Dijital Gelecek Hakkı

Gençlerin İstihdama Erişiminde Algoritmik Şeffaflık ve Denetim

Otomatik karar sistemleri karşısında gençlerin konumu, kavramsal bir çerçeve önerisi ve politika seçenekleri

Özet

İş başvurularının insan eline ulaşmadan önce yazılımlar tarafından değerlendirilmesi, bugün işe alım süreçlerinin olağan bir parçasıdır. Bu politika notu, söz konusu otomasyonun kendisini değil, elemenin gerekçesinin başvurana ve çoğu zaman işverene de kapalı kalmasını konu edinmektedir. Notun temel savı, bu kapalılığın herkesi eşit ölçüde etkilemediği; gençlerin, otomatik değerlendirme sistemlerinin ölçtüğü göstergelerin doğası gereği yapısal olarak dezavantajlı konumda bulunduğudur. Not, bu duruma karşı "Dijital Gelecek Hakkı" adıyla bir kavramsal çerçeve önermekte; çerçeveyi Türkiye'nin anayasal ve yasal zeminiyle ilişkilendirmekte ve mevcut kurumsal yapı içinde uygulanabilir politika seçenekleri sunmaktadır. Öneriler, kamu kurumlarına yeni bir teşkilat kurma yükü getirmeyen, hâlihazırda mevcut yetkiler çerçevesinde hayata geçirilebilecek adımlardan oluşmaktadır.

Giriş

Türkiye, yapay zekâ alanında ulusal ölçekte bir yol haritasına sahiptir. Türkiye Yapay Zekâ Eylem Planı (2026–2030), 2026/9 sayılı Cumhurbaşkanlığı Genelgesi ile kabul edilmiş ve 18 Ağustos 2026 tarihli, 33344 sayılı Resmî Gazete'de yayımlanmıştır. Plan; enerji, hesaplama donanımı, altyapı, modeller ve uygulamalar katmanlarını, bunları destekleyen yetenek, finansman, düzenleme ve güven bileşenleriyle birlikte ele almakta; "Fark Et", "İstifade Et", "Üret" ve "Yönet" eksenleri üzerinden kurgulanmaktadır. Planın öngördüğü araçlardan biri, eylemlerin ilerleme durumunun kamuya açık biçimde izlenebileceği bir Ulusal Yapay Zekâ İlerleme ve Şeffaflık Portalı'dır.

Bu çerçevenin içinde, bugüne kadar müstakil bir başlık olarak ele alınmamış bir alan bulunmaktadır: gençlerin istihdama erişimini belirleyen otomatik karar sistemlerinin şeffaflığı. Bu politika notu söz konusu alana ilişkin bir kavramsal çerçeve önermekte ve doğrudan uygulanabilir politika seçenekleri sunmaktadır.

Notun çıkış noktasındaki gözlem sadedir. Bir iş başvurusunun ölçek gereği otomatik olarak değerlendirilmesi, kendi başına bir sorun teşkil etmez; yüz binlerce başvurunun insan eliyle okunmasını beklemek gerçekçi değildir. Sorun, elemenin gerekçesinin kapalı kalmasıdır. Başvuran, hangi ölçüte takıldığını bilmez; işveren, kullandığı yazılımın hangi niteliklere ağırlık verdiğini çoğu zaman kendisi de bilmez; düzenleyici ise sistemin bütününde bir eğilim oluşup oluşmadığını görmez.

Bu kapalılığın etkisi gruplar arasında eşit dağılmamaktadır. "Gençlere Özgü Dezavantaj" başlığı altında ayrıntılandırıldığı üzere, otomatik değerlendirme sistemleri "uygun aday" tanımını geçmiş kayıtlardan çıkarmakta; bu kayıtların ölçtüğü göstergeler ise zamanla birikmektedir. Gençlik, tam olarak bu birikimin henüz oluşmadığı dönemdir. Ortaya çıkan dezavantaj, herhangi bir ayrımcılık kastı bulunmaksızın, sistemin çalışma mantığından doğmaktadır.

Notun yöntemi masa başı araştırmasıdır. Kullanılan kaynaklar ulusal mevzuat ve resmî istatistikler, uluslararası düzenleme metinleri, hakemli akademik yayınlar ve yargı kararlarından oluşmaktadır. Birincil kaynağa dayanmayan, kaynağı doğrulanamayan istatistikler bilinçli olarak kapsam dışında bırakılmıştır. Notun odağında işe alım ve aday seçim süreçleri bulunmakta; eğitim, burs ve kredi gibi diğer karar alanlarına yalnızca kavramın genişleyeceği alanlar olarak değinilmektedir.

İşe Alımda Otomatik Karar Sistemleri Nasıl Çalışıyor?

İşe alım süreçlerindeki otomasyon tek bir teknolojiye indirgenemez. Birbirinin üzerine eklenmiş, farklı olgunluk düzeylerinde üç kuşak sistem bugün bir arada kullanılmaktadır ve şeffaflık sorunu bu kuşaklar boyunca derinleşmektedir.

Birinci kuşak, kural tabanlı başvuru takip sistemlerinden (Applicant Tracking System) oluşmaktadır. Bu sistemler başvuruları toplar, saklar ve önceden tanımlanmış kurallara göre sıralar. Eleme mantığı burada açıktır ve bir insan tarafından yazılmıştır: belirli bir anahtar kelimenin bulunmaması, asgari deneyim yılının karşılanmaması veya bir alanın boş bırakılması başvuruyu listenin altına indirir. Bu kuşakta şeffaflık sorunu görece küçüktür, çünkü kural isteyen tarafından okunabilir durumdadır.

İkinci kuşak sistemler, geçmiş işe alım verilerinden öğrenerek adaylara uygunluk puanı vermektedir. Modelin girdisi, kurumun geçmişte işe aldığı ve terfi ettirdiği kişilerin profilleridir; çıktısı ise yeni adayın bu profile ne ölçüde benzediğidir. Eleme mantığı artık bir insan tarafından yazılmamış, verinin içinden çıkarılmıştır. Okunabilir bir kural yerine, istatistiksel bir ağırlık kümesi devreye girmiştir.

Üçüncü kuşak, özgeçmişlerin doğrudan büyük dil modelleri tarafından okunup ilanla eşleştirildiği uygulamalardır. Bu sistemlerde model, özgeçmiş metnini ve ilan metnini aynı anlam uzayında temsil ederek aralarındaki yakınlığı ölçer. Bu kuşağın ayırt edici özelliği, modelin yalnızca yazılı nitelikleri değil, metnin üslubunu, kelime tercihlerini ve hatta adayın adını da hesaba katmasıdır. "Kanıtlar" başlığı altında aktarılan deneysel bulgular tam olarak bu kuşağa ilişkindir.

Burada bir hususun açıkça belirtilmesi gerekmektedir. "Kara kutu" ifadesi, sistemlerin kasıtlı olarak gizlendiği anlamına gelmez. İkinci ve üçüncü kuşak sistemlerde eleme gerekçesi, çoğu zaman sistemi satın alan ve kullanan işveren tarafından da bilinmemektedir. İşveren bir puan görmekte, o puanın hangi niteliklerden doğduğunu görmemektedir. Dolayısıyla şeffaflık talebi işverene yöneltilmiş bir suçlama değil, işverenin de ihtiyaç duyduğu bir bilgiye erişim talebidir. Bu tespit, notun öneriler bölümündeki politika araçlarının neden iş birliğine dayalı biçimde kurgulandığını açıklamaktadır.

