Bir çalışanın devamsızlık sıklığı aniden artıyor. Fazla mesaileri son iki aydır yükseliyor. Performans değerlendirme skoru düşmeye başladı. Anketlerdeki bağlılık puanı geçen çeyrekte belirgin biçimde geriledi.
Bu sinyallerin tamamı sistemde var. Soru şu: bu veri ne amaçla kullanılıyor?
People analytics, işgücü verilerini analiz ederek organizasyonel kararları destekleyen bir yaklaşımdır. Ama "veriyi analiz etmek" ifadesi kasıtları gizliyor. Aynı devamsızlık verisi hem "bu çalışan risk altında, proaktif destek verelim" kararına hem de "bu çalışan sorun çıkarıyor, süreç başlatalım" kararına zemin hazırlayabiliyor. İkisi de aynı veri; ama iki farklı yön.
Bu ayrım hem etik hem de pratik açıdan kritik: veri odaklı yaklaşımın çalışana değil şirkete hizmet ettiği algısı oluştuğunda, güven erozyonu tüm sistemi işlevsizleştiriyor.
Tükenmişlik ani gelmiyor; birikerek geliyor. Ve bu birikim çoğunlukla veri izlerinde görünür hale geliyor: devamsızlık paterni değişiyor, mesai saatleri uzuyor, yanıt süreleri uzuyor ya da kısalıyor, anket skorları geriliyor.
Microsoft Viva Insights platformu, 2024 itibarıyla 66 milyon kullanıcıya ulaştı; bu rakam işyeri analitiğinin deneysel bir araçtan ana akım pratiğe geçtiğini gösteriyor. AI destekli tükenmişlik tahmin sistemleri, davranışsal veri ve iş yükü örüntülerini analiz ederek yöneticileri riskli durumlar hakkında önceden uyarabiliyor.
Buradaki potansiyel gerçek: erken tespit, erken müdahale demek. Bir çalışanın tükenmişlik noktasına ulaşmadan önce iş yükünü düzenlemek, destek sunmak ya da sadece fark edildiğini hissettirmek, hem birey için hem de şirket için en verimli sonucu üretiyor.
Ama potansiyel ile risk yan yana duruyor.
Çalışanın sürekli izlendiğini bilmesi, davranışını değiştiriyor; sadece iş performansını değil, özgünlüğünü ve özerkliğini de.
Araştırmacı Shoshana Zuboff'un "anticipatory conformity" (öngörüsel uyumluluk) kavramı bu dinamiği tanımlıyor: çalışanlar, algoritmanın beklentilerini karşılamak için kendi davranışlarını önceden ayarlamaya başlıyor. Bu durum stresin düşmesi değil; görünür olması gereken stresin gizlenmesi anlamına geliyor. Tükenmişlik erken tespit edilemiyor; sadece daha iyi kamufle ediliyor.
HR Executive'in 2025 değerlendirmesi bu gerilimi çarpıcı biçimde özetliyor: "AI verimliliği artırabilir; ama yanlış uygulandığında 'elektronik tablolu Büyük Birader'e dönüşür.
Gözetim ile destek arasındaki farkı belirleyen şey teknoloji değil; verinin hangi amaçla toplandığı ve kimin erişebildiği.
Tükenmişlik tahmini ya da devamsızlık analizi sonucunda bazı sistemler çalışanları otomatik olarak risk kategorilerine yerleştiriyor. Bu etiket, İK ve yönetici kararlarını önceden şekillendirebiliyor.
Buradaki risk çift yönlü. Birincisi: "yüksek risk" etiketi proaktif desteği değil, disiplin sürecini tetikleyebilir. Veri koruyucu bir araç olmak yerine yönetimsel bir gerekçeye dönüşür. İkincisi: algoritmanın ürettiği etiket, o çalışana dair yöneticinin bakış açısını kalıcı biçimde renklendirerek önyargı yaratabilir.
Bu nedenle people analytics'in etik kullanımında iki temel ilke öne çıkıyor. Birincisi, veriden insana giden yolda insan kararı zorunlu olmalı: algoritma uyarı üretiyor, karar vermiyor. İkincisi, aynı veri hem yöneticiye hem de çalışana erişilebilir olmalı: çalışan kendi tükenmişlik sinyallerini görebiliyorsa, bu araç gözetim değil yetkilendirme aracı haline gelir.
People analytics'i çalışan yararına kullanmak soyut bir niyet değil; somut tasarım kararlarını gerektiriyor.
Şeffaflık: Hangi verilerin toplandığı, nasıl analiz edildiği ve bu analizin neye yol açabileceği çalışana açıklanmalı. Gizli toplanan veri, desteği değil denetimi çağrıştırır.
Amaç sınırlaması: Devamsızlık verisi, tükenmişlik desteği için kullanılıyorsa bu amaç dışına çıkmamalı. Aynı verinin performans yönetimine ya da işten çıkarma gerekçesine dönüşmesi, güveni kalıcı olarak zedeler.
Geri bildirim döngüsü: Analitiğin ürettiği içgörü, destek adımlarıyla eşleşmeli. Veri toplanıyor ama sonucunda hiçbir şey değişmiyorsa, çalışan gözetildiğini ama korunmadığını hisseder.
Veri minimizasyonu: Ne kadar fazla veri toplanırsa o kadar iyi değil. Amaca hizmet etmeyen veri toplamak hem etik hem de KVKK açısından risk taşır.
People analytics'in gerçek değeri, rapor üretmekten değil; o raporun bir insanla konuşmayı tetiklemesinden geliyor.
Bir çalışanın tükenmişlik sinyali sistemde uyarı ürettiğinde, bu uyarının yöneticiye ulaşması ve yöneticinin çalışanla birebir görüşme yapması gerekiyor. Veri, o konuşmanın yerine geçemiyor; sadece onu mümkün kılan bilgiyi sağlıyor.
Bu ayrım önemli: analitiğin çıktısı bir karar değil, bir konuşma zemini.
Ming, devamsızlık trendi, fazla mesai verisi, eğitim katılımı ve performans göstergelerini entegre biçimde görselleştirerek yöneticilerin ve İK ekiplerinin çalışan sinyallerini erken okumasını sağlıyor. Bu veriler, disiplin kararlarının değil proaktif destek konuşmalarının zemini olarak tasarlanmış bir yapı içinde sunuluyor.
Veriyi çalışan aleyhine değil, çalışan yararına kullanmak mümkün. Ama bunun tasarım kararı olması gerekiyor; varsayılan sonuç değil.
Kaynaklar
