On iki gerçek aday. Her koşulda aynı dosyalar, aynı fotoğraflar, aynı nitelikler. Değişen tek şey, değerlendiricinin aralarına serpiştirilmiş diğer profillerde ne gördüğüydü. Bu diğer profiller yapay zekâ üretimi fotoğraflar taşıdığında, on iki gerçek aday zamanın %72,5'inde mülakata ilerletildi. Aynı profiller sıradan fotoğraflar taşıdığında bu oran %77,4 oldu (Cornell, Florida ve Penn, arXiv 2610.22553, 2026).
Bu on iki kişide hiçbir şey değişmemişti. Şansları değişti.
Bir Operasyon Müdürü'nün üzerinde durması gereken sonuç bu. İşe alımda yapay zekâ üretimi fotoğraflara dair tartışmaların çoğu bunu adayın dürüstlüğü sorunu olarak ele alıyor: biri fotoğrafını parlatmış, bizi ilgilendiriyor mu? Deney daha rahatsız edici bir yeri gösteriyor. Maliyet, sentetik görseli kullanan adaya düşmüyor. Ondan sonra değerlendirilen herkese düşüyor ve standart bir ön eleme kaydında bunun olduğunu gösteren hiçbir iz yok.
Deney gerçekte neyi sınadı
Çalışma, 570 yetişkin Amerikalının tek bir pozisyon için, Customer Success Associate, adayları değerlendirdiği ön kayıtlı bir işe alım simülasyonu (arXiv 2610.22553, 2026). Her değerlendirici önce aynı dört çapa adayı puanladı. Ardından rastgele üç koşuldan birine atandı; bu koşullarda sekiz profil şunlarla eşleştirildi:
- değiştirilmemiş gerçek yüzler,
- aynı yüzlerin tüketici düzeyinde tek dokunuşlu bir iyileştirme filtresine göre ayarlanmış rötuşlu sürümleri, ya da
- yapay zekâ üretimi yüzler.
Bu sekiz profilin arasına, üç koşulda da aynı olan on iki gerçek test adayı serpiştirilmişti. Yazılı nitelikler her profil konumu için sabit tutuldu. İsim yok, konum yok.
Tasarım, işe alım araştırmalarının sık sık karıştırdığı iki soruyu ayırıyor. Birincisi: sentetik bir yüz, o adayın nasıl puanlandığını değiştirir mi? İkincisi: sentetik yüzler görmek, değerlendiricinin sıradaki gerçek kişiyi nasıl puanladığını değiştirir mi? Yazarlar hangisiyle ilgilendiklerini açıkça söylüyor: asıl sorularının «görsellerin, katılımcıların ardından gelen gerçek adayları nasıl değerlendirdiğini değiştirip değiştirmediği» olduğunu.
Yapay zekâ fotoğraflı aday az kazandı. Gerçek adaylar ödedi.
Doğrudan etki: küçük ve karışık
Yapay zekâ üretimi yüz taşıyan profiller kendileri biraz daha iyi puan aldı. İşe alınabilirlik 1–7 ölçeğinde b = 0,162 arttı (P = 0,015), güvenilirlik b = 0,130 (P = 0,047). Ancak operasyonel olarak önemli sonuç, yani mülakata ilerleme, anlamlı biçimde değişmedi: yapay zekâ yüzlü profillerde %84,8, gerçek yüzlerde %82,5; odds oranı 1,218, P = 0,265 (arXiv 2610.22553, 2026).
Yani sentetik fotoğrafı sunan aday biraz daha sıcak bir değerlendirme satın alıyor, güvenilir bir mülakat avantajı değil.
Aşağı akış etkisi: tutarlı ve üç sonucun hepsinde anlamlı
Hareket eden, aynı on iki gerçek adaydı. Yapay zekâ üretimi yüzler görmüş değerlendiriciler onları işe alınabilirlikte (b = −0,146, P = 0,042) ve güvenilirlikte (b = −0,172, P = 0,007) daha düşük puanladı, mülakata daha az ilerletti: odds oranı 0,768, P = 0,037; yani açılış cümlesindeki %72,5'e karşı %77,4 farkı. Önceden belirlenmiş, Holm düzeltmeli tek yönlü P değerleri 0,037, 0,037 ve 0,011 idi (arXiv 2610.22553, 2026).
Yaklaşık beş puanlık fark, bildirilen iki oranın benim yaptığım çıkarmasıdır. Yazarların arkasında durduğu etki büyüklüğü odds oranıdır.
Bunu rötuş etkisi değil sentetik görsel etkisi yapan kontrol
Rötuşlu koşul, ilginç bir sonucu kullanışlı bir sonuca çeviriyor. Rötuşlu fotoğraflara maruz kalmak hiçbir aşağı akış etkisi yaratmadı: işe alınabilirlik iki koşulda da 5,26, ilerleme %78,2'ye karşı %77,4, güvenilirlik 5,23'e karşı 5,22 (arXiv 2610.22553, 2026).
Her LinkedIn profilinde zaten bulunan geleneksel fotoğraf parlatma, taban çizgisini oynatmadı. Yapay zekâ üretimi set oynattı.
İşe alımda yapay zekâ üretimi fotoğraflar neden aday değil parti sorunudur
Sonucu bir etik uzmanı gibi değil, operasyon sorumlusu gibi okuyun. Zararın birimi başvuran değil. Sıra.
Bir başvuranın mülakata ulaşma şansı, kendi dosyası sabit kalırken, değerlendiricinin yığınında başka kimin olduğuna göre birkaç puan oynadı. Orta ölçekli şirketlerin çoğu ön eleme sürecinde parti bileşimi kontrol edilen bir değişken değildir. Başvurular iş ilanı sitesinin teslim ettiği sırayla gelir, işe alımcılar onları oturumlar halinde işler ve kimse bir değerlendiricinin belirli bir adayı puanlamadan önce hangi görselleri gördüğünü kaydetmez. Bu da görsel karışımını, savunabilmeniz beklenen bir kararın kontrolsüz girdisi yapar.
Değerlendirme bağlamının, değerlendirilenden ağır bastığı ilk kez görülmüyor. 2.611 üretim kaydı üzerinde incelenen, yürürlükteki bir yapay zekâ mülakat programında bir gözden geçirici aynı partileri başka birinden 0,79 standart sapma daha düşük puanladı ve bu sertlik farkı, altta yatan sistemdeki 0,53 SS'lik gerçek bir iyileşmeyi düzleştirmeye yetti (Zhang, Liu ve Esposito, arXiv 2610.07003, 2026). Farklı ortam, aynı ders: bir puan konunun yanı sıra puanlayıcı ve puanlama bağlamı hakkında da bilgi taşır ve çoğu kuruluş yalnızca konuyu denetler.
Olumsuz etki denetiminiz bunu neden görmez
ABD'de ön elemedeki yanlılığa karşı içgüdüsel kontrol, beşte dört kuralıdır: bir grubun seçilme oranının en yüksek grubun oranının beşte dördünün altında kalması, federal kurumlarca genellikle olumsuz etki kanıtı sayılır (29 CFR 1607.4(D), Uniform Guidelines).
Bu testin bu etkiye kör olmasının iki nedeni var. Bu, çalışmadan çıkardığım bir çıkarımdır, çalışmanın bulgusu değil.
Oran, eşiği tetiklemek için çok küçük. 72,5/77,4 yaklaşık 0,94 eder, 0,8 eşiğinin hayli üzerinde. İlerlemede gerçek ve istatistiksel olarak anlamlı bir kayma standart filtreden rahatça geçer.
Etkilenen grup demografik bir grup değil. Kaybeden adayların ortak noktası, incelendikleri oturumdan başka bir şey değil. Olumsuz etki analizi sonuçları korunan özelliklere göre böler; «sentetik bir fotoğraftan sonra değerlendirildi» diye bir sütunu yoktur. Bir partinin görsel karışımı, kimin hangi kanaldan ya da hangi saatte başvurduğuyla ilişkiliyse, etki sonradan görünür bir nedeni olmayan açıklanamayan bir demografik fark olarak ortaya çıkabilir.
AB'ye dönük ekipler için takvim acil değil ama sabit: işe alım ve aday değerlendirme sistemleri Ek III kapsamına girer ve değiştirilmiş 113. madde yüksek riskli rejimi bunlara 2 Aralık 2027'den itibaren uygular (EU AI Act, madde 113). İnsan puanlamasında belgelenmemiş bir girdi, size hangi tarih uygulanırsa uygulansın, her denetim rejiminde zayıf bir savunma pozisyonudur.
Çalışmanın göstermedikleri
Makale sınırları konusunda özenli ve inandırıcı bir okuma bunları da taşımalı.
- Uyaran bilerek uçtaydı. Yapay zekâ yüzleri yüksek değerlendirilmiş çekicilik için seçildi: 7 üzerinden ortalama 5,75; aynı uyaran setindeki gerçek yüzler için 2,99. Yazarlar, aşağı akış etkisinin «her üreticinin sıradan çıktısını tanımladığı varsayılmamalı» olduğunu yazıyor.
- Mekanizma bilinmiyor. Yazarların sözleriyle: «Deney bize maruziyetin önemli olduğunu söylüyor, nedenini değil.» Yapay zekâ ve rötuşlu görseller çekicilik açısından eşleştirilmemişti; bu yüzden görsel kaynağı, uygulama şiddetinden temiz biçimde ayrılmıyor. Sentetik düzenlilik ile salt çekicilik üzerine her hikâye spekülasyondur.