Türkiye'nin Tablosu

Türkiye İstatistik Kurumu'nun 31 Ağustos 2026 tarihinde yayımladığı Temmuz 2026 dönemi İşgücü İstatistikleri, genç istihdamına ilişkin aşağıdaki tabloyu ortaya koymaktadır (TÜİK, 2026).

Tablo 1. Temmuz 2026 dönemi seçilmiş işgücü göstergeleri

Kaynak: TÜİK (2026), İşgücü İstatistikleri, Temmuz 2026 verilerinden yararlanılarak oluşturulmuştur.

Tablodan bu notun konusu bakımından üç sonuç çıkmaktadır. Birincisi, genç nüfusta işsizlik oranı genel işsizlik oranının yaklaşık 1,8 katıdır. Gençlerin işgücü piyasasına giriş aşamasında karşılaştıkları eşik, ortalama bir iş arayanın karşılaştığı eşikten belirgin biçimde yüksektir.

İkincisi, genç kadınlarda işsizlik oranı genç erkeklerdeki oranın yaklaşık iki katıdır ve bu fark, genel nüfustaki cinsiyet farkından daha keskindir. "Kanıtlar" başlığı altında aktarılan hakemli bulgular, otomatik değerlendirme sistemlerinin cinsiyete göre ayrışan sonuçlar üretebildiğini göstermektedir. Bu iki olgunun Türkiye özelinde birbiriyle ilişkili olup olmadığı ise bugün için ölçülmemiştir; söz konusu ölçüm boşluğu, notun politika önerilerinden birinin doğrudan gerekçesini oluşturmaktadır.

Üçüncüsü, atıl işgücü oranının %30,6 düzeyinde bulunması, işsizlik oranının kapsamadığı geniş bir gruba işaret etmektedir: iş aramaktan vazgeçmiş ya da iş bulma umudunu yitirmiş kişiler. Başvuru süreçlerinde tekrarlayan ve gerekçesiz ret, bu gruba geçişi hızlandıran etkenler arasında değerlendirilmelidir. Bir gencin neden elendiğini öğrenememesi yalnızca bir bilgilenme sorunu değil, işgücü piyasasından kopuşu hızlandırabilecek bir etkendir.

Gençlere Özgü Dezavantaj: Kısa Veri Geçmişi

Algoritmik ayrımcılık tartışmaları çoğunlukla cinsiyet, yaş veya etnik köken gibi korunan niteliklere odaklanmaktadır. Gençler bakımından ise bunlardan ayrı ve daha temel bir mekanizma işlemektedir. Bu notta söz konusu mekanizma kısa veri geçmişi olarak adlandırılmaktadır.

İstatistiksel bir işe alım modeli, "uygun aday" tanımını geçmiş kayıtlardan çıkarır. Kurumun geçmişte işe aldığı, uzun süre çalıştırdığı ve terfi ettirdiği kişilerin ortak nitelikleri, modelin hedef profilini oluşturur. Bu niteliklerin ortak özelliği, zamanla birikmeleridir: çalışılan yıl sayısı, geçmişte üstlenilen unvanlar, tamamlanmış projeler, kurumsal referanslar, sertifika ve yayın geçmişi.

Model bu göstergeler üzerinden, adayın ne yapabileceğini değil, bugüne kadar ne yapmış olduğunuölçmektedir. Gençlik ise tam olarak bu "bugüne kadar"ın kısa olduğu dönemdir. Yirmi beş yaşındaki bir adayın bu göstergelerdeki değeri, kırk yaşındaki bir adayınkinden zorunlu olarak düşüktür; bu düşüklük adayın yetkinliğiyle değil, yaşıyla ilgilidir. Sonuç olarak genç aday, hiçbir korunan nitelik devreye girmeksizin, yalnızca kayıt geçmişinin kısalığı nedeniyle düşük puan alabilmektedir.

Mekanizmayı dört adımda özetlemek mümkündür. Model geçmişe bakarak hedef profili oluşturur. Bu profili tanımlayan göstergeler birikimseldir. Genç adayın bu göstergelerdeki kayıtları azdır. Modelde doğrudan yaş bilgisi bulunmasa dahi mezuniyet yılı, toplam deneyim süresi veya kariyer başlangıç tarihi gibi yaşla güçlü ilişkili değişkenler benzer bir ayrışma üretir.

Bu tespitin politika bakımından taşıdığı önem büyüktür. Kasıt aramaya dayalı klasik ayrımcılık denetimi bu mekanizmayı yakalayamaz. Hiçbir işveren "genç adayları eleyin" talimatı vermemiş olabilir; hiçbir yazılım sağlayıcısı yaşı girdi olarak kullanmıyor olabilir. Buna rağmen sonuç, sistematik bir dezavantaj olabilmektedir. Uluslararası düzenleme eğiliminin kasıt denetiminden sonuç ve etki denetimine doğru kayması da bu nedenledir.

Kendini pekiştiren bir döngü

Kısa veri geçmişi sorununu kalıcı kılan, kendi kendini besleyen bir geri besleme döngüsüdür. Model geçmiş verilere dayanarak genç adayı düşük puanlar ve aday elenir. Aday işe alınmadığı için, o kurumda başarılı olup olamayacağına dair hiçbir veri üretilmez. Modelin bir sonraki eğitim turunda kullanacağı veri seti, yine yalnızca işe alınmış kişilerden oluşur. Genç profilinin başarı potansiyeline ilişkin kanıt hiçbir zaman veri setine girmediği için, modelin genç adaya dair düşük tahmini hiçbir zaman yanlışlanamaz. Döngü kendini tekrar eder ve zamanla pekişir.

İstatistik yazınında bu durum, seçilmiş örneklem üzerinden öğrenmenin doğurduğu bir yanlılık biçimidir. Modelin hata yaptığı durumlar gözlemlenemediği için model, hatasını öğrenme imkânı bulamaz; kendi öngörüsünü doğrulayan kapalı bir devre oluşur.

Bu döngünün dışarıdan kırılmasının tek yolu, sistemin çıktılarının gözlemlenebilir kılınmasıdır. Hangi aday gruplarının hangi oranlarda elendiği ölçülmediği sürece, döngünün varlığı da yokluğu da bilinemez. Şeffaflık talebinin teknik gerekçesi buradadır: şeffaflık bu bağlamda bir ilke tercihi değil, ölçüm yapılabilmesinin ön koşuludur.

Kanıtlar: Araştırma Bulguları ve Yargısal Görünürlük

Otomatik özgeçmiş değerlendirmesinde ayrışan sonuçlar üretilip üretilmediği sorusu deneysel olarak incelenmiştir. Bu alandaki en kapsamlı çalışmalardan biri, Washington Üniversitesi'nden Kyra Wilson ve Aylin Caliskan tarafından yürütülmüş ve 22 Ekim 2024 tarihinde San Jose'de düzenlenen AAAI/ACM Yapay Zekâ, Etik ve Toplum Konferansı'nda sunulmuştur (Wilson ve Caliskan, 2024).

