Çalışan Kaybı (Churn) Tahmin ve Önleme

Modül HR-06 — Çalışan Kaybı (Churn) Tahmin ve Önleme

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

Genelde istifa mektubu geldikten sonra "tutma görüşmesi" yapılır — çok geç. Erken sinyalleri okumak zor.

2. Önerdiğim Çözüm

Maaş artış aralığı, son atama tarihi, yöneticisinin değişmesi, eğitim katılımı, izin örüntüleri, dahili hareketlilik talebi gibi sinyallerden 3-6 ay önceden "yüksek istifa riski" listesi üreten; yöneticisine proaktif aksiyon önerisi sunan model.

3. Mimari ve Yaklaşım

Survival analysis + XGBoost, HRIS + bordro + dahili sistem verisi, SHAP açıklanabilirlik, Power BI/Tableau gösterge.

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

Hedefli aksiyon alınan grupta istifa %25-40 azalır. 1.000 çalışanlı bir şirkette tipik tasarruf yıllık ciddi yıllık tasarruf.

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

Credit Suisse (sonrasında UBS'e dahil), AI tabanlı erken uyarı modeli ile öngörülen çalışan kaybını yaklaşık üçte bir oranında azaltmayı başardı ve yıllık ciddi tasarruf raporladı.

7. Ön Koşullar

En az 24 aylık temiz İK verisi, etik onay, çalışana algoritmik karar bildirimi, yöneticiye "ne yapacağım" oyun kitabı (playbook).

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

Yöneticinin liste gören tepkisi "kim gitmek istiyor" zihniyetiyle yanlış konuşmalara dönüşebilir → eğitim + protokol şart. Self-fulfilling prophecy riski → liste paylaşımı sınırlı tutulmalı.

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)

Sadece 5 değişkenli basit lojistik regresyon ve "yöneticisine 1'e 1 yapması önerisi" e-postası; 4 haftada pilot.

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:**