AI, ML, NLP, GenAI nedir? sorularına sade örneklerle cevap verilir.

Bu bölümde katılımcılar, yapay zekânın temel kavramlarıyla tanışır:

• Netflix önerileri, Gmail spam filtreleri, Siri ve ChatGPT gibi günlük örneklerle konular somutlaştırılır.

• Yapay zekânın İK'daki yeri ele alınır:

  • İşe alımdan performans yönetimine kadar dönüşüm yaratma potansiyeli,

  • Veri temelli karar almayı desteklemesi,

  • Ancak aynı zamanda önyargı ve etik riskleri de barındırabileceği vurgulanır.

• Dünyadan İK alanında kullanılan yapay zekâ örnekleriyle uygulama sahaları gösterilir.

Bu bölümün sonunda katılımcılar, yapay zekânın “bir moda” değil, İK’nın stratejik geleceği için vazgeçilmez bir araç olduğunu fark ederler.

Bu bölüm, işe alım süreçlerine yapay zekanın nasıl entegre edileceğini adım adım gösterir.
Katılımcılar; metin, analiz ve iletişim aşamalarında AI’dan nasıl destek alınacağını örneklerle deneyimler.

Kapsanan Uygulama Alanları:

• İş ilanı yazımı: GenAI ile sade, yaratıcı, hedef kitleye uygun metin üretimi (örn. Y kuşağına özel ilan).

• CV ön değerlendirme: Anahtar kelime analizi, pozisyona uygunluk skoru, güçlü/zayıf yönlerin çıkarılması.

• Mülakat soruları oluşturma: Yetkinlik bazlı, vaka temelli ya da kültürel uyum odaklı soru üretimi.

• E-posta ve geri bildirim yazımı: Profesyonel ama insani tonu koruyan, adaya özel metinler hazırlanması.

• Pozisyon profili ve yetkinlik listesi hazırlama: Farklı seviye ve görevler için içerik oluşturma.

• Kısa aday analiz raporları: Yöneticilere sunulacak 3–4 cümlelik özetler.

Ek Faydalar:

• LinkedIn mesajları ve kampanya metinleri gibi dış iletişim içerikleri de AI ile üretilebilir.

• İşe alım kampanyalarının dili ve formatı hedef gruba göre optimize edilir.

Bu modülde katılımcılar, yapay zekanın sadece verim değil aynı zamanda “aday deneyimi” kalitesini nasıl artırabileceğini öğrenir.

Bu modülde yapay zekanın, bireyselleştirilmiş öğrenme ve içerik üretiminde nasıl etkili kullanılabileceği anlatılır.
Eğitmenler ve İK uzmanları için gerçek hayatta uygulanabilir örneklerle konular desteklenir.

Ana Uygulamalar:

• Kişiye özel eğitim önerileri: Yetkinlik profili, kariyer hedefi ve görev tanımına göre AI önerileri.

• Mikro öğrenme içerikleri: 4–5 maddelik, sade, uygulamaya dönük modül tasarımı.

• Eğitmen desteği: Sunum, vaka, quiz ve senaryo üretimi; zaman kazandıran içerik üretimi.

• Sanal koçluk ve sohbet botları: Çalışanlara yönlendirici, empatik ve motive edici yanıtlar sunabilen sistemler.

• Anket ve eğitim değerlendirme analizi: AI ile eğitimin güçlü/gelişmesi gereken yönlerinin otomatik özetlenmesi.

Ek Kazanımlar:

• Katılımcılar, AI’ın eğitmeni değil ama “eğitmenin akıllı yardımcısı” olduğunu deneyimler.

• Eğitim sonrası verilerden anlam çıkaran araçlarla öğrenme stratejilerini sürekli iyileştirme imkânı kazanırlar.

Bu bölüm sonunda, hem eğitmenler hem İK uzmanları için yapay zekanın bir eğitim ortağı olarak nasıl çalıştığı netleşir.

Bu modülde, performans takibinden gelişim önerilerine kadar yetenek yönetimi süreçlerinin yapay zeka ile nasıl daha adil, hızlı ve kişiselleştirilmiş hale geldiği aktarılır. Kapsanan Temel Başlıklar:

• Gerçek zamanlı hedef takibi ve mikro geri bildirimler: AI, satış rakamlarından geri bildirim sıklığına kadar her şeyi analiz eder, erken uyarı verir.

• Objektif performans verisi analizi: Subjektif izlenim yerine proje teslim tarihi, KPI puanı ve müşteri memnuniyeti gibi verilerle değerlendirme.

• Performans trendi yorumlama: Kim yükseliyor, kim düşüşte? AI bu verileri okuyup yorum önerileri sunar.

• Ayrılma riski analizi: Sessiz sinyalleri okur (azalan etkileşim, devamsızlık artışı vs.) ve yöneticilere erken aksiyon önerileri verir.

• Yetkinlik bazlı gelişim planları: Veriye dayalı SWOT çıkarımı ve kişiselleştirilmiş gelişim rotası.

