Aldığınız en zor başvurularda — sınırda olanlarda, yani tek çağrılı bir elemenin "hayır" dediği, bir insanın ise "evet" diyebileceği başvurularda — aday bir ajan tarafından temsil edildiğinde geçme oranları %4,5'ten %26,2'ye çıktı. Bu, erişimde neredeyse altı kat bir değişim ve modelde, CV'de ya da iş tanımında hiçbir değişiklikten kaynaklanmadı. Prosedürün değiştirilmesinden kaynaklandı.
Rakam, Gao ve Jiang'ın ajan aracılı işe alım üzerine çalışmasından geliyor (arXiv, 2026); çalışma EMNLP 2026 kapsamındaki REALM atölyesine kabul edildi. Bir Head of Operations için önemi, adalet retoriğiyle hiç ilgisi olmayan, buna karşılık yapay zekâ ile CV elemenizin iki kez savunulabilir olup olmadığıyla tamamen ilgili bir nedenden kaynaklanıyor. Aynı çalışma, iki ajanlı prosedürün seçtiği başvuruların, vakalar yeniden çalıştırıldığında daha az yinelendiğini buldu. Kapı yer değiştirdi — ve tutarsız biçimde yer değiştirdi.
Çalışma: 600 çift, iki taraf, bir sınır havuzu
Otomatik elemenin çoğu statik bir yargıdır. Tek bir model çağrısı bir CV'yi bir pozisyona karşı okur ve bir karar döndürür. Gao ve Jiang, işe alımın aslında böyle kurulmadığına dikkat çekiyor — işverenler uygunluğu değerlendirirken adaylar niteliklerinin kanıtını sunar ve savunur — ve iki taraflı sürümü kuruyorlar: işveren tarafındaki bir ajan ile aday tarafındaki bir ajan, kimin ilerleyeceğine karar vermeden önce kanıt alışverişinde bulunup yargılarını güncelliyor.
Prosedürü, iki öncü modelle — GPT-5.5 ve Claude Opus 4.7 — kurgulanmış 600 CV–pozisyon çifti üzerinde çalıştırdılar ve aynı malzeme üzerinde tek çağrılı temel çizgiyle karşılaştırdılar.
| Ölçüt | GPT-5.5 | Claude Opus 4.7 |
|---|---|---|
| İlerleme oranı, tek çağrı → iki ajan | %33,3 → %39,3 | %34,0 → %35,5 |
| Sınır havuzunda geçme oranı, 3 çalıştırma | %4,5 → %26,2 | %6,5 → %16,1 |
İki satırı birbirine karşı okuyun. Genel ilerleme oranı en fazla altı puan hareket etti — bir operasyon yöneticisinin farkına varmadan soğuracağı türden bir kayma. Her iki prosedürde ortak olan 191 çiftlik sınır havuzu ise kat kat hareket etti. Etki, tam olarak eşiğinizin işi yaptığı yerde yoğunlaşıyor.
Elemeniz bir kesme noktası üzerine ayarlanmışsa, bir ajanla gelen aday marjinal olarak avantajlı değildir. Farklı bir prosedür tarafından değerlendiriliyordur.
Bu bir gevşeme değil ve sorun da bu
Bariz okuma şu: iki ajanlı eleme yalnızca daha geçirgendir — adaylar bir savunucu kazanır, daha fazlası geçer, siz eşiği yeniden ayarlayıp yolunuza devam edersiniz. Makale bu çıkışı açıkça kapatıyor: "iki ajanlı eleme, tek çağrının ilerlettiği başvuruları reddeder; kararları her iki yönde de değiştirir."
Buradan iki sonuç çıkıyor ve pahalı olanı ikincisi.
Benzer geçme hacimlerinde iki prosedür farklı başvuruları ilerletiyor. İki ajanlı sonuçları, tek çağrılı bir elemeyi gevşeterek yeniden üretemezsiniz; çünkü hiçbir tek çağrılı eşik, iki ajanlı elemenin tutarlı biçimde seçtiği başvuruları geri getirmiyor. Prosedürler aynı düğmenin iki ayarı değil. İki farklı seçim fonksiyonu ve sadece benzer sayıda insanı geçiriyorlar.
