İşe Alımda Yapay Zeka ve ATS Sistemleri Nasıl Çalışır? (Başvuruların %75'i Neden Eleniyor?)

ATS (Applicant Tracking System), işe alım süreçlerini otomatikleştiren kurumsal bir yazılımdır. Popüler örnekleri arasında Workday, Greenhouse, Lever, Taleo ve SAP SuccessFactors yer alır.

Bu yazılımların temel görevi şudur: Açılan tek bir ilana 1.000 başvuru geldiğinde, İK uzmanının 1.000 CV'yi okuması imkansızdır. ATS, bu başvuruları tarar, puanlar ve İK uzmanına yalnızca en yüksek puan alan ilk 15-20 adayı sıralar.

Geriye kalan yüzlerce aday, otomatik olarak sistemin arşivine gömülür.

A. Metin Ayrıştırma (Parsing)

Sistemin ilk yaptığı şey CV'deki harfleri tek tek sökmektir. Eğer CV'nizde şu unsurlar varsa ayrıştırma başarısız olur:

• Çift sütunlu karmaşık tablolar (Sol sütundaki telefon numarası sağ sütundaki şirket adıyla birleşebilir).
• Başlıkların metin yerine resim/ikon olarak kullanılması.
• Standart olmayan semboller ve çizimler.

B. Zaman Çizelgesi ve Süreklilik Kontrolü

ATS sistemleri çalışma tarihlerini (Ocak 2021 - Mart 2023) analiz eder. Tarih formatınız net değilse veya sıralama karışıksa sistem toplam deneyim yılınızı sıfır veya eksik hesaplayabilir.

C. Rol ve Yetkinlik Eşleşmesi

İş tanımında "PostgreSQL" ve "Mikroservis Mimarisi" geçiyorsa, ATS bu kelimelerin CV'nizin yetkinlikler veya deneyim kısmında geçip geçmediğini arar. Eşleşme oranı ne kadar yüksekse aday o kadar üst sıraya çıkar.

1. Tek Sütunlu Hiyerarşi: Gözünüzü boyayan iki sütunlu, renkli grafikli şablonlardan uzak durun. Standart tek sütunlu yapı makineler için en pürüzsüz yapıdır.
2. Standart Bölüm Başlıkları: Başlıkları fantezi kelimelerle süslemeyin. "Beni Tanıyın" yerine "Hakkımda", "Neler Yaptım?" yerine "İş Deneyimi" yazın.
3. Standart Fontlar: Sistemlerin sorunsuz tanıdığı fontları tercih edin: Arial, Calibri, Cambria, Georgia, Helvetica, Times New Roman, Inter, Lato veya Open Sans.
4. Metrik İçeren Maddeler: Algoritmalar, içinde sayısal veri (yüzde, bütçe, zaman tasarrufu) geçen maddeleri daha yüksek güvenilirlikle skorlar.

Resuzu Analyzer, modern ATS'lerin çalışma mantığını birebir taklit eder:

• 8 mekanik kontrol — taranabilirlik, sütun düzeni, font ailesi ve boyutu, gömülü grafikler, iletişim bilgisinin yeri, sayfa yoğunluğu, dosya adı,
• 18 içerik ve yapı kuralı — bölüm başlıkları, tarih tutarlılığı, ölü bağlantılar, kişisel veri, beceri kategorizasyonu ve bölüm sırası,
• 5 ASO kuralı — Eylem, Ölçek ve Sonuç derinlik puanı.

Toplam 36 deterministik kural: aynı CV her zaman aynı puanı alır, böylece tek bir hatayı düzeltip puanın nasıl değiştiğini görebilirsiniz.

Hemen ücretsiz test edin ve başvurmadan önce elenme riskinizi sıfırlayın.

Satıcılar ürünlerini yapay zeka destekli diye tanımlıyor ve bu ifade birbirinden çok farklı üç şeyi birden kapsıyor. Hangisiyle karşı karşıya olduğunuzu bilmek neyi optimize edeceğinizi değiştirir.

Deterministik ayrıştırma. Dosyadan karakterleri, koordinatları, fontları ve link annotation'larını çıkarmak. Burada model yoktur; mühendislik vardır ve ya başarılı olur ya da çöp üretir. Bu katman veritabanında var olup olmadığınıza karar verir.

İstatistiksel eşleştirme. Belgenizin söz dağarcığını ilanın söz dağarcığıyla karşılaştırmak. Eski sistemler birebir anahtar kelime arar; yenileri gömme (embedding) kullanır, böylece "Postgres" ile "PostgreSQL" akraba sayılır, "sekiz kişilik ekibi yönettim" ise yöneticilik kanıtı olarak kaydedilir. Gömmeler eş anlamlılara daha toleranslıdır ama hiç bahsetmediğiniz bir beceriyi yine de çıkaramaz.

Sıralı kısa liste. Eşleşme puanını filtrelerle — deneyim yılı, lokasyon, çalışma izni, ücret beklentisi — birleştirip sıralı bir liste üretmek. İşe alım uzmanı o listeyi baştan açar.

Pratik sonucu net bir öncelik sırasıdır: ayrıştırılamayan bir belgeyi hiçbir anahtar kelime optimizasyonu kurtarmaz. Önce mekaniği düzeltin, sonra söz dağarcığını uyarlayın.

