İK AI agent: CV analiz, aday değerlendirme, onboarding

Hangi veriler hassas?

İK agent’ı en hassas veriyle çalışan sektörlerden — KVKK boyutu yüksek, üstüne özel nitelikli veri (KVKK §6) ve iş hukuku boyutu eklenir.

Aday ve çalışan kişisel verisi. Ad-soyad, T.C. kimlik numarası, doğum tarihi, adres, telefon, e-posta — hepsi §5 kapsamında. CV’lerdeki referans iletişim bilgileri de aynı çerçevede. Agent bu alanları pod sandbox içinde işler; bulut çağrısına maskelenmeden gitmez.

Özel nitelikli kişisel veri. KVKK §6 — sağlık, din, etnik köken, cinsel yönelim, sendika üyeliği, biyometrik veri, ceza mahkumiyeti. Bu alanlar açık rıza olmadan işlenemez; işlense bile değerlendirme kriterine giremez (ayrımcılık yasağı). Agent bu veriyi gördüğünde uyarı bırakır ve değerlendirme dışı tutar. Bu sınır politika motorunda sıkı kalır.

Performans ve maaş bilgisi. Çalışan performans değerlendirmesi, maaş bandı, prim ödemesi, terfi geçmişi şirketin hassas insan kaynakları verisidir. Hem KVKK hem de iş hukuku kapsamında korunur. Agent bu alanlara okuma izniyle dokunur; dış çağrıya gitmez.

Disiplin ve şikayet kayıtları. Mobbing şikayeti, taciz iddiası, disiplin işlemi gibi hassas kayıtlar yüksek koruma gerektirir. Agent bu kayıtlara doğrudan erişmez; konu agent’ın görev tanımı dışında. İK uzmanı bu kayıtları manuel yönetir.

KVKK risk seviyesi yüksek olarak işaretli; özel nitelikli veri ihtimali ve ayrımcılık riski bu sektörü diğerlerinden ayırır. Pod yerel inference + audit chain + bulut eğitmen varsayılan kapalı + adil değerlendirme denetimi standart davranıştır.

Yerel çalışma ne zaman gerekir?

İK işlerinde yerel çalışma sıkı uygulanır. Yerel yapay zekâ ilkesi burada da varsayılan; aday verisi makineden çıkmaz.

CV sınıflandırma, aday ön değerlendirme, mülakat notu özeti, onboarding listesi — hepsi pod sandbox içinde 8B yerel modelle yetinir. Aday bilgisi hiçbir koşulda bulut eğitmen çağrısına gitmez. LoRA adapter pattern’leri yerel öğrenir; eğitim verisi makinen dışına çıkmaz.

Bulut eğitmen çağrısı yalnız üç kontrollü durumda devreye girer.

Birincisi, mevzuat ve yargı içtihadı araştırması. KVKK rehberlik dokümanları, İş Kanunu değişiklikleri, Yargıtay 9. Hukuk Dairesi kararları gibi kamuya açık kaynaklar için bulut eğitmen okuma yapabilir. Bu çağrıda aday veya çalışan kimliği yer almaz; soyut hukuki sorun gönderilir.

İkincisi, açık çalışan onayı ile yan hakları araştırması. Örneğin “rakip şirketlerde yan haklar nasıl” türünden bilgi araması; bu çağrıda şirketin kendi yan hak yapısı maskelenmiş olarak gönderilir.

Üçüncüsü, soyut iş ilanı dil kontrolü. İlan metninde ayrımcı dil var mı kontrolü için bulut eğitmen yardımı alınabilir; çağrıda yalnız ilan metni gider, departman veya şirket bağlamı maskelenir.

Çalışan soru-cevap yerel kalır. İzin politikası ve yan haklar İK politika dokümanına dayanır; doküman pod’da yerel okunur, cevap yerel kurulur. Politikada belirsiz konu varsa İK uzmanına yönlendirilir, agent kendi yorumunu üretmez.

Yaklaşık olarak İK görevlerinin %97’si tamamen yerel yürür. Bulut çağrısı sadece kamuya açık mevzuat ve soyut araştırma için ara sıra. Maskeleme katmanı varsayılan açık.

