Başvuru havuzunuzun yarısı özgeçmişlerini yazmak için yapay zekâ kullandı. Bunu biliyorsunuz. 2026 KraftCV anketi rakamı %70 koyuyor. İçgüdünüz hangilerinin yapay zekâ ile üretildiğini tespit edip filtrelemenin bir yolunu bulmak.
Bu içgüdü yanlış. Tespit bir yara bandıdır. Yapılandırılmış, kriter tabanlı tarama çözümdür — ve özgeçmişi kim yazdıysa yazsın işe yarar.
Tespit neden tarama stratejisi olarak başarısız olur
Yapay zekâ tespit araçları akademik dürüstlük için inşa edildi, işe alım için değil. Metnin makine tarafından üretilip üretilmediğini tahmin etmek için yazım kalıplarını analiz ederler. İşe alım bağlamında bu üç sorun yaratır.
Birincisi, doğruluk güvenilmez. PCWorld’ün bağımsız testleri GPTZero’nun kontrollü kıyaslamalarda %99 iddia etmesine rağmen gerçek dünya belgelerinde yalnızca %62 doğruluk elde ettiğini buldu. Originality.ai yanlış pozitif oranlarını %8 ile %12 arasında gösteriyor.
İkincisi, sinyal faydalı değil. Bir özgeçmişin yapay zekâ destekli olduğunu bilmek, adayın işi yapıp yapamayacağı hakkında hiçbir şey söylemez. Bir yazım aracı kullandıklarını söyler — kendi ekibinizin muhtemelen iş tanımları ve erişim e-postaları için kullandığı araç kategorisinin aynısı.
Üçüncüsü, tespit yanlış insanları cezalandırır. Yapay zekâ çıktısını hafifçe düzenleyen adaylar tespitten geçebilir; özgeçmişini ana dili olmayan İngilizce ile kendi yazan adaylar işaretlenebilir. Sonuç, iş uyumuyla değil yazım stiliyle korele olan bir filtredir.
Yöntem 1: kriter öncelikli tarama
Tespitin en etkili alternatifi kriter tabanlı ilk geçiştir. Tek bir özgeçmiş okumadan önce rol için pazarlık edilemez gereksinimleri tanımlayın:
- Konumunuz için çalışma yetkisi
- Gerekli sertifikalar veya ehliyetler
- Minimum deneyim eşikleri
- Dil yeterliliği
- Belirli teknik beceriler
CriteriaMatch bu kriterleri bir kez ayarlamanıza ve her gelen özgeçmişe otomatik uygulamanıza olanak tanır. Yapay zekâ her özgeçmişi saniyeler içinde tanımladığınız gereksinimlere karşı kontrol eder. Gerekli sertifikadan yoksun güzel yazılmış bir özgeçmiş yine de başarısız olur. Nitelikli bir adayın sade özgeçmişi yine de geçer.
Bu yaklaşım yapay zekâ üretilmiş metne karşı bağışıktır çünkü düz yazı kalitesini değil gerçekleri değerlendirir. Ayrıca tespitin asla sağlayamayacağı belgelenmiş, denetlenebilir bir tarama standardı oluşturur. Yapay zekâ dedektörlerinin neden çözdüklerinden fazla sorun yarattığı ve bir tespit API’si entegre etmeden önce neyi düşünmeniz gerektiği hakkında bu ödünleşmeleri ayrıca ele alıyoruz.
Kriter tabanlı taramanın pratikte nasıl çalıştığına dair detaylı bir bakış için CriteriaMatch’in işe alım uzmanlarının adayları filtrelemesine nasıl yardımcı olduğu rehberimize bakın.
Yöntem 2: iş tanımına karşı uyum tabanlı puanlama
Kriter taramasından sonra bir sonraki katman ilgililiktir. Adayın geçmişi işin gerçekte ihtiyaç duyduklarıyla eşleşiyor mu?
AI Score özgeçmişleri iş tanımınıza karşı değerlendirir ve belirli güçlü ve zayıf yönlerle eşleşme sıralaması döndürür. Cümle yapısı veya kelime çeşitliliği umursamaz. Adayın deneyiminin, becerilerinin ve geçmişinin rol gereksinimleriyle uyumlu olup olmadığı umursar.
DataForSEO Labs’tan güncel anahtar kelime verileri (Amerika Birleşik Devletleri, İngilizce) “ai written resume” için aylık yaklaşık 140 arama ve “ai resume screening” için yaklaşık 390 arama gösteriyor. İnsanlar başvurularda yapay zekâyla başa çıkmanın yollarını arıyor. Cevap yapay zekâyı tespit etmek değil — gerçekten ihtiyacınız olanı taramaktır.
