Yapay Zeka Yetkinliği Mülakatı: Şirketler 2026 İşe Alımlarında YZ Becerilerini Nasıl Ölçüyor (Ve Nasıl Hazırlanılır)

Özet: Talep sinyali gerçek ve ölçülebilir. Dünya Ekonomik Forumu’nun 55 ekonomide 14 milyondan fazla çalışanı temsil eden 1.000’den fazla işverene dayanan Future of Jobs Report 2025 raporunda, işverenlerin üçte ikisi belirli yapay zeka becerilerine sahip yetenekleri işe almayı planladığını söyledi ve yapay zeka ile büyük veri, en hızlı büyüyen beceriler listesinin başına yerleşti. Stanford HAI’nin AI Index raporu aynı tabloyu talep tarafından gösteriyor: Amerika Birleşik Devletleri’ndeki iş ilanlarının %2,5’inde yapay zeka becerileri anılıyor ve ajanlı yapay zeka beceri kümesi tek yılda %280’in üzerinde büyüdü. Kariyer rehberlerinin neredeyse hiçbirinin anlatmadığı şey, bu talebin nasıl bir değerlendirmeye dönüştüğü ve kanıtlar burada gerçekten şaşırtıcı. Journal of Applied Psychology’de yayımlanan 2022 tarihli bir meta-analitik düzeltme, işe alım dünyasının 1998’den beri dayandığı sıralamayı alt üst etti. Uzun süre altın standart sayılan iş örneği testlerinin geçerliliği 0,54’ten 0,33’e düştü. Yapılandırılmış mülakatlar 0,42 ile tek başına en iyi öngörücü hâline geldi. Pratikte hâlâ en yaygın format olan yapılandırılmamış mülakatlar 0,19’a geriledi. Bu yazı size doğrulanmış talep verisini, düzeltilmiş geçerlilik tablosunu, her yöntemin ne kadar yer değiştirdiğine dair özgün bir analizi ve kulağa etkileyici gelen değil, performansı gerçekten öngören şeyler üzerine kurulu dört kapılı bir hazırlık protokolünü veriyor.

İş ilanındaki “yapay zeka odaklı bir şirketiz” ifadesi ile işe alım yöneticisiyle yaptığınız gerçek konuşma arasında bir yerde bir şey kayboluyor. İlan yapay zeka yetkinliğinin şart olduğunu söylüyor. Mülakat ise ChatGPT kullanıp kullanmadığınızı soruyor. Neyin ölçüldüğüne dair hiçbir fikriniz olmadan çıkıyorsunuz ve çoğu zaman şirketin de daha iyi bir fikri yok.

Bu küçük bir sorun değil. Alışılmadık biçimde iyi belgelenmiş bir talep sinyali ile büyük ölçüde belgelenmemiş, doğaçlama ilerleyen ve çoğu işe alım uzmanının hiç okumadığı bir araştırma bütününe göre sıklıkla yanlış şeylere yönelen bir değerlendirme pratiği arasındaki boşluk bu.

Yararlı hamle, iki soruyu birbirinden ayırmak. İşverenlerin yapay zeka becerilerine yönelik talebi hakkında gerçekte ne biliyoruz? Ve hangi işe alım yöntemlerinin birinin işi iyi yapıp yapmayacağını öngördüğü hakkında gerçekte ne biliyoruz? İkisinin de sağlam, kamuya açık cevapları var. Neredeyse hiç kimse bunları yan yana koymuyor.

Talep sinyali, düzgün ölçülmüş hâliyle

Future of Jobs Report 2025, işveren niyeti konusunda mevcut en güçlü kanıt, çünkü iş ilanlarından çıkarım yapmak yerine doğrudan işverenlere soruyor. Örneklemi 22 sektör kümesi ve 55 ekonomide 14,1 milyondan fazla çalışanı temsil eden 1.000’den fazla işvereni kapsıyor.

Bulgularından üçü geri kalan her şeyi çerçeveliyor. İşverenlerin yarısı yapay zekaya yanıt olarak işlerini yeniden yönlendirmeyi planlıyor. Üçte ikisi belirli yapay zeka becerilerine sahip yetenekleri işe almayı planlıyor. Ve %40’ı yapay zekanın görevleri otomatikleştirebildiği yerlerde iş gücünü azaltmayı öngörüyor. Bu üçü birlikte duruyor ve dürüst bir okuma hepsini aynı anda tutmak zorunda: işe alım talebini yaratan geçiş, aynı zamanda rolleri ortadan kaldıran geçiş.

