Adayların yüzde altısı mülakat sahtekârlığına karıştığını kabul ediyor — başkasının yerine geçerek ya da kendi yerine başkasını göndererek. Yüzde otuz dokuzu ise başvuru sürecinde, değerlendirme sorularının yanıtlarını üretmek de dahil olmak üzere, yapay zekâ kullandığını söylüyor. Her iki rakam da Gartner'ın yaklaşık 3.000 adayla yaptığı anketlerden geliyor ve 2028'e kadar dünya genelinde her dört aday profilinden birinin sahte olacağı öngörüsünü besliyor (Personnel Today, 2026).
Kimlik doğrulama ilk rakamı yakalar. İkincisine dokunmaz.
Orta ölçekli şirketlerin işe alım bütçelerinin yanlışa gideceği yer tam da burası. Bu çeyrekte gelen araç dalgası — belge kontrolü, canlılık tespiti, video mülakatın üzerine eklenen deepfake taraması — tamamen kimlik sahteciliği vektörüne karşı kurgulanmış. O vektör gerçek, ama küçük olan o. Daha büyük, daha hızlı büyüyen ve neredeyse tamamen savunmasız olan vektör ise kimliği doğru biçimde tespit edilmiş gerçek kişinin, bir model tarafından üretilmiş yetkinliğidir.
İki sahtekârlık vektörü, tek bütçe kalemi
Aday sahtekârlığı genellikle tek bir kategori gibi konuşulur. Operasyonel olarak iki tanedir ve farklı noktalarda çöker.
Kimlik sahteciliği vektörü şunu sorar: bu kişi iddia ettiği kişi mi? Bir vekil teknik elemeye giriyor. Sentetik bir kimlik işe alım sürecinden geçiyor. Deepfake bir video akışı gerçek zamanlı mülakat yürütüyor — Experian'ın 2026 sahtekârlık öngörüsü tam da buna işaret ediyor: üretken araçların ürettiği aşırı kişiselleştirilmiş özgeçmişler ve canlı mülakatı geçebilen adaylar (Experian, 2026). Bu vektör gerçek bir güvenlik riski taşır; bu yüzden bütçe bulur. Gartner'dan Jamie Kohn'un dediği gibi, aday sahtekârlığı "kötü bir işe alımdan çok daha ciddi olabilecek siber güvenlik riskleri yaratır" (Personnel Today, 2026).
Yetkinlik vektörü farklı bir soru sorar: sergilenen yetkinlik gerçekten bu kişinin mi? Burada aday tam olarak söylediği kişidir. Kimliği geçerlidir. Yüzü eşleşir. Ama özgeçmişi, ön yazısı, çalışma örneği ve değerlendirme yanıtları büyük ölçüde, işte aynı şekilde erişemeyeceği bir model tarafından üretilmiştir — ya da erişecektir, fakat onu denetleyecek muhakemeden yoksun olarak.
Kimlik doğrulama ilk soruyu tamamen çözer, ikincisine hiç dokunmaz. Doğrulanmış bir kimliğe iliştirilmiş doğrulanmamış bir yetkinlik, önlenmiş bir kötü işe alım değil, daha temiz görünen bir kötü işe alımdır.
Kimlik doğrulama gerçekte neyi kanıtlar
Kimlik doğrulama, yaptığı iş için parasını hak eder. Vekâleten mülakatı, sentetik kimlikleri ve bunların arkasındaki yaptırım ve çalışma izni riskini kapatır. Sistem erişimi olan rollere uzaktan işe alım yapıyorsanız bu isteğe bağlı bir hijyen değildir.
Hata muhasebede. Bir doğrulama katmanı kurulduğunda risk kaydındaki "sahtekârlık" satırı kapatılmış olarak işaretlenir. Kapanmamıştır; ikiye bölünmüştür. Kalan yarı ise en hızlı büyüyendir, çünkü suç kastı, teknik incelik veya koordinasyon gerektirmez — yalnızca ikinci bir pencerede tarayıcısı açık bir aday gerektirir.
Gartner'ın kendi okuması, işverenler için "adayların gerçek yeteneklerini ve bazı durumlarda kimliklerini değerlendirmenin zorlaştığı" yönünde (Personnel Today, 2026). Sıralamaya dikkat edin: önce yetenekler, sonra ve çekinceyle kimlik. Yetenek sorunu genel durumdur.
