Yapay zeka ile açık uçlu yorum analizi, çalışan anketlerindeki serbest metin cevaplarının dil modelleri ve metin analizi yöntemleriyle konularına, tonlarına ve içerdikleri önerilere göre sınıflandırılması ve özetlenmesidir. Elle haftalar sürebilen bu iş dakikalar içinde yapılabilir. Ancak yapay zeka bağlamı, ironiyi, kuruma özgü terimleri ve nadir ama kritik yorumları kaçırabilir; bu yüzden en sağlıklı yaklaşım, kod çerçevesini bir uzmanın kurduğu, sınıflandırmayı yapay zekanın yaptığı ve sonuçların bir örneklem üzerinde insan tarafından doğrulandığı bir süreçtir.
- Yapay zeka, binlerce açık uçlu yorumu konularına ve tonlarına göre dakikalar içinde sınıflandırabilir; bu iş elle haftalar sürebilir.
- Bağlamı, ironiyi, kuruma özgü terimleri ve nadir ama kritik yorumları kaçırabilir; bu yüzden sonuçlar mutlaka bir uzman tarafından doğrulanmalıdır.
- En sağlıklı süreçte kod çerçevesini insan kurar, sınıflandırmayı yapay zeka yapar ve bir örneklem üzerinde insan kontrolüyle doğruluk ölçülür.
- Yorumlar kişisel veri içerebileceği için, dış bir yapay zeka servisine gönderilmeden önce kimliği ele veren bilgilerden arındırılmalıdır.
Neden yapay zeka?
Açık uçlu sorular, kapalı soruların gösterdiği puanların ardındaki nedenleri ortaya çıkarır. Ama birkaç bin çalışanı olan bir kurumda tek bir açık uçlu soru bile binlerce yorum demektir. Bu yorumları elle okuyup sınıflandırmak haftalar sürer; çoğu kurumda ya hiç yapılmaz ya da birkaç çarpıcı yorumun okunmasıyla sınırlı kalır.
Yapay zeka bu tabloyu üç şekilde değiştiriyor:
- Hız: Binlerce yorum dakikalar içinde sınıflandırılabilir; sonuçlar yönetime sayısal sonuçlarla aynı anda sunulabilir.
- Tutarlılık: Aynı kurallar tüm yorumlara aynı şekilde uygulanır; yorgunluk ya da kişisel yorum farkı olmaz.
- Ölçek: Kırılım bazında analiz (hangi konu hangi birimde öne çıkıyor?) elle yapılandan çok daha kolay hale gelir.
Bunun sonucu olarak açık uçlu sorular anketlerde daha fazla yer bulmaya başladı. Bu gündemin genel bağlamını çalışan bağlılığı trendleri 2027 yazımızda ele aldık.
Yapay zeka nerede iyi, nerede zayıf?
| İyi olduğu işler | Zayıf olduğu noktalar |
|---|---|
| Yorumları önceden tanımlanmış konulara göre sınıflandırmak | Kuruma özgü terimleri, kısaltmaları ve proje adlarını anlamak |
| Bir yorumun birden fazla konuya değindiğini fark etmek | İroni, sitem ve dolaylı anlatımı doğru yorumlamak |
| Olumlu, olumsuz ve öneri içeren yorumları ayırmak | Az sayıda ama kritik yorumu (taciz, etik ihlal, güvenlik) öne çıkarmak |
| Yazım hatalı ya da kısa yorumları anlamlandırmak | Özetlerde olmayan bir bulguyu "uydurmak" ya da oranları abartmak |
| Uzun yorum setlerini özetlemek | Yorumun yazıldığı kurumsal bağlamı bilmek |
Bu tablo, yapay zekanın bir analist yardımcısı olarak çok değerli, ama tek başına bırakıldığında riskli olduğunu gösterir.
Kullanılan yöntemler
- Anahtar kelime ve kural tabanlı sınıflandırma: "Maaş", "ücret", "zam" gibi kelimeleri içeren yorumları "ücret" konusuna atamak. Basit ve şeffaftır ama "maaşımdan memnunum" ile "maaşım yetmiyor" yorumlarını ayıramaz; Türkçenin eklemeli yapısı nedeniyle de kelime listeleri hızla uzar.
