilen eylem, sistem ortamında değişiklikleri tetikler ve bu değişiklik
de bir tür sistem değişikliğine neden olur. Yani eylem ve tepkinin aynı sistem
ortamında gerçekleştiği bir kapalı döngü söz konusudur. Yapay Zeka bağlamında
'akıllı sistem' yaklaşımını kullanabilir ve bu açıdan Robotik ile yakın bir ilişki
kurabilir (Kline, 2015, Novikov, 2015).

2.1.5. Robotik

Robotik, bilindiği üzere akıllı robot sistemlerinin tasarımı ve geliştirilmesi ile

ilgilenen bir Yapay Zeka alt alanıdır. Günümüzde sert-robotik ve yumuşak-robotik
olarak ikiye ayrılan Robotik, elektronik, makine ve malzeme mühendisliği, hatta
biyomedikal ve kimya mühendisliği gibi alanlarla bağlantılı olarak da çözümler
üretebilmektedir. Robotik gelişmelerin altyapısında yer alan Yapay Zeka çözümleri,
görüntü işleme ve sinyal işleme gibi farklı veri işleme çözümlerinden de destek
almaktadır (Khokhar vd., 2015).

Literatür incelendiğinde alternatif sınıflandırmalarla birlikte; örneğin Doğal

Dil İşleme veya Bilgisayarla Görme gibi sınıflandırmayı çözümlerle harmanlayan alt
alanları görmek de mümkündür (Forsyth ve Ponce, 2011).

Yapay zeka, görüntü işleme, konuşma tanıma, konuşmadan metne ve

metinden konuşmaya dönüştürme disiplini olarak kabul edilen Doğal Dil İşleme'yi
(NLP) yarattı.

8
 İlk ses tanıma Apple akıllı telefonlarında kullanılmaya başlandı. Apple'ın
Siri'si kelimeleri anlama ve cevap verme konusunda oldukça başarılı bir yapay zeka.

Daha sonra Windows'un Cortana'sı Amazon'un Alexa'sına ve Apple'ın

Siri'sine rakip olarak yaratıldı.

Küresel dünyada birçok alanda kolaylık sağlayan bu yapay zekâ

uygulamaları, büyük veriyi kullanan insan kaynakları yönetiminin de dikkatini
çekmiş ve yapay zekâ uygulamaları son dönemde özellikle işe alım departmanında
kullanılmaya başlanmıştır.

2.2. İnsan Kaynaklarının Arka Planı

İnsan kaynakları yönetimi kavramı 20. yüzyılda kullanılmaya başlanmış

olsa da çalışanların verimli ve etkin çalışmasına yönelik uygulamalar çok daha
eskiye dayanmaktadır.

1700'lü yıllarda tekstil ürünleri üreten bir fabrikası olan Robert Owen,
fabrikanın çalışanları sayesinde ayakta kaldığını söylemiştir. Owen, çalışanların bir
organizasyon için çok önemli olduğunu savunmuştur. (Hatcher, 2013)

İlerleyen yıllarda Frederick Taylor'ın bilimsel yönetim teorisini geliştirmesi

sayesinde insan kaynakları yönetimine yeni bir bakış açısı geldi (Mouzelis, 2017).
İşlerin standartlaştırılması, doğru işe doğru personelin yerleştirilmesi, çalışanın
eğitilmesi gibi yaklaşımlar kazanıldı (Taylor, 2003).

Ayrıca Elton Mayo'nun Hawthorne çalışmaları modern insan kaynakları

yönetiminin temellerini oluşturmuştur. Bu çalışmaların temel bulgusu, kişiler arası
ilişkilerin ve bu ilişkilerin kalitesinin verimliliklerinde daha etkili olduğudur.
(O'Connor, 1999)

Bu kavramlar ışığında literatürde insan kaynakları yönetiminin birden fazla

tanımına ulaşılabilmektedir. Ancak neredeyse tüm tanımlar aynı anlamı ifade
etmektedir. Bir tanıma göre İKY, şirketin amacını, vizyonunu ve misyonunu
gerçekleştirmek için kullanacağı işgücünü çekmek, elde tutmak ve geliştirmektir
(Schermerhorn Jr ve Bachrach, 2020).

9
 İKY'nin bir diğer tanımı ise, zorlu iş yaşamında firmaya rekabet avantajı
sağlayacak yetenekli ve adanmış bir işgücü kazandırmayı amaçlayan bir yaklaşımdır
(Storey, 2004). Genel olarak İKY uygulamaları, organizasyondaki boş pozisyonlar
için gerekli yeteneğe sahip personelin işe alınması, oryantasyonu, eğitim-
geliştirilmesi ve performans değerlendirmesi gibi süreçleri içerir (Wall ve Wood,
2005). Şirketlerin insan kaynakları departmanı tarafından yürütülen bu uygulamalar,
çalışanların refahını ve memnuniyetini artırmaya odaklanmaktadır.

Dolayısıyla çalışanlar kurumların en önemli dinamikleridir ve kurumların

sürdürülebilirliği için doğru yönetilmeleri gerekmektedir (Bibi vd., 2016).

Genel olarak insan kaynakları yönetiminin 6 ana işlevi vardır ve diğer

işlevler bu ana işlevlerin altında yer alır.

Tablo 1. İnsan Kaynakları Yönetimi İnsan Kaynakları Yönetiminin

Başlıca İşlevleri

Çalışan
İş analizi eği̇ti̇m & Çalışan
geli̇şi̇m i̇şe alim &
seçi̇m

Başlıca işlevleri
İKY

Çalışan
Performans Oryantasyo
n
Değerlendir
fonksiyon
mesi
İş
Değerlendirme ve
Maaş Yönetimi

10
2.2.1. İş Analizi

İş analizi, bir işin detaylı olarak ele alınması ve o işi yapacak çalışanın sahip
olması gereken yetkinliklerin tanımlanmasıdır.

İş analisti, işin tanımlarını ve gerekliliklerini sistematik olarak belirler. Doğru

yapılan iş analizi, insan kaynakları departmanında yürütülen bazı fonksiyonların
hayata geçirilmesini kolaylaştırır (Wilson, 2014).

Stratejik olarak uygulanan iş analizi; personel seçme ve yerleştirme, eğitim

ve geliştirme, performans değerlendirme ve ücret belirleme gibi insan kaynaklarının
önemli fonksiyonlarında kullanılmaktadır (Schneider ve Konz, 1989).

Tablo 2. İş Analizinin Faydaları.

11
2.2.2. Çalışan İşe Alımı ve Seçimi

Kuruluşlar amaç ve hedeflerine ulaşmak için en uygun personel ile çalışmak

isterler. İşletmedeki açık pozisyonlar için başvuran aday havuzundan istenilen
yetkinliklere sahip ideal adayların seçilmesi ve işe alınması önemli bir süreçtir.
İstenilen personelin seçilmesi ve işe alınması şirketin sürdürülebilirliği açısından da
önemlidir. (Ahmad ve Schroeder, 2003).

Küreselleşen dünyada insan kaynakları yönetiminin önemi artmıştır.

Kuruluşların sürdürülebilirliğini sağlamak için en önemli kaynak olan çalışanı
(İNSAN) iyi seçmeleri gerekmektedir. (Sabuncuoğlu, 2012)

İşyerindeki tüm çalışanların temel veri ve bilgilerinin bulunduğu alan insan

kaynakları departmanıdır. Bu nedenle, İK departmanı, kuruluşun büyüklüğünden
bağımsız olarak herhangi bir işletmenin temel bir unsurudur. İş başvurusunda
bulunan adayların bulunması, taranması, işe alınması ve eğitilmesinin yanı sıra
çalışanlara yönelik sosyal yardım programlarının yönetilmesi ve çalışanların
performansının değerlendirilmesinden sorumludur. (Navarro, 2019)

2.2.3. Yönlendirme Fonksiyonu

İşe yeni başlayan çalışanların kurum kültürüne göre çalışma ortamına

adaptasyonu olarak adlandırılır. Bu eğitim, yeni çalışanın şirket kurallarından
haberdar olmasını, bunları benimsemesini, birlikte çalışacağı iş arkadaşlarını
tanımasını ve uyum sağlamasını kolaylaştırmayı amaçlamaktadır (Wanous ve
Reichers, 2000)

2.2.4. Çalışan Performans Değerlendirmesi

Performans değerlendirme, çalışanın işletmedeki yetkinliklerine göre

sistematik, adil ve düzenli olarak değerlendirilmesidir. İnsan kaynakları departmanı,
yılda birkaç kez düzenli olarak performans değerlendirmesi yapabilir, çalışanın
yetkinliğini ve verimliliğini belirleyebilir ve gerekli önlemlerle artırabilir.

Çalışan performansını ölçmek için yönetici değerlendirmesi, öz

değerlendirme, ast değerlendirmesi, akran değerlendirmesi ve 360 derece geri
bildirim gibi birçok yöntem vardır. (Hassanpour vd., 2021)

12
2.2.5. Çalışan Eğitimi ve Gelişimi

İşletmelerin kalıcılıklarını sürdürebilmeleri için verimliliklerini ve

üretkenliklerini artırmaları gerekir. Bu da çalışanların yetkinliklerinin ve
niteliklerinin işe uygunluğu ile sağlanır. (Laird vd., 2003)

Çalışan eğitimi ve gelişimi, insan kaynakları departmanının en önemli

işlevlerinden biridir. Eğitim, çalışanların yetkinliklerini ve uzmanlıklarını en üst
düzeye çıkarmalarını sağlar. En genel anlamıyla şirketlerde eğitim, çalışanlara bilgi
ve beceri kazandırma sürecidir.

