Özgeçmiş ve Yapay Zeka
3 dk okuma
Okuma Süresi: 4 dakika
- Hepsi de aslında ortak bir küme altında toplanıyor. Kişinin ünvanının “işe alım uzmanı” olduğunu belirtmesinin farklı şekillerde söylesinin yolu. “Orta Doğu Teknik Üniversitesi ”, “ODTÜ” , “Middle East Technical University” yine bu üç isimde aslında bize aynı şeyi anlatmaya çalışıyor ; Orta Doğu Teknik Üniversitesi‘ni belirtmenin farklı tanımları. Peki eğer bilmediğimiz bir uzmanlık, üniversite ismi, şirket isimleri ve eş anlamlıları ile karşılaşırsak iki ismin aslında aynı kavramı belirttiğini nasıl anlarız? İşte yapay zekanında özellikle özgeçmiş okumada en zorlandığı konulardan biri budur!
Günümüzde artık işe alım kısmında bile yapay zeka yardımına başvuruluyor. Binlerce özgeçmiş içinden belirli iş ilanına en uygun özgeçmişleri iliştirmek, okumak yorucu ve uzun zaman gerektiren bir iş. İşin bu kısmı otomatize edilebilir ve işe alım uzmanlarına zaman kazandırıp, hızlıca sonuca yönelmeleri sağlanabilir. Yapılan araştırmalar akıllı sistemlerin İK profesyonellerinin zamanlarının yüzde 40'ını geri kazanmalarını sağlayabileceğini belirtiyor. Google, Microsoft gibi teknoloji devleri özgeçmiş ve yapay zekayı birleştirmek üzerine çalışmalar yapıyor.
Fakat bu konu yapay zeka için bile kolayca çözüm bulunacak bir iş değil.
- Tüm bu zorluklara elbette farkı farklı çözümler getirilmiştir. Çeşitli mevcut özgeçmiş ayrıştırma, özgeçmiş - iş ilanı eşleştirme programları halihazırda mevcuttur. Her program farklı bir metodoloji ve yaklaşım kullanmaktadır.
Nasıl ki iki farkı işe alım uzmanın aynı iş ilanına iliştireceği optimum adayları farklı olacağı gibi aslında bu eşleştirme işininde ideal olanını bulmak neredeyse imkansızdır. Özgeçmiş okumak anlamak çözümlemek yoruma açıktır. Durum böyle olunca en uygun metodolojiyi veya programı seçmekte yoruma açık hale gelir.
Kısaca basit bir örnek verelim. Metin verisi sadece özgeçmişler için değil birçok konunun ana temasıdır. Metin verisini sayısal veriye çevirmek için çeşitli yöntemler vardır. Bunların en yaygın kullanılanları arasında;
Google un bulduğu Word2Vec metodolojisi, Facebook un bulduğu Fasttext ve Stanford’ın bulduğu Glove yer alır.
En başta bahsettiğimiz konuya geri dönersek özgeçmişler için uzmanlık, yetkinlik, üniversite ismi, şirket ismi, sertifika, sektör ve eş anlamlılarını kelimelerden sayılalara döktüğümüze eş anlamlı veya anlamca yakın kelimeleri birbirine yakın şekilde tasarlamamız gereklidir. Bu kısımda bahsettiğimiz metodolojilerden yardım alırız.
Özgeçmişlerin ön elemelerinde yapay zeka devreye girmeye başladığından beri, özgeçmişleri artık yapay zekanın da yakalayacağı şekilde içeriklendirmek kişiyi bir adım öne geçirecektir. Belli anahtar kelimeleri kullanmak veya özgeçmişi doğru şekilde kurgulamak önem kazanmıştır. Akıllı sistemler de, seçenek yazımlarla sürekli gelişen farklı bakış açışının çeşitliliğini, makinalara aktarıyorlar.
“Tota haec mundi concordia ex discordibus constat”: Karşıtlardan oluşan dünyanın bu ahengi karışıklıklardan muaftır der Seneca. Akıllı sistemler de, karışıklık yaratmayacak en iyi ahengi oluşturacak ikiliyi birbirine tanıştırmak için çalışıyor.
