Gelişim İstisnası: Dahili Hareketlilik Platformları ve İstihdam Yapay Zekâsı Yönetişiminin Sınırları

Hiçbir yasanın çizmediği sınır

İstihdam alanında kurumsal yapay zeka yönetişimi, dikkat çekici bir tutarlılıkla, yürürlükteki hukukun hiçbir yerinde yer almayan bir sınırda birleşmiştir. Bu sınır, işe almayı gelişimden ayırır. Dış adayları değerlendiren sistemler karar teknolojisi olarak görülür ve buna uygun aygıtı alır: önyargı denetimi, aday bildirimi, tedarikçi belgelendirmesi ve hukuki inceleme. Mevcut çalışanları iç fırsatlar açısından değerlendiren sistemler ise gelişim teknolojisi olarak görülür ve bir öğrenme yönetim platformuna uygun inceleme standartları altında tedarik edilir.

Bu ayrım idari açıdan sezgiseldir. Dış adaylar kuruluşa yabancıdır ve kuruluş onlara karşı bir süreç borçludur. İç adaylar zaten istihdam edilmiştir, zaten tanınmaktadır ve zaten ilişkinin içindedir. Onlara fırsat sunmak, verilen bir karardan çok bahşedilen bir fayda olarak sunulur. Bu ayrım aynı zamanda kurumsal olarak da pekiştirilir, çünkü iç hareketlilik platformları genellikle yetenek geliştirme fonksiyonları tarafından desteklenir, katılım ve elde tutma hedeflerine göre bütçelenir ve karar kalitesinden ziyade benimseme ölçütlerine göre değerlendirilir.

Ne teknoloji ne de yasal metin bu ayrımı desteklemektedir. Özgeçmişlerden, proje geçmişlerinden, öğrenme kayıtlarından, performans verilerinden ve davranışsal sinyallerden çalışan yetkinliğini çıkaran ve ardından çalışanları iç açık pozisyonlara göre sıralayan bir iç hareketlilik platformu, terfiyi, ücretlendirmeyi ve görevlendirmeyi önemli ölçüde etkileyen bir değerlendirme üretmektedir. Bu, bir kişi hakkında sonuç doğuran bir karardır. Kişinin platforma gönüllü olarak katılmış olması ve kuruluşun çıktıyı bir öneri olarak tanımlaması, verilen kararın niteliğini değiştirmez.

Çevrenin gerçekte kapsadığı şey

New York City’nin Local Law 144 yasası Temmuz 2023’ten beri yürürlüktedir ve istihdam kararlarında takdire dayalı karar vermeyi esaslı ölçüde desteklemek veya yerine geçmek için kullanılan otomatik istihdam karar araçlarını kapsamaktadır. Yasa, işe alımı ve terfiyi kapsadığını açıkça belirtmektedir. Yükümlülükleri esastan ziyade usule ilişkindir: önceki yıl içinde yürütülmüş bağımsız bir önyargı denetimi, denetim özetinin kamuya açık şekilde yayınlanması ve etkilenen kişilere önceden bildirim. Cezalar ihlal başına birikir ve kullanımın sürdürülmesi süregelen bir ihlal olarak değerlendirilir.

Dış aday tarama süreçleri için önyargı denetimleri yaptırmış olan ancak iç yetenek pazarını kapsam dışı tutan bir kuruluş, yönetmeliğin tanımadığı bir çizgi çizmiştir. İç sistemin, terfi niteliği taşıyan ilanlar için çalışanları puanladığı veya sıraladığı durumlarda, denetim yükümlülüğü devreye girer. Kamuya açık kanıtlar, uygulama makamlarının iç hareketlilik dağıtımlarına ne ölçüde tutarlı biçimde ulaştığını henüz göstermemektedir, ancak bugüne dek uygulama eksikliği, özellikle risk her gün biriktiğinde, bir uyumluluk pozisyonu için zayıf bir temeldir.

