İş Hukukunda Algoritmik Ayrımcılık: Yapay Zeka Destekli İşe Alımda Şeffaflık ve İşverenin Sorumluluğu

Yazan /

I. Yapay Zeka Destekli İşe Alım Süreçlerinin Hukuki Boyutu

Dijitalleşmenin hız kazanmasıyla birlikte işverenlerin işe alım süreçlerinde yapay zeka destekli sistemlere yöneldiği görülmektedir. Özgeçmişlerin otomatik olarak taranması, adayların algoritmik yöntemlerle sıralanması ve video mülakatların analiz edilmesi gibi uygulamalar, işe alım sürecinin önemli ölçüde otomasyonuna yol açmaktadır [1]. Bu sistemler işveren açısından zaman ve maliyet avantajı sağlamakla birlikte, sürecin bu ölçüde hızlanması kararların nasıl ve hangi kriterlere göre verildiğinin arka planda kalmasına yol açabilmektedir. Bu durum ise hukuki denetim bakımından önemli bir belirsizlik yaratmaktadır [2].

Yapay zeka destekli sistemlerin temel iddiası, adayların nesnel kriterler üzerinden değerlendirilmesini sağlamaktır. Bununla birlikte, algoritmaların geçmiş veriler üzerinden öğrenmesi, mevcut eşitsizliklerin yeniden üretilmesi riskini ortaya çıkarmaktadır. Kullanılan veri setleri ve modelin kurulma biçimi, bazı aday gruplarının sistematik olarak dezavantajlı konuma düşmesine neden olabilmektedir [3].

Bu noktada sorun yalnızca ayrımcılık ihtimali ile sınırlı değildir. Algoritmik kararların nasıl üretildiği çoğu zaman açık değildir. Yapay zeka sistemlerinin “black box” olarak ifade edilen yapısı, adayların neden elendiğini anlamasını zorlaştırmakta ve olası bir hak ihlalinin tespitini güçleştirmektedir [4]. Bu nedenle, işe alım süreçlerinde yapay zeka kullanımı yalnızca eşitlik ilkesini değil, aynı zamanda şeffaflık ve hesap verebilirlik ilkelerini de doğrudan gündeme getirmektedir [5].

Bu bağlamda değerlendirildiğinde, yapay zeka destekli işe alım süreçlerinin yalnızca teknik bir yenilik olarak ele alınması yeterli değildir. Bu sistemlerin ortaya çıkardığı sonuçların hukuki açıdan denetlenebilir olması ve bireylerin temel haklarını da zedelememesi gerekir.

Benim açımdan, asıl tartışma noktası yapay zekanın kullanılıp kullanılmaması değil, bu sistemlerin hangi sınırlar içinde ve hangi güvencelerle kullanılması gerektiğidir.

II. İş Hukukunda Eşitlik İlkesi ve İşverenin Yükümlülükleri

İş hukukunda eşitlik ilkesi, yalnızca doktrinsel bir kavram değil, aynı zamanda anayasal ve yasal düzenlemelere dayanan temel bir ilkedir. Türkiye Cumhuriyeti Anayasası’nın 10. maddesinde herkesin kanun önünde eşit olduğu düzenlenmiş ve devlet organlarının tüm işlemlerinde bu ilkeye uygun hareket etmesi gerektiği belirtilmiştir [6]. Bu düzenleme, iş hukukunda eşitlik ilkesinin en üst normatif dayanağını oluşturmaktadır.

Eşitlik ilkesi, iş hukuku bakımından daha somut bir şekilde 4857 sayılı İş Kanunu’nun 5. maddesinde düzenlenmiştir. Söz konusu hükme göre işveren, iş ilişkisinde ve işe alım sürecinde dil, ırk, cinsiyet, siyasi düşünce, felsefi inanç ve benzeri sebeplere dayalı ayrım yapamaz [7]. Bu düzenleme, işverenin yalnızca açık ayrımcılıktan kaçınmasını değil, aynı zamanda eşit davranma borcu kapsamında benzer durumda bulunan kişiler arasında keyfi farklılar yapmamasını da güvence altına alır.

