İki özgeçmiş, aynı araç, aynı yazar, neredeyse iki katı geri dönüş oranı. Aktif ilanlara gönderilen 204 gerçek başvuruyla yürütülen iki aylık bir saha testinde, yapay zekânın ürettiği ve olduğu gibi gönderilen bir özgeçmiş başvuruların %10'unda yanıt aldı. Aynı yapay zekâ çıktısı, her bir ilana uyarlandığında %18'e çıktı (Kickresume, 2026). Bu iki kol arasında adayla ilgili hiçbir şey değişmedi. Değişen tek şey, başvuruya konan emek miktarıydı.
Bu sonuç, kendi huninize bakışınızı yeniden düzenlemeli. 2026'da işe alım ekiplerinin çoğu yanlış soruna hazırlanıyor. Korku şu: yapay zekâyla yazılmış başvurular elenemeyecek kadar cilalı — makinenin yazdığı özgeçmiş, insanınkinden daha iyi okunduğu için geçiyor. Veri tam tersini söylüyor. Ham yapay zekâ taslağı, testin tamamında en zayıf performansı gösterendi. Özgeçmiş elemeniz yazarlığı da yetkinliği de ödüllendirmiyor. Uyarlama çabasını ödüllendiriyor — ve uyarlama çabası, üretken yapay zekânın neredeyse bedavaya düşürdüğü tek girdi.
204 gerçek başvuru aslında neyi ölçtü
Çalışmanın tasarımı önemli, o yüzden açıkça koyalım. Yaklaşık Nisan–Haziran 2026 arasında, New York pazarındaki aktif ilanlara 204 gerçek başvuru gönderildi; ağırlık müşteri hizmetleri ve satış temsilciliği rollerindeydi — yüksek hacimleri nedeniyle bilinçli seçilmiş kategoriler. Her biri 51 başvuruluk dört özgeçmiş sürümü dönüşümlü kullanıldı: insan yazımı tek sütunlu, insan yazımı iki sütunlu, ham yapay zekâ taslağı ve her ilana uyarlanmış yapay zekâ özgeçmişi (Kickresume, 2026).
Testin tamamında 36 yanıt olumluydu — yaklaşık %18, kabaca altıda bir — bunların 22'si doğrudan mülakat daveti, kalanı telefon elemeleri, video elemeleri, olumlu e-postalar ve değerlendirme davetleriydi. Yanıtların çoğu üç gün içinde geldi.
Kollar arasındaki fark asıl bulgu:
- İnsan yazımı, temiz tek sütun: %31
- Her ilana uyarlanmış yapay zekâ özgeçmişi: %18
- İnsan yazımı, iki sütun: %12
- Ham yapay zekâ taslağı, üretildiği gibi gönderildi: %10
Bu sayıların içinde gözden kaçması kolay iki şey var. Birincisi, insan yazımı iki sütunlu özgeçmiş, uyarlanmış yapay zekâ özgeçmişinin gerisinde kaldı — sayfa düzeni ayrıştırması hâlâ gerçek adaylara gerçek mülakatlara mal oluyor ki bu, adaylardan çok ayrıştırma katmanına yöneltilmiş sessiz bir suçlama. İkincisi, 36 olumlu yanıtın 30'u gerçekten iyi eşleşen rollerden geldi; tek başına müşteri hizmetleri ve destek 36'nın 18'ini oluşturdu. Veride eşleşme kalitesi diğer her şeye baskın çıktı.
Yazarların kendilerinin belirttiği dürüst bir çekince: sürümler aynı ilanlar üzerinde karşılıklı değil, fazlar hâlinde gönderildi; dolayısıyla insan özgeçmişleri en iyi eşleşen açık pozisyonlarla önce karşılaştı, yerel uygun rol havuzu tükenmeden önce — yazarlara göre bu, ülkenin en yüksek hacimli meslek kategorilerinde yaklaşık bir hafta sürdü. Bu karıştırıcı etken, insan tek sütun rakamını bilinmeyen bir miktarda şişiriyor. %31'i yön göstergesi olarak alın. Karıştırıcıdan sağ çıkan karşılaştırma, yapay zekâ çiftinin içindeki karşılaştırmadır: araç ve yazar sabit tutulmuş, yalnızca uyarlama değişmiştir — %10'dan %18'e.
Özgeçmiş elemeniz çabayı okuyor ve çaba ucuzladı
Mekanizma şu. Bir eleme — insan ya da otomatik — bir özgeçmişi ilanın sözcük dağarcığını kullandığı, belirtilen gereklilikleri yansıttığı ve kariyer geçmişinin ilgili üçte birini öne çıkardığı için ödüllendiriyorsa, adayın işi yapıp yapamayacağını ölçmüyordur. Adayın genel bir dosyaya gönder tuşuna basmak yerine size yirmi dakika ayırıp ayırmadığını ölçüyordur.