Etkili eğitim, eğitime dahil olan çalışanların ihtiyaçlarını karşılamalıdır

(Hassell-Corbiell, 2001).

2.2.6. İş Değerlendirme ve Maaş Yönetimi

Bir işyerinde çalışanların alacakları ücretlerin belirlenmesi insan

kaynaklarının hayati konularından b i r i d i r .

Çalışanların ücret konusunda şirket yönetimi tarafından kendilerine adil

davranıldığına inanmaları hem kendileri hem de işletme için büyük önem
taşımaktadır.

Ücret yönetimi, şirket çalışanlarının yapılan işin içeriğine veya değerine

göre hak ettikleri ücret seviyelerinin belirlenmesidir. Bireysel liyakat ve performans
dikkate alınarak oluşturulan, aynı zamanda şirket karlılığını da gözeten bir insan
kaynakları yönetimi alanıdır. (Livy, 2020).

2.3. İKY'de yapay zeka kullanımı literatürü

Endüstri 4.0'ın başlamasıyla birlikte IoT, makine öğrenimi, yapay zeka,

nano ve uzay teknolojisi gibi alanlarda gelişmeler yaşanmış ve nesnelerin birbiriyle
bağlantılı olarak akıllı üretimi gerçekleştirilmiştir. Teknolojinin uygulandığı hemen
her alanda dijitalleşme, şirketleri ekonomik piyasada görünür hale getirmiştir.
(Aksoy, 2017).

Yapay zeka 21. yüzyılda; bilgisayar, otomotiv, askeri gibi hemen her alanda
artan bir önemle kullanılmaya başlandı,

13
eğitim, sağlık hizmetleri, finans, pazarlama, güvenlik, ekonomi. (Metaxiotis vd.,
2003).

Teknolojideki yapay zeka uygulamaları/çalışmaları takip edilmesi çok zor

bir şekilde muazzam bir artış göstermiştir. (Balazinski vd., 2002). YZ'nin yukarıda
bahsedilen alanlardaki uygulamalarının yanı sıra, teknoloji ile çok ilgili olmayan
birçok alanda bile kullanılmaya başlanmıştır. Bunlardan biri de büyük veriye sahip
olan insan kaynakları departmanıdır. (Oke, 2008)

Son yıllarda İK alanında teknoloji kullanımı, özellikle işe alım sürecinde

büyük şirketler arasında popüler hale gelmiştir. (Anderson, 2013).

Artık İK departmanı dijital olarak devrim yaratmakta, tarama, işe alım,

mülakat ve işe alım gibi süreçleri chatbotlar, robotlar ve sanal asistanlar gibi yapay
zeka ile gerçekleştirmektedir (Amla ve Malhotra, 2017).

Şirketler için işe alım süreci her zaman zor olmuştur. Doğru iş için doğru
çalışanı seçmek ve binlerce başvuru arasından maksimum faydayı elde etmek çok
zaman alır.

İnsan kaynakları departmanının tek işlevinin işe alım olmadığı ve aceleye

getirilen seçimlerde verimin düşük olacağı düşünüldüğünde sürecin riskli olduğunu
söyleyebiliriz.

Kuruluşlar, çevrimiçi işe alım yoluyla potansiyel iş adaylarını bulmanın

daha hızlı, daha ucuz ve daha verimli olması nedeniyle çevrimiçi işe alımı
kullanmaya yönelmiştir (Dhamija, 2012).

İK departmanları genellikle alınan iş başvurularını manuel olarak

değerlendirir, bu nedenle yapay zeka kullanılarak oluşturulabilecek başvuru sıralama
sistemleri işe alım uzmanının değerlendirme görevini daha verimli hale getirebilir
(Faliagka vd., 2012).

İşe alımda yapay zeka kullanan kuruluşlar, işe alım uzmanlarının geniş bir
aday havuzuna kolayca erişmesini, belge sayısını azaltmasını, yetenekli adayı hızlı
bir şekilde bulmasını, mülakat sürelerinin kısalmasını ve işe alım faaliyetlerinin daha
verimli olmasını sağlar (Dickson ve Nusair, 2010)

14
 Yapay zeka uygulamaları, şirketlerin insan kaynakları departmanındaki
idari kararları iyileştirebilir ve departmana daha stratejik bir işlev kazandırabilir.

YAPAY ZEKÂNIN INSAN KAYNAKLARINDAKI ROLÜNÜ ŞU

ŞEKILDE SIRALAYABILIRIZ:

2.3.1. Oryantasyon

Oryantasyon eğitimi, yeni işe alınan personelin mümkün olan en kısa sürede
yetkin personel haline gelmesini sağlamak için tasarlanmış bir işe alım sürecidir.
(Klein ve Weaver, 2000).

Yeni bir işe başlamak genellikle heyecan verici ancak streslidir. Yeni
çalışanlar yönlerini şaşırmış hissedebilirler. Kurumun kurumsal kültürünü, kural ve
politikalarını, mevcut performansını veya fiziksel yapısını tam olarak
anlayamayabilirler veya iş arkadaşlarının isimleri ve pozisyonları, yemek alanının
nerede olduğu ve ofis malzemelerini nereden alacakları gibi temel bilgileri
bilmeyebilirler.

Yeni çalışanın hoş karşılandığını ve rahat olduğunu hissetmesine,

yönlendirme almasına ve ekibin bir parçası olmasına yardımcı olmak, oryantasyonun
kritik bir yönüdür ve ilk birkaç günün en önemli unsurları arasındadır.

İyi yapılandırılmış bir oryantasyon çalışanın kuruma bağlılığını

sağlayacaktır, aksi takdirde çalışan hayal kırıklığına uğrayabilir ve ilk günden
kaçmak için bir fırsat arayabilir. (Wallace, 2009)

2.3.2. İşyerinde Eğitim ve Gelişim

Çalışanların işyerlerinde eğitilmesi, yetkinliklerini artırırken zaman kaybını

önlüyor ve daha modernize edilmiş bir çalışma ortamında yüksek verimlilikle
çalışmalarını sağlıyor.

Yapay zeka araçları; insan kaynakları işlevini özelleştirir ve her çalışan için
özel öğrenme ve eğitim programları hazırlar (Parsehyan, 2020)

15
2.3.3. İşe Alım

İşe alım, insan kaynaklarının önemli bir aşamasıdır ve başarılı bir şekilde
yapıldığı takdirde şirketlerin verimliliğini artırması kaçınılmazdır (Yawalkar, 2019).

Bu alanda kullanılan yapay zekâ, aday havuzundan gelen başvuruların

taranması, seçilen adaylarla ön görüşme yapılması, yeni yeteneklerin keşfedilmesi,
adayların takibi ve adaylara geri dönüş yapılması gibi işe alım sürecinin hemen her
aşamasında fayda sağlamaktadır (Hunkenschroer ve Luetge, 2022).

Hâlihazırda işletmelerde kullanılan filtreleme yöntemi etkili bir tercih olsa

da son gelişmeler sayesinde yapay zekâlı robotlarla yüz yüze görüşmeler
yapabiliyoruz.

Özellikle son yıllarda işe alımlarda kullanılan yapay zeka uygulamaları,

milyonlarca veri havuzundan istenilen adayları saniyeler içinde filtreleyerek en iyi
adayı çok kısa sürede elde edebiliyor. Yapay zeka diğer adayları da potansiyel işe
alımlar için havuzda tutuyor ve gerektiğinde geri dönüş yapabiliyor.

2.3.4. MYA Sistemi

Fortune'un 500 verilerine göre, birçok büyük şirket 2018'den bu yana yüz
yüze görüşmeler yapan MYA adlı sanal işe alım asistanını kullanıyor.

MYA sistemi yapay zeka destekli bir işe alım sanal asistanıdır. Binlerce
adayın bulunduğu veri havuzundan istenilen özelliklere sahip adayı saniyeler içinde
bulabilmektedir.

16
 MYA sistemi adaylarla
istedikleri yerde ve zamanda
mülakat yapabilir.

Ya bilgisayarda ya da
Akıllı telefon.

Şekil 3. MYA Sistemi MYA Sistemi (Kaynak: Stepstone, 2020)

80'in üzerinde farklı dilde mülakat gerçekleştirebiliyor. Mya, adayları

istediği yerde ve zamanda mülakata alabiliyor. Seçilen adayları İnsan Kaynakları
Departmanına yönlendirir.

Yapay zeka tabanlı bir diğer sanal işe alım asistanı ise Vera. Aynı anda
yüzlerce arama yapabilir, adaylarla arama veya görüntülü sohbet yoluyla görüşebilir.
Seçimi en uygun yüzde 10 adaya kadar daraltabilir.

Şirketler için milyonlarca veriyi analiz eden teknoloji pazarı istihbarat

platformu CB Insights'a göre, işe alımlarda yapay zeka tabanlı yardım kullanmanın
sonuçları aşağıdaki gibidir.

