Proje İçeriği

ebebek Yapay Zeka Destekli ATS, şirketimizin tüm işe alım yaşam döngüsünü tek bir platformda toplayan, kurum içinde geliştirilmiş yapay zekâ destekli bir Aday Takip Sistemi'dir. Sistem; farklı kanallardan gelen özgeçmişleri insan müdahalesi olmadan toplar, okur, anlamlandırır, yapılandırılmış aday profillerine dönüştürür ve açık pozisyonlarla yapay zekâ kullanarak eşleştirir. Bugün yaklaşık 150.000 adaylık bir havuz bu platform üzerinde aranabilir ve eşleştirilebilir durumdadır.

Proje öncesinde işe alım ekibi; LinkedIn üzerinden e-posta ile gelen başvuruları tek tek açıp CV eklerini indiriyor, her özgeçmişi manuel okuyor, aday bilgilerini elle kaydediyor ve pozisyona uygunluğu kişisel değerlendirme ile belirliyordu. Bu yaklaşım hem çok zaman alıyor hem de değerlendirici farklılıklarından kaynaklanan tutarsız kararlara yol açıyordu. Yüksek başvuru hacmine sahip bir perakende şirketi olarak, nitelikli adayların gözden kaçması ciddi bir operasyonel riskti.

İK kullanıcısı pozisyonu; gereksinimleri, filtreleri ve kriter ağırlıklarıyla birlikte tanımlar. Eşleştirme motoru üç fazlı LLM değerlendirmesi ile çalışır: (1) ilgililik ön elemesi, (2) paralel toplu LLM puanlaması, (3) her aday için güçlü/zayıf yön analizi içeren gerekçeli değerlendirme üretimi. Sonuçlar 7 günlük akıllı önbellekle saklanır; kullanıcı notları ve statü bilgileri yeniden eşleştirmede korunur.

Projenin Amacı

Bu projeyi hâlihazırdaki işe alım süreçlerimizi iyileştirmek ve daha tutarlı kararlar almak için geliştirdik. Çıkış noktamız yeni bir ürün ortaya koymak değil; her gün yaşadığımız somut bir operasyonel problemi kökten çözmekti. 

Temel hedef: İşe alım ekibinin zamanını mekanik işlerden (e-posta açma, CV okuma, veri girişi) kurtarıp adayla temas edilen, değer üreten işlere yönlendirmek ve aday değerlendirmesini kişiden kişiye değişen öznel yargılardan çıkarıp standart, ölçülebilir ve gerekçeli bir zemine oturtmak.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Projenin en büyük inovasyonu, büyük dil modellerini yalnızca bir veri çıkarma aracı olarak değil, işe alımın karar destek katmanı olarak konumlandıran üç fazlı LLM tabanlı aday eşleştirme motorudur.

Piyasadaki aday eşleştirme çözümlerinin büyük çoğunluğu anahtar kelime eşleşmesine veya salt vektör benzerliğine dayanır. Bu yöntemler "Java" yazan bir CV'yi bulur; ancak adayın deneyim derinliğini, kariyer yönünü veya pozisyonun bağlamsal gereksinimlerini anlayamaz. Bizim motorumuz her adayı, bir işe alım uzmanının yapacağı gibi bütüncül olarak değerlendirir

Uçtan uca insansız CV hattı: Bir başvuru e-postasının gelişinden adayın aranabilir profile dönüşmesine kadar hiçbir adımda insan müdahalesi gerekmez — OCR, LLM ayrıştırma, tekilleştirme, vektör indeksleme ve fotoğraf çıkarma tamamen otomatiktir. 

7 koleksiyonlu anlamsal arama mimarisi: CV verisi tek bir bütün olarak değil; deneyim, eğitim, yetenek, dil, sertifika, proje ve ek bilgi olarak ayrı vektör koleksiyonlarında indekslenir. Bu sayede "X üniversitesi mezunu" ile "Y teknolojisinde deneyimli" sorguları doğru veri bölümünde, yüksek isabetle çalışır. ,

Doğal dil ile aday havuzu sorgulama: Chatbot, SQL veya filtre bilgisi gerektirmeden 150.000 adaylık havuzu konuşma diliyle sorgulanabilir hâle getirir ve konuşma bağlamını koruyarak art arda gelen soruları anlar. 

Çok katmanlı aday tekilleştirme: Telefon, e-posta ve kimlik sinyallerini hiyerarşik değerlendiren akıllı tekilleştirme, aynı adayın tekrar başvurularını birleştirirken isim benzerliği taşıyan farklı kişilerin karışmasını önler.

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

İnsan Kaynakları

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Evet, her adımında desteklerini aldık.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Evet. Sistemin kendisi ölçüm altyapısıyla birlikte tasarlandığı için sonuç analizi projenin doğal bir parçasıdır: her otomatik e-posta koşusu, işlenen her CV, her eşleştirme ve her kullanıcı aksiyonu veritabanında kayıt altına alınır. Raporlama modülü ve denetim izi (audit log) sayesinde süreç metrikleri sürekli izlenmektedir.

Şirketimizin pozisyon replacement süreleri 3-4 haftadan 2-3 haftalara kadar inmiş durumdadır.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

2 Yazılımcı.

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

Google Gemini, Docker, Google Storage, Google BigQuery, Athropic Claude