Becerilere gelince, yapay zeka ve büyük veri 2025-2030 döneminde en hızlı büyüyen beceriler listesinin başında; onları ağlar ve siber güvenlik, ardından teknoloji okuryazarlığı izliyor. Ama en çok aranan çekirdek beceri hiç de teknik değil. Analitik düşünme, on şirketten yedisinin “olmazsa olmaz” demesiyle birinci sırada kalıyor. Yaratıcı düşünme, dayanıklılık, esneklik ve çeviklik ile merak ve yaşam boyu öğrenmenin de yükselmeye devam etmesi bekleniyor.

Uyumun ölçeği, raporun en net görüntülerinden birinde yakalanıyor. Dünyanın iş gücü 100 kişi olsaydı, 2030’a kadar 59’unun eğitime ihtiyacı olacaktı. İşverenler 29’unun mevcut rolünde geliştirilebileceğini, 19’unun geliştirilip başka yere yönlendirilebileceğini öngörüyor. On biri ise ihtiyaç duyduğu eğitimi büyük olasılıkla alamayacak. Bu sıkışma en sert biçimde kariyerin başlangıcına iniyor; bunu kaybolan giriş seviyesi rollere dair verilerde ayrıca inceledik.

Bu arada çalışanlar, aynı dönemde mevcut beceri setlerinin %39’unun dönüşmesini ya da geçerliliğini yitirmesini bekleyebilir. Bu sayı ikinci bir bakışı hak ediyor, çünkü yükselmiyor, düşüyor: 2023 baskısında %44, 2020’de %57’ydi. Beceri istikrarsızlığı gerçek ve yavaşlıyor.

Stanford HAI’nin AI Index raporundaki ilan tarafı verisi uyumlu bir hikâye anlatıyor. Yapay zeka becerileri Amerika Birleşik Devletleri iş ilanlarının %2,5’inde geçiyor; bu, bir önceki yıla göre %55, on yıl öncesine göre %297 artış demek. Ajanlı yapay zeka beceri kümesi tek yılda ilanların %0,06’sından %0,23’üne çıktı; bu %280’in üzerinde bir artış ve kabaca 90.000 ilana denk geliyor. İlanların %4,7’siyle Singapur ve %3,5’iyle Hong Kong, pay bakımından Amerika Birleşik Devletleri’nin önünde gidiyor.

Şu %2,5 rakamını aklınızda tutun, çünkü işi dürüst tutan sayı bu. Yapay zeka becerileri iş gücü piyasasının en hızlı büyüyen gereksinimi ve hâlâ ilanların küçük bir azınlığında açıkça adlandırılıyor. İkisi de doğru.

Adaylara kimsenin söylemediği kısım: puan tablosu değişti

Hikâye burada dönüyor. İşverenlerin yapay zeka becerilerine talebi var. Bu talebe göre hareket etmek için insanları değerlendirmeleri gerekiyor. Ve değerlendirme bilimi 2022’de, işe alım pratiğine neredeyse hiç ulaşmamış bir biçimde kendini sessizce yeniden yazdı.

Yirmi beş yıl boyunca işe alım pratiği, seçim yöntemlerinin kanonik sıralamasını kuran Schmidt ve Hunter’ın 1998 tarihli meta-analizine yaslandı. 2022’de Sackett, Zhang, Berry ve Lievens, Journal of Applied Psychology’de bir düzeltme yayımlayarak önceki literatür boyunca kullanılan menzil kısıtlılığı düzeltmelerinin genel olarak ciddi aşırı-düzeltmeler ürettiğini gösterdi. Tahminler doğru biçimde yeniden hesaplandığında sıralama hafifçe kaymadı. Yeniden dizildi.

Tablo 1: Seçim yöntemlerinin düzeltilmiş geçerliliği (doğrulanmış, Sackett ve ark. 2022)

Seçim yöntemi	Schmidt ve Hunter 1998	Sackett ve ark. 2022
İşe alım mülakatları (yapılandırılmış)	0,51	0,42
İş bilgisi testleri	0,48	0,40
Ampirik olarak kodlanmış biyodata	0,35	0,38
İş örneği testleri	0,54	0,33
Genel zihinsel yetenek testleri	0,51	0,31
Dürüstlük testleri	0,41	0,31
Değerlendirme merkezleri	0,37	0,29
İlgi alanları	0,10	0,24
Öz disiplin (genel)	0,31	0,21
İşe alım mülakatları (yapılandırılmamış)	0,38	0,19
İş deneyimi (yıl)	0,18	0,07

Kaynak: Sackett, Zhang, Berry ve Lievens, Journal of Applied Psychology, 2022; Industrial and Organizational Psychology, 2023’te sunulduğu hâliyle. Değerler, iş performansını öngörmeye yönelik operasyonel geçerlilik tahminleridir.