17
 Tablo 3. İşe Alımda Yapay Zeka Tabanlı Asistanlar Kullanmanın Sonuçları.
(Kaynak: CB Insight, 2020)

%93 %79 %144

İşe Alımcı
Aday Görüşme Verimliliğin
Memnuniy Süresinin de Artış
eti Azaltılmas
ı

İşe alım, İnsan Kaynakları Departmanının tek işi değildir. Özellikle işe
alım maliyetli ve zaman alıcıdır. Chatbotlar ve sanal asistanlar fazla mesai
yapabilirler. Dinlenme sürelerine ihtiyaçları yoktur. Ayrı bir ofise ihtiyaç yoktur.

Peki, neden Yapay Zeka uygulamalarını İnsan Kaynaklarının diğer

faaliyetlerinde de kullanmayalım?

Örneğin, yaratıcı eğitim ve gelişim uygulamaları kullanan işletmelerin

daha iyi performans gösterdiği bilinmektedir. Eğitim ve gelişim, bir kuruluşu
rekabetle mücadelede güçlü kılar.

Yapay zeka kullanılarak bir eğitim sistemi oluşturulabilir ve kurumdaki

eğitim ihtiyaçları analiz edilebilir.

Yapay Zeka Tabanlı Eğitim Sistemi, tüm öğrenenlere aynı içeriği sunmak
yerine, her bir öğrenen için bireysel hedefleri, tercihleri ve bilgileri ile orantılı bir
eğitim modeli oluşturabilir. (Noe vd., 2018)

18
 Verilen eğitimi değerlendirebilir ve tekrarlanması veya farklı eğitimlerin
alınması gerekip gerekmediğini belirleyebilir.

Ayrıca, yeni bir işe başlamak genellikle heyecan verici ancak streslidir.
Yeni çalışanlar yönlerini şaşırmış hissedebilirler. Kurumun kurumsal kültürünü,
kural ve politikalarını, mevcut performansını veya fiziksel yapısını tam olarak
anlayamayabilirler veya iş arkadaşlarının isimleri ve pozisyonları, yemek alanının
nerede olduğu ve ofis malzemelerini nereden alacakları gibi temel bilgileri
bilmeyebilirler.

Yeni çalışanın hoş karşılandığını ve rahat olduğunu hissetmesine,

yönlendirme almasına ve ekibin bir parçası olmasına yardımcı olmak, oryantasyonun
kritik bir yönüdür ve ilk birkaç günün en önemli unsurları arasındadır.

İyi yapılandırılmış bir oryantasyon çalışanın kuruma bağlılığını

sağlayacaktır, aksi takdirde çalışanı hayal kırıklığına uğratabilir ve ilk günden
kaçmak için bir fırsat arayabilir. (Wallace, 2009)

Akıllı telefona uygulanan yapay zeka tabanlı bir chatbot sayesinde zaman
alan oryantasyon faaliyetleri kolayca yapılabiliyor. Bu çok kolay bir işlem olmakla
birlikte sonuçları çok verimlidir.

Ayrıca işletmeler için önemli olan ve uygulaması çok zaman alan insan
kaynakları fonksiyonlarından biri de bordrolamadır. Kurumsal şirketlerde bile bordro
sisteminde ciddi sorunlarla karşılaşılabiliyor.

Bu sorunlarla karşılaşmamak için insan kaynakları çalışanlarının sürekli

tetikte olmasını ve süreçleri çok sıkı takip etmesini gerektiriyor. İşletmeler yakın
zamanda dijital destekli, hızlı ve doğru bordro uygulamalarını kullanmak istiyor.

Verimli bir bordrolama yapmak için, yapay zeka tabanlı otomasyon ve

metriklerin yardımıyla, özellikle bordro işleme, modern kuruluşlar için idari bir
faaliyetten stratejik karar verme sürecine dönüşüyor. (Kugasia, 2021)

Yapay zekânın insan kaynakları yönetimindeki avantajları düşünüldüğünde,

yapay zekâ uygulamalarının sadece birkaç alanda değil diğer tüm alanlarda da
kullanılması insan kaynakları için büyük bir avantaj olacaktır.

19
BÖLÜM 3: ARAŞTIRMA METODOLOJİSİ
3.1. Araştırma Felsefesi & Araştırma Yaklaşımı

İlk olarak Strauss ve Glaser tarafından gündeme getirilen temellendirilmiş

kuram, araştırılan olgu hakkında veri toplayarak kurama ulaşmaktır. Teori, Barney
Glaser'ın temsil ettiği pozitivist yaklaşım ile Anselm Strauss'un yorumlayıcı
geleneğinin birleşimi sonucunda ortaya çıkmıştır.

Yorumsamacılık nitel bir metodolojidir ve belirli olguları ölçmek için

özellikle görüşme yöntemini kullanır (Saunders vd., 2019) Glaser'ın nicel bakış
açıları ve Strauss'un niteliğe yakın bakış açıları teori oluşturma yolunda yöntemin
belirleyicileri olmuştur. (Charmaz, 2006)

Glaser teorinin verilerde saklı olduğunu savunurken, Strauss'a göre teorinin

bir gözlemci tarafından yorumlanması gerekmektedir. Ayrıca Glaser'ın
araştırmacının inceleme sırasında pasif olması gerektiği görüşüne karşılık Strauss
araştırmacının aktif olması gerektiğini belirtmektedir (Jones ve Alony, 2011).

Teorinin amacı tümevarım mantığına dayalı olarak; verileri analiz etmek,

kodlamak, elde edilen bilgiler ışığında kategorize etmek ve sistematik olarak sürekli
karşılaştırmalar yaparak teorik doygunluk ve duyarlılık sağlamaktır. (Strauss ve
Corbin, 1997).

3.1.1. Veri Toplama ve Analiz Etme

Veri toplamanın ilk aşaması, zengin verinin nereden toplanacağını

keşfetmekle başlar. Güçlü bir temellendirilmiş teori oluşturmanın yolu zengin veri
toplamaktır. İyi detaylandırılmış zengin veri, güçlü bir analiz için önemli bilgiler
verir (Charmaz, 2006). Temellendirilmiş kuramda veri toplama; not alma, görüşme
yapma ve kaydetme gibi farklı şekillerde yapılabilir. Seçilen olguyla ilgili verilerin
nerede, nasıl ve ne zaman toplanacağı ve bunların nasıl anlamlandırılacağı veri
toplamada diğer önemli noktalardır. (Thonberg ve Charmaz, 2014).

Kararlı ve sistematik bir şekilde çalışılan veri toplama ve analiz süreci,

araştırmacının araştırdığı alan veya konu ile ilgili tüm bakış açılarını fark etmesini
sağlar (Corbin ve Strauss, 1990)

20
3.1.2. Kodlama

Kodlama; kategorileri tanımladığımız ve bunları benzerlik ve farklılıklarına

göre sınıflandırdığımız bir süreçtir. Katılımcılarla yapılan görüşmeler sonucunda elde
edilen verilere ilişkin farklı görüşler, bir kelimenin ya da bir paragrafın kodlanması
şeklinde gerçekleştirilir. (Belgrave ve Seide, 2019)

Temellendirilmiş teorinin amacı, veriler aracılığıyla yeni kavramlar ve

kategoriler elde ederek belirli bir teori oluşturmak olduğundan, kodlama,
kategorilerin oluşturulması ve kavram inşası için çok önemlidir. (Glaser, 2007)

3.1.3. Teorik Doygunluk

Temellendirilmiş kuramda, veri toplama ve analiz etme süreci kuramsal

doygunluğa ulaşılana kadar devam eder. Bu, araştırmacının yeni bir kategori ve yeni
bir örneklem belirleyememesi durumunda araştırmayı sonlandırması anlamına gelir.

Aksi takdirde kategori oluşturma ve kodlama devam edecektir. Araştırmacı

yeni veri ekleyemediğini ve kategorilerin özelliklerini geliştiremediğini gördüğünde,
çalışma teorik doygunluğa ulaşmış demektir. (Aldiabat ve Le Navenec, 2018).

Birçok araştırmacının karıştırdığı gibi doygunluğa ulaşmak, sürekli aynı

olaylara tanık olmak değil, yeni bir şey olmadığını görmektir. Kategoriler
doygunluğa ulaştığında veri toplama işlemi sonlandırılır. (Charmaz, 2006)

3.1.4. Teorik Hassasiyet

Teorik duyarlılık, araştırmacının elde ettiği verilerin üzerinde çalıştığı

araştırmayla ilgili olup olmadığını ayırt etme yeteneğidir. Araştırmacı, önceki
çalışmalarından edindiği bilgi ve deneyim sayesinde bu becerisini geliştirebilir.
Kısaca teorik duyarlılık, araştırmacının verileri anlama ve anlamlandırma becerisidir.
(Corbin ve Staruss 1990).

21
3.2. Araştırma Tasarımı

Bu çalışmada temellendirilmiş teori kullanılmıştır. Veri toplama ve analizin

eş zamanlı olarak yürütüldüğü nitel bir yöntemdir.

Bu araştırma, kurumların insan kaynakları süreçlerini yürütürken gelişen

teknolojiden nasıl faydalandıklarını ve beklentilerini anlamayı amaçlamaktadır.

Yapay zekâ uygulamaları henüz insan kaynaklarının tüm modüllerinde

kullanılmadığından, daha güvenilir veri toplamak ve beklentileri anlamak için geniş
bir üye ağına sahip bir örneklem seçilmiştir. Ayrıca, görüşme yönteminin veri
toplamak için uygun bir yaklaşım olduğu düşünülmektedir (Carson vd., 2001).