Doktrinde de eşitlik ilkesinin yalnızca ayrımcılık yasağı ile sınırlı olmadığı, aynı zamanda işverenin benzer durumda bulunan işçilere ve işçi adaylarına eşit davranma yükümlülüğünü içerdiği kabul edilmektedir. Bu yönüyle eşit davranma borcu, işverenin yönetim yetkisini tamamen ortadan kaldırmaz ancak bu yetkinin keyfi biçimde kullanılmasını sınırlandırır.

Yargıtay içtihatlarında da bu yaklaşım açık biçimde benimsenmektedir. Nitekim Yargıtay 9. Hukuk Dairesi’nin 06.10.2020 tarihli kararında, işverenin haklı ve objektif bir neden bulunmadıkça işçiler arasında farklı muamelede bulunamayacağı ve eşit durumda bulunan kişilerin farklı işleme tabi tutulmasının eşit davranma borcuna aykırılık oluşturacağı ifade edilmiştir. Bu karar, işverenin farklılaştırma yapabilmesi için bunun objektif ve işle bağlantılı bir nedene dayanması gerektiğini açık biçimde ortaya koymaktadır [8].

Bu çerçevede, eşitlik ilkesi herkes için her durumda aynı sonucun doğması anlamına gelmez. Ancak işverenin farklı bir uygulama yapabilmesi için bunun makul bir nedene dayanması ve işin niteliğiyle bağlantılı olması gerekir.

Bu noktada yapay zeka destekli işe alım süreçleri, eşitlik ilkesi bakımından yeni bir tartışma alanı ortaya çıkarmaktadır. Çünkü adayların değerlendirilmesi artık doğrudan insan tarafından değil, algoritmik sistemler aracılığıyla gerçekleştirilmektedir. Bu durum, eşit davranma borcunun yalnızca insan kararları bakımından değil, algoritmik karar süreçleri bakımından da dikkate alınmasını gerekli kılmaktadır. Bu sebeple, işverenin kullandığı aracın değişmesi eşitlik ilkesine uygun davranma yükümlülüğünü ortadan kaldırmamaktadır.

III. Yapay Zeka Destekli İşe Alım Süreçlerinde Algoritmik Ayrımcılık Riski Nasıl Ortaya Çıkar?

Yapay zeka destekli işe alım sistemleri, adayların belirli kriterlere göre otomatik olarak değerlendirilmesini sağlayan algoritmalar üzerinden çalışmaktadır. Bu sistemler, genellikle geçmiş işe alım verileri, özgeçmişler ve performans ölçütleri gibi büyük veri setleri üzerinden öğrenerek karar üretmektedir [9]. Bu durum, insan müdahalesini azaltmakta ve karar alma sürecini hızlandırmaktadır.

Ancak bu sistemlerin temelinde yer alan veri setleri, geçmiş uygulamaların bir yansımasıdır. Dolayısıyla geçmişte var olan eşitsizlikler ve önyargılar, algoritmalar tarafından yeniden üretilebilmektedir. Bu durum, yapay zeka sistemlerinin görünürde tarafsız olmasına rağmen belirli aday gruplarını sistematik olarak dezavantajlı hale getirebilmesine yol açmaktadır [10].

Algoritmik ayrımcılık çoğu zaman doğrudan bir ayrımcılık şeklinde değil, dolaylı ayrımcılık biçiminde ortaya çıkmaktadır. Görünüşte nötr olan bazı kriterler, belirli gruplar üzerinde orantısız bir etki yaratabilmektedir. Örneğin belirli üniversitelerden mezuniyet, belirli iş deneyimi kalıpları veya belirli davranışsal göstergeler üzerinden yapılan değerlendirmeler, bazı adayların sistematik olarak daha düşük puan almasına neden olabilmektedir [11].

Bu noktada algoritmaların yalnızca veri setlerini yansıtmakla kalmadığı, aynı zamanda bu verilerde yer alan eşitsizlikleri pekiştirme potansiyeline sahip olduğu görülmektedir. Yapay zeka sistemleri, belirli özellikleri “başarı göstergesi” olarak öğrenmekte ve bu özelliklere sahip olmayan adayları otomatik olarak daha düşük kategorilere yerleştirebilmektedir [12].