Çalışmada 550'den fazla gerçek özgeçmiş kullanılmış; bu özgeçmişlere, algılanan ırk ve cinsiyete göre ayrışan 120 farklı isim yerleştirilmiş; 500'den fazla gerçek iş ilanıyla eşleştirme yapılmış ve dokuz meslek grubu kapsanmıştır. Üç açık kaynaklı büyük dil modeli üzerinde toplam üç milyondan fazla karşılaştırma gerçekleştirilmiştir.

Tablo 2. Dil modelleriyle özgeçmiş sıralamasında gözlenen tercih oranları

Kaynak: Wilson ve Caliskan (2024) çalışmasının bulgularından yararlanılarak oluşturulmuştur.

Bu bulguların bu not açısından taşıdığı anlam, doğrudan ırk veya cinsiyet meselesinden ibaret değildir. Asıl bulgu şudur: özgeçmişin nitelikleri sabit tutulduğunda dahi, nitelikle hiçbir ilgisi bulunmayan tek bir unsur değerlendirme sonucunu belirgin biçimde değiştirebilmektedir. Nitelikle ilgisiz bir değişkene bu ölçüde duyarlı olan bir sistemin, mezuniyet yılı, kariyer süresi veya yazım üslubu gibi yaşla ilişkili değişkenlere de benzer biçimde duyarlı olması beklenir.

Bulguların Türkiye'ye doğrudan aktarılamayacağı ayrıca belirtilmelidir. İsimlerin algılanma biçimi dile ve kültürel bağlama göre değiştiğinden, aynı oranların Türkiye'de de geçerli olacağını varsaymak yöntem bakımından hatalı olur. Ancak çalışmanın gösterdiği mekanizmanın varlığı bağlamdan bağımsızdır. Bu mekanizmanın Türkiye'de nasıl işlediğine dair bir yargıya varabilmek için ulusal ölçekte bir ölçüme ihtiyaç vardır.

Sorunun yargısal görünürlük kazanması

Otomatik işe alım sistemlerinin hukuki sorumluluk doğurup doğurmayacağı sorusu artık kuramsal bir tartışma olmaktan çıkmıştır. Amerika Birleşik Devletleri Kaliforniya Kuzey Bölge Mahkemesi'nde görülen Mobley v. Workday, Inc. davasında davacılar, kullanılan yapay zekâ tabanlı başvuru tarama araçlarının yaş bakımından sistematik bir dezavantaj ürettiğini ileri sürmüş; davacı Derek Mobley yüzden fazla başvuru yaptığını ve tamamının reddedildiğini belirtmiştir. Mahkeme 16 Mayıs 2025 tarihinde davanın ulusal ölçekli bir toplu dava olarak ön onayına karar vermiştir. Karar, 24 Eylül 2020 tarihinden itibaren ilgili platform üzerinden başvuru yapmış ve istihdam tavsiyesi alamamış 40 yaş ve üzeri kişileri kapsamaktadır (Mobley v. Workday, 2025).

Davanın bu not bakımından önemi, nihai sonucundan bağımsızdır. Belirleyici olan, davanın eşitsiz etkiteorisi üzerinden yürütülmesidir: iddia, ayrımcılık kastının bulunduğu değil, sistemin sonuçlarının belirli bir grup aleyhine ayrıştığı yönündedir. Bu yaklaşım, yukarıda tarif edilen mekanizmayla birebir örtüşmektedir; kasıt aranmadığı hâlde sorumluluk doğabilmektedir.

Türkiye'de faaliyet gösteren ve uluslararası işe alım platformları kullanan işverenler bakımından bu, öngörülmesi gereken bir risktir. Erken ve gönüllü şeffaflık mekanizmaları, söz konusu riski artıran değil azaltan araçlardır.

Dijital Gelecek Hakkı: Kavramın Çerçevesi

Buraya kadar ortaya konan tablo, mevcut hukuki kavramların hiçbirinin tek başına tam olarak kapsamadığı bir alana işaret etmektedir. Bu not, söz konusu alanı adlandırmak üzere aşağıdaki kavramı önermektedir.

Tanımın her bir unsuru bilinçli olarak seçilmiştir. "Hayat şanslarını belirleyen" ifadesi, hakkın her otomatik kararı değil, kişinin yaşam seyri üzerinde belirleyici etkisi bulunan kararları kapsadığını gösterir; bir alışveriş önerisi bu kapsamda değildir, bir iş başvurusunun elenmesi kapsamdadır. "Geçmişe ait kayıtlardan türetilmiş" ifadesi, hakkın konusunun verinin kendisi değil, veriden üretilen çıkarım olduğunu belirtir; veri doğru, güncel ve hukuka uygun biçimde işlenmiş olsa dahi ondan türetilen çıkarım kişinin geleceğini haksız biçimde daraltabilir. "Geleceğe ilişkin fırsatlarını" ifadesi, hakkın koruduğu menfaatin geçmiş değil gelecek olduğunu vurgular; kavramı kişisel verilerin korunması hakkından ayıran temel unsur budur. Son olarak "öngörülemez, itiraz edilemez ve düzeltilemez biçimde" ifadesi, hakkın fırsat daralmasının kendisini değil, bunun denetlenemez biçimde gerçekleşmesini konu edindiğini gösterir.

Bu son nokta özellikle önemlidir. Dijital Gelecek Hakkı, herkesin işe alınmasını talep etme hakkı değildir; otomasyona karşı bir hak da değildir. Liyakate dayanan, gerekçesi bilinebilen ve itiraz edilebilen her eleme meşrudur. Talep edilen tek şey, elemenin görülebilir olmasıdır.

Kavramın mevcut kavramlardan ayrışması

Önerilen kavramın literatüre katkı sağlayabilmesi, mevcut kavramlarla arasındaki farkın açıkça gösterilmesine bağlıdır.

Tablo 3. Dijital Gelecek Hakkının mevcut kavramlardan ayrışması

Kaynak: Genç Eksen Derneği değerlendirmesi.

Kişisel verilerin korunması hakkı, verinin kendisi üzerinde kişiye denetim tanır: hangi verinin işlendiğini öğrenme, düzeltilmesini isteme, silinmesini talep etme. Ancak bu hakkın tamamı yerine getirilmiş olsa dahi sorun ortadan kalkmaz. Bir gencin özgeçmişindeki bilgiler eksiksiz doğru ve hukuka uygun biçimde işlenmiş olabilir; sorun, bu doğru bilgilerden geçmişe bakılarak geleceğe dair üretilen çıkarımdır. Veri koruma hukuku verinin doğruluğunu güvence altına alır, çıkarımın adilliğini değil.