• Profesyonel geri bildirim yazımı: AI, yönetici adına dengeli, yapıcı ve yön gösterici geri bildirim metinleri üretir.

Uygulama Alanları:

• AI ile SWOT yazımı

• KPI + 360° veri ile terfi analizleri

• “Quiet quitting” (sessiz istifa) risk sinyallerini tespit

• Çalışanlara özel gelişim öneri planları

Katılımcılar, bu modül sonunda sadece veri toplamakla kalmaz, verilerle çalışanlarının gelişimini destekleyen bir “yetenek stratejisti” olmayı öğrenir.

Bu modülde yapay zeka, sadece sayı değil, duygu ve bağlamı da okuyarak İK’nın çalışanları daha derinlemesine anlamasına nasıl yardımcı olur, bunu gösteriyoruz.

Kapsanan Temel Uygulamalar:

• Açık uçlu anket analizi: AI, çalışanların yazılı geri bildirimlerinde hangi temalar ve duyguların tekrar ettiğini analiz eder.

• Duygu analizi: “Tatmin olmuş”, “endişeli”, “nötr” gibi etiketlerle departman bazlı memnuniyet haritaları çıkarılır.

• Bağlılık skoru tahmini: Devamsızlık oranı, son 360° geri bildirim, geri bildirim sıklığı gibi verilerle bağlılık düşüşü erken tespit edilir.

• Kişiye özel öneriler: AI, çalışan özelinde birebir görüşme, gelişim önerisi veya mini tanınma planı gibi aksiyonlar üretir.

• Riskli çalışanlara müdahale önerileri: Sessiz istifa (quiet quitting) gibi sinyaller için mikro düzeyde psikolojik güvenlik önerileri sunar.

Kazanımlar:

• Çalışan sesi artık sadece "ne dediği" değil, "ne demek istediğiyle" birlikte analiz edilir.

• İK uzmanları, bağ kurmakta zorlanan çalışanları fark edip, doğru zamanda doğru adımı atabilir.

• Kurumda duygusal iklimin haritası çıkarılır.

Bu bölümün sonunda katılımcılar, çalışan deneyimini veriye ve duyguya dayalı bir yaklaşımla izleyebilen bir "çalışan deneyimi mimarı" olur.

Bu modülde, yapay zekanın İK profesyonellerine sadece “veri göstermekle” kalmayıp, iç görü üretme, adalet analizi yapma ve önyargı risklerini fark ettirme gibi stratejik katkılar sunduğu anlatılır.

Öne Çıkan İçerikler:

• Terfi adaleti analizi: Departman, kıdem, KPI ve cinsiyet verileri ışığında terfi kararlarının adil olup olmadığını gösteren iç görüler.

• Ayrılma riski tahmini: Görünüşte iyi performans gösteren ama kopma riski taşıyan çalışanları tespit eden analizler.

• Yönetsel etki analizi: Hangi yöneticinin ekibinde bağlılık düşüyor, hangisi çalışanı elde tutabiliyor gibi yönetsel farkların tespiti.

• Yapay zekâyı bir ayna gibi kullanmak: Organizasyon içindeki sistemsel dengesizlikleri gösterecek raporların AI ile üretimi.

Uygulamalı Senaryolar:

• Terfi edilmeyen ama potansiyel taşıyan bir çalışana destekleyici e-posta yazımı

• KPI ve 360° verileriyle terfi sıralaması yapma

• Karar vericilere sade, anlamlı, aksiyon odaklı özet rapor sunma

Bu modülde katılımcılar, veriden strateji üretme becerisi kazanarak, AI’ı bir analiz aracı değil, bir “karar ortağı” olarak konumlandırmayı öğrenir.

Bu son modül, yapay zekanın adil, şeffaf ve sorumlu kullanımı için İK profesyonellerine rehberlik eder.
AI ne kadar güçlü olursa olsun, insan filtresi ve etik çerçeve olmadığında ciddi riskler barındırır.

Kapsanan Temel Konular:

• Algoritmik önyargı: Geçmiş verilerdeki eşitsizliklerin, yapay zekâ çıktısına nasıl yansıdığı (örn. erkek adaylara öncelik verme).

• Şeffaflık gerekliliği: “Neden bu sonuç çıktı?” sorusuna cevap verebilen sistemler kurulmalı.

• İnsan kontrolü: AI destekleyici olmalı; karar verici değil.

• Veri gizliliği: Kişisel verilerin sadece iş amacıyla ve sınırlı kullanılmasının önemi.

• Hesap verebilirlik: AI çıktıları insan imzası taşır – son sorumluluk İK profesyonelinindir.

  
  

  Katılımcılar Şunu Öğrenir:

• AI kullanırken nelere dikkat etmeli?

• AI sistemleri nasıl yeniden eğitilmeli?

• Kurum kültürü nasıl etik çerçevede yönlendirilmeli?

Bu kapanış modülü, katılımcılara “AI’a ne yapacağını söyleyen ama nasıl yapacağını da etikle şekillendiren” sorumlu bir İK vizyonu kazandırır.