GELECEKTE SON KARARI KİM VERECEK; MAKİNE Mİ İNSAN MI?

Geçtiğimiz ay (şubat ayı) içerisinde, iş dünyasında bir saygınlık yakalamış Harvard Bussiness Review dergisinde, artık yavaş yavaş aşina olmaya başladığımız bir karşılaştırma makalesi vardı. Prof. Daniella Li ve meslektaşları, makine ile insanı; seçme ve yerleştirme karar süreçlerinde karşılaştırmışlar ve bu karşılaştırmalarda kimin lider olduğunu araştırmışlar. Bu araştırmada, bazı basit iş tanımlarında insanların göremediklerini makinelerin gördüğünü ve makinelerin insanlardan daha doğru karar verdiğini iddia ettiler. Yaptıkları araştırma sonucunda da junior pozisyonların seçme yerleştirme süreçlerinde yöneticiler ile makinelerin başarı oranlarını karşılaştırdıklarında, makinelerin daha istikrarlı kararlar verdiğini gözlemlediler. Çoğu insana göre; bu akıl almaz bir düşünce olsa da, günümüz teknolojisi düşünüldüğünde, artık bu sonuçlar gayet mümkün.

İşe giriş aşamasında yapılan testler, 1950 ve 60’larda var olan şişkin aday havuzlarını eritebilmek için oldukça popülerdi. Çoğu şirketin de aday seçimlerinde, tamamen kişilik testlerine ve bu testlerin gösterdiği sonuçlara bağlı kaldığı herkes tarafından bilinen bir gerçektir. Ancak şu an tamamen son kararların verildiği bir kaynak olarak ele alınıyor. Yeni akımda ise, big data (büyük veri) sayesinde makinelerin oluşturduğu harika testler ve formlar geliyor!

BUNLARI NASIL KULLANACAĞIZ?

Test şirketleri hazırladıkları testlerde genellikle; matematik, mantık hesaplamaları ve beceri ölçme testleri üzerinde dururlar. Bu testlerin sonuçlarını, belirledikleri kural ve algoritmalar ile değerlendirirler. Bu değerlendirmeler kapsamında (basit olarak) makine öğrenimini kullanarak en uygun adayın seçilmesini ve yerleştirilmesini sağlarlar. Ancak sorulması gereken bir soru var; test şirketleri hazırladıkları bu testlere, birebir mülakatlarda yer alan öznel sonuçları ve tecrübeleri ne kadar aktarıyorlar? Bunun için bir ağırlıklandırma var mı?

Li “Şirketler, kaynaklarını en verimli şekilde kullanarak nasıl çözümler bulabileceklerini ve günümüz teknolojileri ile bu bilgi birikimlerini nasıl birleştirebileceklerini araştırıyorlar.” diyor makalesinde.

Öyleyse Li’nin üzerinde durduğu konunun, çalışma içerisinde yer alan, cevap olabilecek bir kısmını inceleyelim. Li, bir test firmasından veri elde etti ve Mitchell Hoffman ve Lisa B. İle birlikte çözümledi. Bu çözümlerini ise yeni bir iş makalesi olan “Disrection in Hiring” de yayınladılar.

Yaptıkları testlerin sonuçlarını incelediğimizde test kararlarının işe yerleştirme aşamasında yardımcı olabileceğini görüyoruz. Ancak asıl soru; “Bu bilgiler ile ne yapılması gerekiyor?” diye soruyor Li. “Adayların bu testler uygulanarak elenme yoluyla seçildiği değişmez kurallara mı sahip olmalıyız veya Adayları seçmek için test sonuçlarını görmezden gelerek yöneticilerin sağduyularına mı izin vermeliyiz?” diye devam ediyor.

Bu gibi kararları vermek tabii ki de, görüşme mülakatlarının doğrulanabilirliğini ve adayın açık bir şekilde işe uygunluğu için kanıtlamak isteyen firmalar için cevaplanması zor bir sorudur. Bir adayın işe uygunluğuna dair test sonucunun 93 olması, o iş için uygun olduğu sonucuna varılacağı apaçıktır. Ama yönetici, test sonuçlarından aldığı puan haricinde, gerçek hayat tecrübeleri ile adayların mülakat esnasındaki tutum ve davranışlarını da merak edecektir. Ancak Li “Eğer yöneticilerin testlerin birçok noktasında istisnalar yaptığını görürseniz şaşırmayın, bunlar olasıdır. Çünkü yöneticiler bazen kendi beğendikleri kişileri başarılı gösterme konusunda istekli olabilir veya hemşerilerine denk gelmiş olabilirler.” diyerek de yöneticilerin bu testleri çoğu zaman kendilerine göre değerlendirdikleri üzerinde de durmuştur.