Bu örüntü New York’un ötesine uzanır. Ağustos 2024’te yürürlüğe giren ve 1 Ocak 2026’da yürürlüğe girmesi planlanan Illinois HB 3773, Illinois İnsan Hakları Yasası’nı değiştirerek korunan sınıflar üzerinde ayrımcı etkiler yaratan yapay zeka kullanımını yasaklamakta, posta kodlarının korunan özelliklere vekil olarak kullanılmasını engellemekte ve işe alım, işe alım, terfi, disiplin veya işten çıkarma ile ilgili kararlarda yapay zeka kullanıldığında bildirim yapılmasını zorunlu kılmaktadır. Bildirim yükümlülüğü sonuca değil kullanıma bağlıdır. Ayrımcılık hükmü, özel bir çözüm yolu taşıyan İnsan Hakları Yasası aracılığıyla uygulanabilir niteliktedir.

Colorado’nun Mayıs 2024’te yürürlüğe giren ve 1 Şubat 2026’da yürürlüğe girmesi planlanan SB 24-205 yasası, istihdam kararlarını sonuç doğuran kararlar olarak tanımlamakta ve uygulayıcılara algoritmik ayrımcılığa karşı makul özen yükümlülüğü yüklemekte, bunun yanı sıra risk yönetim programları, etki değerlendirmeleri ve bildirim yükümlülükleri getirmektedir. Yasa, uygulamadan önce yasama revizyonu yapılmasını talep eden bir valilik mektubu eşliğinde imzalanmıştır ve sürekli değişiklik baskısına maruz kalmıştır. Nihai şekli belirsizdir. Bu belirsizlik, ertelemek için bir neden olmaktan çok, başlı başına bir yönetişim meselesidir, çünkü iç kontrollerini hangi rejim en zayıf çıkarsa ona göre ayarlayan bir kuruluş, bunları her yasama döneminde yeniden ayarlamak zorunda kalacaktır.

California’nın Medeni Haklar Konseyi, istihdamda otomatik karar sistemlerini ele alan yönetmelikler geliştirmektedir ve bu düzenleme çalışmasının yönü yukarıdaki örüntüyle tutarlıdır. Avrupa Birliği’nde, (EU) 2024/1689 sayılı Tüzük Ağustos 2024’te yürürlüğe girmiş olup, istihdamda, işçi yönetiminde ve serbest meslek erişiminde kullanılmak üzere tasarlanmış yapay zeka sistemlerini Ek III kapsamında yüksek riskli olarak belirlemekte ve terfiyi, görev dağılımını ve iş performansı değerlendirmesini etkileyen kararlar vermek için kullanılan sistemleri açıkça kapsamaktadır. Bu sistemlere ilişkin yükümlülüklerin Ağustos 2026’dan itibaren uygulanması planlanmaktadır. Ek III dili, pazarlanan ürün kategorisinden ziyade yerine getirilen işleve yöneliktir ve iç hareketlilik motorları sayılan işlevleri yerine getirmektedir.

Kanıt sorunu

Yapay zeka destekli iç hareketlilik için ileri sürülen iş gerekçesi, tedarik incelemesine dayanamayacak bir biçimde dolaşmaktadır. Bu platformların işten ayrılmayı üçte bir oranında azalttığını veya katılım araçlarının belirtilen bir yıl içinde elde tutmayı dörtte bir artıracağını iddia eden rakamlar, tedarikçi içerik derlemeleri aracılığıyla yayılmakta olup, her iddia başka bir derlemeye çözülen bir kaynak atfı taşımaktadır. Araştırıldığında, altta yatan çalışma genellikle mevcut değildir.

İkinci ve daha önemli bir çarpıtma, gerçek araştırmaların yanlış atfedilmesini içermektedir. LinkedIn’in Workplace Learning Report’u ve ona bağlı Career Development Index, beyan edilen taahhütler, iş ilanı dili, liderlik becerisi yaygınlığı ve iç hareketlilik düzeyleriyle ölçülen kariyer gelişimi olgunluğunda üst beşte birlik dilimde yer alan kuruluşların, alt beşte birlik dilimdeki kuruluşlara kıyasla liderliğe terfi oranlarının, çalışan süresinin ve öğrenci katılımının önemli ölçüde daha yüksek olduğunu bulmaktadır. Bu, örgütsel kariyer gelişimi yatırımına ilişkin bir bulgudur. Tedarikçi materyallerinde rutin olarak yapay zeka araçlarının etkisine ilişkin bir bulgu olarak yeniden ifade edilmektedir ki bu, ölçülen şey de karşılaştırma gruplarının ayırdığı şey de değildir.