Son satırı iki kez okuyun. Çoğu özgeçmişin etrafında düzenlendiği ve çoğu adayın en çok kaygılandığı şey olan iş deneyimi yılı, 0,07 operasyonel geçerliliğe sahip. Tablodaki en zayıf öngörücü ve farkla öyle.

Yeniden dizilmenin büyüklüğünü görmek için aşağıdaki tablo hareketi hesaplıyor. Bu karşılaştırma bizim kendi analizimiz; yayımlanmış iki tahmin setini yan yana koyup her birini, ikisinde de yer alan on bir yöntem içinde sıralayarak türetildi.

Tablo 2: Her yöntem ne kadar yer değiştirdi (CEOtudent editöryel çerçevesi, yayımlanmış iki tablodan türetilmiştir)

Yöntem	1998 sırası	2022 sırası	Sıra hareketi	Geçerlilik değişimi
Ampirik olarak kodlanmış biyodata	8	3	5 yukarı	+0,03
İlgi alanları	11	8	3 yukarı	+0,14
İş bilgisi testleri	4	2	2 yukarı	-0,08
Yapılandırılmış mülakatlar	2	1	1 yukarı	-0,09
Dürüstlük testleri	5	5	yok	-0,10
Değerlendirme merkezleri	7	7	yok	-0,08
Öz disiplin (genel)	9	9	yok	-0,10
İş deneyimi (yıl)	10	11	1 aşağı	-0,11
İş örneği testleri	1	4	3 aşağı	-0,21
Genel zihinsel yetenek	2	5	3 aşağı	-0,20
Yapılandırılmamış mülakatlar	6	10	4 aşağı	-0,19

Sıralamalar, hem 1998’de hem 2022’de raporlanan on bir yöntem içinde hesaplanmıştır. Eşit değerler aynı sıra konumunu paylaşır.

Yapay zeka çağı mülakatına hazırlanan herkes için iki sonuç önemli.

Birincisi, yapılandırılmış mülakat artık mevcut en iyi tek öngörücü ve yapılandırılmamış mülakat listenin dibine yakın. Aralarındaki fark, insanlar ya da soruların zorluğu değil. Her adayın aynı soruları alıp almadığı ve tanımlı bir değerlendirme ölçütüne göre puanlanıp puanlanmadığı. Aynı oda, aynı görüşmeci, aynı iş: yapılandırma öngörü değerini kabaca ikiye katlıyor.

İkincisi, iş örneği testi tablodaki her şeyden daha fazla düştü. Bu, içinde bulunduğumuz an için gerçekten rahatsız edici, çünkü ödev formundaki ya da canlı egzersiz biçimindeki iş örneği, tam olarak işverenlerin yapay zeka yetkinliğini test etmek istediklerinde başvurduğu format. Hâlâ öngörü sağlıyor. Ancak iyi kurulmuş bir yapılandırılmış mülakattan daha iyi öngörmüyor ve her iki tarafa da çok daha fazla zamana mal oluyor.

Bu, yapay zeka yetkinliğinin nasıl test edildiği için ne anlama geliyor

Şimdi iki yarıyı birleştirin. İşverenlerin yapay zeka becerilerine doğrulanmış bir talebi, bunları ölçmek için yerleşik bir aracı ve bir değerlendirmeyi öngörücü kılan şeyin yapı olduğunu söyleyen bir kanıt bütünü var.

Bundan çıkan şey bir anket bulgusu değil, mekanik hakkında bir iddia; o yüzden açıkça kendi çerçevemiz olarak etiketleyelim: modern bir işe alım sürecinde dört kapı vardır, her biri bir yapay zeka yetkinliği testi taşıyabilir ve her biri farklı bir hazırlığı ödüllendirir.

