Bilginin Ötesinde, Yapay Zekanın Davranış Ölçümlemesi

İşe alım süreçlerinde teknik bilgi ve geçmiş deneyim her zaman ön planda. Ancak genelde iş dünyasında bir çalışanın başarısını belirleyen şey sadece "ne bildiği" değil, stres altında "nasıl davrandığı". Yapay zeka mülakatları, artık klasik soruların ötesine geçerek adayların sabır, risk iştahı ve öz denetim gibi temel davranışlarını ölçebiliyor. Bu durum, şirketlerin sadece "yetenekli" değil, aynı zamanda "doğru" adayları bulmasını sağlıyor. Güncel araştırmalar, yapay zeka destekli bu derinlemesine analizlerin işe alım kalitesini nasıl kökten değiştirdiğini gözler önüne seriyor.

Davranışsal ölçümlerin yapay zeka kararlarına etkisi

İşe alımda yapay zeka kullanımı dendiğinde akla ilk olarak özgeçmiş tarama geliyor. Ancak Marie-Pierre Dargnies, Rustamdjan Hakimov ve Dorothea Kübler (2025) tarafından yürütülen "Behavioral Measures Improve AI Hiring: A Field Experiment" başlıklı çalışma, adaylardan toplanan sabır ve risk yönetimi gibi davranışsal verilerin yapay zekanın tahmin doğruluğunu muazzam düzeyde artırdığını kanıtlıyor. Bu araştırmada kullanılan yapay zeka algoritmaları, adayların sadece teknik cevaplarını değil, anketler ve oyunlar aracılığıyla ölçülen tercihlerini de analiz ediyor.

Araştırmadaki veriler, yapay zeka modelinin karar verirken hangi değişkenlere ağırlık verdiğini de gösteriyor. Dargnies ve ekibinin hazırladığı modelde, "Riskten Kaçınma" (Risk Aversion) değişkeni %100 önem puanıyla listenin en başında yer alırken, onu %91.5 ile "Sabır" (Patience) ve %88.2 ile "Öz Güven" takip ediyor. Bu sonuçlar gösteriyor ki yapay zeka, bir adayın uzun vadede başarılı olup olmayacağını tahmin ederken onun teknik bilgisinden ziyade bu köklü davranış özelliklerine güveniyor. Özellikle finans ve mikrofinans gibi risk yönetiminin kritik olduğu sektörlerde, yapay zeka sayesinde seçilen adayların çok daha düşük riskli portföyler yönettiği görülüyor.

Yapay zeka yüzeysel cevapların ötesine geçiyor

Geleneksel mülakatlarda adaylar genellikle mülakatçının duymak istediği "ideal" cevapları vermeye meyillidir. Ancak yapay zeka, "probing" yani derinlemesine sorgulama yeteneğiyle bu duvarı yıkıyor. Felix Chopra ve Ingar Haaland (2024) tarafından hazırlanan "Conducting Qualitative Interviews with AI" çalışması, adayların gerçek zihinsel modellerinin ancak mülakatın ilerleyen aşamalarında, yapay zekanın ısrarlı takip soruları sayesinde ortaya çıktığını vurguluyor.

Yapay zeka ajanları, adayın ilk etapta verdiği yüzeysel ve kalıplaşmış cevapları kabul etmek yerine, bu cevapların altındaki motivasyonları sorgulayan yeni sorular üretiyor. Chopra ve Haaland (2024), mülakatın başında neredeyse hiç görünmeyen "derin zihinsel modellerin" mülakat sonunda başarıyla tespit edildiğini belirtiyor. Bu sayede yapay zeka, adayın sabırlı olup olmadığını sadece kendisine sormuyor; verdiği örneklerden ve kurduğu mantık silsilesinden bu veriyi süzüp çıkarıyor.

Jabarian ve Henkel (2026), yapay zeka mülakatçılarının kilit işe alım konularına insan mülakatçılardan daha fazla değindiğini ve mülakatların daha kapsamlı geçtiğini belirtiyor. Böylece her adayın risk yönetimi ve sabır gibi özellikleri, aynı teraziyle ölçülüyor.

Sonuç olarak, yapay zeka mülakatları, sadece bir otomasyon aracı değil; insan psikolojisini veriye dönüştüren güçlü bir analiz sistemi. Dargnies ve ekibi (2025), yapay zekanın sabır ve risk tercihlerini ölçerek yaptığı seçimlerin, insan yöneticilerin kararlarından marjinal olarak daha verimli olduğunu gösteriyor. Geleceğin işe alım stratejileri, adayların teknik becerilerini ölçerken onların karakterlerini de anlayan bu hibrit modeller üzerine kuruluyor.

Şirketiniz için yapay zeka mülakat aracı seçerken, sistemin sadece kelimeleri mi saydığına yoksa adayın özündeki sabır ve öz denetim gibi değerleri mi ölçtüğüne dikkat etmek en iyisi. Unutmamak gerekiyor ki, teknik bilgi öğretilebilir; ancak karakter ve davranış, işe alımın en zorlu ve en değerli parçasıdır.

Kaynakça

Chopra, F., & Haaland, I. (2024). Conducting Qualitative Interviews with AI. CESifo Working Papers, No. 10666.
Dargnies, M. P., Hakimov, R., & Kübler, D. (2025). Behavioral Measures Improve AI Hiring: A Field Experiment. Discussion Paper No. 532, CRC TRR 190.
Jabarian, B., & Henkel, L. (2026). Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews. Booth School of Business, University of Chicago.
Jurado, N. (2025). The effects of artificial intelligence on shaping employer brand perception: insights from entry-level hiring practices. Master Thesis, Universidad Carlos III de Madrid.
Poenaru, L. F., & Diaconescu, V. (2025). Bridging Technology and Talent: Gen Z's Take on AI in Recruiting and Hiring. Bucharest University of Economic Studies.
Sakib, M. N., Rayasam, N. M., & Dey, S. (2018/2024). Experience and Adaptation in AI-mediated Hiring Systems: A Combined Analysis of Online Discourse and Interface Design. University of Maryland.
Lee, B. C., & Kim, B. Y. (2021). Development of an AI-based interview system for remote hiring. International Journal of Advanced Research in Engineering and Technology (IJARET), 12(3), 654-663.