Açıklanabilirlik hakkı ise kişiye, kendisi hakkında verilmiş tekil bir kararın gerekçesini öğrenme imkânı tanır. Bu önemli bir güvencedir; ancak yukarıda tarif edilen kapalı döngüyü kıramaz. Bir gence "başvurunuz deneyim ölçütü nedeniyle elendi" denmesi, o sistemin tüm genç adayları hangi oranda elediğini görünür kılmaz. Bireysel açıklama, sistemik eğilimi ortaya çıkarmaya yetmez.

Ayrımcılık yasağı bakımından ise korunan bir niteliğin varlığı aranır. Oysa gençlerin karşılaştığı dezavantaj korunan bir nitelik üzerinden değil, kayıt geçmişinin kısalığı üzerinden doğabilmektedir. Deneyim yılı korunan bir nitelik değildir; ancak deneyim yılına dayalı bir eşik, yaş ayrımcılığıyla aynı sonucu üretebilir.

Hakkın üç unsuru

Dijital Gelecek Hakkı, birbirini tamamlayan üç unsurdan oluşmaktadır.

• Öngörülebilirlik, kişinin kendisi hakkında bir otomatik değerlendirme yapılacağını önceden bilmesini ifade eder. Bu, değerlendirmenin yapıldığının bildirilmesini, hangi genel ölçüt kümesinin kullanıldığının açıklanmasını ve insan değerlendirmesinin sürecin hangi aşamasında devreye girdiğinin belirtilmesini kapsar. Öngörülebilirlik ticari sırların açıklanmasını gerektirmez; bir işverenin "başvurunuz ilk aşamada otomatik bir ön değerlendirmeye tabi tutulmaktadır, değerlendirmede ilan metnindeki nitelikler esas alınmaktadır, ikinci aşama insan değerlendirmesidir" şeklindeki bir bildirimi bu unsuru büyük ölçüde karşılar. Bu, teknik değil iletişimsel bir yükümlülüktür.

  
  

• İtiraz edilebilirlik, kişinin aleyhine sonuçlanan bir otomatik değerlendirmeye karşı insan incelemesi talep edebilmesini ifade eder. Bu unsur Türk hukukunda hâlihazırda mevcuttur: 6698 sayılı Kişisel Verilerin Korunması Kanunu'nun 11. maddesinin birinci fıkrasının (g) bendi, ilgili kişiye "işlenen verilerin münhasıran otomatik sistemler vasıtasıyla analiz edilmesi suretiyle kişinin kendisi aleyhine bir sonucun ortaya çıkmasına itiraz etme" hakkını tanımaktadır. Bu unsur bakımından yeni bir yasal düzenlemeye ihtiyaç bulunmamaktadır; eksik olan, hakkın işe alım süreçlerinde nasıl kullanılacağına dair uygulama rehberidir.

  
  

• Düzeltilebilirlik, kavramın özgün katkısının yoğunlaştığı unsurdur. İlk iki unsur bireyseldir: kişi kendi kararını öğrenir, kendi kararına itiraz eder. Düzeltilebilirlik ise sistemiktir; sistemin bütününün ürettiği sonuçların ölçülebilir ve gerektiğinde düzeltilebilir olmasını ifade eder. Somut olarak bu, bir işe alım sisteminin belirli aday gruplarını hangi oranlarda elediğinin ölçülebilmesi, bu ölçümün düzenli aralıklarla tekrarlanabilmesi ve anlamlı bir ayrışma tespit edildiğinde sistemin gözden geçirilmesini sağlayacak bir mekanizmanın bulunması anlamına gelir.

  
  

Bu üçüncü unsur olmaksızın ilk ikisi kapalı döngüyü kıramaz. Elenen her gence tek tek gerekçe bildirilse dahi, sistemin genç adaylar aleyhine sistematik bir eğilim taşıyıp taşımadığı bilinemez. Düzeltilebilirlik, şeffaflığı bir nezaket kuralı olmaktan çıkarıp işlevsel bir denetim aracına dönüştüren unsurdur.

Türkiye'de Hukuki Zemin Var mı?

Önerilen kavram, mevcut hukuk düzeninden kopuk bir yenilik değildir. Türk hukukunda dayanakları bulunmaktadır ve bu dayanakların tespiti, notun politika önerilerinin neden yeni bir mevzuat talebi içermediğini açıklamaktadır.

Anayasa düzeyinde beş hüküm doğrudan ilgilidir. Madde 10, kanun önünde eşitlik ilkesini düzenlemekte ve fiilî eşitliği sağlayacak tedbirleri de kapsamaktadır; otomatik karar sistemlerinin ürettiği fiilî ayrışmalar bu ilkenin kapsamındadır. Madde 20, herkesin kendisiyle ilgili kişisel verilerin korunmasını isteme hakkına sahip olduğunu, bu hakkın bilgilendirilme ve erişimi de içerdiğini hükme bağlamakta; öngörülebilirlik unsurunun anayasal zeminini oluşturmaktadır. Madde 48 ve 49, çalışma hürriyetini ve çalışma hakkını güvence altına almakta; devlete işsizliği önlemeye elverişli ortamı yaratma yükümlülüğü yüklemektedir. İşgücü piyasasına girişte teknolojiden kaynaklanan yeni eşiklerin izlenmesi bu yükümlülüğün doğal bir uzantısıdır. Madde 58, devlete gençlerin yetişme ve gelişmelerini sağlayıcı tedbirleri alma görevi vermektedir.

Madde 70 ise bu not bakımından özel bir öneme sahiptir. Hüküm, "Her Türk, kamu hizmetlerine girme hakkına sahiptir. Hizmete alınmada, görevin gerektirdiği niteliklerden başka hiçbir ayırım gözetilemez" şeklindedir. Bir otomatik değerlendirme aracının hangi nitelikleri esas aldığı bilinmiyorsa, bu anayasal ölçütün karşılanıp karşılanmadığı da denetlenemez. Dolayısıyla kamu istihdamında kullanılacak otomatik araçlar bakımından şeffaflık, tercih edilebilecek bir ilke değil, anayasal ölçütün denetlenebilmesinin ön koşuludur.

Kanun düzeyinde ise 6698 sayılı Kişisel Verilerin Korunması Kanunu iki dayanak sunmaktadır. Kanunun 10. maddesi aydınlatma yükümlülüğünü düzenlemekte ve öngörülebilirlik unsurunun yasal karşılığını oluşturmaktadır. 11. maddesinin birinci fıkrasının (g) bendi ise itiraz hakkını tanımakta ve itiraz edilebilirlik unsurunun karşılığını sağlamaktadır. Ayrıca 4857 sayılı İş Kanunu'nun 5. maddesi iş ilişkisinde eşit davranma ilkesini düzenlemekte; bu hüküm esas olarak kurulmuş iş ilişkisi bakımından işletilmekte olup, işe alım öncesi aşamaya ilişkin uygulamanın gelişimi önerilen çerçevenin ilgi alanındadır.

Buradan çıkan sonuç açıktır: Türkiye bu alanda sıfır noktasında değildir. Hakkın ilk iki unsuru bakımından kullanılabilir hukuki araçlar mevcuttur. Eksik olan mevzuat değil, mevzuatın işe alım süreçlerine nasıl uygulanacağına dair uygulama rehberi ve hakkın varlığına ilişkin farkındalıktır. Uygulamada gözlenen durum şudur: bir iş başvurusunun otomatik olarak elendiğini düşünen bir gencin hangi mercie, hangi usulle ve hangi süre içinde başvuracağına dair yerleşik bir yol haritası bulunmamaktadır. Hak tanınmış, hakkın kullanım yolu henüz somutlaşmamıştır.

