Çalışanların, profesyonel profillerini güncelledikleri dönemde işveren değiştirme olasılığı %64 daha yüksek (NBER, 2026). Mevcut rolleri değil, iş geçmişleri. Yıllar önce ayrıldıkları bir pozisyonun unvanı; kimsenin gözden geçirmeyi aklına getirmesinden çok önce tamamlanıp kapanmış bir işin tanımı.
Bu, Nicholas Bloom, Gideon Moore, Lisa Simon ve Caelan Wilkie-Rogers imzalı yeni bir NBER çalışma makalesinin merkezindeki bulgu. Revelio Labs'in 2020–2026 dönemine ait aylık veri sürümlerini kullanan yazarlar, ABD'deki köklü LinkedIn kullanıcılarının %19,7'sinin zaten ayrıldıkları bir işin unvanını veya tanımını geriye dönük olarak düzenlediğini, medyan düzenlemenin ise kişinin işten ayrılmasından dört yıldan uzun süre sonra geldiğini gösteriyor (NBER, 2026).
Bundan iki sonuç çıkıyor ve operasyon ekiplerinin çoğu her ikisine de açık. Birincisi, istifa mektubundan aylar önce gelen bir çalışan bağlılığı sinyali. İkincisi, profil geçmişine dayanan her beceri kıyaslamasının altında yatan bir veri sorunu.
NBER Çalışması Gerçekte Neyi Ölçtü
Profil araştırmalarının çoğu tek bir anlık görüntü alıp onu kayıt olarak kabul eder. Bu çalışma daha yararlı bir şey yapıyor: ABD'deki yaklaşık 29,4 milyon profili, her birini ay ay kendi önceki sürümleriyle karşılaştırıyor (TNW, 2026). Böylece bir profilin yalnızca ne söylediği değil, bunu ne zamandan beri söylediği de görülebiliyor.
Yazarlar geriye dönük düzenlemeye "zamanda yolculuk" diyor ve bu örüntü hiç de marjinal değil.
- Köklü kullanıcıların beşte biri 2020'den bu yana en az bir kez bunu yapmış; yazarlar bunu bir alt sınır olarak tanımlıyor, çünkü güncelleme dosyaları yalnızca 2020'de başlıyor.
- Bir işten ayrılmak ile onu yeniden yazmak arasındaki medyan süre dört yıldan fazla. Bunlar çıkarken yazım hatası düzelten insanlar değil.
- Teknoloji ve bilgi sektöründeki çalışanların yaklaşık üçte biri örneklem sonuna kadar zamanda yolculuk yapıyor; bu, tüm sektörler arasındaki en yüksek oran. Çalışmanın basındaki yansımaları bu oranı %31,6 olarak veriyor (TNW, 2026). İnşaat ve gayrimenkul ise diğer uçta.
Yoğunlaşma önemli. En yüksek oranlara sahip sektörler, orta ölçekli şirketlerin bilgi işinin yoğunlaştığı ve yerine eleman bulmanın en pahalı olduğu sektörler.
Ayrılık Riski İstifadan Aylar Önce Görünüyor
Bu bulguyu bir merak konusundan fazlası yapan şey zamanlama.
Yerinde kalanlarla karşılaştırıldığında, işveren değiştiren çalışanların geçişlerinden tam bir yıl önce bile zamanda yolculuk yapma olasılığı iki katından fazla. Yaklaşık altı ay kala oran daha da yükseliyor ve sonunda on iki ay önceki seviyesinin iki katına ulaşıyor: %1,1'e karşı %2,4. Geçişten sonraki yaklaşık üç ay içinde ise temel seviyeye geri dönüyor (NBER, 2026).
Bunu bir operasyon lideri gözüyle okuyun. Sinyal ayrılıktan önce geliyor, tersi değil. Bir istifa yöneticiye ulaştığında, profil düzenlemesi çoğu zaman altı aylık olmuş oluyor.
Öncü sürenin önemi
Gallup'un gönüllü işten ayrılma üzerine araştırması, bu pencereyi kaçırmanın maliyetini ortaya koyuyor. Kurumundan gönüllü olarak ayrılan çalışanların %42'si, yöneticilerinin veya kurumlarının ayrılmalarını önlemek için bir şey yapabileceğini söylüyor. %45'i ise ayrılmadan önceki üç ay içinde ne yöneticilerinin ne de başka bir liderin iş tatminlerini, performanslarını ya da kurumdaki geleceklerini kendileriyle proaktif olarak konuşmadığını belirtiyor (Gallup, 2026).