İşe alım tarihinin büyük bölümünde bu savunulabilir bir vekil göstergeydi. Çaba motivasyonla, motivasyon uyumla ilişkiliydi ve uyarlamanın maliyeti bilgi taşıyacak kadar yüksekti. Özgeçmişini sizin ilanınız için yeniden yazan aday, tercih sıralaması hakkında gerçek bir şey açık etmiş oluyordu.
Üretken yapay zekâ bu sinyalin fiyatını kırdı. Bir özgeçmişi bir iş tanımına uyarlamak artık tek bir komut; saniyeler içinde, sıfır marjinal maliyetle, sınırsız hacimde. Sinyal daha gürültülü hâle gelmedi — tersine döndü. Uyarlamayı ödüllendiren bir huni bugün, en iyi başvuru aracına sahip adayları öncelikli olarak ilerletiyor; bu değişken ise koltukta performans gösterecek adaylarla ilişkisiz.
İşveren tarafındaki veri zorlanmayı şimdiden gösteriyor. İşe alım liderlerinin yalnızca üçte biri kadarı bir özgeçmişin adayın gerçek becerilerini yansıttığından çok emin olduğunu söylüyor; buna rağmen kabaca üçte ikisi özgeçmiş elemesini huninin ilk adımı olarak kullanmayı sürdürüyor. Özgeçmişin başlıca karar belirleyicisi olduğu kuruluşlarda kötü işe alım bildirme olasılığı %35 daha yüksek (Criteria ve Lighthouse Research & Advisory, 2026, 998 lider üzerinde anket). Ayrıca üst düzey yetenek liderlerinin %54'ü, yapay zekâ üretimi özgeçmiş ve başvuruların gerçek yetkinliği değerlendirmeyi zorlaştırdığını söylüyor; şirketlerin %90'ından fazlası aday bulma ve elemede yapay zekâ kullanırken %5'ten azı sonuçları dönüştürücü buluyor (ManpowerGroup ve Everest Group, 2026). ABD'deki İK liderlerinin %67'si ise yapay zekâ üretimi başvuruları incelemenin işe alımlarını yavaşlattığını, %20'si iki haftayı aşan gecikmeler yaşadığını bildiriyor (Robert Half, 2026).
Bu dört bulguyu birlikte okuyun, tablo netleşir: herkesin ilk açtığı kapı, neredeyse hiç kimsenin güvenmediği kapıdır; işletmesi pahalılaşmıştır; ve artık ölçtüğü şey satın alınabilir.
İki sütun sonucu ayrı bir uyarıdır
Yapay zekâ meselesini bir an kenara bırakın ve iki insan koluna bakın. Aynı aday, aynı geçmiş, aynı iddialar — tek sütun dizildiğinde %31; iki sütun dizildiğinde %12. Bu farkın yetkinlikle, motivasyonla ya da uyumla hiçbir ilgisi yok. Bu bir dizgi artefaktı.
İki sütunlu düzenler, özgeçmiş ayrıştırıcılarının düzenli olarak çuvalladığı yerdir: metin sütunları anlamsız biçimde iç içe geçer, beceri yan panelleri düşer, tarihler ait oldukları rollerden kopar. Aday takip sisteminiz ayrıştırılmış alanlar üzerinden puanlıyor veya sıralıyorsa, estetik gerekçeyle verilmiş bir dizgi kararı adayı listenizde sessizce aşağı çeker. Saha testinin kendi rakamlarında, yanlış düzende yazılmış insan yapımı bir özgeçmiş, yalnızca ilana yönlendirilmiş bir yapay zekâ taslağının gerisinde kaldı (Kickresume, 2026).
Uyarlama konusunda ne sonuca varırsanız varın, bu bir öğleden sonralık teşhis çalışmasını hak ediyor. Geçen çeyrekte elemede reddettiğiniz on özgeçmişi alın, kendi ayrıştırıcınızdan geçirin ve sisteminizin gerçekte ne aldığını, adayın gerçekte ne gönderdiğiyle karşılaştırarak okuyun. Arıza biçimi, ayrıştırıcının hata vermesi değildir — ayrıştırıcının başarıyla çalışması, bozulmuş alanlar üretmesi ve alt akıştaki sıralamanın bunları doğru kabul etmesidir.
Karşı görüş: Uyarlama yine de gerçek bir sinyal değil mi?