Üçüncü unsur olan düzeltilebilirlik bakımından ise mevcut mevzuatta doğrudan bir karşılık bulunmamaktadır. Notun politika önerilerinin ağırlık merkezini oluşturan boşluk budur.

Uluslararası Çerçeveler ve Türkiye İçin Anlamı

Bu bölümün amacı başka ülkelerin düzenlemelerini aktarmak değildir. Amaç, hangi yaklaşımın ne işe yaradığını ve özellikle hangi yaklaşımın beklenen sonucu üretmediğini tespit ederek, Türkiye'de tasarlanacak mekanizmaların aynı hataları tekrar etmemesini sağlamaktır.

Avrupa Birliği Yapay Zekâ Yasası

Avrupa Birliği Yapay Zekâ Yasası risk temelli bir düzenleme yaklaşımı benimsemiş ve işe alım sistemlerini yüksek riskli kategoriye yerleştirmiştir. Yasanın III sayılı Ekinin 4(a) bendi, "gerçek kişilerin işe alınması veya seçilmesi amacıyla kullanılması amaçlanan yapay zekâ sistemleri; özellikle hedeflenmiş iş ilanlarının yerleştirilmesi, iş başvurularının analiz edilmesi ve filtrelenmesi ile adayların değerlendirilmesi" ifadesiyle bu notun konusunu doğrudan kapsamaktadır. Yasanın 86. maddesi ise, yüksek riskli bir sistemin çıktısına dayanılarak alınan ve kişiyi önemli ölçüde etkileyen kararlara maruz kalanlara, sistemi kullanandan "açık ve anlamlı açıklamalar" alma hakkı tanımaktadır (Avrupa Birliği, 2024).

Bu sınıflandırmanın anlamı açıktır: Avrupa Birliği, işe alım algoritmalarını insan sağlığı ve güvenliğini ilgilendiren sistemlerle aynı risk kategorisinde değerlendirmiştir. Yasanın 113. maddesi uyarınca III sayılı Ek kapsamındaki yükümlülükler 2 Aralık 2027 tarihinden itibaren uygulanacaktır.

Bu takvim Türkiye'deki üç aktör grubunu doğrudan ilgilendirmektedir. Avrupa Birliği pazarına hizmet sunan, AB'de iştiraki bulunan veya AB'de yerleşik kişileri işe alan Türk işverenler bu yükümlülüklerin kapsamına girebilecektir. İnsan kaynakları yazılımı geliştiren ve ürününü AB pazarına sunmak isteyen Türk teknoloji şirketleri, sağlayıcı sıfatıyla risk yönetimi, veri yönetişimi, teknik dokümantasyon ve insan gözetimi yükümlülükleriyle karşılaşacaktır. Türkiye'de uluslararası platform kullanan işverenler bakımından ise kullandıkları yazılımın uyum durumu, kendi süreçlerinin şeffaflık düzeyini de belirleyecektir.

Bu tespitin politika bakımından anlamı önemlidir: şeffaflık kapasitesinin geliştirilmesi Türk şirketleri için bir maliyet kalemi değil, bir hazırlık yatırımıdır. Uyum gereklilikleriyle 2027 yılında hazırlıksız karşılaşmak yerine bugünden gönüllü mekanizmalarla kapasite oluşturmak, hem rekabet gücünü korur hem de sürecin Türkiye'nin kendi öncelikleri doğrultusunda şekillenmesini sağlar.

Avrupa Konseyi ve UNESCO çerçeveleri

Avrupa Konseyi Yapay Zekâ, İnsan Hakları, Demokrasi ve Hukukun Üstünlüğü Çerçeve Sözleşmesi 5 Eylül 2024 tarihinde imzaya açılmıştır. Sözleşme taraflara; yapay zekâ sistemlerinin şeffaflığının ve gözetiminin sağlanması, hesap verebilirlik mekanizmalarının kurulması, etkilenen kişiler için etkili başvuru yolları ve usuli güvencelerin tanınması ile ayrımcı uygulamalara karşı koruma sağlanması yükümlülüklerini getirmektedir (Avrupa Konseyi, 2024a). Bu dört yükümlülük, yukarıda önerilen üç unsurla büyük ölçüde örtüşmektedir.

Avrupa Konseyi Yapay Zekâ Komitesi tarafından kabul edilen HUDERIA metodolojisi ise, yapay zekâ sistemlerinin insan hakları, demokrasi ve hukukun üstünlüğü açısından etkilerinin nasıl değerlendirileceğine dair yapılandırılmış bir çerçeve sunmaktadır (Avrupa Konseyi, 2024b). Metodolojinin Türkiye açısından değeri pratiktir: bir etki değerlendirme çerçevesinin sıfırdan geliştirilmesi yerine, uluslararası kabul görmüş mevcut bir şablonun ulusal ihtiyaçlara uyarlanması hem zaman hem kaynak tasarrufu sağlar.

UNESCO'nun 2021 yılında kabul ettiği Yapay Zekânın Etiğine İlişkin Tavsiye Kararı; şeffaflık ve açıklanabilirlik, insan gözetimi, hesap verebilirlik ve adalet ilkelerini temel değerler arasında saymaktadır (UNESCO, 2021). Türkiye bu alanda kurumsal bir yapıya sahiptir: UNESCO Türkiye Millî Komisyonu bünyesinde bir Yapay Zekâ İzleme Grubu faaliyet göstermektedir. Bu yapı, önerilen çerçevenin uluslararası düzlemde paylaşılması bakımından mevcut ve işleyen bir kanal sunmaktadır.

Ulusal uygulama örnekleri ve uygulamanın sınırı

Ulus altı ve ulusal düzeyde yürürlüğe girmiş üç düzenleme tasarım tercihleri bakımından öğreticidir. New York Şehri'nde 2021 yılında kabul edilen ve 2023'te yürürlüğe giren düzenleme, otomatik istihdam kararı araçları kullanan işverenlere bağımsız bir önyargı denetiminden geçme, denetim sonuçlarını kamuya açık biçimde yayımlama ve adaylara önceden bildirim yapma yükümlülüğü getirmiştir. Illinois eyaletinde İnsan Hakları Kanunu'nu değiştiren düzenleme 1 Ocak 2026 tarihinde yürürlüğe girmiş; istihdam kararlarında korunan nitelikler bakımından ayrımcı etki doğuran yapay zekâ kullanımını yasaklamış, bildirim yükümlülüğü getirmiş ve posta kodunun korunan niteliklere vekil değişken olarak kullanılmasını açıkça yasaklamıştır. Colorado eyaletinde kabul edilen ve yürürlük tarihi 30 Haziran 2026 olarak belirlenen düzenleme ise etki değerlendirmesi yapma ve belgeleme, önemli sonuç doğuran kararlarda bilgilendirme ve algoritmik ayrımcılığa karşı makul özen gösterme yükümlülükleri öngörmektedir.