Ve keşif aşamasında seçilip yeni çalıştırmalarda yeniden işletilen vakalar arasında, yalnızca iki ajanlı elemeye özgü seçimler, her iki prosedürün paylaştığı seçimlerden daha az yinelendi — GPT-5.5 altında açıkça, Opus 4.7 altında daha az kesin biçimde — buna karşılık ayrı bir tek çağrılı takip, benzer bir düşüş göstermedi. Ajan aracılı prosedürün kendi başına bulduğu adaylar, yeniden bulunma olasılığı en düşük olanlardı.
Yeniden üretilemeyen bir karar açıklanamaz. Soran bir reddedilmiş adaya da, iç itiraza da, bir düzenleyiciye de. EU AI Act kapsamında işe alım ve aday değerlendirmesi Ek III'te yer alıyor; yüksek riskli yükümlülükler ve md. 26 uygulayıcı görevleri artık 2 Aralık 2027'den itibaren geçerli (EU AI Act explorer, 2026). Md. 14'ün insan gözetimi gerekliliği, gözetilecek istikrarlı bir şeyin var olduğunu varsayar. Bu aday bu çalıştırmada ilerledi diyen bir eleme kaydı, bir gözetim kaydı değildir. Zaman damgası basılmış bir piyango biletidir.
Yapay zekâ ile CV elemesinde kontrol ettiğiniz değişken model değil, prosedürdür
Bu bulgu yalnız değil ve onu "ilginç"ten "operasyonel"e taşıması gereken de bu. Üç model üzerinde — ticari ve açık ağırlıklı — 30.000'den fazla LLM CV değerlendirmesini inceleyen ayrı bir denetim, test edilen her koşulda demografik etkilerin ihmal edilebilir olduğunu buldu — ama yalnızca istem (prompt) ifadesi bir kıdem tercihini yeniden yüzeye çıkardı. Deneyim birebir aynı tutulduğunda, yapılandırılmış bir değerlendirme istemi yaş etkisini d=0,02'ye (p=0,90) düşürdü; gelişigüzel, sezgiye dayalı bir istem ise d=0,41'i (p=0,03) korudu (Pavlopoulos, 2026). Aynı modeller, aynı CV'ler, aynı adaylar. Farklı prosedür, farklı yanıt.
Daha zengin koşullarda yön tersine dönüyor ve bu, konuyu yumuşatmak yerine sertleştiriyor. Karvonen ve Marks gerçekçi bir dağıtım bağlamı eklediklerinde — gerçek şirket adları, kamuya açık kariyer sayfalarından alınmış kültür tanımları, "yalnızca en iyi %10'u kabul et" gibi seçici kısıtlar — altı model boyunca mülakat oranlarında 12 yüzde puanına varan demografik etkiler ortaya çıkardılar ve temiz kıyaslamalarda işe yarayan önyargı karşıtı istem talimatları çalışmayı bıraktı (arXiv, 2025).
Üç çalışma, üç yöntem, tek sonuç: varyansınız puanlama modelinde yaşamıyor. Onun çevresindeki prosedürde yaşıyor.
Bu neden 2028'de değil, şimdi önemli
Çünkü aday tarafındaki yarı çoktan sahada. ManpowerGroup ve Everest Group, işverenlerin %54'ünün yapay zekâ ile üretilmiş CV'lerin, başvuruların ve mülakat hazırlığının adayın gerçek yetkinliğini değerlendirmeyi zorlaştırdığını söylediğini buldu; aynı anda %90'ın üzerinde işveren kaynak bulma ve elemede yapay zekâ kullanıyor ve %5'ten azı sonuçları dönüştürücü olarak tanımlıyor (ManpowerGroup, 2026).
Bu açık — neredeyse evrensel benimseme, neredeyse hiç gerçekleşmemiş değer — genelde bir araç sorunu olarak okunuyor. Gao ve Jiang bunun bir prosedür sorunu olduğunu düşündürüyor. İki taraf da otomatikleşmiş, hiçbirinin prosedürü belirlenmemiş ve kapının davranışı artık pazarlık eden iki sistemin ortaya çıkardığı bir özellik.
Dürüst sınırlar
Bulguyu gerçek ağırlığında tutun. Bunlar kurgulanmış 600 CV–pozisyon çifti; gerçek sonuçları olan gerçek işe alımlar değil — iki ajanlı elemenin ilerlettiği adayların sonradan performans gösterip göstermediğine dair hiçbir ölçüm yok. İki model, ikisi de öncü, tek bir zaman noktasında. Ve bu, hakem denetiminden geçmiş bir dergi makalesi değil, bir atölye makalesi; dolayısıyla özellikle yineleme sonucu, yerleşmiş bir tahmin değil güçlü bir sinyal olarak ele alınmalı.