Sektör entegrasyonları

İK çevresi parçalı; agent’ın bağ kurması gereken sistemler:

HRIS / SGK uyumlu özlük yazılımları. Logo İK, Mikro İK, Netsis Bordro gibi yerli çözümler özlük dosyası, izin, bordro modüllerini tutar. Logo entegrasyonu İK modülüne uzanır; agent okuma + onay sonrası yazma izniyle çalışır. Bordro hesaplaması agent yetkisinde değil; bordro modülü standart prosedürünü korur.

ATS (Applicant Tracking System). Workday, BambooHR, Personio gibi global ATS’ler ile yerli çözümler aday akışını yönetir. ATS connector’ları için file-watch + REST hibrit pattern’i. Agent CV okuma + sınıflandırma yapar; aday durumu güncellemesi onay sonrası işler.

Excel ve CSV. Pek çok orta ölçek şirket aday takibini hâlâ Excel’de yapar. Excel connector worksheet okuma ve hücre yazma izni verir.

Outlook ve Gmail. Aday yazışmaları, mülakat davetleri, onboarding mesajları mail üzerinden döner. Outlook connector draft klasörüne taslak bırakır; gönderme yetkisi insanın.

LinkedIn ve kariyer siteleri. Aday kaynak araştırması manuel; agent doğrudan bu platformlara erişmez. İK uzmanı CV’leri indirir, agent dosya üzerinde yerel çalışır.

Şirket içi politika dokümanları. Özlük yönetmeliği, izin politikası, etik kuralları, disiplin yönergesi PDF veya Word formatında tutulur. Agent fs_io üzerinden okuma izniyle erişir; doküman güncellendiğinde agent yeni metni indeksler.

İlerde Workday, BambooHR ve Hibob gibi global HRIS’ler için connector eklenecek. Şu an pilot şirketlerin çoğu Excel + Logo İK + Outlook üçlüsünü kullanıyor.

İlk 30 gün planı

1. Hafta 1 — Tanışma: Agent’ı kur, son 12 ayın aday akışını ve şirket içi politika dokümanlarını yükle. Pozisyon profilleri, onboarding şablonları, izin politikası agent’ın baz bilgi havuzu olur. İlk gün 5-10 CV sınıflandırma denemesi; İK uzmanı hatalı kategorileri düzeltir.
2. Hafta 2 — Pilot: Aktif aday akışına agent açılır. CV sınıflandırma ve aday ön değerlendirme rutine girer. Mülakat notu özetlemesi pilot dönüşür; mevcut bir mülakat üzerinden agent’ın özet kalitesi test edilir.
3. Hafta 3 — Genişletme: Onboarding kontrol listesi ve çalışan soru-cevap devreye girer. Politika dokümanı arama rutine girer; çalışanlar rutin sorularını agent’a sorar, hassas konular İK uzmanına gider.
4. Hafta 4 — Olgunluk: KVKK / özel nitelikli veri uyarısı tüm akışta aktif çalışır. İlk LoRA iterasyonu burada tetiklenir; son 30 günün karar verisiyle adapter güncellenir. Agent artık CV sınıflandırma ve onboarding listesi akışını tek başına yürütür.

İlk 30 gün sonunda agent’ın olgunluğu 30-40 puan civarında durur. Aday seçimi, mülakat değerlendirmesi, performans yorumu hâlâ İK uzmanının. Agent’ın kazandırdığı zaman idari yükü hafifletmek — CV ön sınıflandırması, mülakat notu konsolidasyonu, onboarding hatırlatması agent’a düşer; uzman aday görüşmesine, takım eşleşmesine, çalışan deneyimine zaman ayırır. Üçüncü ay aday ön değerlendirme güvenilir hale gelir; altıncı ay çalışan soru-cevap kalıcı görev olur.

Hatalar ve riskler

İK agent’ı yetiştirirken sık görülen tuzaklar:

Adil değerlendirme denetimini atlamak. CV sınıflandırma yanlış yetiştirilirse cinsiyet, yaş veya ad-soyad üzerinden örtük ayrımcılık yapabilir. Agent bu alanları varsayılan maskeler; düzenli adil değerlendirme denetimi şart. İK uzmanı düzenli aralıkla pattern’i kontrol eder.