- Denetimli makine öğrenmesi: Elle etiketlenmiş bir yorum seti üzerinde eğitilen bir model, yeni yorumları aynı konulara göre sınıflandırır. Doğruluğu yüksektir ama her kurum ve kod çerçevesi için etiketli veri gerektirir.
- Büyük dil modelleri: Konu başlıkları ve tanımları verilen bir dil modeli, önceden eğitim verisi gerektirmeden yorumları sınıflandırabilir, tonunu belirleyebilir ve özetleyebilir. Bugün en yaygın ve esnek yöntemdir; ancak sonuçlarının doğrulanması şarttır.
- Konu modelleme: Önceden konu tanımlamadan, yorumlarda kendiliğinden öne çıkan konuları bulmaya çalışır. Keşif aşamasında faydalıdır ama ürettiği konuları yorumlamak ve adlandırmak yine uzman işidir.
İnsan denetimli bir analiz süreci
- Yorumları arındırın: Analizden önce isim, unvan, telefon, e-posta, proje adı ve kişiyi tanımlayabilecek olay ayrıntılarını maskeleyin. Bu adım hem gizlilik hem de analizin tarafsızlığı için gereklidir.
- Kod çerçevesini insan kursun: Bir yorum örneklemini okuyarak konu başlıklarını ve her başlığın tanımını belirleyin. Başlıkları mümkün olduğunca anketin kategorileriyle uyumlu tutun. Yapay zekanın doğruluğu, büyük ölçüde bu tanımların netliğine bağlıdır.
- Yapay zeka sınıflandırsın: Her yorumu bir ya da birden fazla konuya atayın ve olumlu, olumsuz ya da öneri olarak işaretleyin.
- Örneklemle doğrulayın: Rastgele seçilmiş bir grup yorumu (örneğin 100–200 yorum) bir uzman ayrıca sınıflandırsın ve yapay zekanın sonuçlarıyla karşılaştırın. Uyumun düşük olduğu konuların tanımlarını netleştirip sınıflandırmayı tekrarlayın.
- Sayın ve çaprazlayın: Her konunun kaç yorumda geçtiğini, tonunu ve hangi gruplarda yoğunlaştığını hesaplayın. Bu sonuçları kapalı soruların sonuçlarıyla birlikte okuyun.
- Özetleri ve alıntıları kontrol edin: Yapay zekanın ürettiği özetlerdeki her iddianın sayılarla desteklendiğinden emin olun. Rapordaki alıntılar, yapay zekanın yeniden yazdığı cümleler değil, çalışanların kendi (arındırılmış) ifadeleri olmalıdır.
- Hassas yorumları insan incelesin: Taciz, ayrımcılık, etik ihlal veya iş güvenliği gibi konulara işaret eden yorumlar, otomatik sınıflandırmaya bırakılmadan bir uzman tarafından ayrıca değerlendirilmelidir. Bu yorumların nasıl ele alınacağı, anonimliği zedelemeden, anket başlamadan önce belirlenmiş bir süreçle yürütülmelidir.
Açık uçlu yorumların analiz adımlarının genel çerçevesini açık uçlu çalışan anketi soruları yazımızda, analizin bütününü de çalışan anketi sonuçları nasıl analiz edilir yazımızda anlattık.
Türkçe yorumlara özgü zorluklar
- Eklemeli yapı: Aynı kelime onlarca farklı biçimde yazılabilir ("yönetici", "yöneticimiz", "yöneticilerimizden"). Dil modelleri bunu kural tabanlı yöntemlerden çok daha iyi yönetir.
- Türkçe karakter eksikliği: Mobil cihazlardan yazılan yorumlarda "ı, ğ, ş, ç, ö, ü" yerine Latin karşılıklarının kullanılması yaygındır ("isyuku cok fazla").
- Kısaltma ve kurum jargonu: Birim, sistem ve proje kısaltmaları, kod çerçevesinde açıkça tanımlanmazsa yanlış sınıflandırılabilir.
- Dolaylı anlatım: Eleştirinin nezaket kalıpları içinde ya da sitemle ifade edilmesi, tonun yanlış belirlenmesine yol açabilir.
Bu nedenle Türkçe yorumlarda doğrulama adımı özellikle önemlidir.