Bu çekincelerden sağ çıkan şey yapısal iddiadır ve size para kaybettiren de odur: eleme prosedürleri, kararlarının ne kadar güvenilir biçimde yinelendiği bakımından birbirinden farklıdır ve şu anda bunu kimse ölçmüyor. Etki bildirilen büyüklüğün yarısı kadar bile gerçekse, sınırdaki kararlarınız huninizin en istikrarsız ve itiraza en açık parçasıdır.
Bu çeyrekte ne yapmalı
İşe yarar yanıt, aday ajanlarını yasaklamak değil — onları güvenilir biçimde tespit edemezsiniz ve bu deneme size talimatlara uyan adaylara mal olur. İşe yarar yanıt, yönettiğiniz şeyin model değil prosedür olmasını sağlamaktır. Maliyet sırasına göre dört hamle:
- Geçen ayın sınırdaki kararları üzerinde bir yineleme testi yapın. Kesme noktanıza birkaç puan mesafede kalmış elli başvuruyu alın, birebir aynı elemeden yeniden geçirin ve kaç kararın yerinde kaldığını sayın. O sayı sizin yeniden üretilebilirlik oranınızdır; neredeyse kesinlikle elinizde yok ve elde etmek bir öğleden sonra sürüyor.
- İstemi, her işe alımcının kendi alışkanlığı değil, bir yapılandırma olarak sabitleyin. Pavlopoulos'un sonucu, yapılandırılmış değerlendirme istemiyle gelişigüzel isteminin farklı ölçüm araçları olduğunu söylüyor. İşe alımcılarınız elemenin ne sorduğunu serbestçe düzenleyebiliyorsa, bilinmeyen sayıda prosedür çalıştırıp çıktılarını tek bir modele atfediyorsunuz demektir.
- Puanın belirlenimci payını yargı payından ayırın ve ikisini ayrı ayrı günlüğe yazın. Rolün beyan edilmiş gerekliliklerinden aritmetik olarak hesaplanan bir bileşen, kuruluşu gereği yeniden üretilir; bir model yargısı üretilmez. Scovai'nin puanlaması, ikisi arasında 50/50 bölünmüş sabit bir ağırlık bütçesi üzerinde çalışır; yargı yarısı, her biri kendi yazılı gerekçesini taşıyan dört ayrı alt puan olarak düşük sıcaklıkta döner — bu ayrımın pratikte nasıl göründüğünü görmenin bir yolu puanlama mimarisi.
- İnsan incelemesini hacmin olduğu yere değil, varyansın olduğu yere koyun. İnceleyicileriniz şu anda huninin tamamına yayılmış durumda. Çalışma, istikrarsızlığın sınır bandında yoğunlaştığını söylüyor — yani o banda nişan alan küçük ve hedefli bir insan inceleme bütçesi, eşit biçimde yayılmış daha büyük bir bütçeden daha fazla savunulabilirlik satın alır.
Bunların hiçbiri yeni bir satın alma gerektirmiyor. Dördü de yapılandırma kararı — iyi haber bu, ve aynı zamanda sürekli alınmamalarının nedeni de bu.
Önünüzdeki karar
Ajan aracılı işe alım kendini duyurmayacak. Satıcı demosu yok, bütçe kalemi yok, onaylanacak entegrasyon yok. Yeterli sayıda aday kendi araçlarını getirdiğinde ve kapınız panonuzun söylediği gibi davranmayı bıraktığında geliyor — ve buradaki kanıtlara göre ilk bozulan şey doğruluk değil, tekrarlanabilirlik.
Dolayısıyla bu çeyreğin gündemine yazılmaya değer soru, yapay zekâ ile CV elemenizin doğru olup olmadığı değil. Daha dar ve yanıtlanması çok daha kolay: geçen ayın retlerini yarın yeniden çalıştırsanız, kaçı aynı şekilde geri gelirdi? Bilmiyorsanız, ölçülecek ilk şey bu. Elemeniz hakkında iddia etmek isteyebileceğiniz her şey — adil olduğu, açıklanabilir olduğu, bir insanın onu anlamlı biçimde gözettiği — şu anda sahip olmadığınız bir yanıta bağlı.