Güvenilir kayıtların desteklediği şey daha dardır. Unilever, HSBC ve Schneider Electric dahil olmak üzere birkaç büyük kuruluş, gönüllü işten ayrılmalarda anlamlı azalmaları iç yetenek pazarı dağıtımlarına kamuya açık şekilde atfetmiştir. Analist tahminleri, büyük kuruluşlar arasında önemli ölçüde benimseme öngörmüştür. Vaka kanıtları, daha hızlı iç doldurma sürelerini ve azalan yüklenici harcamasını göstermektedir. Bunlar, kontrollü bir değerlendirmeden ziyade kendiliğinden bildirilen operasyonel sonuçlar ve tahmin edilen kestirimlerdir ve bir denetçi, bir düzenleyici veya karşı taraf avukatı tarafından okunacak herhangi bir iş gerekçesinde bu şekilde nitelendirilmelidir. Bir kuruluşun dağıtım sonrasında gözlemlediği bir sonuç ile sisteme atfedilebilecek bir etki arasındaki ayrım, yönetişimin var olma amacının korumak olduğu ayrımdır.

Önyargı iddiası güvence değil kanıt gerektirir

Algoritmik iç hareketlilik için öne sürülen en yaygın gerekçe, önyargıyı azalttığıdır. Bu argümanın savunulabilir bir öncülü vardır. Yöneticinin takdirine bağlı terfi, iyi belgelenmiş eşitsizlikler taşır, yetenek biriktirme çalışan görünürlüğünü bastırır ve iç açık pozisyonlar hakkındaki şeffaflık eksikliği fırsatı eşitsiz biçimde dağıtır. Hangi rollerin var olduğu ve kimlerin başvurabileceği konusundaki şeffaflığın bağımsız bir değeri vardır.

Tutarlılık eşitlik değildir.

Sonuç öncülden çıkmamaktadır. Bir kuruluşun kendi terfi geçmişiyle eğitilmiş bir iç hareketlilik sistemi, bu geçmişteki örüntüleri, yargısını desteklediği yöneticilerden daha büyük bir tutarlılıkla, daha geniş bir uygulamayla ve daha az izlenebilirlikle yeniden üretecektir. Tutarlılık eşitlik değildir. Amazon’un deneysel işe alım aracının, kadınları dezavantajlı duruma düşürdüğü tespit edildikten sonra hurdaya çıkarılması, tarihsel eğitim verisinin tarihsel sonuçları kodladığının kalıcı bir göstergesi olmaya devam etmekte olup, bu vaka, eğitim sinyalinin görece seyrek olduğu dış işe alımı içermekteydi. İç hareketlilik sistemleri, her biri kendi dağılım geçmişini taşıyan performans değerlendirmeleri, proje görevlendirmeleri ve yönetici değerlendirmeleri dahil olmak üzere istihdam ilişkisinin birikmiş kaydı üzerinde çalışır.

Yönetişim açısından sonuç şudur: önyargı azaltımı iddiası, aktarılabilecek bir tasarım niyeti değil, kanıt gerektiren olgusal bir iddiadır. Illinois’in benimsediği türden bir orantısız etki standardı altında, bir işverenin bir aracın adaleti iyileştirdiğine ilişkin iyi niyetli inancı, sonuçların korunan sınıflar arasında farklılık gösterip göstermediği sorusuna cevap vermez. Yalnızca sonuç testi bu soruya cevap verir.

Yönetişim çıkarımları

Geçerli öneri, iç hareketlilik sistemlerinin bir olay gerçekleştiğinde değil, tedarik aşamasında istihdam yapay zekası yönetişim çevresine dahil edilmesidir.