Algoritmik ayrımcılığı daha somut hale getirmek için şu örnek verilebilir. Bir işverenin geçmişte belirli üniversitelerden mezun adayları daha sık işe aldığı bir veri seti üzerinden eğitilen bir sistem, bu üniversiteler dışındaki adayları sistematik olarak daha düşük puanlayabilir. Bu durumda açık bir ayrımcılık yapılmamakla birlikte, kullanılan veri seti ve değerlendirme kriterleri nedeniyle belirli aday grupları dezavantajlı hale gelmektedir.

Bu tür durumlarda ortaya çıkan sorun yalnızca ayrımcılığın varlığı değildir. Aynı zamanda bu ayrımcılığın fark edilmesinin zor olmasıdır. Algoritmik sistemler çoğu zaman karmaşık ve şeffaf olmayan bir yapı üzerinden çalıştığı için, adaylar hangi kriterlere göre elendiklerini bilememektedir. Bu durum, ayrımcılığın tespit edilmesini ve hukuki olarak ileri sürülmesini güçleştirmektedir [13].

Algoritmik değerlendirme süreçlerinin bir diğer önemli sınırlılığı, adayların tüm niteliklerini bütüncül bir şekilde değerlendirememesidir. Yapay zeka sistemleri çoğu zaman belirli anahtar kriterler üzerinden eleme yaptığı için, adayın özgeçmişinde yer alan ancak sistem tarafından yeterince önemsenmeyen bazı özellikler göz ardı edilebilmektedir. Bu durum, özellikle potansiyel olarak uygun olabilecek adayların, katı ve önceden belirlenmiş kriterler nedeniyle sürecin erken aşamalarında elenmesine yol açabilmektedir. Bu tür bir eleme mekanizması yalnızca ayrımcılık riski yaratmakla kalmamakta, aynı zamanda işveren açısından da nitelikli adaylara ulaşma ihtimalini sınırlayan bir sonuç doğurmaktadır.

Bu bağlamda değerlendirildiğinde, algoritmik ayrımcılık klasik ayrımcılıktan farklı bir nitelik taşımaktadır. İnsan kararlarında ayrımcılık daha görünür ve izlenebilirken, algoritmik sistemlerde ayrımcılık çoğu zaman teknik bir süreç içinde gizlenmektedir. Bu durum, iş hukukunda eşitlik ilkesinin uygulanmasını daha karmaşık hale getirmektedir. Çünkü sorun yalnızca ayrımcı bir kararın varlığı değil, bu kararın nasıl üretildiğinin anlaşılabilir olup olmamasıdır. Bu nedenle, algoritmik ayrımcılık tartışması yalnızca eşitlik ilkesi ile sınırlı kalmamakta, aynı zamanda şeffaflık ve denetlenebilirlik sorununu da doğrudan gündeme getirmektedir.

IV. Yapay Zeka Destekli İşe Alım Süreçlerinde Şeffaflık ve Denetlenebilirlik Sorunu

Yapay zeka destekli işe alım sistemlerinde ortaya çıkan en önemli sorunlardan biri, bu sistemlerin karar üretme süreçlerinin çoğu zaman açık ve anlaşılır olmamasıdır. Algoritmaların karmaşık yapısı ve çok sayıda değişken üzerinden çalışması, kararların nasıl üretildiğinin dışarıdan izlenmesini güçleştirmektedir. Bu durum literatürde sıklıkla “black box” problemi olarak ifade edilmektedir [14].

Algoritmik sistemlerin şeffaf olmaması, yalnızca teknik bir mesele değil, aynı zamanda hukuki sonuçlar doğuran bir durumdur. Çünkü işe alım sürecinde verilen kararlar, adayların çalışma hakkı ve eşit muamele görme hakkı üzerinde doğrudan etki yaratmaktadır. Bu tür kararların gerekçelendirilmemesi veya anlaşılabilir olmaması, bireylerin haklarını etkin şekilde kullanmasını zorlaştırmaktadır [15].