"Beyaz renkli anahtar kelimeler sistemi kandırır." Kandırmaz. Ayrıştırıcı karakterleri renkten bağımsız çıkarır; gizlenen blok, işe alım uzmanının ayrıştırılmış önizlemede okuyabildiği metnin içine düşer. Fark edildiğinde — ve rutin olarak fark edilir — başvuru elenir, büyük kurumlarda ise işaretlenir.

"PDF her zaman reddedilir, Word gönderin." Bu on yıl önce bazı sistemler için doğruydu. Bugün büyük platformların hepsi ikisini de işler. Önemli olan uzantı değil iç yapıdır: gerçek metin katmanı olan tek sütunlu bir PDF, görünmez tablolardan kurulmuş bir DOCX'ten daha güvenilir ayrışır.

"Eşiğin altında kalırsanız sistem otomatik reddeder." Çoğu sistem puana göre otomatik ret vermez; sıralar. Etkisi aynıdır — 340. sırayı kimse okumaz — ama mekanizma önemlidir: geçilecek sihirli bir sayı yoktur, iyileştirilecek bir sıra vardır.

"Daha çok başvurmak şansı artırır." Uyarlamasız hacim, tüm başvurularınızdaki ortalama eşleşme puanını düşürür. Hedeflenmiş on başvuru, jenerik yüz başvurudan güvenilir biçimde daha iyi sonuç verir.

Sistemin belgenizi nasıl gördüğünü tahmin etmenize gerek yok. İki kontrol beş dakikadan kısa sürer.

Birincisi elle yapılır: PDF'inizi açın, tümünü seçin, düz metin düzenleyicisine yapıştırın. O yapıştırmanın sırası ve içeriği, ayrıştırıcının çıkardığına yakındır. Unvanlarınız beceri listenizin arasına girmişse sütun sorununuz var demektir.

İkincisi analiz motorudur. Resuzu ayrıştırma katmanını gerçek koordinat ve font verisiyle yeniden üretir, sonra neyin nerede kırıldığını raporlar — her bulgunun belgedeki tam konumunu işaretleyen bir katmanla birlikte. Motor deterministik olduğu için sayı yalnızca belge değiştiğinde oynar; bu da onu bir hüküm değil, bir geri besleme döngüsü hâline getirir.

Karşılaştığınız eleme tek tip değildir ve çabanızı muhtemel akışa göre ayarlamak, genel bir optimizasyon turundan daha değerlidir.

Büyük kurumlar (1.000+ çalışan). Neredeyse kesinlikle Workday, Taleo veya SuccessFactors; neredeyse kesinlikle PDF'inizi yapılandırılmış alanlara yeniden ayrıştıran ve sizden elle düzeltmenizi isteyen bir portal. O düzeltme ekranı bir hediyedir: ayrıştırıcının tam olarak neyi çıkardığını gösterir. Alanlar karışık geliyorsa, belgenizde göndereceğiniz her başvuruyu etkileyecek mekanik bir sorun var demektir.

Orta ölçek (100–1.000). Genelde Greenhouse veya Lever. Ayrıştırma daha iyidir, eleme otomatik filtre ile insan taramasının karışımıdır ve anahtar kelime örtüşmesi ham mekanikten daha çok konuşur — yine de metninizin var olup olmadığına mekanik karar verir.

Küçük şirketler ve girişimler (100'ün altı). Çoğu zaman ortak bir e-posta kutusu ya da hafif bir araç. Dosyanızı büyük olasılıkla bir insan açar. Mekanik yine önemlidir çünkü bozuk bir PDF özensiz görünür, ama okuma insanidir ve özet paragrafı başka hiçbir yerde olmadığı kadar ağır basar.

Ajanslar ve danışmanlar. Kendi veritabanlarını tutar ve aylar sonra ararlar. Geniş ve doğru anahtar kelime kapsamının gerçekten karşılığını verdiği tek durum budur: henüz var olmayan bir pozisyon için bulunabilir olmak istersiniz.

İkinci bölümde ayrıştırıcının istihdam zaman çizelgenizi yeniden kurduğunu söylemiştik. Bu yeniden kurma ayrıntısıyla anlaşılmayı hak ediyor, çünkü sessizce başarısız olur ve sonuçları büyüktür.

Kıdem filtreleri ilk uygulananlar arasındadır ve özetinizin iddia ettiğine değil, hesaplanan deneyim yılına göre çalışır. Ayrıştırıcı tarihlerinizi okuyamazsa hesaplanan deneyim sıfırdır ve "5+ yıl" filtresi dosyayı hiçbir insan görmeden eler.

Tarihler sıradan sebeplerle ayrıştırılamaz. Tasarım şablonlarındaki harf aralıklı tipografi "0 9 . 2 0 2 3" biçiminde ayrı karakterler yazar. Aynı belgedeki iki farklı format kalıbı belirsizleştirir. Unvanından uzakta, sağ kolonda duran bir tarih yanlış role — ya da hiçbir role — bağlanabilir. Unvanı ve şirketi olup tarihi hiç olmayan bir kayıt (Resuzu'nun GEN-04 kuralı) zaman çizelgesi hesabında tamamen görünmezdir.

Çözüm süslü değildir: tek tarih formatı, metin olarak yazılmış, ait olduğu rolle aynı satırda ya da hemen altındaki satırda — eğitim dâhil her kayıt için.