CEOtudent dört kapı modeli

Birinci kapı, belge. Özgeçmişiniz ve profiliniz önce okunur, giderek artan biçimde anahtar kelime ayrıştırıcısı yerine bir dil modeli tarafından. Bu kapı, yapay zeka kullanımınızın bir araç listesi olarak değil bir çalışma pratiği olarak okunup okunmadığını test eder. “ChatGPT’ye aşina” bir araç listesidir. “Haftalık raporlama döngümüzü model destekli bir taslak-ve-doğrula döngüsü etrafında yeniden kurdum, teslim süresini iki günden üç saate indirdim” bir çalışma pratiğidir. Bu okuyucunun gerçekte nasıl davrandığını yapay zeka özgeçmişinizi önce okuduğunda nasıl yazılacağına dair rehberimizde ayrıntılı olarak ele aldık.

İkinci kapı, bilgi kontrolü. İş bilgisi testleri düzeltilmiş tabloda 0,40 ile ikinci sırada ve uygulanması ucuz, bu da yayılmalarını olası kılıyor. Yapay zeka yetkinliği için bu, doğru cevabı olan sorular demek: bağlam penceresinin ne olduğu ve uzun belge çalışmasını neden kısıtladığı, bir modelin yanlış bir olguyu neden kendinden emin biçimde söylediği, işvereninizin politikası uyarınca hangi verinin üçüncü taraf bir araca yapıştırılamayacağı. Bu kapı çalışılabilir; tam da bu yüzden çalışmaya değer.

Üçüncü kapı, iş örneği. Eve verilen görev ya da canlı egzersiz. Geçerlilik 0,33 ve düşüyor, ama işverenler hâlâ bayılıyor, dolayısıyla karşılaşacaksınız. Buradaki tuzak yapay zeka yetkinliğine özgü: egzersiz genellikle bir modelden cevap alıp alamayacağınızı test etmiyor. Cevabın yanlış olduğunu fark edip etmediğinizi test ediyor. Artık herkes çıktı üretebiliyor. Kıt ve görünür olan beceri, doğrulama turu.

Dördüncü kapı, yapılandırılmış mülakat. 0,42 ile en güçlü öngörücü ve yapay zeka yetkinliğinin en sık kötü değerlendirildiği yer, çünkü konuşma araç tercihlerine kayıyor. Buna herhangi bir yapılandırılmış mülakata hazırlandığınız gibi hazırlanın: somut durumlar, sizin özgül eylemleriniz, ölçülebilir sonuçlar. İyi bir cevabın yapay zekaya özgü versiyonu her zaman bir yargı kararı içerir. Modeli nerede kullandığınız, nerede bilerek kullanmadığınız ve farkı nasıl bildiğiniz.

Bu yazıdan taşınmaya değer nokta sonuncusu. Dört kapının hepsinde test edilen şey araç aşinalığı değil. Aracın ne zaman güvenilir olduğuna dair kalibre edilmiş yargı; bu da kendi araştırma literatürü ve kendi başarısızlık biçimleri olan bir konu, modelin ilk söylediğini kabul etmeye yönelik iyi belgelenmiş bir eğilim dâhil. Mülakat taktiği yerine altındaki beceriyi istiyorsanız bir yapay zeka önerisine ne zaman güvenileceği ve ne zaman güvenilmeyeceği ile başlayın ve yargının yapay zeka çağının en kıt yetkinliği hâline geldiği yönündeki daha geniş savla devam edin. Okuryazarlık ile gerçek akıcılık arasında çizdiğimiz ayrım da burada.

Tablo 3: Kapıya göre hazırlık protokolü (CEOtudent editöryel çerçevesi)

Kapı	Format	Geçerlilik	Gerçekte test edilen	En yüksek getirili hazırlık
1	Belge taraması	ilgili değil	Yapay zeka kullanımının kelime dağarcığı değil iş akışı olarak okunup okunmadığı	İki maddeyi, sayı içeren öncesi-sonrası iş akışı değişimi olarak yeniden yazın
2	Bilgi kontrolü	0,40	Model sınırlarını anlayıp anlamadığınız	Bağlam sınırlarını, halüsinasyon mekaniğini, sektörünüzün veri kurallarını öğrenin
3	İş örneği	0,33	Hatayı yakalayıp yakalamadığınız	Teslim ettiğiniz şeye görünür bir doğrulama adımı ekleyin
4	Yapılandırılmış mülakat	0,42	Yargınızın kalibre olup olmadığı	Biri yapay zeka çıktısını reddettiğiniz olmak üzere üç durum hazırlayın

Ne yapılmamalı

İki uyarı; ikisi de tavsiye köşesi geleneğine değil, yukarıdaki kanıtlara dayanıyor.