Yetkinlik vektörü daha büyük — ve ölçülebilir
Beyana dayalı veri, başvurularda yapay zekâ kullanımını %39'a koyuyor. Mülakatın içinden gelen davranışsal veri ise daha yükseğe.
Fabric, yapay zekânın yürüttüğü 19.368 canlı mülakatı analiz etti ve bunların %38,5'inde kopya sinyalleri buldu; oranlar 2025'in sonlarında yaklaşık üçe katlandı (Fabric, 2026). Dağılım başlıktan daha önemli: teknik roller satış rollerinin yaklaşık dört katı, junior adaylar ise senior adayların yaklaşık iki katı oran gösterdi. Tekrar eden adaylarda davranış çift tepeli — büyük bir grup hiç kopya çekmiyor, kayda değer bir grup ise girdiği her mülakatta çekiyor.
Bu, hakemli araştırma değil, bir satıcının platform verisidir ve tespit çözümü satan bir şirketten gelir. Buna göre iskonto edin. Ancak insanlara kopya çekip çekmediklerini sormak yerine yirmi bine yakın mülakattaki gözlenen davranıştan türetilmiştir ve karşıt metodolojik taraftan Gartner'ın beyan verisiyle aynı yöne işaret eder. Dürüst-yanıt rakamı ile gözlenen-davranış rakamı ikisi de onda dört civarına iniyorsa, bulgu bu aralığın kendisidir.
Bu veri setindeki bir ayrıntı, çoğu orta ölçekli şirkette bir politikayı değiştirmeyi hak ediyor: eve verilen değerlendirmeler, canlı mülakatlardan daha yüksek kopya oranı gösterdi, çünkü sınırsız süre ve mahremiyet, model yardımının tespit edilemez olduğu koşulların ta kendisidir (Fabric, 2026). Eve verilen ödev, 50–500 çalışanlı ekiplerin çoğunun mülakatçı saatlerini yakmamak için benimsediği ucuz ve aday dostu uzlaşmaydı. Bugün huninin savunulması en zor adımı.
Karşı argüman: bu yalnızca yeni normal değil mi?
En güçlü itiraz: yapay zekâ destekli başvurular hiç de sahtekârlık değildir. Adaylar eldeki araçları kullanır; işverenler diğer tarafta eleme modelleri kullanır; yapay zekâyla cilalanmış bir ön yazı, 2019'da profesyonelce düzenlenmiş bir ön yazıdan daha kötü bir şey öngörmez. Bunu kovalamak hem beyhude hem ikiyüzlüdür.
Bunun yarısı doğru. Özgeçmişi sıkılaştırmak için model kullanmak sahtekârlık değildir ve yapay zekâyla eleme yaparken yapay zekâyla başvuruyu yasaklayan bir şirket etik olarak zayıf konumdadır. Argüman burada bitseydi doğru yanıt, özgeçmiş sinyalinin hiçbir zaman güçlü olduğunu varsaymayı bırakmak olurdu.
Ama itiraz, yazmayı gösterimle karıştırıyor. Bir değerlendirme bu kişinin bu muhakemeyi yapıp yapamadığını ölçmek için varsa ve muhakemeyi bir model yapıyorsa, o ürün artık tasarlandığı şeyi ölçmüyordur. Bu adayın ahlaki başarısızlığı değildir. Sizin ölçüm başarısızlığınızdır — ve ölçüm başarısızlıkları, sebebi kim olursa olsun işe alım ekibinin sorunudur.
Pratik sonuç, daha çok adayı yakalayıp cezalandırmanız gerektiği değildir. Huninizin büyük bir kısmının artık bilgi taşımayan sinyallerden oluştuğu, sizinse hâlâ taşıyorlarmış gibi karar verdiğinizdir. Adaylar asimetriyi zaten sezmiş durumda: yalnızca %26'sı yapay zekânın kendilerini adil değerlendireceğine inanıyor (Personnel Today, 2026). Güvenilir bir süreci savunmuyorsunuz. Yeniden inşa ediyorsunuz.
Bir katman daha satın almadan önce huniyi yeniden sıralayın
Standart huni şudur: özgeçmiş → işe alım uzmanı elemesi → video mülakat → değerlendirme → yüz yüze. Doğrulama araçları video mülakata ekleniyor: geç ve pahalı.