Bu noktada şeffaflık kavramının ne anlama geldiğinin de netleştirilmesi gerekir. Şeffaflık, her zaman algoritmanın tüm teknik detaylarının açıklanması anlamına gelmemektedir. Daha çok, verilen kararın hangi kriterlere dayandığının ve adayın hangi nedenle elendiğinin anlaşılabilir olması ile ilgilidir. Bu bağlamda, algoritmik kararların hukuki açıdan anlamlı hale gelebilmesi için, bu kararların belirli bir gerekçeye dayanması ve dışarıdan denetlenebilir olması gerekmektedir [16].

Şeffaflık ile yakından ilişkili olan bir diğer kavram ise hesap verebilirliktir. Yapay zeka sistemleri aracılığıyla verilen kararların sorumluluğunun kime ait olduğu, bu sistemlerin hukuki değerlendirilmesinde belirleyici bir rol oynamaktadır. Şeffaflık sağlanmadığı takdirde, işverenin bu kararları denetlemesi ve gerektiğinde açıklaması da zorlaşmaktadır. Bu durum, işverenin sorumluluğunun fiilen belirsiz hale gelmesine yol açabilmektedir [17].

Bu sorunların çözümü bakımından güncel düzenlemelerde de şeffaflık ve denetim vurgusu ön plana çıkmaktadır. Avrupa Birliği Yapay Zeka Tüzüğü kapsamında, belirli yapay zeka sistemleri için şeffaflık yükümlülükleri ve insan denetimi gereklilikleri öngörülmektedir. Bu yaklaşım, yapay zeka sistemlerinin tamamen şeffaf hale getirilmesini değil, ancak ürettikleri sonuçların anlaşılabilir ve denetlenebilir olmasını hedeflemektedir [18].

Bu bağlamda değerlendirildiğinde, şeffaflık sorunu algoritmik ayrımcılık tartışmasının merkezinde yer almaktadır. Önceki bölümde ifade edildiği üzere, algoritmik sistemler belirli gruplar üzerinde dezavantaj yaratabilecek sonuçlar üretebilmektedir. Ancak bu sonuçların nasıl ortaya çıktığının bilinmemesi, bu tür bir ayrımcılığın tespit edilmesini ve hukuki olarak ileri sürülmesini güçleştirmektedir. Bu durum eşitlik ilkesinin uygulanmasını yalnızca zorlaştırmakla kalmamakta, aynı zamanda fiilen etkisiz hale gelmesine de yol açma riski taşımaktadır. Bu nedenle, yapay zeka destekli işe alım süreçlerinde şeffaflık yalnızca teknik bir tercih değil, aynı zamanda hukuki bir zorunluluk olarak değerlendirilmelidir.

V. Yapay Zeka Destekli İşe Alım Süreçlerinde İşverenin Sorumluluğu

Yapay zeka destekli sistemlerin işe alım süreçlerinde kullanılması, karar verme sürecine teknik bir araç eklenmesi anlamına gelmektedir. Bununla birlikte, bu sistemlerin kullanılması işverenin hukuki sorumluluğunu ortadan kaldırmamaktadır. İşveren, işe alım sürecini organize eden ve kullanılan araçları belirleyen taraf olarak, bu süreçte ortaya çıkan sonuçlardan sorumlu olmaya devam etmektedir.

İşverenin sorumluluğu öncelikle eşit davranma borcu kapsamında değerlendirilmelidir. Daha önce de belirtildiği üzere, işverenin haklı ve objektif bir neden bulunmadıkça adaylar arasında farklı muamelede bulunması hukuka aykırıdır. Bu ilke, Yargıtay içtihatlarında da açık biçimde ortaya konulmuş ve eşit durumda bulunan kişilerin farklı işleme tabi tutulamayacağı ifade edilmiştir [19]. İşverenin değerlendirme kararlarının yargısal denetimine ilişkin bir diğer örnek olan performans yetersizliği gerekçesiyle yapılan fesihlerin geçersizliği ve işe iade konusunu yazımızda ayrıntılı olarak incelemiştik.