Deneyim yılınızı merkezî iddianız olarak öne sürmeyin. 0,07 operasyonel geçerlilikle tablodaki en zayıf sinyal ve tüm sunumunuzu onun etrafında kurmak, en az öngörü sağlayan boyutta rekabet etmek demek.

Hacmi strateji sanmayın. En güçlü kapılar yapılandırılmış mülakat ve iş bilgisi testiyse ve ikisi de belirli bir rol için belirli bir hazırlığı ödüllendiriyorsa, başvurular birbirinin yerine geçebilir birimler değildir. Daha az sayıda, daha iyi hazırlanmış başvuru baskın gelir ve havuzdaki aday sayısı arttıkça aritmetik daha da kötüleşir.

Sık sorulan sorular

İşverenler yapay zeka becerilerini gerçekten test ediyor mu, yoksa bu sadece ilanda mı kalıyor?
Talep doğrulanmış durumda: Future of Jobs Report 2025’te işverenlerin üçte ikisi belirli yapay zeka becerilerine sahip yetenekleri işe almayı planladığını söyledi ve yapay zeka ile büyük veri en hızlı büyüyen beceriler listesinin başında. Tek tek işverenlerin bunu nasıl bir değerlendirmeye dönüştürdüğü standartlaşmış değil ve kamuya açık biçimde iyi belgelenmiş değil. Tam da bu yüzden dört kapının hepsine hazırlanmak, hayalî tek bir formata hazırlanmayı geçer.

Hangi yapay zeka araçlarını kullandığımı söylemeli miyim?
Aracı değil, iş akışını söyleyin. Araç adları hızla eskir ve yetkinlikten çok aşinalık işaret eder. Bir sayı eklenmiş, işin nasıl yapıldığına dair tarif edilmiş bir değişim ise hem belge taramasından hem yapılandırılmış mülakattan sağ çıkar.

Yapay zeka sertifikası almaya değer mi?
Hangi kapıya yaradığına bakarak değerlendirin. Model sınırlamalarını, veri işlemeyi ve doğrulama pratiğini gerçekten öğreten bir sertifika, iş bilgisi testlerinin 0,40 ile durduğu ikinci kapıyı besler. Araç eğitiminden ibaret bir sertifika hiçbir şeyi beslemez, çünkü düzeltilmiş tabloda hiçbir kapı tek başına araç aşinalığını ödüllendirmiyor.

İşimde henüz yapay zeka deneyimim yoksa?
Analitik düşünme hâlâ en çok aranan çekirdek beceri ve on şirketten yedisi bunu şart sayıyor; 2030’a kadar %39’luk beceri dönüşümü ise piyasanın insanların geçişin ortasında gelmesini açıkça beklediği anlamına geliyor. Yeniden kurduğunuz, küçük bile olsa iyi belgelenmiş tek bir iş akışı, genel bir heves beyanından daha iyi performans gösterir.

Mülakatlar neden bu kadar keyfî hissettiriyor?
Çoğu zaman yapılandırılmamış oldukları için; bunun operasyonel geçerliliği 0,19, düzeltilmiş tablonun dibine yakın. Yapı, işe alım süreçleri arasındaki en büyük tek kalite farkı ve aday olarak bunu kısmen siz yaratabilirsiniz: rolün başarı ölçütlerinin ne olduğunu sorun, sonra cevaplarınızı onlara göre verin.

Kaynakça

• Dünya Ekonomik Forumu, Future of Jobs Report 2025, Ocak 2025
• Sackett, Zhang, Berry ve Lievens, Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range, Journal of Applied Psychology, 2022
• Sackett, Zhang, Berry ve Lievens, Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors, Industrial and Organizational Psychology, 2023
• Schmidt ve Hunter, The validity and utility of selection methods in personnel psychology, Psychological Bulletin, 1998
• Stanford Institute for Human-Centered Artificial Intelligence, AI Index Report, Lightcast iş ilanı verisiyle hazırlanan iş gücü piyasası bölümü
• Geçerlilik tablosunun yanında raporlanan alt grup farkı tahminleri için Dahlke ve Sackett, 2017 ile Roth ve ark., 2003 ve 2011

---

Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.

This post is also available in: