Çalışan Duygu ve Bağlılık Analizi

Modül HR-03 — Çalışan Duygu ve Bağlılık Analizi

Bu sayfa, kurumunuzda hayata geçirebileceğim somut bir AI dönüşüm modülünün uçtan uca özetidir: problem ifadesinden ROI modeline, ön koşullardan risk yönetimine ve ilk 2 haftalık hızlı kazanım versiyonuna kadar her şey burada.

1. Problem Tanımı

Yıllık çalışan memnuniyet anketleri geç (yılda bir kez), düşük katılımlı ve genelde "iyi görünmek" için doldurulmuş yanıtlardır. Liderler ekiplerinin gerçek nabzını ancak istifa mektubuyla öğrenir. Gallup verisine göre küresel olarak çalışanların yalnızca %23'ü bağlı (engaged).

2. Önerdiğim Çözüm

Anonim açık uçlu nabız anketleri (pulse surveys) + isteğe bağlı dahili kanal verisi (örn. dahili forum) üzerinden duygu (sentiment) ve konu (topic) çıkarımı yapan; her ekip için anlık "ısı haritası" ve trend göstergesi üreten panel. Veri her zaman toplulaştırılmış (aggregated) ve K-anonim olmalı.

3. Mimari ve Yaklaşım

LLM tabanlı sentiment + topic modeling (Claude / GPT-4), CultureAmp / Peakon / Glint entegrasyonu, BERT tabanlı Türkçe duygu modeli (BERTurk fine-tune), dashboard: Looker veya Power BI.

Seçilen bileşenler kurumunuzun mevcut altyapısına, veri olgunluğuna ve regülasyon profiline göre kalibre edilir. Açık kaynak yığınlar ile kurumsal SaaS platformları arasındaki tercih genellikle veri ikametgâhı, kontrol seviyesi ve toplam operasyon yüküne göre netleşir.

4. Süre ve Faz Yapısı

Süre aralığı geniş tutulmuştur çünkü mevcut bulut altyapı olgunluğu, iç ekip katılım yoğunluğu ve seçilecek entegrasyon hedefi (kaç sistem) toplam süreyi önemli ölçüde etkiler. Pilot fazında daraltılmış kapsamla başlar; kanıtlanan değere göre tam ölçek planı onaylanır.

**Tipik faz akışı:**

5. ROI ve KPI Beklentileri

Çalışan kaybı (voluntary turnover) %15-25 azalır; Bağlılık skoru 8-12 puan artar.

Aralıkların alt bandı disiplinsiz uygulamayı, üst bandı ise süreç yeniden tasarımıyla birlikte yürütülmüş AI projelerini temsil eder. Yalnız teknoloji kurmak yetmez; mevcut iş akışlarının AI-öncesi mantığa göre yeniden tasarlanması en yüksek değer kaynağıdır.

6. Dünyadan Referans Vaka

IBM, AI duygu analizi destekli "Watson Talent Insights" sistemi ile öngörülen çalışan kaybını %25 azalttı ve bu kapsamda yaklaşık yüksek tutarda tasarruf raporladı.

7. Ön Koşullar

Çalışanın açık rızası ve aydınlatma; sendika/işçi temsilcisi mutabakatı; minimum ekip büyüklüğü kuralı (K≥7 öneririz) — küçük ekiplerde anonimite kaybolur; KVKK uyumlu veri saklama.

Ön koşullar tamamlanmadan ilerlemek, pilotun başarısız olma olasılığını dramatik biçimde artırır. Bunlar tamamlanmamışsa ilk fazı 2–3 haftalık bir hazırlık atölyesiyle başlatıyorum.

8. Risk ve Azaltma Planı

Çalışanların gözetim altında hissetmesi → şeffaflık + sadece toplulaştırılmış görüş + ekip büyüklüğü eşiği. Yöneticilerin "kötü skor" alan ekiplere baskı yapması → metrik kullanım protokolü (bonus değil, gelişim aracı).

KVKK ve AB AI Act 2026 uyumu doğrudan tasarım fazına gömülür; ISO/IEC 42001 (AI Yönetim Sistemi) çerçevesiyle uyumlu model dokümantasyonu (model cards), açıklanabilirlik (XAI) ve bias auditi süreçleri her teslimatın parçasıdır.

9. 2 Haftalık Hızlı Kazanım (Quick Win)

Üç ayda bir, 5 sorudan oluşan kısa anket + AI özet raporu; yöneticiye ekip başına 1 sayfalık trend rapor; 4 haftada hazır.

Quick Win versiyonu küçümsenmemelidir: 2–4 haftalık prototipler hem yönetim kurulu için kanıt üretir hem de tam ölçek proje öncesi kritik öğrenme sağlar.

10. Çalışma Modelim ve Teslimatlar

Modülü uçtan uca hayata geçiriyorum: keşif atölyesi → mimari tasarım → veri ve entegrasyon hazırlığı → pilot inşa ve canlıya alım → ROI takibi ve ölçekleme. Her fazda KVKK uyum kontrolü, model gözlemlenebilirliği (LLMOps) ve değişim yönetimi planı dahildir.

**Tipik teslimatlar:**