Li ve arkadaşları bu söz konusu durumu da test etmek için bir çalışma yaptı. Test firması tarafından planlanan, adayların testlerde yaptıkları puanlara göre yeşil, sarı ya da kırmızı olarak renk alan (En yüksek yeşil, orta sarı ve en düşük kırmızı olacak şekilde) bir bölümlendirme yapmışlardır. Daha sonra, yöneticilerin bu sonuçlar üzerinde ne kadar kural dışı davranışlar yaptığını araştırmışlardır. Sarı adayın yeşil adayın üzerinde değerlendirildiğini veya kırmızı adayın sarı adayın üzerinde değerlendirilebildiğini tespit ettiler. Sonuç olarak da ortalama olarak, adayların imtiyazlarını ve istihdam edilme kurallarını karşılaştırdılar.

Ortalamaya göre; yöneticilerin testteki zamanın yüzde yirmisini, istisnalar yaparak (test sonuçlarını değerlendirme dışı bırakarak) kararlar aldığını ya da yorumlar yaptığını göstermiştir.

Daha çok eşit durumları gözlemleyebilmek için de bir başka noktaya odaklanıp, bir sarı ve bir yeşil aday karşılaştırılmış, bunların karşılıklı olarak ilişkileri gözlemlenmiştir. Bu kapsamda bir yönetici, sarı işçi ve ardından da yeşil işçi istihdam ederek ikisi arasında hangisinin daha uzun süre işte kalacağını gözlemlemek için aynı ekipte sarı işçi amir olacak şekilde görevlendirdi. Ölçümleme sonucunda yeşil işçi amirini geçti, firmada ortalama yüzde sekiz daha uzun kaldı. Bu sonuca göre yönetici, testler üzerinde istisnalar yapmaktansa, yeşil işçiyi istihdam etmenin daha doğru olabileceği sonucuna ulaşmış oldu.

NEDEN İNSANLAR YANILIYOR?

Tabi bunları verilerden anlamak oldukça güçtür, yöneticiler istihdam kararlarında hatalar yapabilmektedirler. Unutulmaması gerekir ki, bu hatalar bilerek yapılmıyor. Li “Benim hissim, belki de yöneticiler, en iyi kararları kendilerinin verebileceklerine inandıkları için istisnai durumlara yer veriyorlar” diye bu durumun değerlendirmesini yapıyor. “Ama algoritma ve veri girişleri aday sonuçları hakkında daha verimli bilgiler sunabiliyor ve bu verileri kullanan sistemler doğru adayı ayırt edebiliyor iken öngörüler yapılırken bu sonuçların da kullanılması faydalı olacaktır.” diye de ekliyor.

TÜRKİYE’DE NE DURUMDAYIZ?

İnsan kaynakları profesyonellerinin işlerini, özellikle de seçme ve yerleştirme senaryolarını ele alırsak, Amerika’da bahsi geçen teknolojiler üzerinde durabiliriz. Avrupa’da ise buna yakın teknolojiler yok değil. Ancak akıllı sistemlerin geliştirilmesi ve büyük verilerin kullanılarak seçme-yerleştirme işlemlerini yapan akıllı sistemlerin yazılması gibi teknolojiler Amerika’da daha çok ilerlemiş durumda.

Türkiye’de sektörün öncü şirketleri incelediğinde Amerika ve Avrupa’nın 5-10 yıl gerisinde olduğumuzu görüyoruz. Türkiye’de faaliyet gösteren yazılım şirketleri genele odaklanırken, Amerika gibi yerlerde spesifik konulara odaklanılıyor. Örneğin, Türkiye’de insan kaynakları üzerine çözümler sunan bir firma, tüm insan kaynakları operasyonlarını (seçme, yerleştirme, bordro yönetimi, performans yönetimi, ücret yönetimi vb.) bir uygulamada toplarken, Amerika ve Avrupa’da özele odaklanan uygulamalar geliştiriliyor.

Seçme ve yerleştirme işlemlerinde; büyük veri analizini, bulanık mantığı, makine öğrenimini ve bulut teknolojilerini kullanan firmalar gelecek adına büyük atılımlar yapacaklardır. Var olan verileri kullanarak, akıllı sistemler ile seçme ve yerleştirme işlemleri yapan uygulamaları geliştiren şirketlerin varlığından henüz söz edemiyoruz. Türkiye’nin yerli üretime ihtiyacı var. Ancak henüz kayda değer yazılım çözümleri görebilmiş değiliz.

Burcu KIŞ & Ahmet KOÇYİĞİT
Miera Bilgi Teknolojileri