Yarı yapılandırılmış sorulardan oluşan görüşme, insan kaynakları alanında

kurumsal ve bireysel üyelerden oluşan ve Türkiye'nin 7 bölgesinde şubesi bulunan
İnsan Kaynakları Yönetimi Derneği ile gerçekleştirilmiştir. Görüşmeler yüz yüze,
telefonla ve online sistem üzerinden gerçekleştirilmiştir. Her bir katılımcının kimliği
gizli tutulmuş ve takma isimler kullanılmıştır.

Bu çalışmada kullanılan veriler, birincil ve ikincil verilerin toplanmasıyla

oluşturulmuştur. Birincil veriler araştırmacının çalışmalarından ve İK alanındaki bazı
profesyonellerle yapılan görüşmelerden toplanmıştır. Ayrıca, ikincil veriler
yayınlanmış makalelerden, araştırma materyallerinden, İK web sitelerinden,
çevrimiçi araştırma bloglarından ve profesyonel kitaplardan toplanmıştır.

Bu çalışmada, Türkiye'nin 6 farklı sanayi kentinden 11 katılımcı ile

görüşülmüştür. Katılımcıların mülakat detayları aşağıdaki tabloda verilmiştir.

22
 Tablo 4. Katılımcıların Görüşme Detayları Katılımcıların Görüşme Detayları

BAŞLIK SÜRE KONUM GÖRÜŞME A

ŞEKLI G
E
1. Görüşülen İK 25 dakika. Manisa Telefon 54
Kişi
Direktör
A
ü

2. İK Müdür 40 dakika. İzmir Yüz yüze 29

Görüşmeci Yardımcısı
B

3. İK Müdür 45 dakika. İzmir Yüz yüze 26

Görüşmeci Yardımcısı
C

4. İK 20 dakika. Bursa Telefon 59

Görüşülen Müdürü
Kişi

D
5. İK 30 dakika. İstanbul Yüz yüze 51
Görüşülen Danışmanı
Kişi

E
6 inci İK 33 dakika. İstanbul Çevrimiçi 32

Görüşülen Direktör

Kişi F ü

7 inci İK 30 dakika. Bursa Yüz yüze 41

Danışmanı
Görüşülen
Kişi G

23
 Tablo 4. Katılımcıların Mülakat Detayları (devam) Katılımcıların Görüşme
Detayları

8. İK 25 dakika. Gaziantep Telefon 28

Görüşülen Asistanı
Kişi H

9 th İK 40 dakika. İzmir Yüz yüze 38

Direktör
Görüşülen ü
Kişi I

10. İK Uzmanı 30 dakika. Kocaeli Çevrimiçi 43

Görüşülen

Kişi

K
11 inci İK Uzmanı 25 dakika. İstanbul Çevrimiçi 44

Görüşülen

Kişi L

Tablo 5. Mülakat Katılımcılarının Mülakat Katılımcılarının Özet Verileri

# İK 11 katılımcı
Çalışanl
arının
Sayısı
Türkiye'de Türkiye'nin 6 farklı şehri (İzmir, İstanbul, Manisa, Bursa,
n Şehirler Gaziantep, Kocaeli)

Ortalama 40 yaş Maks. 59 - Min. 26

yaş

İşletme Unvanı 4 yönetici, 3 rehber, 2 danışman, 2 uzman

Cinsiyet 6 erkek 5 kadın

24
BÖLÜM 4: BULGULAR
4.1. Katılımcılara İlişkin Bulgular

Bu çalışmada araştırmaya uygun, konuya hakim ve bilen katılımcılar özel

olarak seçilmiştir. Toplanan verilerin daha etkili olabilmesi için Türkiye genelinde
geniş bir örneklem seçilmiş ve bu örneklem içerisinden farklı sektörlerde çalışan ve
farklı demografik bilgilere sahip 11 katılımcı ile görüşülmüştür.

Görüşmeler İzmir, İstanbul, Manisa, Bursa, Kocaeli ve Gaziantep olmak üzere

6 farklı şehirden uzmanlarla telefon, zoom veya yüz yüze gerçekleştirilmiştir. 5
kadın, 6 erkek, 4 yönetici, 3 müdür, 2 danışman, 2 uzman olmak üzere en fazla 59, en
az 26 yaş aralığında toplam 11 kişi ile görüşülmüştür. Katılımcılar izin vermediği
için görüşme kaydedilememiş ancak notlar alınmıştır.

İmkânı olan katılımcılarla yüz yüze görüşme sağlanmış ancak yüz yüze
görüşmenin uygun olmadığı katılımcılarla hem pandemi süreci hem de mesafe
nedeniyle telefon ya da zoom aracılığıyla görüşülmüştür. Görüşmede katılımcılara
yarı yapılandırılmış sorular sorulmuş ve cevapları el yazısı ile kayıt altına alınmıştır.

Katılımcılar herhangi bir dijital ortama kayıt yapılmasına izin vermedikleri

için görüşme verileri herhangi bir dijital alana kaydedilememiştir.

Katılımcıların uluslararası bilgi ve deneyimlerini katmaları için yarı

yapılandırılmış sorular sorulmuş, bilgilerini rahatlıkla aktarabilmeleri için uygun
ortam ve koşullar yaratılmıştır.

Araştırmacı tarafından görüşülen kişiler arasında özellikle 3 katılımcının

uluslararası deneyimlerinden yararlanılmıştır.

Bazı katılımcıların görüşmeci ile aynı fiziksel ortamda bir araya gelmesi zor
olduğu için toplantı elektronik ortamda zoom uygulaması ile gerçekleştirilmiştir.

Elektronik toplantılar, tarafların fiziksel olarak bir araya gelemediği

durumlarda her zaman avantajlı olmuştur. (Bampton ve Cowton, 2002)

25
4.2. Araştırma Değişkenlerine İlişkin Bulgular

Bu araştırmada yapılan görüşmelerden elde edilen bilgiler doğrultusunda 5

kategori ve 17 kod oluşturulmuştur. Eş anlamlı ifadeler aynı kod altında toplanmıştır.
11 katılımcı kodları 28 kez tekrarlamıştır. Beş kategori, kodlar ve tekrarlanma
değerleri aşağıda verilmiştir.

26
 Tablo 6. Kodlar/Tema&Kategori

KODLAR TEMA KATEGORİ TEKRAR

*Adaylardan iyi geri

bildirim
*Mülakat Etkili İK Aktivasyonları Memnuniyet 6
süresinin
kısaltılması
*İşveren verimliliğinde
artış

*Bordro yapmak için

*Bütçe, maliyet ve idari
yükün azaltılması
*Öneri sistemleri
oluşturmak İdari Aktivasyonlar Beklentiler 8
*Memnuniyet anketi
yapmak için
*Merkezileştirme

*Çalışan seçimi Yapay

*Çalışan eğitimi İnsan Kaynakları Zekanın 3
*Çalışan oryantasyonu Etkinliği Kullanıldığı
Alanlar

*Bir güvenlik açığı olabilir

*İnsani duygulardan Olumsuz Görüşler Önyargılar 6
yoksun

*Ülkemiz için çok erken

*Uygun altyapı yok
*Mevcut Olumsuz Yaklaşımlar Engeller 5
çalışan yok /Düşünceler
*Sınırlı teknoloji

27
 -Memnuniyet;
Şirketlerinde insan kaynakları yönetiminde yapay zekâ uygulayan katılımcılar
tarafından "memnuniyet" kelimesi 6 kez tekrarlanmıştır. Katılımcıların ifadelerine
göre "memnuniyet" kategorisinde 3 farklı kod belirlenmiştir.

*Adaylardan iyi geri bildirim

*Mülakat süresinin kısaltılması

*İşveren verimliliğinde artış

Şirketler için büyük önem taşıyan işe alım, oldukça zor ve zaman alan bir
süreçtir. Bu zorlu süreçte hem başvuran adayların hem de işe alım yapan kişinin
mutlu olması istenir. Adayın işe alınması ya da iletişimde kalınarak başka açık
pozisyonlar için adaya geri dönüş yapılması bu memnuniyeti artıracaktır.

"Sanal bir bot ile yapılan işe alım öncesi mülakat sayesinde
adaylar daha az stres hissediyor. Bu sayede adaylar kendilerini
daha rahat ifade edebiliyor. Ayrıca adayın sanal bot ile istediği yer
ve zamanda görüşme yapabiliyor olması memnuniyet yaratıyor."
(Görüşmeci E)

"Zaman boşa harcanmayacak kadar değerlidir, her işletme

zamanını verimli kullanmak ister, işe alım gibi zaman alan
faaliyetlerde yapay zeka temelli teknolojinin kullanılması mülakat
sürelerini azaltacaktır. Bu da memnuniyeti artıracaktır."
(Görüşmeci L)

-Beklentiler;

Yapay zekâ uygulamalarının insan kaynakları yönetiminde kullanımında en

fazla beklenti kategorisi tekrarlanmıştır. Bu kategoride 5 kod tespit edilmiştir.
Şirketlerde idari işlerin kolaylaştırılmasına yönelik beklentiler yüksektir ve insan
kaynakları departmanı bir şirketin tüm departmanlarını ilgilendiren bir alan olduğu
için idari aktivasyonlardan faydalanması beklenmektedir.