Gallup, yerine koyma maliyetini liderler ve yöneticiler için maaşın yaklaşık %200'ü, teknik profesyoneller için %80'i ve saha çalışanları için %40'ı olarak hesaplıyor. 150 kişilik bir şirkette, önlenebilir birkaç kıdemli ayrılık, CFO'nun fark edeceği bir kalemdir.
Yani eksik olan, niyete dair bilgi değil. Çalışanlar bunu yayımlıyor. Eksik olan, sonucu hâlâ değiştirebileceği aylarda bu konuşmayı kimsenin yapmaması.
İş Geçmişi Verileriniz Yapay Zekâ Yönünde Yeniden Yazılıyor
İkinci sonuç daha az görünür ve yetenek zekâsı (talent intelligence) satın alan herkes için daha maliyetli.
Geriye dönük düzenlemeler rastgele değil. ChatGPT'nin 2022 sonunda piyasaya çıkmasının ardından, yapay zekâ ile ilgili terimlerin ("AI", "GPT", "LLM", "artificial intelligence") geriye dönük eklenmesi altı kattan fazla arttı, son aylarda ise yavaşladı. Uzaktan çalışma ve DEI dili ters yönde hareket etti. LLM'lerle ilişkili yazım işaretleri de ChatGPT sonrasında keskin biçimde arttı; en belirgin artış eğitim düzeyi daha düşük gruplarda ve daha alt sıralardaki programlardan mezun MBA'lerde görüldü (NBER, 2026).
Yazarlar mekanizmaya dair makul bir yorum sunuyor ve bunu dikkatle bir bulgu değil, bir yorum olarak çerçeveliyor: çalışanlar özgeçmişlerini, işverenlerin duymak istediğine inandıkları şeyi yansıtacak şekilde değiştiriyor (NBER, 2026).
Bir sonraki tedarikçi toplantınıza taşımanız gereken nicel sonuç şu: 2022'deki yapay zekâ becerisi yaygınlığını, profillerin 2022'deki hâli yerine bugünkü profillerden tahmin etmek, bu becerileri yaklaşık %30 fazla gösteriyor; yazarlar bunu da bir alt sınır olarak tanımlıyor (NBER, 2026).
Bunun beceri açığı referans noktasına etkisi
İşgücü planınız çalışanlarınızı, güncel profil verilerinden türetilmiş "piyasa" yapay zekâ becerisi yaygınlığıyla kıyaslıyorsa, piyasanın geçmişi yukarı doğru düzenlenmiş demektir. Verideki eğilim çizgisi, gerçekte olduğundan daha dik. Ekibiniz olduğundan daha geride görünüyor ve eğitim bütçesi hiç var olmamış bir geçmişe göre boyutlandırılıyor.
Bunun işe alım elemenize etkisi
Aynı mantık adaylar için de geçerli. Human Resources Director'ın haberinde belirttiği gibi, işverenler artık eski bir iş unvanını olduğu gibi kabul edemez (Human Resources Director, 2026). Bugün "yapay zekâ destekli süreç otomasyonuna liderlik etti" yazan 2021 tarihli bir rol, 2025'te yazılmış olabilir. İş geçmişini eşzamanlı bir kayıt olarak ele alan her eleme, ister insan ister model olsun, gerçek deneyimi değil en son yeniden yazımı ödüllendirir.
İtiraz: Bu, Birkaç Ek Adımla Yapılan Gözetim
Ciddiye alınması gereken itiraz bu ve üç boyutu var.
Sinyal korelasyonel. Yazarlar açıkça belirtiyor: bağlantı seçilim olabilir (insanlar zaten iş aradıkları için profillerini parlatır) ya da müdahale etkisi olabilir (parlatılmış bir profil iş bulma şansını artırır). Bir bağlılık kararı için bu ayrım pek önemli değil: her iki durumda da düzenleme, birinin kapıya eskisinden daha yakın olduğuna dair bir bilgidir. Ancak bir düzenlemeyi herhangi bir şeyin kanıtı olarak görmeyi dışlar.
Mutlak oranlar düşük. Düşük bir taban oran üzerindeki %64'lük göreli artış, yine düşük bir taban orandır. Aylık %2,4'lük bir oran, profil düzenlemelerinin ezici çoğunluğunun ardından ayrılık gelmediği anlamına gelir. Buna dayanarak bireysel bir izleme listesi kurarsanız, ayrılıktan çok daha fazla yanlış alarm üretir ve yöneticilerin dikkatini yanlış kişilere harcarsınız.