Illinois düzenlemesinin posta kodunu açıkça yasaklaması ayrıca kaydedilmelidir; bu, korunan bir nitelik kullanılmadan da ayrımcı sonuç üretilebileceğinin düzenleyici tarafından tanındığı anlamına gelir. Gençler bakımından muadil vekil değişkenler ise mezuniyet yılı, toplam deneyim süresi ve kariyer başlangıç tarihidir.

Bu örneklerin en öğretici olanı ise beklenen sonucu üretmemiş olanıdır. New York Şehri düzenlemesinin fiilî uygulanma düzeyi, ACM FAccT 2024 Konferansı'nda sunulan bir çalışmada ölçülmüştür. Çalışmada 155 araştırmacı, 391 işverenin internet sitelerini ve ilan platformlarını tarayarak denetim raporlarının ve şeffaflık bildirimlerinin yayımlanıp yayımlanmadığını incelemiştir (Wright ve diğerleri, 2024).

Tablo 4. New York Şehri düzenlemesine uyum düzeyi

Kaynak: Wright ve diğerleri (2024) çalışmasının bulgularından yararlanılarak oluşturulmuştur.

Araştırmacıların temel tespiti şudur: işverenlere, düzenlemenin kapsamına girip girmediklerini kendilerinin belirleme konusunda geniş bir takdir yetkisi tanınmıştır ve bu yetki, gerçek uyum oranının tespit edilmesini dahi imkânsız hâle getirmiştir. Çalışma bu duruma "null compliance", yani uyumun ölçülemez hâle gelmesi adını vermektedir.

Bu bulgudan üç ders çıkmaktadır. Birincisi, kapsam belirsiz bırakılırsa yükümlülük işlemez; hangi araçların kapsamda olduğu kullanıcının takdirine bırakılmamalıdır. İkincisi, yayımlama yükümlülüğü tek başına yetersizdir; raporların nerede ve hangi biçimde yayımlanacağı belirlenmezse yayımlanan bilgi bulunamaz ve karşılaştırılamaz. Üçüncüsü, ölçüm mekanizması kurulmadan yükümlülük getirilmemelidir; aksi hâlde düzenleme yürürlükte olur, uygulaması olmaz. Colorado düzenlemesinin yürürlük tarihinin bir kez ertelenmiş olması da kapsamlı yükümlülüklerin hazırlık süresi gerektirdiğini göstermektedir.

Uluslararası deneyimin ortak mesajı bu üç dersin toplamıdır: düzenlemelerin tamamı şeffaflık yükümlülüğü içermekte, büyük kısmı etki değerlendirmesi öngörmekte, ancak hiçbiri tek adımda kapsamlı bir denetim rejimi kurmayı başaramamaktadır.

Sormaya Devam Etmemiz Gereken Sorular ve Öneriler

Bu bölüm, yukarıdaki tespitlerden türeyen soruları ve bu sorulara karşılık gelen politika seçeneklerini sunmaktadır. Öneriler bir uygulama takvimi biçiminde değil, her biri kendi gerekçesiyle birlikte tartışılan seçenekler olarak ele alınmıştır. Önerilerin ortak özelliği, mevcut kurumsal yapı içinde ve yeni bir teşkilat kurulmasına gerek olmaksızın hayata geçirilebilecek nitelikte olmalarıdır.

Türkiye'de bu sorunun büyüklüğü nedir?

Bu soruya bugün verilebilecek bir yanıt bulunmamaktadır. Türkiye'de işe alım süreçlerinde otomatik karar sistemlerinin yaygınlığına, kapsamına ve etkisine ilişkin ulusal ölçekte yapılmış bir ölçüm yoktur. Bu tespit, notun hazırlanması sırasında yürütülen kaynak taramasının sonucudur.

Ölçüm boşluğunun üç sonucu vardır. Politika tasarımı kanıtsız kalmaktadır; sorunun büyüklüğü bilinmeden müdahalenin ölçeği de belirlenemez. Tartışma uluslararası verilere bağımlı kalmaktadır; oysa dil, isimlendirme geleneği, eğitim sistemi ve işgücü piyasası yapısı bakımından Türkiye'ye özgü koşullar mevcuttur. Son olarak ilerleme ölçülememektedir; başlangıç ölçümü yapılmadan alınacak tedbirlerin etkisi de değerlendirilemez.

Buradan doğan öneri, Türkiye İstatistik Kurumu ve Türkiye İş Kurumu iş birliğinde bir başlangıç ölçümü yürütülmesidir. Ölçümün iki ayaklı tasarlanması mümkündür: işveren tarafında, işe alım süreçlerinde kullanılan araçlara ilişkin bir modülün mevcut işgücü anketlerine eklenmesi; aday tarafında ise genç iş arayanların başvuru süreçlerinde karşılaştıkları geri bildirim türlerine, ret gerekçelerine ve yanıt sürelerine ilişkin bir ölçüm. Mevcut anket altyapılarına modül eklenmesi hâlinde ayrı bir saha çalışması maliyeti ortadan kalkar.

Bu boşluk aynı zamanda bir fırsattır. Bu alanda yapılacak ilk ulusal ölçüm, uluslararası literatürde de referans değeri taşıyacaktır; zira mevcut ölçümlerin büyük bölümü Kuzey Amerika ve Batı Avrupa bağlamında üretilmiştir. Farklı bir dil ailesi, farklı bir isimlendirme geleneği ve farklı bir işgücü piyasası yapısı üzerinden yapılacak bir ölçüm, Yapay Zekâ Eylem Planı'nın "Yönet" ekseninde öngörülen küresel konumlanma hedefine doğrudan katkı sağlar.

Tanınmış bir hak neden kullanılamıyor?

Kişisel Verilerin Korunması Kanunu'nun 11. maddesi, otomatik analiz sonucu kişinin aleyhine çıkan sonuca itiraz hakkını tanımaktadır. Buna karşılık bu hakkın işe alım süreçlerinde kullanıldığına dair yerleşik bir pratik bulunmamaktadır. Sebep, hakkın kullanım usulünün bu alana özgü biçimde somutlaşmamış olmasıdır.

Buradan doğan öneri, Kişisel Verileri Koruma Kurumu'nun mevcut yetkisi çerçevesinde, Kanun'un 10. ve 11. maddelerinin işe alım süreçlerine nasıl uygulanacağına dair bir rehber hazırlamasıdır. Rehberin cevaplaması beklenen sorular şunlardır: otomatik ön eleme kullanan bir işverenin aydınlatma metninde hangi bilgilere yer vermesi beklenir; itiraz hakkı bir iş başvurusu bakımından hangi usulle kullanılır; işveren ile yazılım sağlayıcısı arasındaki veri sorumlusu ve veri işleyen ilişkisi işe alım bağlamında nasıl kurulur.

Bu sorular arasında biri özellikle belirleyicidir. Uygulamada en yaygın yapı, otomatik sistemin adayları sıralaması ve insanın yalnızca üst sıradakileri incelemesidir. Bu durumda nihai karar biçimsel olarak insana aittir; ancak elenen aday bakımından karar fiilen otomatiktir. Kanun metnindeki "münhasıran otomatik sistemler vasıtasıyla analiz" ifadesinin bu yapıda nasıl değerlendirileceğine açıklık getirilmesi, hem adayın hem işverenin hukuki belirsizliğini giderecektir.