28
 *Bordro yapmak için

* Bütçe, maliyet ve idari yükün azaltılması

*Öneri sistemleri oluşturmak

*Memnuniyet anketi yapmak için

*Merkezileştirme

Merkezileştirilmiş insan kaynakları, İK profesyonellerinin tüm çalışanların

işlevlerini tek bir ana ofisten denetlemesi anlamına gelir. İşe alma ve işten çıkarma
süreçleri, eğitim ve oryantasyon, ücretlendirme ve yan haklar ve genel motivasyon
stratejileri, merkezi bir İK ofisinde uzmanlar tarafından yönlendirilen alanlar
arasındadır. İK'nın merkezileştirilmesi, tüm bu süreçlerin yönetiminin yerel iş birimi
liderlerine bırakılması yerine tek bir merkezde uzmanlar tarafından yönetilmesidir.
(Palm, 2019).

"İK faaliyetleri yerel birimlerde yapılsa bile ana birimdeki

kadar başarılı olmuyor. Verilerin tek bir merkezde toplanması ve
uygulamaların tek bir merkezden yapılması kontrolün sağlanması
açısından daha avantajlı. Tek merkezden hareket etmek avantajlı
olsa da çok zaman alan ve yorucu bir faaliyet.

Bu açıdan insan kaynaklarının yapay zekâ ile

merkezileştirilmesi büyük avantaj sağlayacaktır." (Görüşmeci K)

Araştırmada yer alan katılımcılarla yapılan görüşmelerde bordronun önemine

özellikle değinilmiş ve daha güvenilir, daha detaylı ve diğer birimlerle entegre bir
bordro oluşturulması beklenmiştir. Bordro, bir işyerinde çalışanın çalışma saatleri
dikkate alınarak, çalışana ödenecek ücreti ve bu ücret üzerinden yapılacak yasal ve
özel kesintileri gösteren değerli bir belgedir.

29
 Bordroda kullanılacak veriler insan kaynakları çalışanı tarafından tek tek
kontrol edilmelidir. Hatalı girişler düzeltilmeli, gerektiğinde geriye dönük
karşılaştırmalar yapılmalıdır.

Aşağıda görüşmeci C ile bu konuda yapılan görüşmeden bir alıntı yer

almaktadır.

"Şirketlerde bordro süreci son derece önemlidir. Çalışanlar

haklarını düzenli ve tam olarak almak isterler. Çalışanlar çalışma
saatlerinin, varsa kesintilerinin, fazla mesailerinin bordroda
gösterilmesini isterler.

Bu detaylı ve yorucu bir süreç ama tüm bu süreçleri yapay

zeka tabanlı uygulamalarla yapmak kesinlikle işi hızlandıracak ve
kolaylaştıracaktır." (Görüşmeci C)

Görüşmeci G'ye göre, memnuniyet anketleri ve öneri sistemlerinin dijital

platformda olması beklentisi,

"Memnuniyet anketleri ve öneri sistemleri kurum

kültürünün benimsenmesi ve çalışan bağlılığının yaratılması için
gereklidir. Bu süreçlerin dijital bir platformda yürütülmesi insan
kaynakları departmanına zaman kazandıracaktır." (Görüşmeci G)

- Yapay zekanın kullanıldığı alanlar;

Son yıllarda dünyada insan kaynakları alanında yapay zeka uygulamaları

kullanılmaya başlandı. Çok yaygın olmamakla birlikte Türkiye'de de bazı şirketlerde
kullanılmaya başlandı.

Bu çalışma için insan kaynakları profesyonelleri ile yapılan görüşmelerde,

İK'nın bazı alanlarında yapay zekâ uygulamalarını kullandıklarını ve bu
uygulamalardan büyük fayda sağladıklarını belirtmişlerdir.

* Çalışan seçimi

* Çalışan eğitimi

* Çalışan oryantasyonu

30
 Örneğin mülakatta L görüşmecisi, şirketlerinde yaklaşık bir yıldır dijital işe
alım asistanı kullandıklarını söylemiştir:

"Önceden insan kaynakları personeli birkaç aşamada

adaylarla görüşerek işe alım yapıyordu. Önce açık pozisyon için
başvuran çok sayıda aday manuel olarak elenip belli bir sayıya
indiriliyor, ardından her bir adayla tek tek mülakat yapılıyor,
gerekli notlar alınıyor ve nihai karar için tekrar görüşme
ayarlanıyordu. Bu oldukça zaman alan ve yorucu bir faaliyetti.

Ayrıca sadece bir kişinin alınacağı boş pozisyon için

yüzlerce adayın başvurması ve bu adaylar arasından tam yetkin ve
doğru kişinin seçilmesi oldukça zordu.

Dijital işe alım asistanını işe alım birimimizde yaklaşık bir

yıl önce kullanmaya başladık ve iş hızımız üçte iki oranında arttı.
Yüzlerce aday arasından uygun kriterlere sahip olanlar hızlı ve
doğru bir şekilde elendi, uygun adaylarla hızlı bir şekilde görüşme
randevusu ayarlandı ve en çok aranan niteliklere sahip az sayıda
aday son görüşmeciye gönderildi.

Böylece işe alım gibi çok zaman alan bir insan kaynakları
fonksiyonunu çok kısa sürede tamamlamış olduk. Hem başvuru
sahipleri hem de İK departmanı olarak memnun kaldık."

(Görüşülen Kişi L)

Yeni bir işe başlamak genellikle heyecan verici ancak streslidir. Yeni
çalışanlar yönlerini şaşırmış hissedebilirler. Kurumun kurumsal kültürünü, kural ve
politikalarını, mevcut performansını veya fiziksel yapısını tam olarak
anlayamayabilirler veya iş arkadaşlarının isimleri ve pozisyonları, yemek alanının
nerede olduğu ve ofis malzemelerini nereden alacakları gibi temel bilgileri
bilmeyebilirler.

31
 Yeni çalışanın hoş karşılandığını ve rahat olduğunu hissetmesine,
yönlendirme almasına ve ekibin bir parçası olmasına yardımcı olmak, oryantasyonun
kritik bir yönüdür ve ilk birkaç günün en önemli unsurları arasındadır.

İyi yapılandırılmış bir oryantasyon çalışanın kuruma bağlılığını

sağlayacaktır, aksi takdirde çalışan hayal kırıklığına uğrayabilir ve ilk günden
kaçmak için bir fırsat arayabilir.

İnsan kaynakları alanında şirketlere danışmanlık yapan Görüşmeci E'ye göre;

"Adayların işe alımında ve işe alınan personelin oryantasyonunda yapay zekâ
kullanımı yaygınlaşmaya başladı."

Personel eğitimi, işletmeler için çalışan seçimi ve oryantasyondan sonra

gelen en önemli fonksiyonlardan biridir.

Eğitim, çalışanların yetkinliklerini ve uzmanlıklarını en üst düzeye

çıkarmalarını sağlar. Eğitim, çalışanların bilgi ve beceri kazanmasını sağlar. Ancak
eğitim organizasyonu da kolay bir süreç değildir. Eğitim ihtiyaçlarının analiz
edilmesi, genel ve özel eğitimlerin belirlenmesi, iç veya dış eğitimlerin
düzenlenmesi, geri bildirim ve sürekli kontrol gereklidir.

"Yapay zeka tabanlı dijital bir ortamda eğitimler hızlı ve

etkili bir şekilde düzenlenebilir ve eğitim sonrasında ölçme ve
değerlendirme yapmak çok daha kolaydır."

(Görüşmeci F)

-Biazlar;

Her ne kadar yapay zekâ uygulamaları i n s a n kaynakları alanında

kullanılıyor ve kullananlar memnun olsa da bazı insan kaynakları profesyonelleriyle
yapılan görüşmelerde yapay zekâ uygulamalarının insan kaynaklarında kullanımına
ilişkin önyargılar ve engeller olduğunu düşünen profesyoneller de bulunmaktadır.

Uzmanların özellikle bu iki konu hakkında önyargıları vardır:

* Bir güvenlik açığı olabilir

* İnsani duygulardan yoksun

32
 Görüşmeci D'ye göre, işe alım görüşmecisi yapay zeka teknolojisine sahip
sanal bir asistan değil, insan duygularını algılayabilen ve buna göre hareket edebilen
canlı bir kişi olmalıdır.

"İnsan duyguları olan bir varlıktır. Dolayısıyla biz bir

çalışanı işe alırken önce onun duygularını anlamaya çalışırız ve
görüşmeyi o şekilde ilerletiriz. Duyguları olmayan bir varlık insanı
nasıl anlayabilir ki?" (Görüşmeci D)

"Bizim işimiz insanla ilgili, personel seçiminde öncelik

yetkinlikler olsa bile EQ dediğimiz duygusal zekalarını da
ölçüyoruz, iş yerinde olağanüstü durumlarla karşılaştıklarında
duygularını kontrol etmelerini, streslerini yönetmelerini, sakin
kalmalarını vs. istiyoruz. Sanal işe alım asistanı bunu anlayamaz."(
Görüşmeci A)

Mülakat sırasında başvuru sahibinin insani duygularının göz ardı edildiği

düşüncesine ek olarak, görüşülen bazı insan kaynakları profesyonelleri de bir
kırılganlık yaşanacağına inanmaktadır.

"Yapay zeka temelli insan kaynakları fonksiyonları

rakiplere karşı avantaj sağlayabilir ancak kişisel verilerin dijital
ortamda kullanılması çok ciddi bir zafiyet yaratabilir." (Görüşmeci
I)

- Engeller;

Bu çalışma için yapılan görüşmelerde katılımcıların önemli bir kısmı yapay

zekâ uygulamalarının fayda sağlayacağına inansalar bile bunun önünde birçok engel
olacağını belirtmişlerdir. Görüşmeye katılan 11 kişi arasından 5 kişi aşağıdaki
engellerin olabileceğini belirtmiştir.

