Yapay zekâ ile yazılan CV anlaşılır mı?

Göndermeden önce: satır satır kaynak kontrolü

ChatGPT ya da başka bir araçla taslak çıkardıysanız, zamanınızı bir dedektöre değil taslağın kendisine ayırın. Bir sitenin CV'nize '%70 yapay zekâ' demesi şansınız hakkında pek bir şey söylemez. Mülakatta sorulacak her satırı anlatabiliyor olmanız ise çok şey söyler.

1. CV'yi yazdırın ya da yanına boş bir not açın.
2. Her rakamın, unvanın, aracın ve sertifikanın yanına kaynağını yazın: SGK hizmet dökümü, sözleşme, bordro, rapor, sertifika ya da anlatabileceğiniz bir proje.
3. Kaynağı olmayanı silin. Model boşluğu makul görünen ayrıntıyla doldurur; uydurma tam burada ortaya çıkar.
4. Kalan her satırı sesli okuyun ve kendinize sorun: 'Bunu biraz açar mısınız?' sorusuna iki dakika cevap verebilir miyim?
5. 'Sonuç odaklı, dinamik, takım oyuncusu' gibi kalıp açılışları tek bir somut satırla değiştirin ya da çıkarın.
6. İlanda yapay zekâ kullanımıyla ilgili bir kural varsa ona uyun.

Yapay zekâ dedektörleri nasıl karar veriyor

Dedektörlerin çoğu, metnin ne kadar tahmin edilebilir olduğuna bakar. Dil modelleri olası kelimeyi seçme eğiliminde olduğundan, şaşırtıcı kelime seçimi az olan (düşük 'perplexity') metin onlara makine işi gibi görünür. Sorun şu: özenli ama sade insan yazısı da tahmin edilebilirdir. Stanford'dan Liang ve ekibinin çalışması bunu sayılarla gösterdi.

Dedektörü yapanlar kendi araçları hakkında ne diyor

OpenAI, 31 Ocak 2023'te bir yapay zekâ metni sınıflandırıcısı yayımladı. Sayfasına göre kendi İngilizce test setinde yapay zekâ metinlerinin yalnızca %26'sını 'muhtemelen yapay zekâ' olarak işaretledi, insan metnini ise %9 oranında yanlışlıkla yapay zekâ saydı. Sayfa, aracın 1.000 karakterin altındaki metinlerde çok güvenilmez olduğunu, yalnızca İngilizce için önerildiğini ve diğer dillerde belirgin biçimde kötü çalıştığını söylüyordu. OpenAI aracı düşük doğruluk gerekçesiyle 20 Temmuz 2023'te kaldırdı.

Üniversitelerin kullandığı Turnitin, 2023'te yayımladığı yazılarda, en az %20 yapay zekâ içeren belgeler için belge düzeyinde yanlış pozitif oranının %1'in altında, cümle düzeyinde ise yaklaşık %4 olduğunu açıkladı. Asgari metin uzunluğunu 150 kelimeden 300 kelimeye çıkardı ve %20'nin altındaki puanlara, yanlış pozitif daha sık görüldüğü için yıldız işareti ekledi. Yanlış pozitif riskini tamamen ortadan kaldıramadığını, işaretlenen cümlelerin bir sonuç değil bir konuşma başlatması gerektiğini de yazdı.

Üretici rakamları, üreticinin kendi verisiyle yaptığı ölçümlerdir; burada bağımsız sonuç olarak değil, beyan olarak aktarılıyor. Sayfalar 13 Ekim 2026'da okundu.

Bağımsız araştırmalar dedektörler hakkında ne buldu

Aşağıdaki çalışmaların hepsi birincil kaynaktır ve 13 Ekim 2026'da tam metinleriyle okundu. Hiçbiri doğrudan CV test etmedi; denemeler, özetler ve kısa metinler üzerinde çalıştılar. CV için elimizdeki en yakın kanıt bunlar.

