1. Giriş: Performans Değerlendirmede "Yakınlık Yanılgısı (Recency Bias)" ve Sübjektiflik
İnsan Kaynakları Yönetiminde kişisel değerlendirici hatalarının en sık yaşandığı alan Performans Değerlendirme süreçleridir. Yöneticiler, 365 günlük bir dönemi değerlendirirken bilişsel kısıtlar nedeniyle genellikle son birkaç haftadaki ya da son günlerdeki olayların etkisinde kalarak not vermektedir (Yawalkar, 2019).
Yapay zeka algoritmalarının devreye girmesiyle; önceden belirlenmiş hedefler, periyodik veri akışları ve proje çıktıları sürekli analiz edilerek performansın öznellikten uzak, şeffaf ve ölçülebilir bir zeminde değerlendirilmesi mümkün hale gelmektedir (Aşkun, 2023).
2. Performans Yönetiminde Yapay Zeka: Accenture "Talent Connection" Vaka Analizi
Küresel yönetim ve teknoloji danışmanlığı devi Accenture, geleneksel yıllık performans puanlamasını geride bırakarak “Accenture Talent Connection” adlı yapay zeka destekli performans yönetim sistemini kullanmaya başlamıştır (Aşkun, 2023):
📊 Accenture Talent Connection Nasıl Çalışır?
Sistem; çalışanların proje çıktılarını ve hedeflerini makine öğrenimi modelleriyle sürekli takip eder. Yöneticilere anlık geri bildirim önerileri sunarak çalışanların güçlü yönlerini ve gelişim alanlarını gerçek zamanlı içgörülerle destekler. Böylece çalışanlar yıl sonunu beklemeden performanslarını optimize edebilir.
3. Ücretlendirme ve Yan Haklar Yönetimi: Büyük Veri ve Kişiselleştirilmiş Paketler
Yapay zeka destekli sistemler, çalışanların ücret ve yan hak paketlerini belirlerken büyük veri analitiğinden yararlanır (Aşkun, 2023):
- Dinamik Piyasa Kıyaslaması (Salary Benchmarking): Sektörel ücret trendlerini, bölgesel yaşam maliyetlerini ve enflasyon oranlarını anlık analiz ederek şirketin rekabetçi kalmasını sağlar.
- Bireyselleştirilmiş / Esnek Yan Haklar (Flexible Benefits): Çalışanların demografik profili, performans verileri ve yaşam tarzı tercihlerini inceleyerek sağlık sigortası, esnek çalışma veya eğitim bütçesi gibi hakları kişiselleştirir (Kırılmaz & Ateş, 2021).
4. Kariyer Gelişimi ve Yetenek Hareketliliği (Career Mobility)
Yapay zeka destekli kariyer motorları; şirket içi açık rolleri ve küresel iş piyasasını tarayarak çalışanların yetkinlik profiline en uygun kariyer rotalarını simüle eder (Denver, 2024). Yapay zeka sohbet robotları, çalışanlara hangi teknik becerileri edinirlerse bir üst pozisyona geçebileceklerine dair "Yetenek Boşluğu Analizleri (Talent Gap Analysis)" sunar.
Ancak kariyer danışmanlığı süreçlerinde yapay zekanın insan etkileşimini tamamen ikame edemeyeceği unutulmamalıdır. Mentorluk, koçluk ve duygusal rehberlikte İK uzmanlarının ve yöneticilerin liderliği kritik önemini korumaktadır (Denver, 2024).
5. Çalışan Bağlılığı ve Tutundurma (Retention): IBM "Watson Talent Insights" Vakası
Çalışan memnuniyetsizliği ve sessiz istifa (quiet quitting) genellikle işten ayrılma anına kadar fark edilemez. IBM, bu sorunu çözmek için “Watson Talent Insights” platformunu geliştirmiştir (Aşkun, 2023):
🧠 IBM Watson Talent Insights Analiz Modeli:
Platform; çalışan anketlerini, geri bildirimlerini ve kurum içi iletişim trendlerini Doğal Dil İşleme (NLP) ile tarar. Çalışan bağlılığını düşüren faktörleri erkenden teşhis eder ve İK liderlerine hangi departmanda ayrılma riski (turnover) olduğunu önceden bildirerek proaktif aksiyon önerileri sunar.
6. 4 Fonksiyon Karşılaştırma Matrisi (Geleneksel vs. Yapay Zeka)
| Süreç | Geleneksel İK | Yapay Zeka Destekli İK |
|---|---|---|
| Performans | Yılda bir kez sübjektif değerlendirme. | Sürekli, veri odaklı ve objektif içgörüler (Accenture). |
| Ücretlendirme | Statik yıllık zam baremleri. | Dinamik piyasa analitiği ve rekabetçi paketler. |
| Kariyer Yolu | Yönetici inisiyatifinde terfi. | Yetenek boşluğu analizine dayalı kişiselleştirilmiş rota. |
| Çalışan Bağlılığı | İstifa sonrası çıkış mülakatı. | NLP ile önceden tahmin ve proaktif tutundurma (IBM Watson). |
7. Sonuç
Yapay zeka; çalışan deneyimini mekanikleştirmek yerine, İK profesyonellerine çalışanların gerçek ihtiyaçlarını anlama ve adil, şeffaf ve motive edici bir çalışma ortamı inşa etme imkanı sunmaktadır.
📚 Akademik Kaynakça
- Aşkun, O. B. (2023). İnsan Kaynakları Yönetiminde Yapay Zeka ve Etik: Performans, Ücret ve Bağlılık Analitiği. Yönetim Bilimleri Dergisi.
- Denver, C. (2024). AI-Driven Career Pathing and Internal Talent Mobility. Journal of Career Assessment.
- Kırılmaz, H., & Ateş, M. (2021). İnsan Kaynakları Yönetiminde Yapay Zeka Uygulamaları ve Yan Haklar Optimizasyonu. Yönetim ve Ekonomi Dergisi.
- Yawalkar, M. V. V. (2019). A Study of Artificial Intelligence and its Role in Human Resource Management. International Journal of Research and Analytical Reviews, 6(1), 20-24.