İşverenler bu bilgiyi nasıl paylaşabilir?

Şeffaflığın işveren üzerinde ağır bir yük oluşturacağı yönündeki endişe, uygulamada karşılığı olmayan bir endişedir. Öngörülebilirlik unsurunun karşılanması için gereken bildirim, bir iş ilanının altına eklenebilecek birkaç cümleden ibarettir: başvuruların ilk değerlendirmesinde otomatik bir araç kullanılıp kullanılmadığı, kullanılıyorsa değerlendirmede esas alınan genel ölçüt kümesi, insan değerlendirmesinin sürecin hangi aşamasında devreye girdiği ve adayın bilgi talep etmek veya sonuca itiraz etmek istemesi hâlinde başvurabileceği kanal. Bu bilgilerin hiçbiri ticari sır niteliğinde değildir; esas alınan ölçüt kümesi zaten ilan metninde yer almaktadır.

Buradan doğan öneri, işverenlerin gönüllü olarak katılabileceği standart metinli bir beyan çerçevesinin oluşturulmasıdır. Çalışma ve Sosyal Güvenlik Bakanlığı'nın işveren örgütleriyle iş birliği içinde yürütebileceği böyle bir çerçeve, üç işlev görür: adayı bilgilendirir, işvereni 2027 uyum takvimine hazırlar ve işverene kullandığı yazılımın nasıl çalıştığını sağlayıcısına sorma alışkanlığı kazandırır.

Çerçevenin gönüllü olarak tasarlanmasının gerekçesi, yukarıda aktarılan uyum bulgusudur. Hazırlıksız getirilen zorunlu yükümlülükler uygulanmamakta, üstelik düzenlemenin itibarını da zedelemektedir. Gönüllü bir çerçeve ise uyum kapasitesini önce oluşturur; katılan işverenler için itibar değeri taşıdığından katılım kendiliğinden teşvik edilir.

Şeffaflık nerede görünür kılınmalı?

Uyum bulgusunun ikinci dersi, dağınık biçimde yayımlanan bilginin bulunamayacağı ve karşılaştırılamayacağıdır. Her işverenin kendi internet sitesinde, kendi seçtiği biçimde yayımladığı bir bildirim, şeffaflık amacına hizmet etmez.

Türkiye bu sorunu çözecek bir araca hâlihazırda sahip olacaktır. Yapay Zekâ Eylem Planı kapsamında kurulması öngörülen Ulusal Yapay Zekâ İlerleme ve Şeffaflık Portalı'na "istihdam ve işe alım algoritmaları" başlığında bir bölüm eklenmesi, gönüllü beyanda bulunan işverenlerin, yapılan ölçümün bulgularının ve konuya ilişkin rehberlerin tek bir merkezde toplanmasını sağlar. Bu önerinin ayırt edici özelliği ilave altyapı gerektirmemesidir; portal zaten planlanmıştır, önerilen yalnızca bir başlığın bu yapı içinde yer almasıdır.

Kamu kendi alım süreçlerinde ne yapmalı?

Anayasa'nın 70. maddesi, kamu hizmetine alınmada görevin gerektirdiği niteliklerden başka hiçbir ayırım gözetilemeyeceğini hükme bağlamıştır. Kamu kurumlarının personel alım süreçlerinde otomatik değerlendirme araçları kullanması hâlinde, bu ölçütün karşılanıp karşılanmadığının denetlenebilmesi aracın esas aldığı niteliklerin bilinmesine bağlıdır.

Buradan doğan öneri, kamu kurumlarının bu amaçla temin ettiği araçlara ilişkin şartnamelere asgari şeffaflık şartlarının eklenmesidir: sağlayıcının aracın değerlendirmede esas aldığı ölçüt kümesini idareye yazılı olarak bildirmesi; aracın çıktılarının aday grupları itibarıyla ayrıştırılarak raporlanmasına imkân veren bir işlev sunması; idarenin aracı kullanacağını ve insan değerlendirmesinin hangi aşamada devreye gireceğini adaylara önceden bildirmesi; ve aracın kullanımının nihai kararın insan tarafından verilmesini engellememesi.

Bu öneri yeni bir yükümlülük getirmemekte, mevcut anayasal ölçütün denetlenebilmesini sağlamaktadır. İkinci bir etkisi daha vardır: kamu bu piyasada önemli bir alıcıdır ve kamunun talep ettiği standart, piyasanın tümünde arz tarafını şekillendirir. Bu, düzenleme yapmadan standart yaygınlaştırmanın en etkili yollarından biridir.

Gençler haklarını nasıl öğrenecek?

Tanınmış bir hakkın bilinmemesi, tanınmamış olmasıyla pratikte aynı sonucu doğurur. Yapay Zekâ Eylem Planı geniş ölçekli bir yapay zekâ okuryazarlığı hedefi içermektedir; bu programlara katılımcının kendi hakları üzerine kısa bir modül eklenmesi, hedefin niteliğini değiştirecek düşük maliyetli bir müdahaledir.

Modülün kapsaması önerilen konular sınırlıdır: bir başvurunun otomatik olarak değerlendirilebileceğinin bilinmesi, Kanun'un 11. maddesi kapsamındaki hakların neler olduğu ve nasıl kullanıldığı, aleyhe bir sonuçla karşılaşıldığında izlenebilecek yol ve otomatik sistemlerin hangi konularda güvenilir, hangi konularda sınırlı olduğu. Böyle bir modül, yapay zekâ okuryazarlığını kullanıcı becerisinden vatandaşlık bilgisine taşır; bir teknolojiyi kullanmayı öğrenmek ile o teknoloji karşısındaki haklarını bilmek birbirini tamamlayan iki yetkinliktir.

Daha ileride ne gerekecek?

Yukarıdaki seçeneklerin tamamı mevcut yetkiler çerçevesinde uygulanabilir niteliktedir. Bunların ötesinde, uygulamadan elde edilecek deneyim ve veri ışığında değerlendirilebilecek üç husus bulunmaktadır.

Birincisi, işe alım süreçlerinde kullanılan sistemlerin şeffaflığına ilişkin ulusal bir standardın hazırlanmasıdır. Yapay zekâ yönetim sistemlerine ilişkin mevcut uluslararası standartlara uyumlu, ancak işe alım alanına özgü bir ek niteliğinde tasarlanabilecek böyle bir standart; sistemin hangi verilerle eğitildiğine dair asgari dokümantasyonu, değerlendirmede kullanılan ölçüt kümesinin tanımlanmasını, çıktıların aday grupları itibarıyla ölçülmesini, insan gözetiminin sürece nasıl dâhil edildiğini ve düzenli gözden geçirme yöntemini kapsayabilir. Standardın gönüllü belgelendirme yoluyla işletilmesi, gönüllü beyanın doğal bir ileri aşamasını oluşturur: beyan bir bildirimdir, belgelendirme ise doğrulanmış bir bildirimdir.