Bu çerçevede, işe alım sürecinde kullanılan yapay zeka sistemlerinin de eşitlik ilkesine uygun sonuçlar üretmesi gerekmektedir. Algoritmik sistemlerin karar üretme biçimi, kullanılan veri setleri ve belirlenen kriterler, adaylar arasında dolaylı bir farklılaştırmaya yol açabilir. Ancak bu durum, işverenin sorumluluğunu ortadan kaldırmaz. Zira işveren, bu sistemleri kullanan ve sonuçlarından yararlanan taraf olarak, ortaya çıkan sonuçların hukuka uygunluğunu sağlamakla yükümlüdür [20].

İşverenin sorumluluğu yalnızca ayrımcılık yapmamakla sınırlı değildir. Aynı zamanda ayrımcılık riskini önlemek ve kullanılan sistemleri denetlemek de bu sorumluluğun bir parçasıdır. Yapay zeka sistemlerinin belirli kriterler üzerinden otomatik değerlendirme yapması, bu kriterlerin objektif ve işle bağlantılı olmasını daha da önemli hale getirmektedir. Aksi halde, görünüşte tarafsız olan bir sistem dahi eşit davranma borcuna aykırılık teşkil edebilir.

Bunun yanında, yapay zeka sistemlerinin kullanımında kişisel verilerin işlenmesi de önemli bir rol oynamaktadır. İşe alım sürecinde adaylara ait veriler analiz edilmekte, değerlendirilmekte ve çoğu zaman otomatik karar süreçlerine dahil edilmektedir. Bu durum, işverenin veri sorumlusu sıfatıyla hareket ettiğini ve kişisel verilerin korunmasına ilişkin yükümlülüklerinin de devreye girdiğini göstermektedir [21].

Kişisel verilerin işlenmesi bakımından, veri minimizasyonu, amaçla bağlantılılık ve ölçülülük ilkeleri büyük önem taşımaktadır. İşverenin, adaylara ilişkin verileri yalnızca gerekli olduğu ölçüde işlemesi ve bu verilerin hangi amaçla kullanıldığını açık şekilde belirlemesi gerekir. Aksi halde, yapay zeka sistemleri aracılığıyla gerçekleştirilen değerlendirmeler, bireylerin özel hayatına ve kişisel verilerine yönelik müdahalelere yol açabilir [22].

Bu noktada, yapay zeka sistemlerinin teknik yapısı ile işverenin hukuki sorumluluğu arasında doğrudan bir ilişki kurulmaktadır. Algoritmaların karmaşık yapısı ve karar süreçlerinin şeffaf olmaması, işverenin bu sistemleri denetleme yükümlülüğünü ortadan kaldırmaz. Aksine, bu durum işverenin daha dikkatli hareket etmesini ve kullanılan sistemlerin sonuçlarını sorgulamasını gerektirir.

Burada asıl belirleyici olan husus, işverenin yapay zeka sistemlerini “nötr araçlar” olarak görüp görmemesidir. Eğer bu sistemler yeterince sorgulanmadan ve denetlenmeden kullanılırsa, ortaya çıkan sonuçların hukuka uygun olup olmadığı da göz ardı edilebilir. Oysa işverenin sorumluluğu, yalnızca nihai kararı vermekle sınırlı değildir. Aynı zamanda bu karara nasıl ulaşıldığını da denetlemeyi içerir. Bu nedenle, yapay zeka destekli işe alım süreçlerinde sorumluluğun merkezinde algoritmalar değil, bu algoritmaları kullanan işveren yer almaktadır.

VI. Yapay Zeka Destekli İşe Alım Süreçlerinde Kişisel Verilerin Korunması

Yapay zeka destekli işe alım süreçlerinde adaylara ait kişisel verilerin işlenmesi, bu sistemlerin temelini oluşturmaktadır. Özgeçmişlerde yer alan bilgiler, eğitim geçmişi ve iş deneyimi gibi veriler algoritmalar tarafından analiz edilmekte ve bu veriler üzerinden adaylar hakkında değerlendirmeler yapılmaktadır [23].

Kişisel verilerin işlenmesi bakımından temel ilke, verilerin belirli ve meşru amaçlarla işlenmesi ve bu amaçla bağlantılı, sınırlı ve ölçülü olmasıdır. İşverenin adaylara ilişkin verileri toplarken ve kullanırken bu ilkelere uygun hareket etmesi gerekir [24].