Türkçe CV ve çeviriyle hazırlanan İngilizce CV

Türkçe bir CV için durum daha da belirsiz: OpenAI kendi aracını yalnızca İngilizce için önermiş ve diğer dillerde belirgin biçimde kötü çalıştığını yazmıştı. İngilizce CV'yi Türkçeden çeviri aracıyla hazırlayanlar için Weber-Wulff ekibinin bulgusu önemli: insan yazısı makine çevirisinden geçince araçlar onu daha sık yapay zekâ saydı. Liang ekibi ise TOEFL denemelerinin kelime dağarcığını ChatGPT ile zenginleştirince yanlış pozitif oranının %61,22'den %11,77'ye indiğini gösterdi. Yani sorun metni kimin yazdığında değil, kelime seçiminin sadeliğindeydi. Turnitin bu çalışmanın kendi aracına uygulanmasına itiraz eder; TOEFL denemelerinin hepsinin 150 kelimenin altında olduğunu hatırlatır.

CV, dedektör için neden zor bir metin

Bu bölüm ölçülmüş bir sonuç değil, yukarıdaki kaynaklardan çıkarılmış bir akıl yürütmedir. CV büyük ölçüde madde işaretleri, tarihler ve adlardan oluşur. Düz yazı kısmı kısa bir özet ve her iş için birkaç satırdır; çoğu zaman OpenAI'nin çok güvenilmez dediği 1.000 karakterin ve Turnitin'in istediği 300 kelimenin altında kalır. CV dili de doğası gereği kalıplıdır ('Yönettim', 'Kurdum', 'Azalttım'); kim yazarsa yazsın tahmin edilebilir görünür.

İşe alım uzmanı gerçekte neyi görür

İşverenlerin kullandığı başvuru takip sistemleri (ATS) CV'yi saklar, ayrıştırır ve aranabilir kılar; belgelerinde yapay zekâ metni tespiti yer almaz. Bunu ATS uyumlu CV sayfası anlatıyor. Bir dedektör ancak biri metninizi ona yapıştırırsa devreye girer. Bir insana ulaşan şey ise sizin ifadeleriniz ve iddialarınızdır.

Herkesinkine benzeyen cümleler

İngiltere'nin mezun kariyer servisi Prospects, işe alımcıların yapay zekâ ile yazılmış CV'leri fark etmekte giderek ustalaştığını ve tamamen yapay zekâya yazdırılmış bir CV'nin kendi CV'niz gibi sunulmaması gerektiğini söyler. Taslağı ele veren şey benzerliktir: her modelin ürettiği kalıp ifadeler, her maddede aynı yapı ve somut ayrıntısı olmayan bir parlaklık.

Herkes iyi yazınca yazının değeri düşüyor

Galdin ve Silbert (arXiv 2511.08785, 2025), Freelancer.com'daki başvuruları inceledi. Büyük dil modellerinden önce işverenler ilana özel yazılmış başvurulara daha fazla ödemeye razıydı; sonrasında bu fark kayboldu. Herkesin metni düzgün olunca işveren başka yere bakar: iş geçmişine, kanıta, mülakata. Ön yazı aracı üzerine benzer bir çalışmayı yapay zekâ ile ön yazı sayfası özetliyor.

Yazım yardımı almak sorun değil

Van Inwegen, Munyikwa ve Horton (arXiv 2301.08083, 2023), bir çevrim içi iş platformunda yaklaşık yarım milyon iş arayanla saha deneyi yaptı. Özgeçmişleri için algoritmik yazım yardımı, yani çoğunlukla yazım ve dil bilgisi önerileri alanların işe alınma olasılığı %8 arttı; işverenlerin daha az memnun kaldığına dair bir iz bulunmadı. Daha açık yazı, işverenin yeteneği görmesine yardım etti; onu gizlemedi.

Değerlendiren de bir dil modeliyse

Xu, Li ve Jiang (arXiv 2509.00462, 2025), değerlendirici olarak kullanılan büyük dil modellerinin kendi ürettikleri özgeçmişleri insan yazısına karşılaştırmaların %67 ile %82'sinde tercih ettiğini buldu. 24 meslekte yaptıkları simülasyonda bu eğilim kısa listeye girme olasılığını %23 ile %60 arasında artırdı. Yazarlar bunu düzeltilmesi gereken bir hata olarak görüyor ve basit müdahalelerle yarıdan fazla azalttılar; CV'nizi modele yazdırmak için bir gerekçe değildir.