Yüksek AI Score, adayın role uyduğu anlamına gelir. Düşük skor uyumadığı anlamına gelir. Özgeçmişi ChatGPT ile yazıp yazmadıkları bu yargı için ilgisizdir.
Yöntem 3: boşluk analizinden yapılandırılmış mülakat soruları
Tespit savunucuları “ama doğrulama ne olacak?” der. Adil soru. Cevap yapılandırılmış mülakatlardır.
Araştırma tutarlı olarak yapılandırılmış mülakatların yapılandırılmamış sohbetlere kıyasla iş performansını tahmin etmede iki ila üç kat daha öngörücü olduğunu gösteriyor. 2026 Sapia.ai analizi yapılandırılmış mülakatlar için 0,51 ila 0,63 geçerlilik katsayısı buldu; yapılandırılmamış formatlar için 0,20 ila 0,38 (ResReader, 2026). Yapılandırılmış formatlarla mülakatçı uyumu yaklaşık %85’e ulaşır; yapılandırılmamışla kabaca %40. Yapılandırılmış mülakat kullanan kuruluşlar ayrıca aday çeşitliliğinde %55 iyileşme bildiriyor.
InterviewGen her adayın özgeçmişini iş tanımına karşı analiz ederek role özel mülakat soruları üretir. Boşlukları belirler — özgeçmişin belirsiz olduğu, deneyim iddialarının zayıf olduğu, belirtilen beceriler ile rol gereksinimleri arasında uyumsuzluk olduğu yerler — ve tam olarak bu alanları araştıran sorular oluşturur.
Bir aday yapay zekâ ile cilalanmış özgeçmişte “mikroservis geçişini tasarladım” iddia ettiyse, InterviewGen teknik kararları, ödünleşmeleri ve sonuçları açıklayıp açıklayamayacaklarını test eden sorular üretir. Mülakat doğrulama katmanıdır. Özgeçmiş yalnızca başlangıç noktasıdır.
Yöntem 4: yöntemleri bir pipeline’da birleştirin
En güçlü tarama yaklaşımı bu yöntemleri katmanlar:
- CriteriaMatch: Sert gereksinimler filtresi. Geç veya kal. Özgeçmiş kalitesinden bağımsız olarak minimum barı karşılamayan adayları eler.
- AI Score: Uyum puanlaması. Kalan adayları role göre sıralar. İnsan incelemesi için en iyi eşleşmeleri yüzeye çıkarır.
- InterviewGen: Derinlik testi. Belirli boşlukları ve iddialarına göre finalistler için hedefli sorular üretir. Genel mülakatı doğrulama aracına dönüştürür.
Her katman bir öncekinin kaçırdığını yakalar. Ve hiçbiri bir adayın özgeçmişini yapay zekâ ile yazıp yazmadığını tahmin etmeye bağlı değildir.
Yapılandırılmış tarama avantajı
Yapay zekâ ile yazılmış özgeçmişleri ele almanın ötesinde, bu yaklaşım ekibinizin muhtemelen sahip olduğu başka sorunları da çözer:
- Tutarlılık: Her aday aynı kriterlere ve aynı iş tanımına karşı değerlendirilir. Artık “tarzlarını beğendim” ile “biçimlendirmelerini beğenmedim” yok.
- Hız: Kriter kontrolü ve uyum puanlaması saatler değil saniyeler sürer. Ekibiniz ham yığın yerine önceden sıralanmış listeyi inceler.
- Savunulabilirlik: Her tarama kararı tanımlı kriterlere ve belgelenmiş skorlara bağlanır. Bir aday neden reddedildiğini sorarsa, dayanıklı somut bir cevabınız vardır.
- Önyargı azaltma: Yapılandırılmış yöntemler, yapılandırılmamış işe alım süreçlerinde belgelenen kabaca %40 önyargı boşluğunu azaltır (Hyring, 2026).
Tespit etmeyi bırakın. Taramaya başlayın.
Yapay zekâ özgeçmiş “sorunu” aslında bir tarama sorunudur. Pipeline’ınız adayları yargılamak için yazım stiline bağlıysa, yapay zekâ onu bozar. Pipeline’ınız doğrulanabilir kriterlere, uyum puanlamasına ve yapılandırılmış mülakatlara bağlıysa, özgeçmişin nasıl yazıldığı önemli değildir.
Öz üzerinde değil stil üzerinde çalışan bir tarama süreci oluşturun. Ölçeklenen tek yaklaşım budur.