İkincisi, Avrupa Konseyi'nin HUDERIA metodolojisinin istihdam alanına ve Türkiye'nin kurumsal yapısına uyarlanmasıdır. Bu, sıfırdan bir metodoloji geliştirilmesi değil, uluslararası kabul görmüş bir şablonun uyarlanması anlamına gelir; geliştirme süresi ve maliyeti düşüktür, uluslararası karşılaştırılabilirlik sağlar.

Üçüncüsü, bir düzenleme ihtiyacının ortaya çıkması hâlinde dikkat edilmesi gereken tasarım ilkeleridir. Kapsam tanımının aracın işlevine (aday sıralama, filtreleme, puanlama) göre yapılması, teknolojiye göre yapılmasından daha dayanıklı olacaktır; zira teknoloji değişmekte, işlev kalmaktadır. İtiraz hakkının hangi usulle ve hangi süre içinde kullanılacağı belirlenmelidir. Beyanların doğrulanmasının kim tarafından ve hangi sıklıkla yapılacağı baştan tanımlanmalıdır. Son olarak, mezuniyet yılı ve deneyim süresi gibi değişkenlerin meşru kullanımı ile yaş ayrımının dolaylı yoldan yapılması arasındaki sınırın çizilmesi, teknik ve hukuki çalışma gerektiren bir konu olarak kaydedilmelidir.

Kavram nereye genişler?

Bu not işe alım süreçlerine odaklanmıştır; ancak önerilen tanım, gençlerin hayat şanslarını belirleyen diğer karar alanlarını da kapsayacak genişliktedir. Eğitim ve burs başvurularının değerlendirilmesi, kredi skorlaması ve finansal erişim, sosyal yardım uygunluk değerlendirmeleri, platform çalışmasında iş dağıtımı ve performans puanlaması bu alanların başlıcalarıdır. Bu alanların ortak özelliği, hepsinin aynı yapıyı paylaşmasıdır: geçmiş kayıtlardan türetilmiş bir çıkarım, geleceğe ilişkin bir fırsatı belirlemektedir. Kredi geçmişi bulunmayan bir gencin karşılaştığı durum, kariyer geçmişi bulunmayan bir adayın karşılaştığı durumla aynı mekanizmanın ürünüdür. Kavramın ölçeklenebilirliği, tanımının bu ortak yapıyı yakalamasından kaynaklanmaktadır.

Sonuç: Görünmeyeni Ölçülebilir Kılmak

Bu not üç tespitte bulunmuştur. Gençler, otomatik işe alım sistemleri karşısında yalnızca korunan nitelikler üzerinden değil, kayıt geçmişlerinin kısalığı nedeniyle de dezavantajlı konumdadır; bu dezavantaj hiçbir ayrımcılık kastı bulunmaksızın doğabilmektedir. Söz konusu dezavantaj kendini besleyen bir döngü oluşturmakta, elenen genç sistemi düzeltecek veriyi hiçbir zaman üretemediği için modelin öngörüsü hiçbir zaman yanlışlanamamaktadır. Buna karşılık Türkiye, bu alanda hazır bir kurumsal ve hukuki zemine sahiptir.

Notun önerdiği kavram, yeni bir yükümlülük katmanı oluşturmayı amaçlamamaktadır. Amaç, bugün beş ayrı anayasa maddesine ve iki ayrı kanuna dağılmış hâlde bulunan güvencelerin tek bir başlık altında toplanması ve böylece hem hukuki tartışmaya hem kamu politikası üretimine tutamak sağlanmasıdır. Adı olmayan bir sorun, izleme göstergesi veya politika hedefi hâline getirilemez.

Önerilerin ortak paydası da bu noktada toplanmaktadır. Bir iş başvurusunun otomatik olarak değerlendirilmesi sorun değildir; sorun, bu değerlendirmenin gerekçesinin başvurana, işverene ve düzenleyiciye kapalı olmasıdır. Şeffaflık burada bir ilke tercihi değil, ölçüm yapılabilmesinin ön koşuludur ve ölçülmeyen bir eğilim düzeltilemez.

Gençlerin işgücü piyasasına girişte karşılaştıkları eşiklerin görünür kılınması; gençlerin, nitelikli işgücüne erişmek isteyen işverenlerin ve uzun vadeli beşerî sermaye hedefleri bulunan ülkenin ortak yararınadır. Türkiye bu alanda takip eden değil içerik üreten taraf olabilecek bir zemine sahiptir. Bu not, söz konusu ortak yarara katkı sunmak amacıyla hazırlanmıştır.

Kaynakça

Avrupa Birliği (2024). Yapay Zekâ Yasası (Regulation (EU) 2024/1689), Ek III/4, md. 13, 86 ve 113.

Avrupa Konseyi (2024a). Yapay Zekâ, İnsan Hakları, Demokrasi ve Hukukun Üstünlüğü Çerçeve Sözleşmesi, CETS No. 225. İmzaya açılış: 5 Eylül 2024.

Avrupa Konseyi Yapay Zekâ Komitesi (2024b). Yapay Zekâ Sistemlerinin İnsan Hakları, Demokrasi ve Hukukun Üstünlüğü Açısından Risk ve Etki Değerlendirmesi Metodolojisi (HUDERIA).

Colorado SB 24-205, Consumer Protections for Artificial Intelligence. Yürürlük: 30 Haziran 2026.

Cumhurbaşkanlığı (2026). Türkiye Yapay Zekâ Eylem Planı (2026–2030), 2026/9 sayılı Genelge. Resmî Gazete, 18 Ağustos 2026, Sayı: 33344.

Illinois HB 3773 (2024). Illinois İnsan Hakları Kanunu değişikliği. Yürürlük: 1 Ocak 2026.

Mobley v. Workday, Inc. (2025). ABD Kaliforniya Kuzey Bölge Mahkemesi, Dosya No. 3:23-cv-00770. Toplu dava ön onayı kararı, 16 Mayıs 2025.

New York City Local Law 144 of 2021, Automated Employment Decision Tools. Yürürlük: 2023.

TÜİK (2026). İşgücü İstatistikleri, Temmuz 2026. Türkiye İstatistik Kurumu, yayım tarihi 31 Ağustos 2026.

Türkiye Cumhuriyeti Anayasası, md. 10, 20, 48, 49, 58 ve 70.

UNESCO (2021). Yapay Zekânın Etiğine İlişkin Tavsiye Kararı.

Wilson, K. ve Caliskan, A. (2024). "Gender, Race, and Intersectional Bias in Resume Screening via Language Model Retrieval." AAAI/ACM Conference on AI, Ethics, and Society (AIES 2024), San Jose, 22 Ekim 2024. arXiv:2407.20371.

Wright, L. ve diğerleri (2024). "Null Compliance: NYC Local Law 144 and the Challenges of Algorithm Accountability." ACM Conference on Fairness, Accountability, and Transparency (FAccT '24), Rio de Janeiro. arXiv:2406.01399.

6698 sayılı Kişisel Verilerin Korunması Kanunu, md. 10 ve 11.

4857 sayılı İş Kanunu, md. 5.