Barb Hyman, Sapia.ai Kurucu ve CEO’su – Röportaj Serisi

Barb Hyman, Sapia.ai Kurucu ve CEO’su, hukuk, yönetim danışmanlığı, pazarlama, öğrenme ve gelişim, insan kaynakları ve teknoloji alanlarında kariyer yapmış deneyimli bir iş lideridir. Herbert Smith Freehills’te avukat olarak kariyerine başladı, ardından Boston Consulting Group’ta danışmanlığa geçerek Proje Lideri konumuna yükseldi ve daha sonra Avustralya ve Okyanusya genelinde öğrenme ve gelişim, İK ve pazarlama alanlarında üst düzey görevlerde bulundu. Hyman, Sidney’deki Museum of Contemporary Art’ta Pazarlama ve Sponsorluk Başkanı ve REA Group’ta İnsan & Kültür İcra Genel Müdürü olarak da görev yaptı. 2018’de Sapia.ai’yi kurarak, örgütsel liderlik ve yetenek yönetimi deneyimini kullanarak şirketlerin yapay zeka ile insanları değerlendirme ve işe alma şeklini yeniden düşünmeyi amaçladı.

Sapia.ai, yapılandırılmış, konuşma temelli aday değerlendirmesine odaklanan AI destekli bir işe alım teknolojisi şirketidir. Platformu, adayları ölçekli olarak tutarlı bir şekilde değerlendirmek için sohbet tabanlı mülakatlar kullanır; bu sayede işverenler becerileri ve uygunluğu değerlendirirken geleneksel özgeçmiş taramasına ve önyargıya yol açabilecek diğer sinyallere olan bağı azaltır. Sapia.ai, teknolojisinin 10 milyondan fazla adayı değerlendirdiğini ve yapılandırılmış değerlendirme bilimini AI destekli yetenek zekâsı, kişiselleştirilmiş aday geri bildirimi ve mevcut aday takip ve İK sistemleriyle entegrasyonlarla birleştirdiğini söylüyor. Şirket ayrıca açıklanabilirlik, adalet ve kurumsal uyumluluğa vurgu yapıyor; daha geniş platformu AI mülakatları, iş analizi, mülakat planlaması, yetenek zekâsı ve AI destekli kariyer koçluğunu kapsıyor.

Sapia.ai’yi kurmadan önce, Boston Consulting Group’ta danışmanlık, hukuk, pazarlama, öğrenme ve gelişim ve sonunda REA Group’ta İnsan & Kültür liderliği gibi bir kariyer inşa ettiniz. Bu yolculuktan hangi deneyimler, işe alımın temelden yeniden düşünülmesi gerektiğine ikna etti ve Sapia.ai ile başlangıçta çözmeyi hedeflediğiniz sorun neydi?

Şu anda insanları değerlendirme şeklimiz bozulmuş — özellikle işe alımda.

Özgeçmişlere dayanıyoruz. Bütün kişiyi görmüyoruz. En kritik kararlarımızı — kimin işe alınacağı, kimin terfi edeceği — sezgi ve vekil göstergelere dayanarak alıyoruz. Aynı işe alım pratiği yaygın: birinin okuduğu okul ya da üniversite ne zaman zeka göstergesi haline geldi? Bu değil. Bu bir avantaj göstergesidir.

Bunun bir kısmı kişisel hikayeme dayanıyor. Ben bir göçmenim ve şanslı bir göçmen kategorisine düştüğümü biliyorum: beyazım ve insanların söylemesi kolay bir isme sahibim. Üniversiteye giden kimsenin olmadığı bir aileden geliyorum; babam bir dükkân sahibi. Buna rağmen olağanüstü fırsatlar elde ettim ve beş kariyer sonrası burada bulunuyorum. Dünyadaki iki milyar çalışanı düşündüğümde, onlardan kaçının benim sahip olduğum yetenek, azim ve eleştirel düşünceye sahip olduğunu, ancak kendi deneyim prizmasıyla körleştiğimiz için hiç görülmediğini düşünüyorum. Önyargı, hızlı karar vermek için harika bir kestirme yol ve tam da bu yüzden işe alım, zaten avantajlı olanları ödüllendirmeye devam ediyor. Hiç adil ya da mantıklı hissetmedi.