Aday seçim kararını agent’a bırakmak. Agent kategorize eder, sıralar değil. Nihai aday seçimi insan kararıdır — sadece etik değil, iş hukuku açısından da. Ayrımcılık iddiası hukuki süreç doğurur; agent çıktısı tek başına gerekçe oluşturmaz.

Özel nitelikli veriyi değerlendirmeye katmak. Sağlık durumu, din, etnik köken, cinsel yönelim KVKK §6 — açık rıza olmadan işlenemez, işlense bile değerlendirme kriterine giremez. Agent bu sınırı işaretler; İK uzmanı bu sınırı korur.

Çalışan hassas şikayetlerini agent’a yönlendirmek. Mobbing, taciz, ayrımcılık şikayeti agent’ın görev tanımı dışında. Bu konular doğrudan İK uzmanına gider; politika motoru bu yönlendirmeyi otomatik yapar.

Bulut eğitmen çağrısının açık unutulması. Aday ve çalışan bilgisi varsayılan olarak bulut çağrısına gitmez. Mevzuat veya soyut araştırma için açıldığında somut kişi verisi maskelenmiş halde gider. Audit chain her dış çağrıyı imzalar.

Persona örneği — Selin

Bu sektörün canlı vakası için Selin adında bir İK uzmanını düşün — 200 kişilik bir teknoloji şirketinde işe alım ve onboarding sürecinden sorumlu. Agent ilk gün son 12 ayın 1.400 CV’sini ve onboarding dokümanlarını okudu. İlk hafta yeni gelen CV’lerde agent kategori atamasında 12 hata yaptı; Selin düzeltti, agent öğrendi.

Bir ay sonra agent gelen CV’leri pozisyona uygunluk açısından kategorize eder oldu. Selin’in eskiden günde 1-1.5 saatini alan ön taramayı 20 dakikaya indirdi. Üçüncü ay onboarding kontrol listesi yeni başlayan her çalışan için otomatik düşmeye başladı — yöneticiler eksik kalan adımları zamanında tamamlar oldu.

Altıncı ay çalışan soru-cevap rutine girdi. Selin’in fark ettiği şey hız değildi. Agent’tan önce İK ekibi rutin sorularla (izin hesabı, masraf prosedürü) zamanını dolduruyordu; şimdi o zaman çalışan deneyimi tasarımına, takım eşleşmesine, kültür çalışmalarına gidiyor. İdari ağırlık agent’a düştü, insan boyutu uzmana kaldı. Selin’in daha kapsamlı vakası İnsan Kaynakları Agent sayfasında anlatıldı.

Ilura’da nasıl başlanır?

Üç adım ve Agent yetiştirme rehberi sayfasındaki halka:

Forge. Tezgah’ı indir, yeni agent yarat, role olarak “İnsan kaynakları uzmanı” seç. HRIS, ATS, Excel ve Outlook connector’larını bağla. Pod sandbox’ı sıkı ayarlarla; bulut eğitmen varsayılan kapalı. Başlangıç prompt’u “Türkiye İK uzmanı, KVKK + özel nitelikli veri çerçevesinde CV analizi + onboarding + çalışan Q&A” gibi kısa olabilir.

Train. İlk hafta son 12 ayın aday arşivini ve şirket içi politika dokümanlarını agent’a okut. Sonraki dört hafta canlı aday akışında paralel kontrol. Her onay-red Bayesian profile yazılır; LoRA tetikleyicisi 50 karara dolduğunda adapter ilk iterasyonunu üretir. Eğitim verisi makinende kalır — aday ve çalışan bilgisi hiç dış çağrıya gitmez.

Yayınla. Hazır olduğunda agent bulut runtime’a push edilir. CV sınıflandırma, onboarding listesi, çalışan Q&A artık api.ilura.com.tr üzerinden de tetiklenebilir — şirket içi paylaşımlı erişim mümkün olur. Yaşayan tether kapanır: cloud’daki her çağrı desktop’a olay olarak iner; sabah açtığında “dün 12 CV sınıflandırdım, 4 yeni başlayan için onboarding listesi düştü” özetini görürsün. İlişki orada derinleşir.