Yapay zeka sistemleri ise bu süreci daha farklı bir boyuta taşımaktadır. Bu sistemler yalnızca adayların sunduğu verileri değerlendirmekle kalmaz, aynı zamanda bu veriler üzerinden yeni çıkarımlar da üretir. Özellikle video mülakatlar veya davranışsal analizler aracılığıyla adayların kişilik özelliklerine veya eğilimlerine ilişkin değerlendirmeler yapılabilmektedir [25]. Bu durum, klasik veri işleme faaliyetlerinden farklı bir risk alanı yaratmaktadır. Çünkü adayın doğrudan paylaşmadığı özellikler, dolaylı olarak analiz edilmekte ve değerlendirme sürecine dahil edilmektedir. Bu da veri işleme faaliyetinin kapsamını genişletmekte ve bireylerin hangi verilerinin kullanıldığı üzerindeki kontrolünü azaltmaktadır.

Bu noktada sorun yalnızca verilerin işlenmesi değildir. Aynı zamanda bu verilerin nasıl sonuçlar çıkardığı da sorun teşkil eder. Çünkü yapay zeka sistemleri tarafından üretilen değerlendirmeler, adayın işe uygun olup olmadığına ilişkin doğrudan bir etki yaratmaktadır. Bu nedenle veri işleme süreci ile karar alma süreci iç içe geçmektedir. Kişisel verilerin korunması ile algoritmik ayrımcılık sorunu bu noktada birleşmektedir. Bu bağlamda veriler üzerinden yapılan çıkarımlar, yalnızca mahremiyet açısından değil, aynı zamanda eşitlik ilkesi açısından da sonuç doğurmaktadır. Bu nedenle, yapay zeka destekli işe alım süreçlerinde veri koruma ilkelerinin uygulanması, yalnızca bireysel verilerin korunması için değil, aynı zamanda ayrımcılık riskinin azaltılması için de önem taşımaktadır.

VII. Sonuç

Yapay zeka destekli işe alım süreçleri, işverenler açısından önemli kolaylıklar sağlamakla birlikte, hukuki açıdan yeni ve karmaşık sorunları da beraberinde getirmektedir. Bu sistemler, adayların daha hızlı ve sistematik şekilde değerlendirilmesini mümkün kılarken, kullanılan veri setleri ve algoritmik yapı nedeniyle ayrımcı sonuçlar doğurma riski taşımaktadır. Bu risk, özellikle algoritmik karar süreçlerinin şeffaf olmaması nedeniyle daha da belirgin hale gelmektedir.

Çalışma kapsamında ele alındığı üzere, iş hukukunda eşitlik ilkesi hem anayasal hem de yasal düzeyde güvence altına alınmıştır. Bu ilke yalnızca açık ayrımcılığı yasaklamakla sınırlı değildir. Aynı zamanda işverenin benzer durumda bulunan adaylara eşit davranmasını da gerektirmektedir. Yapay zeka destekli sistemlerin kullanımı, bu yükümlülüğün kapsamını daraltmamaktadır. Aksine, algoritmik karar süreçlerinin de eşitlik ilkesine uygun olması gerekliliğini ortaya çıkarmaktadır.

Bunun yanında, yapay zeka sistemlerinin veri temelli yapısı, kişisel verilerin korunması bakımından da önemli sonuçlar doğurmaktadır. Adaylara ait verilerin yalnızca toplanması değil, bu veriler üzerinden yeni çıkarımlar yapılması, veri işleme sürecini daha kapsamlı hale getirmektedir. Bu durum, veri koruma ilkelerinin yalnızca teknik bir yükümlülük olarak değil, aynı zamanda bireylerin temel haklarının korunması bakımından değerlendirilmesini gerekli kılmaktadır.

Bu bağlamda değerlendirildiğinde, yapay zeka destekli işe alım süreçlerinde ortaya çıkan sorunların tek bir hukuki alan içinde ele alınması yeterli değildir. Eşitlik ilkesi, şeffaflık gerekliliği ve kişisel verilerin korunması birbirleriyle bağlantılı şekilde değerlendirilmelidir. Özellikle algoritmik karar süreçlerinin denetlenebilir olması, hem ayrımcılık riskinin azaltılması hem de bireylerin haklarını etkin şekilde kullanabilmesi açısından belirleyici bir rol oynamaktadır.