* Ülkemiz için çok erken

* Uygun altyapı yok

* Mevcut çalışan yok

* Sınırlı teknoloji

33
 "Ülkemizde her ne kadar işletmeler dijital platforma geçiş
yapmış olsa da insan kaynakları departmanının çoğu alanı hala
manuel olarak kullanılıyor. Çoğu büyük şirkette bile insan
kaynaklarında kullanılabilecek yapay zekâ uygulamaları için uygun
bir altyapı bulunmuyor." (Görüşmeci B)

"Yapay zekâ uygulamalarının verimli bir şekilde

kullanılabilmesi için uygun bir teknoloji altyapısı ve bunu
rahatlıkla kullanabilecek yetkinlikte çalışanlar olması
gerekmektedir." (Görüşmeci H)

34
BÖLÜM 5: TARTIŞMA
Türkiye'de insan kaynakları yönetimi alanında yapay zekâ uygulamalarının
kullanımına ilişkin bu araştırmada farklı sektörlerden insan kaynakları
profesyonelleri ile detaylı görüşmeler yapılarak bazı sonuçlar elde edilmiştir.

Toplam 11 insan kaynakları profesyoneli ile yapılan birebir görüşmelerde

özellikle 3 kategori diğerlerine göre daha fazla vurgulanmıştır. Bu kategoriler;
beklentiler, memnuniyet ve önyargılardır. Bu üç kategoriden "beklentiler"
kategorisi katılımcılar arasında en çok tekrarlanan kategoridir. Görüşülen
katılımcılar beklentilerden bahsederken oluşturulan kodlar arasında "bordro" ve
"merkezileşme" öne çıkmaktadır. Türkiye'deki insan kaynakları
profesyonelleri sorunsuz bordronun önemini vurgulamış ve dijital ortamda en hızlı ve
doğru şekilde yapılmasını beklemektedir.

Literatür taraması boyunca, insan kaynakları departmanında yapay zekâ

kullanan bazı ülkelerde yapay zekâ destekli bordro uygulamalarından beklentilere
kısa süre içinde değinilmiştir. Bordro, çalışan hakları açısından hata yapmadan
titizlikle yapılması gereken bir insan kaynakları fonksiyonudur. Bordronun dijital
ortama aktarılarak çok daha az hata ve kontrol kolaylığı sağlaması insan kaynakları
çalışanlarının öncelikli beklentileri arasında yer alıyor.

Bordro dışında beklentiler kategorisinde öne çıkan bir diğer kodlama ise
merkezileştirme. Bu konuda insan kaynakları profesyonellerinin çoğunluğu, insan
kaynakları yönetiminin tüm modüllerinin yapay zekâ temelli merkezileştirilmesi
konusunda hemfikir. Görüşülen uzmanlar arasında az sayıda da olsa İK'nın dijital
ortamda merkezileşmesine katılmayan İK profesyonelleri de bulunmaktadır.

İnsan kaynakları departmanlarında yapay zekâ uygulamalarını kullanan

işletmelerin İK profesyonelleriyle yapılan görüşmelerde sıklıkla dile getirilen bir
diğer kategori ise "memnuniyet".

Profesyoneller, yapay zeka uygulamalarının seçme ve işe alma süreçlerinde

kullanılması sayesinde hem başvuru sahiplerinin hem de mülakatı gerçekleştiren İK
uzmanının karşılıklı olarak tatmin olduğunu düşünüyor.

35
 İlk görüşmenin sanal bir bot veya sanal asistan ile yapılması adayların stresini
azaltırken, diğer yandan görüşmeyi yapan İK uzmanının ön görüşme sonrasında
istenilen özelliklere sahip uygun sayıda aday ile görüşmesi memnuniyet yaratıyor.

Uluslararası pazara baktığımızda Amerika ve Avrupa'da işe alımlarda yapay

zekâ tabanlı yardım kullanmanın sonuçları oldukça tatmin edici. Şirketler için
milyonlarca veriyi analiz eden bir teknoloji pazarı istihbarat platformu olan CB
Insights'a göre; Aday Memnuniyetinin %98, Mülakat Süresinde Azalmanın %79, İşe
Alımcı Verimliliğinde artışın ise %144 olduğu sonucuna ulaşıldı.

İşe alımlarda yapay zekâ uygulamalarını kullanan Amerika ve bazı Avrupa

ülkelerinde adaylarla ilk görüşmeyi MYA adı verilen yapay zekâlı sanal asistan ile
yapıyorlar. Araştırmalarıma göre Türkiye'de henüz sanal asistanlar kullanılmıyor
ancak istenilen kriterleri filtreleyen, mesaj gönderen, soruları yöneten veya cevap
veren dijital uygulamalar ve chatbotlar kullanılıyor.

İşe alımlarda ister sanal asistan ister chatbot kullanılsın, yapay zeka
uygulamalarının her iki şekilde de tatmin edici olduğu sonucuna varılmıştır.

Ayrıca, bu araştırmada "önyargılar" da üzerinde önemle durulan bir diğer

kategori olmuştur. Bazı görüşmeciler yapay zeka uygulamalarının insan
kaynaklarında kullanımına ilişkin bazı çekinceleri olduğunu belirtmiştir. Bir güvenlik
açığı olabileceğini ve sohbet robotlarının veya sanal asistanların insani duygulardan
yoksun olduğunu savunmaktadırlar.

İnsan kaynakları profesyonelleriyle yaptığım görüşmelerde; D görüşmecisi

"insani duygulardan yoksun bir yapay zekanın insanı anlayamayacağı ve mülakatın
verimli geçmeyeceği" fikrini savunurken, A görüşmecisi de "tüm başvuru
sahiplerinin eğitim geçmişlerini ölçmenin yanı sıra EQ'larını da ölçmek zorundayız
ve sanal bir işe alım asistanı bunu asla yapamaz" diyor.

İnsan kaynakları profesyonelleriyle yaptığım görüşmelerde "engeller" ve

"yapay zekanın kullanıldığı alanlar" kategorilerinin beklentiler, memnuniyet ve
önyargılar kategorilerine kıyasla daha az tekrarlandığını tespit ettim.

36
 Görüşülen bazı İK yöneticileri, uygun teknolojik altyapının henüz yeterli
olmaması ve istihdam edilecek personelin yapay zekânın insan kaynakları
yönetiminde etkin kullanımı için hazır olmaması gibi engeller olduğunu belirtmiştir.
Ayrıca bu engellerin yakın zamanda hemen ortadan kalkmayacağı fikrini
savunmuşlardır.

Ancak araştırmamın sonuçları gösterdi ki; yapay zeka uygulamaları bir

süredir çalışan seçimi, çalışan eğitimi ve çalışan oryantasyonu alanlarında
kullanılıyor.

Sonuç olarak bazı yapay zekâ uygulama modülleri insan kaynakları

departmanında kullanılsa da diğer İK alanlarında henüz kullanılmamaktadır.
Kullanılan İK alanlarında memnuniyet ve beklentiler olsa da önyargılar ve engeller
olduğunu düşünen uzmanlar da bulunmaktadır. Bu bağlamda insan kaynakları
yönetiminde yapay zekâ kullanımı konusunda boşluklar olduğu görülmekte v e bu
boşlukların ilerleyen teknoloji ve yetkin çalışanların yetiştirilmesi ile kapanacağı
düşünülmektedir.

37
BÖLÜM 6: SONUÇ
Bu çalışmada, insan kaynakları yönetiminde yapay zekâ uygulamalarının
kullanımı incelenmiştir. Çalışma, Türkiye'de 7 bölgede şubesi bulunan insan
kaynakları derneğinin üyeleri ile görüşme yöntemi kullanılarak gerçekleştirilmiştir.
Farklı sektörlerden ve farklı bölgelerden insan kaynakları profesyonelleri ile yüz
yüze, çevrimiçi veya telefonla iletişim kurularak detaylı görüşmeler
gerçekleştirilmiştir.

Araştırma yöntemi olarak nitel yöntem kullanılmış ve araştırma deseni olarak

temellendirme seçilmiştir. Bu şekilde profesyonellerle yarı yapılandırılmış sorularla
görüşmeler gerçekleştirilmiştir. Farklı sektörlerde çalışan insan kaynakları
profesyonellerine yapay zekâ uygulamalarının insan kaynakları departmanında
kullanımına ilişkin sorular yöneltildi ve özellikle beklentileri tespit edildi. Konuyla
ilgili yaptığım ulusal ve uluslararası literatür taramasında yapay zekâ
uygulamalarının çok daha önceleri farklı sektörlerde kullanılmasına rağmen insan
kaynakları alanında kullanımının çok yeni olduğu tespit edilmiştir.

Amerika, bazı Avrupa ülkeleri ve Rusya'da insan kaynakları alanında yapay

zekâ uygulamalarının kullanımı Türkiye'ye göre daha erken başlamış ve özellikle işe
alımlarda sanal asistanların kullanılması ile öne çıkmıştır. Amerika ve Avrupa'daki
bazı ülkelerde sanal asistan olarak MYA sistemi kullanılırken, Rusya'da VERA adı
verilen bir sanal asistan kullanılmaktadır.