Gizlilik ve KVKK
Açık uçlu yorumlar, anketin kişisel veri içerme ihtimali en yüksek kısmıdır. Yapay zeka araçlarını kullanırken:
- Veriyi arındırın: Yorumları herhangi bir dış servise göndermeden önce kimliği ele veren bilgileri maskeleyin.
- Aracı dikkatle seçin: Verilerin model eğitiminde kullanılmadığı, saklama süresinin belli olduğu ve veri işleme koşulları sözleşmeyle tanımlanmış kurumsal araçları tercih edin. Kişisel kullanım için tasarlanmış genel araçlara çalışan yorumları yüklemeyin.
- Yurt dışı aktarımı kontrol edin: Servisin sunucuları yurt dışındaysa ve veri kişisel veri niteliğindeyse, KVKK'nın yurt dışına aktarım şartları geçerli olabilir.
- Şeffaf olun: Anketin başında açık uçlu yorumların nasıl analiz edileceğini ve yapay zeka araçlarının kullanılıp kullanılmadığını çalışanlara açıkça anlatın.
Bu bölüm genel bilgilendirme amaçlıdır; kurumunuza özel değerlendirme için hukuk danışmanınızla görüşün. Anonimlik ve KVKK ile ilgili diğer konular için çalışan anketlerinde anonimlik ve KVKK yazımıza bakabilirsiniz.
Bir araç ya da firma seçerken sorulacak sorular
- Yorumlar hangi yöntemle sınıflandırılıyor? Kod çerçevesini kim oluşturuyor?
- Sınıflandırmanın doğruluğu nasıl ölçülüyor ve bir uzman tarafından kontrol ediliyor mu?
- Kurumumuza özgü terimler ve kategoriler sisteme nasıl tanıtılıyor?
- Yorumlardaki kişisel veriler analizden önce nasıl arındırılıyor?
- Veriler nerede işleniyor, ne kadar süre saklanıyor ve model eğitiminde kullanılıyor mu?
- Hassas yorumlar (taciz, etik, güvenlik) nasıl tespit ediliyor ve nasıl ele alınıyor?
- Raporlardaki alıntılar çalışanların kendi ifadeleri mi, yoksa yapay zekanın özetleri mi?
Araştırma firması ile anket yazılımı arasındaki genel farkları çalışan anketi için araştırma şirketi mi, yazılım mı yazımızda karşılaştırdık.
Sık sorulan sorular
Yapay zeka açık uçlu yorumları ne kadar doğru analiz eder?
Güncel dil modelleri, iyi tanımlanmış konu başlıklarına göre sınıflandırmada genellikle başarılıdır; ancak doğruluk kod çerçevesinin netliğine, yorumların diline ve kuruma özgü terimlere göre değişir. Bu yüzden her analizde rastgele seçilmiş bir yorum örneklemi bir uzman tarafından kontrol edilmeli ve yapay zekanın sınıflandırmasıyla uyumu ölçülmelidir.
Çalışan yorumlarını ChatGPT gibi genel yapay zeka araçlarına yüklemek doğru mu?
Dikkatli olunmalıdır. Yorumlar isim, unvan veya olay ayrıntısı gibi kişisel veri içerebilir. Kurumsal bir sözleşmesi olmayan, verileri model eğitiminde kullanabilen ya da sunucuları yurt dışında olan servislere yorum yüklemek gizlilik ve KVKK açısından risk oluşturur. Yorumlar önce kimliği ele veren bilgilerden arındırılmalı ve veri işleme koşulları net bir kurumsal araç tercih edilmelidir.
Yapay zeka insan analistin yerini alabilir mi?
Hayır, ancak işini büyük ölçüde hızlandırır. Yapay zeka sınıflandırma ve özetleme gibi tekrar eden işleri üstlenirken, kod çerçevesini kurmak, sonuçları doğrulamak, bağlamı yorumlamak ve bulguları aksiyona dönüştürmek uzmanın işi olmaya devam eder.
Duygu analizi çalışan yorumlarında işe yarar mı?
Tek başına sınırlıdır. Bir yorumun olumlu ya da olumsuz olduğunu bilmek, hangi konuda olduğunu bilmeden aksiyon almaya yetmez. Duygu analizi, konu sınıflandırmasıyla birlikte kullanıldığında anlam kazanır: "Kariyer konusundaki yorumların büyük çoğunluğu olumsuz" gibi.