Bu alandaki temel mesele yapay zeka kullanımının tamamen sınırlandırılması değildir. Asıl önemli olan, bu sistemlerin hangi koşullar altında kullanılacağı ve nasıl denetleneceğidir. İşverenlerin, kullandıkları yapay zeka sistemlerini sorgulamadan uygulamaları yerine, bu sistemlerin nasıl çalıştığını ve ne tür sonuçlar ürettiğini dikkate almaları gerekmektedir. Bu nedenle, yapay zeka destekli işe alım süreçlerinde sorumluluğun merkezinde teknolojinin kendisi değil, bu teknolojiyi kullanan ve sonuçlarından yararlanan işveren yer almaktadır.

İlgili Yazılarımız

Kaynakça

Dipnotlar

  • [1] Duygu Çelebi Demir, “İş İlişkisinin Kurulmasında Robot İşe Alım ve Yapay Zekâ Kullanımı”, Dokuz Eylül Üniversitesi Hukuk Fakültesi Dergisi, 2025, s. 210-212.
  • [2] Nicholas Tilmes, “Disability, Fairness, and Algorithmic Bias in AI Recruitment”, Ethics and Information Technology, 2022, s. 2-5.
  • [3] Zhisheng Chen, “Ethics and Discrimination in Artificial Intelligence-Enabled Recruitment Practices”, 2023, s. 5-9.
  • [4] Cecilia Panigutti vd., “The Role of Explainable AI in the Context of the AI Act”, 2023, s. 2-3.
  • [5] Ben Chester Cheong, “Transparency and Accountability in AI Systems: Safeguarding Wellbeing in the Age of Algorithmic Decision-Making”, Frontiers in Human Dynamics, 2024.
  • [6] Türkiye Cumhuriyeti Anayasası, m. 10.
  • [7] 4857 sayılı İş Kanunu, m. 5.
  • [8] Yargıtay 9. Hukuk Dairesi, 06.10.2020, E. 2016/24252, K. 2020/10625.
  • [9] Duygu Çelebi Demir, a.g.m., s. 215-217.
  • [10] Nicholas Tilmes, a.g.m., s. 3-5.
  • [11] Yeliz Bozkurt Gümrükçüoğlu ve Gülnihal Ahter Yakacak, “Yapay Zekânın İşe Alım Süreçlerinde Kullanımı ve Algoritmik Ayrımcılık”, 2023, s. 1703-1729.
  • [12] Zhisheng Chen, a.g.m., s. 7-10.
  • [13] Stephen Fabeyo, “Explainable AI in Employment Decision-Making: A Systematic Review of Transparency Methods in Hiring Algorithms”, Issues in Information Systems, C. 26, S. 3, 2025, s. 127-129.
  • [14] Fabeyo, a.g.m., s. 128-129.
  • [15] Ben Chester Cheong, a.g.m.
  • [16] Zsolt Ződi, “Algorithmic Explainability and Legal Reasoning”, The Theory and Practice of Legislation, C. 10, S. 1, 2022, s. 67-92.
  • [17] Ben Chester Cheong, a.g.m.
  • [18] Cecilia Panigutti vd., a.g.m., s. 3-4.
  • [19] Yargıtay 9. Hukuk Dairesi, 06.10.2020, E. 2016/24252, K. 2020/10625.
  • [20] Senem Değer Ermumcu, “Kişisel Verilerin Korunması Kanununun İşverene Yüklediği Sorumluluklar”, Pamukkale Üniversitesi İşletme Araştırmaları Dergisi, 2021, s. 440-442.
  • [21] Sencer Metin Ses ve M. Refik Korkusuz, “İş İlişkisinde Kişisel Verilerin Yapay Zeka Destekli Sistemlerle İşlenmesi”, ASBÜ Hukuk Fakültesi Dergisi, 2024, s. 1002-1014.
  • [22] Mihri Ceren Aktan, “Üretken Yapay Zeka ile İşe Alım Sürecinde Aday İşçinin Kişisel Verilerinin Değerlendirilmesi”, 2025, s. 510-524.
  • [23] Ses ve Korkusuz, a.g.m.
  • [24] Mihri Ceren Aktan, a.g.m.
  • [25] Ezgi Sima Çelik, “İşe Alımda Adayın Kişisel Veri Güvenliği: Yapay Zeka Destekli Video Mülakat Uygulamaları”, Kişisel Verileri Koruma Dergisi, C. 6, S. 1, 2024, s. 2-5.