En güçlü itiraz adil bir dinlenmeyi hak eder. Bir aday uyarlama zahmetine giriyorsa — yapay zekâyla bile olsa — sekmelerindeki diğer kırk ilan arasından yine de sizinkini seçmiştir. Bu bir tercihi açığa vurmuyor mu?
Kısmen evet, saha testi de bunu destekliyor: 36 olumlu sonucun 30'u iyi eşleşen rollerden geldi; yani işin çoğunu uyum yapıyordu. Ama tercih ile uyum aynı değişken değil ve uyarlama yalnızca birincisine vekâlet ediyor. Bir aday, beş ay sonra bırakacağı bir rol için kusursuz uyarlama yapabilir; buna karşılık güçlü uyumlu, sade tek sütunlu bir özgeçmişi olan ve uyarlama alışkanlığı bulunmayan bir aday, hiçbir insan tek kelime okumadan elenebilir. Daha kötüsü, vekil gösterge asimetrik biçimde bozulur: yapay zekâ desteğiyle toplu başvuru yapma olasılığı en yüksek adaylar, tam da uyarlamanın hiçbir maliyeti olmadığı kişilerdir; dolayısıyla uyarlama ile gerçek ilgi arasındaki korelasyon, başvuru hacminin en yüksek olduğu yerde en hızlı zayıflar.
İtirazın savunulabilir hâli, kulağa geldiğinden daha dardır. Uyarlama, tercihin zayıf bir kanıtı, yetkinliğin ise neredeyse hiçbir kanıtı değildir. Eşitlik bozucu ölçüt olarak sorun yok. Sıralama girdisi olarak savunulamaz.
Belge zanaatini değil, yetkinliği ölçün
Yaklaşık seksen yıllık seçme araştırması aynı yönü gösteriyor: iş örnekleri, yapılandırılmış mülakatlar ve bilişsel yetenek ölçümleri iş performansının en güçlü yordayıcıları arasındadır; buna karşılık deneyim yılı ve eğitim diplomaları gibi özgeçmişe bitişik girdiler görece zayıftır (Schmidt ve Hunter meta-analizi, 1998). Bu bulgu üretken yapay zekâdan çeyrek yüzyıl öncesine dayanıyor. Yapay zekâ özgeçmişi geçersiz kılmadı — onu ilk kapı yapmanın son pratik mazeretini ortadan kaldırdı.
Operasyonel ayrım şurada: bir belgenin nasıl kurulduğundan yetkinliği çıkarsamak ile onu rolün gerektirdiğine karşı ölçmek arasında.
Bu çeyrekte neyi değiştirmeli
Yüksek hacimli bir pozisyon seçin — başvuru sayısının ikiye katlandığı, işe alım uzmanlarınızın neredeyse birbirinin aynı, iyi uyarlanmış dosyalarda boğulduğu türden. Sonra dört şey yapın:
- Özgeçmişi eleyici filtreye indirin. Uygunluk sorularını yanıtlar (çalışma izni, zorunlu belge, pazarlık edilemez deneyim eşiği) ve başka hiçbir şeyi. Sıralama üretmez.
- Sıralama adımının önüne yapılandırılmış, işi temsil eden bir sinyal koyun — kısa bir iş örneği, doğrulanmış bir değerlendirme veya rolün ilan edilmiş gerekliliklerine karşı puanlanan, diğer adaylara karşı değil, yapılandırılmış bir mülakat.
- Tek bir adayı görmeden önce gereklilikleri ağırlıklandırın. İşe alımı bloke eden bir gereklilik, olsa iyi olur türünden bir gereklilikle aynı ağırlıkta sayılmamalı; bu sıralamayı başvurular geldikten sonra belirlemek, sonradan gerekçelendirmenin huniye girme yoludur. Kritiklik ağırlıklandırmasını açıkça yapmak, çoğu ekibin atladığı puanlama mekaniğinin parçasıdır ve bir sıralamayı denetlenebilir kılan da tam olarak odur.
- Bunu, özgeçmiş öncelikli yürütülen benzer bir pozisyona karşı A/B test edin ve iki sayıyı izleyin: 90. gündeki işe alım kalitesi ve filtrelemeden geri kazanılan işe alım uzmanı saatleri.
O saha testinin uyarlanmış yapay zekâ kolu operasyonel olarak bir şey söylüyorsa, şudur: huniniz yirmi dakikalık komut yazma emeği için seve seve prim ödeyecektir. Bu çeyreğin sorusu, adayları bunu bilerek bu temelde sıralayıp sıralamayacağınızdır. Yetkinlik sinyali belgenin önüne geçmedikçe, özgeçmiş elemeniz yirmi dakikalık komut emeği satın alıp buna kanıt diyor — ve bu, boru hattını her açtığınızda yeniden yaptığınız alışveriştir.