Hikâyenin diğer yarısı danışmanlıktan geldi. MBA’mı tamamladıktan sonra, gerçek araştırma olmadan bir yönetim odasına girip tavsiye vermediğiniz bir dünyaya adım attım. Ancak bir şirketin aldığı en yüksek riskli kararlar (kim katılır, kim lider olur, kim kültürü şekillendirir) hâlâ sezgiye ya da bir üniversite adı kadar ince bir vekil göstergesine dayanıyor. İnsanlar bilanço kaleminde yer almaz, fakat özellikle profesyonel hizmetlerde onlar varlıklarıdır. Bu kopukluk bana mantıksız geldi.

Özgeçmiş formatı, Leonardo da Vinci’nin bu formatı icat etmesinden bu yana temelde değişmedi. Wikipedia, 180’den fazla belgelenmiş insan önyargısını listeliyor. İş başvurusunu tamamlayan Kuzey Amerikalı adayların üçte biri iki ay sonra yanıt alamıyor. Bunun hiçbiri yetenek sorunu değil: yetenek eşit dağıtılmıştır, ancak fırsat eşit değildir.

Sapia ile çözmeyi amaçladığım şey sadece bir karar değildi — iş arama deneyiminden kaynaklanıyordu. Ekibim bu konuda bana gülüyor, ama işe alımı bir flört gibi düşündüm her zaman. Bu bir ilişkidir. İşinizdeki insanlarla, partnerinizden daha fazla zaman geçirirsiniz. O halde, önemli olan her diğer karar için ısrarla talep ettiğimiz aynı titizlik — veri — olmadan bu kararı neden verirsiniz?

Çoğu kuruluşun AI benimsenmesini bir verimlilik projesi olarak ele aldığını, oysa bir güven projesi olarak başlaması gerektiğini savundunuz. “Güven” pratikte nasıl görünür ve şirketler bunu üretkenlik, maliyet tasarrufu ve benimseme gibi daha geleneksel ölçütlerle birlikte nasıl ölçmelidir?

Bunu bir İK Direktörü (CHRO) olarak öğrendim: bir değişikliği neden yaptığınız konusunda şeffaf değilseniz, güven ilk kayıp olur. Ve çoğu şirketin AI benimsenmesini ters yönettiğini düşünüyorum. Üretkenlik artışını ölçerler, örneğin tasarruf edilen saatler, işe alma başına maliyet, ancak asıl kalıcılığı belirleyen şeyi ölçmeyi asla durdurmazlar: çalışanlarınız AI’ı nasıl kullandığınıza ve nedenine güveniyor mu?

Güven, kültürünüzün temelidir. Gerçek metriklerin yanında oturan yumuşak bir ölçüt değildir — gerçek metriklerin üzerine inşa edildiği şeydir. Bunu herhangi bir ilişkiyi düşünür gibi düşünün. Yüksek güven size daha fazla özgürlük verir. Düşük güven ise her şeyi daha küçük, daha az esnek, daha az rahat hâle getirir. Ve kimse kendini güvende hissetmediğinde en iyi işini yapmaz. Organizasyonlar da farklı değildir.

Bununla birlikte, iş yerinde AI ile yapılan pek çok şey, aslında insanların kendi verilerini onlara karşı bir silah haline getirmiştir; örneğin birinin sosyal medyasını tarayarak onun iyi bir işe alım, iyi bir risk ya da kötü bir risk olup olmadığını tahmin etmek gibi. Bu kararın alındığı toplantıyı gerçekten hayal edemiyorum, ya da kimsenin bunun, insanların bunu öğrendiği anda kültürü aşındırmayacağını nasıl düşündüğünü.

Dolayısıyla AI benimsemesi konusunda ciddiyseniz, güven ilk günden itibaren üretkenlik ve maliyet tasarruflarıyla yan yana bir metrik olmalıdır. İnsanlara doğrudan sorun: “Bunu neden kullandığımızı anlıyor musunuz?” “Bunun adil bir şekilde kullanıldığına inanıyor musunuz?” Eğer ikisine de evet diyemiyorsanız, kutladığınız verimlilik artışları, sessizce harcadığınız bir kültürün borcudur.

İşe alımda AI ile ilgili en büyük endişelerden biri, modellerin tarihsel istihdam verilerinden öğrenerek organizasyonların ortadan kaldırmaya çalıştığı aynı insan önyargılarını pekiştirme potansiyelidir. Şirketler, AI’nın mevcut işe alım önyargılarını otomatikleştirmesini nasıl önleyebilir ve bu sistemlere baştan hangi güvenlik önlemleri eklenmelidir?

Bu, çoğu AI-ile-işe-alım konuşmasının kaçırdığı tuzaktır ve Sapia’yı bu şekilde inşa etmemin nedenidir. Bir modeli tarihsel işe alım verileri (kim işe alındı, kim terfi etti, kim ilk görüşmeye alındı) üzerine eğitiyorsanız, önyargıyı ortadan kaldırmıyorsunuz, onu sanayileştiriyorsunuz. Bir makineye, zaten sahip olduğunuz iş gücünü getiren her aynalı işe alım kararını, her “kültür uyumu” çağrısını, her sezgiye dayalı kestirimi yeniden üretmeyi öğretiyorsunuz. Bu yenilik değildir. Bu, ölçekli bir önyargıdır; sadece daha hızlı ve nesnel bir görünümle kaplanmıştır, bu da onu zorlayıcı hâle getirir.

Bu yüzden güvenlik önlemi algoritmadan daha önce başlamalıdır. Özgeçmişler, fotoğraflar, isimler, üniversiteler ya da ayrıcalıkla daha çok potansiyeli yansıtan geleneksel göstergeler üzerinde eğitim yapmıyoruz. Girdi önyargıyı taşıyorsa, aşağı akışta ne kadar akıllı modelleme yapılırsa yapılsın sorunu çözmez. Bu, “çöp girer, çöp çıkar” problemidir; ancak çöp, özgeçmiş gibi giyinmiş on yıllık insan önyargısıdır.

İkinci unsur, modeli neye karşı ölçtüğünüzdür. “AI çalışıyor” demek yeterli değildir; cinsiyet, etnik köken, yaş, engellilik gibi her korunan özelliğe karşı olumsuz etkiyi sürekli test etmelisiniz, sadece lansmandan önce tek seferlik bir denetim değil. Önyargı, bir kez düzeltilen bir hata değildir. İnsanların hayatlarıyla ilgili sonuçlar doğuran herhangi bir sistemi izlediğiniz gibi, sürekli izlenmesi gereken bir şeydir.

Ve üçüncüsü — çoğu kişinin atladığı nokta — dış gözlerin olması gerekir. Modellerinizin bağımsız, üçüncü taraf denetimleri, yayınlanmış metodoloji, sistemin ne yaptığı ve ne yapmadığı konusunda gerçek şeffaflık. AI işe alım aracınızı sadece onu geliştiren ve finansal olarak savunmaya motive olan kişilerle kontrol ettiriyorsanız, güven sorununu çözmemiş, sadece yerini değiştirmiş olursunuz.

“Algoritma yaptı” bir mazeret değildir, ancak ilk etapta güvenlik önlemlerini inşa etmediğinizin bir itirafıdır. Unutmayın, AI adaleti sağlamak için insan sorumluluğunu ortadan kaldırmaz.

İşe alım, bir algoritmanın doğrudan birinin kariyerini etkileyebildiği nadir yüksek riskli AI uygulamalarından biridir. Organizasyonlar, otomatikleştirilebilecek kararlar ile her zaman anlamlı insan denetimi altında kalması gereken kararlar arasında nerede çizgi çizmeli?

Benim çizdiğim çizgi şu: AI kesinlikle bir kişiyi daha net görmenize yardımcı olabilir, ancak kaderini tek başına belirleyen o olmamalıdır. Kararı artırmak ile dışarıdan temin etmek arasında gerçek bir fark vardır. İşe alım, bu ayrımı yanlış yapmanın gerçekten birinin hayatını değiştirdiği nadir alanlardan biridir.

Peki otomasyon nerede yer almalı? İnsanların tutarlı ve adil bir şekilde göremediği sinyalleri ortaya çıkarmada; örneğin binlerce mülakat yanıtını yorgunluk, kötü bir gün ya da kendilerine 25 yaşında benzeyen adayı bilinçsizce tercih etme gibi önyargısız bir şekilde okumak. Bu, günün sekizinci mülakatında yorgun bir işe alım yöneticisinden daha iyi yapabilecek bir AI işidir. Gerçek yumuşak becerileri taramak, her adayın aynı kriterlere göre değerlendirilmesini sağlamak, makinenin gerçek değer kattığı yerdir çünkü biz bu kadar tutarlı olmaya programlanmadık.

Son karar — kim işe alınacak, kim reddedilecek, kim ikinci bir bakış alacak — sorumluluğu üstlenebilecek bir insanın elinde olmalı. Modelin çıktısını sadece bir kağıt damgası gibi onaylamak yerine, gerçek, anlamlı bir denetim: sistemin ne ölçtüğünü anlayan, yanlış göründüğünde bir sonucu sorgulayabilen ve gerektiğinde geçersiz kılabilen bir kişi. Eğer bir insan AI önerisini anlamlı bir şekilde sorgulayamıyorsa, bu bir denetim değil, bir insan mazeretidir.

Ayrıca geri döndürülemez veya belirsiz hiçbir şeye izin vermem. Bir aday, neden ilerlemediği konusunda anlaşılır bir açıklama alamıyorsa, sistem ne kadar “doğru” olursa olsun başarısızdır. Ve model, şirket içinde kimsenin – hatta onu geliştirenlerin – gerçekten açıklayamadığı kararlar veriyorsa, bu bir işe alım aracı değil, içinde birinin kariyerinin olduğu bir kara kutudur. Her organizasyona vereceğim test basittir: reddettiğiniz bir adayın karşısına oturup, sade bir dille neden reddedildiğini açıklayabilir misiniz? Eğer dürüst cevap “Bilmiyorum, model karar verdi” ise, sürecin yanlış kısmını otomatikleştirmişsiniz demektir.

Sapia.ai, adaylarla açık uçlu sohbetler için kullanılan üretken AI ile adayları puanlamak için kullanılan daha deterministik sistemler arasında ayrım yapar. Bu ayrım, AI çıktılarının tutarlı, denetlenebilir ve savunulabilir olması gerektiğinde neden önemlidir?

İnsanlar “AI” duyduklarında tek bir şey olduğunu varsayar, ancak işe alımda bu karışıklık tam da hataların ortaya çıktığı yerdir. Açık uçlu sohbet ve yüksek riskli puanlamanın tamamen farklı gereksinimleri olduğu için işi ikiye bölmeyi kasıtlı olarak yapıyoruz ve bunların aynı teknoloji olduğu varsayımı, şirketlerin açıklayamadığı, savunamadığı veya güvenemediği sistemlerle sonuçlanmasına yol açıyor.

Üretken AI, sohbet katmanında – adayla doğal, insan gibi bir etkileşim kurmak, iyi takip soruları sormak, deneyimi bir form yerine bir sohbet gibi hissettirmek – harikadır. Burada esneklik, nüans ve hatta biraz öngörülemezlik istenir, çünkü gerçek sohbetler senaryoya bağlı değildir.

Ancak bir adayla konuşmaktan puanlamaya geçiş yaptığınız anda, sistemden beklentileriniz tamamen tersine döner. Puanlama tutarlı olmalıdır: aynı yanıt, birinci aday olsun ya da bininci aday, bir Pazartesi sabahı olsun ya da bir Cuma öğleden sonra olsun aynı değerlendirmeyi almalıdır. Denetlenebilir olmalı, yani bir adayın aldığı puanın nedenini tam olarak gösterebilmelisiniz, sadece modelin “çözüm bulduğuna” güvenmek yetmez. Ayrıca savunulabilir olmalı, çünkü birinin geçim kaynağı bu puanın sonucunda yatmaktadır ve “üretken model bunun iyi bir yanıt olduğunu düşündü” ifadesi bir düzenleyici, bir gazeteci ya da neden işe alınmadığını bilmek isteyen bir adayla karşılaştığında ayakta kalmaz.

Üretken modeller doğaları gereği olasılıksaldır — aynı soruyu iki kez sorduğunuzda hafif farklı çıktılar alabilirsiniz. Bu, sohbet için bir özellik iken puanlama için ciddi bir sorumluluktur. Sapia’da, sürecin bir kişinin sonucunu gerçekten belirlediği kısım için deterministik sistemler kullanıyoruz. Aynı girdinin güvenilir bir şekilde aynı çıktıyı ürettiği, mantığın izlenebildiği ve iki benzer adayın eşit şekilde muamele gördüğünün kanıtlanabildiği sistemleri modelliyoruz.

Bu gerçekten bir sorumluluk ayrımıdır: üretken AI’nın insan gibi olmasından yararlansın, deterministik, denetlenebilir sistemler ise adil, açıklanabilir ve denetim altında savunulabilir bir kararın ağırlığını taşısın.

Açıklanabilirlik genellikle sorumlu AI için bir gereklilik olarak tartışılır, ancak birçok gelişmiş model hâlâ kullanıcılar için anlaşılması zordur. AI bir işe alım kararını etkilediğinde, bir adayın ya da çalışanın ne kadar açıklama beklemesi makul olur?

Bence adaylar, çoğu şirketin şu anda onlara sunduğundan daha fazlasını hak ediyor ve dürüst olmak gerekirse, çoğu şirketin verebileceğini düşündüğünden de daha fazlasını. “Algoritma karar verdi” ifadesi, sofistike bir bahane gibi giydirilmiş bir başarısızlık itirafıdır.

Benim görüşüm şu: bir aday her zaman sade bir dille neye göre değerlendirildiğini ve neden o konuma geldiğini anlayabilmelidir. Altındaki matematik ya da model ağırlıklarının bir çıktısı değil. İstediği ve hak ettiği şey, iyi bir yöneticinin yüz yüze söyleyeceği şeye daha yakındır: aradığımız nitelikler bunlardı, güçlü olduğunuz alan bu, bu sefer en yakın eşleşme olmadığınız alan bu. Bu tamamen makul bir beklentidir ve bu standardı karşılayamayan hiçbir sistem, birinin geçim kaynağı üzerinde karar vermemelidir.

Bu yüzden bizim için açıklanabilirlik, mimariye ilk günden itibaren dahil edilmelidir; çünkü izlenemeyen bir şeyi açıklayamazsınız.

Biraz geri çekileceğim nokta, açıklanabilirliğin adayların modelin nasıl çalıştığı konusunda teknik bir eğitim alması gerektiği düşüncesidir. Bu yanlış bir standarttır ve genellikle sistemin açıklanacak şekilde tasarlanmamış olmasının bir bahanesi olarak kullanılır. İyi bir doktor size tanının biyokimyasını anlatmaz; ne bulduğunu ve sizin için ne anlama geldiğini söyler. İşe alımda AI da aynı insan‑okunabilir dürüstlük standardına uymalıdır.

Gerçek test, insan denetimine uyguladığım aynı testtir: bir aday “Neden ilerlemedim?” diye sorabilir ve spesifik, dürüst ve kendisine ait bir yanıt alabilir mi? AI’nız bu yanıtı üretemiyorsa, açıklanabilir bir sistem inşa etmemişsiniz demektir. Kimsenin sormasını umduğunuz bir sistem inşa etmişsiniz demektir.

Şirketler sık sık çalışanların ve yöneticilerin bir AI aracını kullanıp kullanmadığına odaklanır, ancak çıktılara gerçekten güvenip güvenmediklerine bakmazlar. Bir organizasyonun AI benimsemesini, teknolojiden gerçek bir güven elde etmeden başardığını gösteren uyarı işaretleri nelerdir?

Kabul, sahtecilik yapılması en kolay metrik olduğundan, birçok şirketin bunu başarı olarak yanlış yorumlamasının tam nedeni budur. İşletmedeki herkesin AI aracını “kullandığını” söylesem, bunun araca inanıp inanmadıkları hakkında neredeyse hiçbir şey söylemez — bu sadece zorunlu olduğu, en az direnç gösterilen yol olduğu ya da henüz kimsenin etrafından bir yol bulamadığı anlamına gelebilir.

İlk uyarı işareti, geçici çözümlerle davranıştır. İnsanlar AI aracını kullanıyor ama aynı zamanda sessizce eski süreci paralel yürütüyorsa — çıktısını manuel olarak çift kontrol ediyor, kendi ayrı notlarını tutuyor, ihtimal durumunda bir gölge sistem çalıştırıyorsa — bu, ek bir sigorta poliçesiyle uyum sağlamak demektir. Kullanım rakamları harika görünüyor. Gerçek şu ki, herkes aracın yanlış olabileceğini düşünüyor.

İkinci işaret sessizliktir. Gerçekten güvenen bir kültürde, bir şey tuhaf göründüğünde insanlar sistemi sorgular: soru sorar, itiraz eder, doğru gelmeyen sonuçları işaret eder. Kabul gerçek ama güven yoksa, tam tersini görürsünüz. İnsanlar sorgulamayı bırakır çünkü bununla mücadele etmeye değmez diye karar verirler. Bu sessizlik, liderler tarafından memnuniyet olarak yorumlanır. Oysa bu aslında bir boyun eğiştir.

Üçüncü uyarı, insanların anketlerde söyledikleri ile birbirlerine söyledikleri arasındaki boşluktur. Resmi kabul panosu her yerde yeşil gösterirken, dinlenme odasındaki gerçek konuşmanın “Evet, sadece söylenenleri yapıyoruz çünkü tartışmaktan daha kolay” olması beni çok daha fazla endişelendirir — bu, dönüşüm sağlamamış bir kültürdür.

Ve en derin uyarı işareti, benim için en önemli olanı: insanların kendi yargılarını tamamen masaya getirmeyi bırakması. Bu bir vazgeçiştir. Bir araca gerçek güven, insanların kendi uzmanlıkları farklı bir şey söylüyorsa ona karşı çıkma yetkisini hâlâ hissetmesi ve bunu güvenle yapabilmesidir. Yöneticileriniz sessizleşip sadece AI’nin ne dediğine uyuyorsa, bağımlılık yaratmışsınızdır.

Dolayısıyla gerçek test “insanlar kullanıyor mu” değil, “eğer isteğe bağlı olsaydı insanlar kullanmaya devam etmeyi seçer miydi ve bir hata yaptığında size dürüstçe söyler miydi” sorusudur. Çoğu şirket bu sorulardan hiç birini sormamıştır. Bu genellikle ipucudur.

AI işe alım araçları, insan işe alımcılarının yapamayacağı ölçek ve tutarlılıkta adayları değerlendirebilir, ancak işe alım aynı zamanda bağlam ve incelik gerektirir. Sizce AI bugün insan yargısının üzerinde nerelerde performans gösterebilir ve insanlara hâlâ nerelerde ihtiyaç duyulmaktadır?

AI, adayların geçmişi ve deneyimlerinden bağımsız olarak geniş bir havuzu değerlendirmede harika bir araç olabilir ve aynı zamanda belirli ihtiyaçları olan adaylara özel değerlendirme sunar. Bir insan işe alımcı, üst sıralı bir üniversiteden gelen ya da önceki sağlık sorunları olmayan adayları tercih etme eğiliminde olabilir. AI, yüzlerce başvuruyla karşılaştıklarında insanların yapamadığı şekilde tüm adayları adil ve eşit bir şekilde değerlendirir. Bununla birlikte, bir adayın şirket kültürüne uyup uymadığını ya da müşterilerin gerektirdiği standartları karşılayıp karşılamadığını değerlendirmek için insan yargısı hâlâ gereklidir.

AI, işe alım, koçluk, performans yönetimi ve diğer işgücü kararlarına daha derinlemesine entegre oldukça, AI destekli bir karar haksız veya hatalı bir sonuç ürettiğinde sorumluluk nasıl yapılandırılmalıdır?

AI’da sorumluluk, insanların nihai karar vericiler olduğu ve işe alım sürecinin şeffaflık, açıklanabilirlik ve titiz önyargı testleri içerdiği sürece devam eder. Sorumlu AI uygulamalarını teşvik etmek için FAIR™ modelini başlattık. Model şunları önerir:

• Önyargısız: Önyargıyı test edin ve doğru istatistiksel ölçümleri kullanın — örneğin 4/5 kuralı, hata oranı eşitliği ve diğer ilgili önyargı testleri — sonuçların adil olduğunu kontrol etmek için.
• Geçerlilik: AI destekli kanıtlar gerçek verilere dayanır ve tahmin edilmek istenen sonuca bağlanır.
• Açıklanabilirlik: Sonuçları yorumlamak, AI’nin bir aday hakkında neyi tespit ettiğini ve bunun puanına nasıl katkıda bulunduğunu gösteren net belgeler ve araçlar sağlayın.
• Kapsayıcılık: Bu, adayların başvurudan karar aşamasına kadar tüm süreç boyunca adil bir şekilde muamele görmesini sağlamaktır. İşe alım deneyiminin uçtan uca bir görünümüdür — insanları, süreçleri, teknolojiyi ve AI’yı birlikte çalıştırarak.

İleriye baktığımızda, AI’nın öncelikle İK sistemleri içinde karar verme katmanı olmasını mı bekliyorsunuz, yoksa daha önemli rolünün aday ve çalışanların fırsatları daha iyi anlamalarına, beceriler geliştirmelerine ve kariyerlerini yönlendirmelerine yardımcı olan bir sohbet rolü mü olacağını düşünüyor musunuz?

En gelişmiş teknolojiler bile insan dokunuşu, insan yargısı ve insan denetimi gerektirir. AI, süreci desteklemek için vardır; her adayın bir pozisyon için adil ve eşit bir şansa sahip olmasını sağlar. Sapia’da buna “insan döngü içinde” yaklaşımı diyoruz; insan ve makine zekâsını birleştirerek öngörücü, sorumlu ve kişiselleştirilmiş akıllı sohbet deneyimleri oluşturuyoruz. Bunu başarmak için müşterilerimizi sürece dahil ediyor, doğruluk ve adaleti sürekli doğrularken AI modellerimizi zaman içinde evrimleşmesi için eğitiyoruz.

İnsan odaklı yaklaşımımız, adaylara sunduklarımızda da kendini gösterir. Yakın zamanda, mentör gibi davranan, iş arayanlara kişiselleştirilmiş rehberlik, güçlü yön haritalama ve mülakat hazırlığı sağlayarak bir sonraki fırsatlarıyla güvenle yüzleşmelerine yardımcı olan Phai adlı bir kariyer koçu başlattık. Bu, adayın mülakat sonucunun ötesinde motive kalmasını sağlayan olumlu bir araçtır.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Sapia.ai adresini ziyaret etmelidir.