Türkiye'de henüz sanal işe alım asistanları kullanılmıyor, dijital uygulamalar

ve chatbotlar kullanılıyor. Ancak yapay zeka tabanlı işe alım asistanı uygulaması
beklentiler arasında yer alıyor.

Yapay zeka uygulamalarının işe alımlarda daha yoğun kullanıldığı tespit

edilmekle birlikte eğitim ve oryantasyon gibi insan kaynaklarının diğer
fonksiyonlarında da uygulandığı tespit edilmiştir.

Bununla birlikte, profesyonellerin bordro, merkezileştirme, öneri sistemleri ve

memnuniyet anketleri gibi insan kaynaklarının diğer işlevlerinde de beklentileri
vardır.

38
BÖLÜM 7: SINIRLAMALAR
Bu çalışma, yapay zekâ uygulamalarının insan kaynakları alanında kullanımı
konusunda yeni fikirler oluştursa da bazı sınırlılıklar bulunmaktadır.

İlk olarak, seçilen örneklem büyük olmasına rağmen, bire bir görüşmeyi kabul
eden profesyonellerin sayısı daha azdır, ayrıca bu görüşmeciler görüşme sırasında
dijital kayıt yapılmasına izin vermemiştir.

Ayrıca yapay zekâ uygulamalarının insan kaynakları alanında kullanımı hem

dünyada hem de Türkiye'de çok yeni bir çalışma olduğu için yeterli kaynak bulma
konusunda sıkıntılar yaşanmıştır. Yapılan literatür taramasında konuyla ilgili çok
fazla kaynakçaya rastlanmamıştır.

39
REFERANSLAR
Abdeldayem, M. M. ve Aldulaimi, S. H. (2020). İnsan kaynakları yönetiminde yapay
zeka trendleri ve fırsatları. International Journal of Scientific and Technology
Research, 9(1), pp. 3867-3871.

Ahmad, S., ve Schroeder, R. G. (2003). İnsan kaynakları yönetimi uygulamalarının

operasyonel performans üzerindeki etkisi: ülke ve sektör farklılıklarını tanımak.
Journal of Operations Management, 21(1), s. 19-43.

Aksoy, S. (2017). Değişen teknolojiler ve endüstri 4.0: endüstri 4.0'ı anlamak için
bir giriş. Sav Katkı, (4), s. 34-44.

Aldiabat, K. M., ve Le Navenec, C. L. (2018). Veri doygunluğu: Temellendirilmiş

teori metodolojisindeki gizemli adım. The qualitative report, 23(1), pp. 245-261.

Andersson, N. (2013). Seçimde yeni teknolojiye başvuru sahibi ve işe alan tepkileri:
Gelecekteki araştırmalar için eleştirel bir inceleme ve gündem. Uluslararası Seçme
ve Değerlendirme Dergisi, 11(2- 3), s. 121-136.

Andrew, N. G. (2017, Ocak). Yapay zeka yeni elektriktir. Stanford MSx Gelecek
Forumu'nda yapılan bir sunumda.

Amla, M., ve Malhotra, P. M. (2017). İK'da dijital dönüşüm. International Journal of

Interdisciplinary and Multidisciplinary Studies (IJIMS), 4(3), pp. 536-544.

Atalay, M., ve Çelik, E. (2017) Büyük veri analizinde yapay zeka ve makine
öğrenmesi uygulamaları-artificial intelligence and machine learning applications in
big data analysis. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü
Dergisi, 9(22), ss. 155-172.

Baguant, P., Fenech, R. ve Ivanov, D. (2019). Dijital dönüşüm çağında insan

kaynakları yönetiminin değişen rolü. Journal of Management Information and
Decision Sciences, 22(2), pp. 1-10.

Balazinski, M., Czogala, E., Jemielniak, K. ve Leski, J. (2002). Yapay zeka

yöntemleri kullanarak takım durumu izleme. Engineering Applications of Artificial
Intelligence, 15(1), pp. 73-80.

Bampton, R., ve Cowton, C. J. (2002, Mayıs). E-görüşme. Forum Qualitative

Sozialforschung/Forum içinde: Niteliksel Sosyal Araştırma (Cilt 3, No. 2).

40
Belgrave, L. L. ve Seide, K. (2019). Temellendirilmiş teori için kodlama. Bryant, A.
(ed.) The SAGE handbook of current developments in grounded theory. Londra:
SAGE kitabı. [Çevrimiçi]. Şu adresten erişilebilir: SAGE kitap. (Erişim: 6 Ocak
2021)

Berkeley, E. C. (1949). Dev beyinler; ya da düşünen makineler. 1. baskı. ABD:

Science Press.

Bibi, P., Pangil, F. ve Johari, J. (2016). İKY uygulamaları ve çalışanların elde

tutulması: İşe gömülmüşlük teorisi perspektifi. Asian Journal of Multidisciplinary
Studies, 4(5), pp. 41-47.

Brink, H., Richards, J. ve Fetherolf, M. (2016). Gerçek dünya makine öğrenimi. 1.

baskı. İngiltere: Manning Press.

Buckley, W., ve Wiener, N. (2017). Tarihte Sibernetik. Davranış Bilimleri için

Sistem Araştırmaları içinde Sistem Araştırmaları Routledge. pp. 31-36.

Butter, M., Fischer, N., Gijsberts, G., Hartmann, C., de Heide, M. ve Van der Zee,
F. (2014). Horizon 2020: Temel Etkinleştirici Teknolojiler (KET'ler), İmalat
Sektöründe Avrupa Liderliği için Güçlendirici. ITRE Komitesi için Çalışma. Brüksel,
Belçika.

Carson, D., Gilmore, A., Perry, C. ve Gronhaug, K. (2001). Nitel pazarlama

araştırması. 1. baskı. Londra: Sage yayını.

CB insight (Mart, 2020). İşe alımda yapay zeka tabanlı asistanlar kullanmanın
sonuçları.
[Çevrimiçi]. Şu adresten erişilebilir: https://www.cbinsights.com/ (Erişim: 3 Aralık
2021)

Charmaz, K. (2006). Temellendirilmiş Kuram Oluşturma: A Practical Guide Through

Qualitative Analysis, 1. baskı. Londra, Birleşik Krallık: Sage Yayınları.

Charniak, E., 2019. Derin öğrenmeye giriş. 1. Baskı. ABD: MIT Press.

Chinnamgari, S. K. (2019). R Makine Öğrenimi Projeleri: R 3.5 kullanarak

denetimli, denetimsiz ve pekiştirmeli öğrenme tekniklerini uygulayın. 1. Baskı.
Birmingham: Packt Yayıncılık Ltd.

Copeland, B. J. (2000). Turing testi. Mnds and Machnes, 10(4), 519-539.

Corbin, J. ve Staruss, A. . (1990)Nitel Araştırmanın Temelleri: Grounded

41
Theory Procedures and Techniques, Sage Publications, Newbury Park, CA.

42
Coşkun, F., ve Gülleroğlu, H. D. (2021). Yapay Zekanın Tarihsel Gelişimi ve
Eğitimde Kullanımı. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Dergisi (JFES),
ss.1-20.

Dhamija, P. (2012). E-işe alım: e-insan kaynakları yönetimine doğru bir yol haritası.
Researchers World, 3(3), pp.33.

Dickson, D. R. ve Nusair, K. (2020) Bir İK Perspektifi: Dijital Çağda Küresel

Yetenek Avı. Fakülte Bursları ve Yaratıcı Çalışmalar. 167. [Çevrimiçi] Erişim adresi:
https://stars.library.ucf.edu/ucfscholar/167 (Erişim tarihi: 21 Ocak 2021)

Donate, M. J. ve Sanchez De Pablo, J. (2015) "The Role Of Knowledge-Oriented

Leadership in Knowledge Management Practices And Innovation", Journal Of
Business Research, 68(2): pp. 360-370.

Faliagka, E., Ramantas, K., Tsakalidis, A. ve Tzimas, G. (2012, Mayıs). Makine

öğrenimi algoritmalarının çevrimiçi bir işe alım sistemine uygulanması. Proc.
International Conference on Internet and Web Applications and Services içinde s.
215- 220.

Frantz, R. (2003). Herbert Simon. Sezgiyi anlamak için bir çerçeve olarak yapay
zeka. Journal of Economic Psychology, 24(2), s. 265-277.

Glaser, B. G. (2007). Konstrüktivist temellendirilmiş teori? Tarihsel Sosyal

Araştırma/Historische Sozialforschung. Supplement, s. 93-105.

Goodfellow, I. Bengio, Y. ve Courville, A. (2017). Derin öğrenme. MIT Press. pp.

23-28

Forsyth, D. ve Ponce, J. (2011). Bilgisayarla görme: Modern bir yaklaşım Prentice

hall.
pp. 792

Hatcher, T. (2013). Robert Owen İnsan kaynakları gelişiminin bir öncüsü üzerine bir
çalışma. European Journal of Training and Development. pp. 21-23

Haenlein, M. ve Kaplan, A. (2019). Yapay zekanın kısa tarihi: Yapay zekanın

geçmişi, bugünü ve geleceği üzerine. California management review, 61(4), pp. 5-14.

43
Hassanpour, N., Barzoki, A. S., Javadi, M. H. M. ve Safari, A. (2021). Çalışan
performans değerlendirmesinin tasarlanması. Uluslararası Verimlilik ve Performans
Yönetimi Dergisi. s. 11-14

Hassell-Corbiell, R. (2001). Eğitim kursları geliştirme: Teknik bir yazarın öğretim

tasarımı ve geliştirme kılavuzu. Learning Edge Pub. s. 55-59

Hunkenschroer, A. L. ve Luetge, C. (2022). Yapay zeka destekli işe alma ve seçme

etiği: Bir inceleme ve araştırma gündemi. Journal of Business Ethics, s. 1-31.

Jones, M. ve Alony, I. (2011). Doktora Çalışmalarında Temellendirilmiş Kuram

Kullanımına Rehberlik Etmek: An Example from the Australian Film Industry",
International Journal of Doctoral Studies, 6, s. 95-114.

Karaboğa, D. (2014). Yapay Zeka Optimizasyon Algoritmaları. Nobel Akademik

Yayıncılık, 245. pp. 39-42.

Kaya, A. (2014). Yönetimde İnsan İlişkilerinin Sırları. 2. Baskı. İstanbul: Eğitim

Yayınevi.

Klein, H. J., & Weaver, N. A. (2000). Yeni işe alınanların sosyalleşmesinde örgütsel
düzeyde bir oryantasyon eğitim programının etkinliği. Personel Psikolojisi, 53(1),
47-66.

Khokhar, S., Zin, A. A. B. M. Mokhtar, A. S. B. ve Pesaran, M. (2015). Güç kalitesi

bozukluklarının sınıflandırılmasında sinyal işleme ve yapay zeka teknikleri
uygulamalarına kapsamlı bir bakış. Yenilenebilir ve Sürdürülebilir Enerji
İncelemeleri, 51

Kline, R.R., 2015. Sibernetik an: Ya da çağımızı neden bilgi çağı olarak
adlandırıyoruz? JHU Press. s.37

Kobayashi, T. ve Simon, D. L. (2005). Uçak motoru performans teşhisi için hibrit

sinir ağı genetik algoritma tekniği. Journal of Propulsion and Power, 21(4), pp. 751-
758

Koster, F. (2019). Yenilikçi İKY. Literatür üzerine bir inceleme. Journal of

technology management & innovation, 14(2), pp. 97-106.

44
Kugasia, A. (2019) Gelişmiş Yapay Zeka Yeteneklerini Kullanarak Bordro
Yönetiminde Bir Sıçrama Yapın. [Çevrimiçi]. Şu adresten erişilebilir:
https://www.azilen.com/blog/payroll- management-using-advanced-ai-capabilities
(Erişim: 11 Aralık 2022)

Laird, D., Holton, E. F. ve Naquin, S. S. (2003). Eğitim ve gelişim yaklaşımları:

gözden geçirilmiş ve güncellenmiş. New York. [Çevrimiçi]. Şu adresten erişilebilir:
Temel Kitaplar. (Erişim: 21 Kasım 2020)

Livet, P. ve Varenne, F. (2020). Yapay Zeka: Felsefi ve Epistemolojik Perspektifler.

A Guided Tour of Artificial Intelligence Research 3. Baskı içinde. New York:
Springer, Cham.

Livy, B. (2020). İş değerlendirmesi: Eleştirel bir inceleme. 2. Baskı. İngiltere:

Routledge.

Machado, C., ve Davim, J. P. (Eds.). (2016). Teknolojik zorluklar ve yönetim: İnsan

ve iş ihtiyaçlarını eşleştirme Cilt 2. CRC Press. s. 28-31

Mohammadi, K. Shamshirband, S. Tong, C.W. Arif, M. ve Petković, D. Ch, S.

(2015). Sürü zekası için yeni bir hibrit destek vektör makinesi-dalgacık dönüşümü
yaklaşımı. DataEnergy Conversion and Management, (92), pp.162-171

Mouzelis, N. P. (2017). Organizasyon ve bürokrasi: Modern teorilerin bir analizi. 2.

Baskı. İngiltere: Routledge.

Novikov, D.A., 2015. Sibernetik: Geçmişten geleceğe (47). Springer s.38

Mrugalska, B. ve Wyrwicka M. K. (2018) "Towards Lean Production in Industry

4.0", 7th International Conference On Engineering, Project, And Production
Management, Procedia Engineering, 187:466-473. pp. 3867-3871

Metaxiotis, K. Kagiannas, A. Askounis, D. ve Psarras, J. (2003). Kısa vadeli elektrik

yükü tahmininde yapay zeka: araştırmacılar için son teknoloji ürünü bir anket.
Energy conversion and Management, 44(9), pp.1525-1534.

Mayor, A. (2020). Tanrılar ve robotlar: mitler, makineler ve antik teknoloji

hayalleri. 1. baskı. ABD: Princeton Üniversitesi Yayınları.

Minaee, S., Boykov, Y. Y. Porikli, F. Plaza, A. J. Kehtarnavaz, N. ve

Muldoon, J. (2017), The Hawthorne studies: an analysis of critical perspectives,

Journal of Management History, Vol. 23 No. 1, pp. 74-94.
45
Nabiyev, V. V. (2005). Yapay zeka: problemler-yöntemler-algoritmalar. 5. Baskı.
Ankara: Seçkin Yayıncılık.

Navarro, E . C . ( 2019) " İnsan kaynakları bilgi yönetim sistemi,"

Uluslararası Bilim ve Araştırma Dergisi (IJSR), cilt 8, no. 6, s. 1826-1830.

Noe, R. A. Zhan, Y. ve Ellingson, J. (2018). İşyerinde Öğrenmeye Yeni Bir Bakış:

Otonom Öğrenme Üzerine Nitel Bir Çalışma. Academy of Management. Cilt 2018,
No. 1. Briarcliff Manor, NY.

O'Connor, E. (1999). İşçileri Düşünmek: The Meaning ofHuman'andHuman

Relations' içinde Elton Mayo. Organization, 6(2), s. 223-246.

Oke, S. A. (2008). Yapay zeka üzerine bir literatür taraması. International journal of
information and management sciences, 19(4), pp. 535-570.

O'Leary, D. E. (2013). Yapay zeka ve büyük veri. IEEE intelligent systems, 28(2), pp.
96-99.

Palm, H. (2019). Çok uluslu bir şirkette İnsan Kaynakları uygulamalarının ve

politikalarının merkezileştirilmesi: Bir vaka çalışması. Yüksek Lisans Tezi.
Université de Liège, Liège, Belçika.

Parsehyan, B. G. (2020). İnsan kaynakları yönetiminde dijital dönüşüm: İK 4.0.

Turkish Studies, 15(2), pp. 211-224.

Sabuncuoğlu, Zeyyat (2012). İnsan Kaynakları Yönetimi (Uygulamalı), 6. Baskı,

İstanbul: Beta Yayıncılık.

Saunders, M., Lewis, P. ve Thornhill, A. (2019). İşletme öğrencileri için araştırma

yöntemleri (8. baskı). Harlow: Pearson Education Limited. pp.211-230

Schermerhorn Jr, J. R. ve Bachrach, D. G. (2020). Yönetimi keşfetmek.

7. Baskı. ABD: Wiley Press.

Schneider, B. ve Konz, A. M. (1989). Stratejik iş analizi. Human Resource

Management, 28(1), s. 51-63.

Storey, D. J. (2004). Küçük firmalar arasında yönetim eğitimi ve firma performansı

arasındaki bağlantının araştırılması: İngiltere ve diğer OECD ülkeleri arasında bir
karşılaştırma. Uluslararası İnsan Kaynakları Yönetimi Dergisi, 15(1), s. 112-130.

46
Strauss, A. ve Corbin, J. M. (1997). Uygulamada temellendirilmiş teori. 1. Baskı.
Londra: SAGE Yayınları.

Taylor, F. W. (2003). Bilimsel yönetim. 1. Baskı, Londra: Routledge Press.

Terzopoulos, D. (2021). Derin öğrenme kullanarak görüntü segmentasyonu: Örüntü

analizi ve makine zekası üzerine işlemler. IEEE Transactions on Pattern Analysis and
Machine Intelligence (44), Sayı: 7, (1 Temmuz 2022)

Thornberg, R. ve Charmaz, K. (2014). Temellendirilmiş teori ve teorik kodlama.

The SAGE handbook of qualitative data analysis, (5), pp. 153-69.

Upadhyay, A. K. ve Khandelwal, K. (2018). Yapay zekanın uygulanması: işe alım

için çıkarımlar. Strategic HR Review, 17(5), pp. 255-258

Yawalkar, M. V. V. (2019). Yapay Zeka ve İnsan Kaynakları Yönetimindeki Rolü

Üzerine Bir Çalışma. International Journal of Research and Analytical Reviews
(IJRAR), 6(1), pp. 20-24.

Wall, T. D. ve Wood, S. J. (2005). İnsan kaynakları yönetimi ve iş performansının

romantizmi ve büyük bilim için durum. Human relations, 58(4), pp. 429-462.

Wallace, K. L. (2009). Etkili bir yeni çalışan oryantasyon programı oluşturma.

Library Leadership and management, 23(4), pp. 168-176.

Wanous, J. P. ve Reichers, A. E. (2000). Yeni çalışan oryantasyon programları.

Human resource management review, 10(4), s. 435-451.

Wilson, M. A. (2014). İş analizinin tarihçesi. Endüstriyel ve örgütsel psikolojide

tarihsel perspektifler içinde. 1. Baskı. New York: Psychology Press.

47