- Doz–yanıt ilişkisi yok. Önceden belirlenmiş taşma analizi, değerlendiriciler daha fazla sentetik görsel gördükçe birikimli bir etki bulmadı. «Ne kadar çok yapay zekâ fotoğrafı, o kadar kötü» desteklenmiyor.
- Tek pozisyon, tek oturum, yalnızca ABD'li değerlendiriciler, çevrimiçi işe alınmış. Alan bağlamına sahip, tanıdık bir pozisyon üzerinde çalışan gerçek bir işe alımcı her iki yönde de farklı davranabilir.
- Alt grup sinyalleri iddia değildir. Aşağı akış etkisi erkek değerlendiriciler arasında sıfırdan ayırt edilebiliyor ve ırk ile maruziyet arasında bir miktar heterojenlik görünüyor; ancak resmî cinsiyet etkileşimleri anlamlı değildi ve bu analizler önceden belirlenmemişti (arXiv 2610.22553, 2026).
Bunların hiçbiri operasyonel noktayı tersine çevirmiyor. Büyüklüğünü ölçüyor. Etkinin sizin hattınızda büyük olduğuna inanmanız gerekmiyor; bugün göremediğiniz bir girdi olduğunu kabul etmeniz yeterli.
Bir Operasyon Müdürü bu çeyrekte ne yapmalı
İyi haber şu: bu, ucuz ve mekanik bir çaresi olan nadir yanlılık bulgularından biri.
Yüzleri puanlama yüzeyinden çıkarın
Bir fotoğraf iş gereksinimi değilse, bir gözden geçiricinin adayı puanladığı ekranda yer almamalı. ATS'nizde kısa liste aşamasında görselleri gizleyin ya da alım sırasında ayıklayın. Bu, doğrudan etkiyi ve aşağı akış karşıtlığını tek hamlede ortadan kaldırır ve bu kanıta göre sinyal kaybına mal olmaz: çalışma nitelikleri sabit tuttu ve diğer adayların yüzleri yine de sonucu oynattı.
Her gözden geçiricinin yalnızca ne kararlaştırdığını değil, ne gördüğünü kaydedin
Bazı roller için fotoğraflar görünür kalmak zorundaysa, ön eleme oturumlarını kaydedin: bir gözden geçirici hangi adayları, hangi sırayla, tek oturumda puanladı. Bu kayıt olmadan bağlam etkilerini sonradan test edemezsiniz ve benzer iki adayın neden farklı sonuç aldığını soran bir denetçiye cevap veremezsiniz.
Yalnızca demografiye göre değil, oturum ve sıraya göre denetleyin
Üç aylık ön eleme incelemenize parti, gözden geçirici ve oturumu boyut olarak ekleyin. Değerlendirici sertliği kanıtları, görsel etkilerinden önce gözden geçirici etkilerini bulacağınızı düşündürüyor; ikisini de bir panoda yakalamak, bir uyuşmazlıkta yakalamaktan ucuzdur.
Bir yapay zekâ ön elemesinin görsellerle ne yaptığı konusunda net olun
Makaleden kolayca kaçırılabilecek bir ayrıntı var. Yazarlar deneyin yapay zekâ değerlendirici sürümünü denedi ve pilot aşamasında vazgeçti: öncü çok kipli modeller doğrudan sorulduğunda görsel içeriği tanımlayabiliyordu ama bu görsel bilgiyi işe alım yargılarına «tutarlı biçimde dahil etmiyordu» (arXiv 2610.22553, 2026). Dolayısıyla otomatik bir ilk geçiş görsele hiç tepki vermeyebilir, aşağıdaki insan gözden geçirici ise verir. Savunulabilir tasarım, yüzün hiçbir aşamada, ne model ne insanlar için, bir puanlama girdisi olmadığını belirtir. Scovai'nin görüşmecisi için koyduğu standart budur: yalnızca özü puanlar, asla ses tonunu, aksanı ya da yüzü; hangi sistemi kullanırsanız kullanın, eşdeğer kuralı yazın ve işlediğini sınayın.
Bu çeyreğin kararı
Sentetik fotoğraflı aday az kazandı. Ondan sonra incelenen on iki kişi, dosyalarında hiç bulunmayan bir şey yüzünden mülakat olasılığında yaklaşık beş puan kaybetti. İşe alımda yapay zekâ üretimi fotoğraflar bir aday dürüstlüğü meselesi değil; ön eleme sürecinizin kendi girdilerini kontrol edip etmediği meselesi.
Birini seçin: bir sonraki işe alım döngüsü açılmadan yüzleri kısa liste ekranından kaldırın ya da sıranın karar vermediğini kanıtlayabilmek için ön eleme oturumlarını kaydetmeye başlayın. İkisini de yapmamak, bir adayın şansının hemen önce kimin başvurduğuna bağlı olması demektir ve aksini gösteremezsiniz.