Gartner'ın çözümü öncelikle bir araç satın alımı değildir. Yüz yüze bileşenler dahil, kopyaya karşı korumaları içine gömülmüş bir değerlendirmedir; buna bireysel gözetim yerine sistem düzeyinde doğrulama eşlik eder (Personnel Today, 2026). Aday tarafındaki itiraz ise çoğu ekibin sandığından zayıf: adayların %62'si kurum yüz yüze mülakat şart koştuğunda başvurmaya daha yatkın olduğunu söylüyor.
Seçme bilimi, sahtekârlık argümanından bağımsız olarak bu yeniden sıralamayı destekler. Sackett ve meslektaşlarının revize meta-analitik tahminleri yapılandırılmış mülakatları yaklaşık .42 operasyonel geçerlilikte, çalışma örneklerini ise .33 civarında konumlandırıyor — ikincisi uzun süre alıntılanan .54'ten keskin bir aşağı revizyon (Sackett et al., 2022). İkisi de mükemmel değil. İkisi de ölçülebilir. Özgeçmişin ise alıntılamaya değer bir geçerlilik katsayısı hiç olmadı ve bugün sürecin yapay zekâ tarafından en çok kirletilmiş ürünü o.
Bunları birleştirin, hamle yapısal olur: yeteneğe dayalı, gözetimli bir değerlendirmeyi hunide daha erkene alın — özgeçmiş ve video eleme karar ağırlığı taşımadan önce. O zaman tek adım her iki vektörü de yakalar. Bir sahtekâr, devredemeyeceği canlı bir yetkinlik kontrolünü geçemez; üretilmiş referanslara sahip gerçek bir aday da geçemez. Bir sahtekârlık kontrolü eklemiyorsunuz. Düşük geçerlilikli bir adımı daha yüksek geçerlilikli bir adımla değiştiriyorsunuz ve sahtekârlık kontrolünü yan etki olarak alıyorsunuz.
Bu çeyrekte neyi değiştirmeli
Hangi adımların hâlâ bir şey ölçtüğünü denetleyin
Huninizi alın ve her aşamayı, motive bir adayın bugün onu taklit etmesinin maliyetiyle işaretleyin. Özgeçmiş: sıfıra yakın. Ön yazı: sıfır. Eve verilen ödev: sıfıra yakın ve sessiz. Canlı yapılandırılmış değerlendirme: yüksek. Çoğu orta ölçekli huni, beş aşamadan üçünün sıfıra yakın maliyete indiğini ve kimsenin kararı buna göre yeniden ağırlıklandırmadığını görecek.
Bir değerlendirmeyi öne alın ve gözetimli yapın
Yeni bir tedarikçi değil. Mevcut bir adımı elemenin önüne taşıyın, eve verilen ödev yerine canlı veya gözetimli yürütün. Değişimi iki şeyle ölçün: yakalanan sahtekârlık vakaları ve karara kadar geçen süre. İkincisi genelde iyileşir, çünkü erken bir yetkinlik sinyali kötü kanalları mülakatçı saatlerini tüketmeden öldürür.
Kimlik doğrulamayı olduğu şey için satın alın
Bütçeleyin, kapsamını dürüstçe çizin ve risk kaydına yalnızca kimlik sahteciliğini adreslediğini yazın. Değerlendirme katmanı yerinden oynamadıkça yetkinlik vektörü açık kalır. Kısmi olarak belgelenmiş bir kontrol yeniden ele alınır. "Tamamlandı" diye işaretlenmiş bir kontrol alınmaz.
Tek bir karar
Huninizde bir adayın ilk kez devredemeyeceği bir şeyi göstermek zorunda kaldığı noktaya bakın. O an özgeçmiş elemesinden, video mülakattan ve eve verilen ödevden sonra geliyorsa — 50–500 çalışanlı ekiplerin çoğunda öyle geliyor — o zaman ondan önce verdiğiniz her karar, bir modelin bedava ürettiği çıktıların üzerinde işliyor demektir.
Kimlik doğrulama size ekrandaki kişinin gerçek olduğunu söyler. Yetkinliğin gerçek olduğunu yalnızca değerlendirme söyler. Bu çeyrekte tek bir adımı kaydırın, o da bu olsun.