İzleme, ölçtüğü şeyi aşındırır. Birinin kamuya açık profillerini takip ettiğini fark eden çalışanlar, haklı olarak kendilerine güvenilmediği sonucuna varır. Bu da tam olarak önlemeye çalıştığınız ayrılıkları hızlandırır. Yargı alanına bağlı olarak, herhangi bir şey kurmadan önce hukuk danışmanınızın yanıtlaması gereken veri koruma sorularını da gündeme getirebilir.
İtirazı ciddiye aldığınızda sonuç daha da netleşir. Profil düzenlemesi müdahalenin kendisi değil. Asıl müdahalenin, yani birinin geleceği hakkında düzenli ve özlü bir konuşmanın, çok geç yapıldığının ya da hiç yapılmadığının kanıtı. Burada önemli olan sayı %64 değil, Gallup'un %45'i.
Sinyali İzleme Listesinden Ayıran Şey
Pratik çizgi basit: bulguyu bir izleme sistemi kurmak için değil, konuşmalarınızın sıklığını değiştirmek için kullanın.
Çalışma size, tek bir çalışanın profiline bakmadan harekete geçebileceğiniz üç şey söylüyor:
- Ayrılma niyeti yaklaşık altı ay önceden görünür hâle geliyor. Kalma görüşmeleri yalnızca yıllık değerlendirmede yapılıyorsa, ayrılıkların çoğunda yapısal olarak geç kalıyorsunuz.
- En yüksek riskli grubunuz öngörülebilir. Teknik ve bilgi yoğun roller en çok zamanda yolculuk yapıyor ve yerine koyması en pahalı olanlar. Konuşma sıklığı en çok orada artmalı.
- Geçmiş profil verisi güvenilir bir kayıt değil. Bunun üzerine kurulan her insan analitiği (people analytics) modeli veya beceri kıyaslaması, piyasanın şu anda ödüllendirdiği şeye doğru yukarı yönlü bir sapmayı miras alır.
Bu Çeyrekte İş Geçmişi Verileriyle Ne Yapmalı
Adım göründüğünden daha küçük ve yeni bir yazılım gerektirmiyor.
Her teknik ve kıdemli rol için üç ayda bir kalma görüşmesini takvime koyun. Performans değerlendirmesi değil. Tek bir soru seti: seni ne ayrılmaya iter, seni ne tutar, on sekiz ay sonra ne yapıyor olmak istersin? Amaç, altı aylık pencere açılmadan önce Gallup'un %45'lik açığını kapatmak.
Her yetenek zekâsı tedarikçisine tek bir soru sorun. Geçmiş beceri kıyaslamalarınız zaman damgalı profil sürümlerinden mi oluşturuluyor, yoksa bugünkü anlık görüntüden mi yeniden kuruluyor? Yanıt ikincisiyse, geçmiş eğilimi iskontolayın ve düzeltme katsayısını isteyin. Yapay zekâ becerileri için yaklaşık %30'u taban kabul edin.
Ekibinizi "piyasa" ile kıyaslayan her beceri açığı analizinin referans noktasını yeniden oluşturun. Piyasa serisi güncel profillerden geliyorsa, ekibinizin açığı büyük olasılıkla abartılıyor. Eğitim bütçesini taahhüt etmeden önce yeniden boyutlandırın.
İşe alımda iş geçmişini kanıt olarak görmeyi bırakın. Önemli olan deneyimi, olaylardan dört yıl sonra yeniden yazılmış olabilecek unvanlarla değil; iş örnekleri, yapılandırılmış mülakatlar ve referanslarla doğrulayın.
Kayıt Herkesin Gözü Önünde Yeniden Yazılıyor
Bu makaledeki en yararlı şey %64 değil. Asıl yararlı olan, her işgücü planının, beceri kıyaslamasının ve işe alım elemesinin sessizce sabit kabul ettiği iş geçmişinin, piyasanın bu yıl neyi ödüllendirdiğine göre düzenlenen canlı bir belge olduğunu fark etmek.
Çalışanlarınız, nerede çalıştıklarını ne zaman yeniden düşündüklerini size aylar öncesinden zaten söylüyor. Kurumların çoğunun bunu duyacak bir mekanizması yok, çünkü takvimdeki tek konuşma yıllık olan.
Çeyrek kapanmadan önce hangi rollerin her doksan günde bir kalma görüşmesi yapacağına karar verin ve ilk turu bu ay takvime koyun.