Tedarik belgelendirmesi, tedarikçiden sistem çıktılarının terfi, ücretlendirme, görevlendirme veya istihdamın sürdürülmesiyle ilgili kararları yapmak, yönlendirmek veya önemli ölçüde etkilemek için kullanılıp kullanılmadığını sözleşme diliyle beyan etmesini talep etmelidir. Sistemin pazarlandığı ürün kategorisinden ziyade bu formülasyon, yukarıda incelenen her rejimde düzenleyici kapsamı belirler. Kendi çıktılarını bu terimlerle nitelendirmek istemeyen bir tedarikçi, faydalı bir şey iletmiş olur.

Önyargı denetimi belgelendirmesi, dağıtımdan sonra talep edilmek yerine ihale koşulu olarak zorunlu kılınmalı ve denetim metodolojisini, incelenen korunan sınıf kategorilerini, kesişimsel analizin yapılıp yapılmadığını, denetimin yürütüldüğü popülasyonu ve tarihi belirtmelidir. Bir tedarikçinin toplam müşteri popülasyonu üzerinde yürütülen bir denetim, dağıtan kuruluşun sonuçlarının bir denetimi değildir ve bu ayrım, varsayılarak geçiştirilmek yerine kayıt altına alınmalıdır.

Model belgelendirmesi, eğitim verisi kökenini ve çıkarımların dayandığı özellikleri belirlemeli, hiçbir coğrafi, eğitimsel veya kıdeme dayalı değişkenin korunan bir özellik için vekil olarak işlev görmediğinin açık teyidiyle birlikte sunulmalıdır. Bildirim ve olumsuz eylem iş akışları, uygulamaya bırakılmak yerine sözleşmeyle belirlenmelidir, çünkü incelenen yasalar kapsamındaki bildirim yükümlülükleri, tedarikçinin ne geliştirdiğinden bağımsız olarak dağıtan işverene bağlanır. Tazminat dili özel dikkat gerektirir, çünkü eyalet mevzuatında ortaya çıkan örüntü, ayrımcılık sorumluluğunun tedarikçilere aktarılmasını kısıtlamaktadır.

Bunların hiçbiri yapay zeka destekli iç hareketliliğe karşı bir argüman oluşturmaz. Yetenek gerekçesi esaslıdır ve opak, takdire dayalı kapı bekçiliği alternatifi açıkça üstün değildir. Argüman şudur: bir çalışan deneyimi girişimi olarak pazarlanan bir sistem kategorisi işlevsel olarak sonuç doğuran karar altyapısıdır, yasal çevre buna zaten ulaşmaktadır ve bunu dağıtımdan sonra keşfeden kuruluşlar, birkaç döngüdür terfiyi şekillendirmekte olan araçlara yönetişimi sonradan monte edecektir. Böyle bir sistemi yönetmenin en az maliyetli noktası, edinilmeden öncesidir.

Kaynakça

• Avrupa Parlamentosu ve Konseyi’nin 13 Haziran 2024 tarihli, yapay zeka konusunda uyumlaştırılmış kurallar koyan (EU) 2024/1689 sayılı Tüzüğü, Ek III(4).
• New York City İdari Kanunu § 20-870 ve devamı (2021 tarihli Local Law 144); Tüketici ve İşçi Koruma Dairesi nihai yönetmelikleri, 5 Temmuz 2023 itibarıyla yürürlükte.
• Illinois House Bill 3773, 103. Genel Kurul (2024), Illinois İnsan Hakları Yasası’nı değiştiren, 1 Ocak 2026’da yürürlüğe giren düzenleme.
• Colorado Senate Bill 24-205, Yapay Zeka Sistemleriyle Etkileşimlerde Tüketici Korumalarına İlişkin (2024), 1 Şubat 2026’da yürürlüğe giren düzenleme.
• LinkedIn Learning, Workplace Learning Report 2025 ve ilgili Career Development Index metodolojisi.
• Dastin, J. “Amazon scraps secret AI recruiting tool that showed bias against women.” Reuters, 10 Ekim 2018.
• McKinsey & Company, “Stave off attrition with an internal talent marketplace,” McKinsey Talks Talent.