Bibliyografya

  • Çelebi Demir, Duygu. “İş İlişkisinin Kurulmasında Robot İşe Alım ve Yapay Zekâ Kullanımı”, Dokuz Eylül Üniversitesi Hukuk Fakültesi Dergisi, C. 27, S. 1, 2025, s. 205-253.
  • Ződi, Zsolt. “Algorithmic Explainability and Legal Reasoning”, The Theory and Practice of Legislation, C. 10, S. 1, 2022, s. 67-92.
  • Tilmes, Nicholas. “Disability, Fairness, and Algorithmic Bias in AI Recruitment”, Ethics and Information Technology, C. 24, 2022.
  • Fabeyo, Stephen. “Explainable AI in Employment Decision-Making: A Systematic Review of Transparency Methods in Hiring Algorithms”, Issues in Information Systems, C. 26, S. 3, 2025, s. 127-135.
  • Cheong, Ben Chester. “Transparency and Accountability in AI Systems: Safeguarding Wellbeing in the Age of Algorithmic Decision-Making”, Frontiers in Human Dynamics, C. 6, 2024.
  • Chen, Zhisheng. “Ethics and Discrimination in Artificial Intelligence-Enabled Recruitment Practices”, Humanities and Social Sciences Communications, C. 10, 2023.
  • Panigutti, Cecilia vd. “The Role of Explainable AI in the Context of the AI Act”, Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’23), 2023.
  • Quintais, João Pedro. “Generative AI, Copyright and the AI Act”, Computer Law & Security Review, 2024.
  • Ugan Çatalkaya, Deniz. “İş Hukukunda Eşitlik İlkesinin İki Bileşeni”, Çalışma ve Toplum Dergisi, 2021/2.
  • Ses, Sencer Metin ve Korkusuz, M. Refik. “İş İlişkisinde Kişisel Verilerin Yapay Zeka Destekli Sistemler Yardımıyla İşlenmesi”, ASBÜ Hukuk Fakültesi Dergisi, C. 6, S. 2, 2024, s. 1000-1050.
  • Çelik, Ezgi Sima. “İşe Alımda Adayın Kişisel Veri Güvenliği: Yapay Zeka Destekli Video Mülakat Uygulamaları”, Kişisel Verileri Koruma Dergisi, C. 6, S. 1, 2024, s. 1-13.
  • Ermumcu, Senem Değer. “Kişisel Verilerin Korunması Kanununun İşverene Yüklediği Sorumluluklar”, Pamukkale Üniversitesi İşletme Araştırmaları Dergisi, C. 8, S. 2, 2021, s. 440-461.
  • Aktan, Mihri Ceren. “Üretken Yapay Zeka ile İşe Alım Sürecinde Aday İşçinin Kişisel Verilerinin Örneklerle Değerlendirilmesi”, Yıldırım Beyazıt Üniversitesi Hukuk Fakültesi Dergisi, 2025/2, s. 507-550.
  • Gümrükçüoğlu, Yeliz Bozkurt ve Yakacak, Gülnihal Ahter. “Yapay Zekânın İşe Alım Süreçlerinde Kullanımı ve Algoritmik Ayrımcılık”, Ankara Üniversitesi Hukuk Fakültesi Dergisi, C. 72, S. 4, 2023, s. 1701-1757.
  • Erbaş, C. Gökhan. “6698 Sayılı Kişisel Verilerin Korunması Kanunu Kapsamında İşçinin Elektronik Ortamda Gözetlenmesi”, 2021.

Mevzuat

  • Türkiye Cumhuriyeti Anayasası.
  • 4857 sayılı İş Kanunu.

Yargı Kararları

  • Yargıtay 9. Hukuk Dairesi, 06.10.2020 tarihli, E. 2016/24252, K. 2020/10625 sayılı karar.