Asıl risk: savunamayacağınız satırlar

Prospects'in uyarısı açık: CV'deki bilgiler kolayca doğrulanır; uydurma bir ayrıntı ya hemen göze batar ya da mülakatta ortaya çıkar. Uydurma rakamların nereden geldiğini yapay zekâ CV araçları neden uydurur sayfası anlatıyor. Aşağıda bunun bir görüşmede nasıl göründüğü var. Satırlar bu sayfa için kurgulandı; gerçek bir aday değil.

CV'ye gizlenmiş anahtar kelimeler ya da yapay zekâya yazılmış talimatlar ayrı ve tespit edilebilir bir risktir; CV'de gizli metin sayfası bunu anlatır. Başvuru formundaki eleme sorularına verilen cevaplar da sonradan kontrol edilir; bunu başvuru eleme soruları sayfası açıklar.

Yapay zekâ kullandığımı söylemeli miyim

İşverenin kuralına uyun. Prospects, bazı işverenlerin 'yapay zekâ yok' dediğini, bazılarının ise etik kullanımı desteklediğini belirtir. Makul kullanımları da sayar: araştırma, ilan metnini özetlemek, ilk taslak ve son okuma. Yapay zekânın CV'nin tamamını yazmaması, ayrıntı uydurmaması ya da abartmaması gerektiğini söyler. Başvuru formu yapay zekâ kullanımını soruyorsa doğru cevap verin; sormuyorsa CV'nin üzerinde bir etiket olması gerekmez.

Bu kanıtların sınırları

• İşe alımcıların ya da dedektörlerin yapay zekâ ile yazılmış CV'leri ne kadar iyi tanıdığını ölçen birincil bir çalışma bulamadık. Yukarıdaki kanıtlar deneme, özet ve kısa metinlerden geliyor.
• Dedektörler değişir. Her çalışma test tarihini verir; OpenAI ve Turnitin rakamları 2023'e aittir.
• Bugün satılan hiçbir dedektör için doğruluk oranı vermiyoruz; CV üzerinde bağımsız olarak test edilmiş birine rastlamadık.
• Türkçe metin üzerinde dedektör doğruluğunu ölçen bir çalışma da bulamadık; bu yüzden Türkçe CV için rakam vermiyoruz.
• Bir işveren sizi bir dedektör puanına dayanarak suçlarsa, yukarıdaki çalışmalar puanın nasıl üretildiğini sormak için sağlam bir dayanaktır.

Kontrolü elinizde tutan kullanım yolları

Son satıra bir örnek CitedCV'dir: CV'yi yalnızca verdiğiniz bilgilerden yazar, her satır dayandığı bilgilerin kimliklerini taşır ve rakamını ya da adını eşleştiremediği satırları deterministik bir doğrulayıcı çıkarır. CV'yi Türkçe, İngilizce ya da Almanca yazabilir. Yapay zekâ metnini ne tespit eder ne gizler. Ücretsiz ATS CV kontrol aracı 'sonuç odaklı' gibi kalıp ifadeleri okurlar atladığı için işaretler; bir dedektör puanını tahmin etmek için değil.

Sık sorulan sorular

Kaynaklar

1. Liang, Yuksekgonul, Mao, Wu ve Zou, GPT detectors are biased against non-native English writers (arXiv 2304.02819, 2023)arxiv.org/abs/2304.02819
2. Weber-Wulff ve ekibi, Testing of detection tools for AI-generated text (arXiv 2306.15666; Int J Educ Integr 19, 26, 2023)arxiv.org/abs/2306.15666
3. Perkins ve ekibi, GenAI detection tools, adversarial techniques and implications for inclusivity in higher education (arXiv 2403.19148, 2024)arxiv.org/abs/2403.19148
4. Dugan ve ekibi, RAID: makine üretimi metin dedektörleri için ortak test seti (arXiv 2405.07940, ACL 2024)arxiv.org/abs/2405.07940
5. OpenAI, New AI classifier for indicating AI-written text (31 Ocak 2023; 20 Temmuz 2023'te kaldırıldı)openai.com/index/new-ai-classifier-for-indicating-ai-written-text/
6. Turnitin, cümle düzeyinde yanlış pozitif oranı üzerine (14 Haziran 2023)www.turnitin.co.uk/blog/understanding-the-false-positive-rate-for-sentences-of-our-ai-writing-detection-capability
7. Turnitin, ürün direktörünün yapay zekâ tespiti güncellemesi (23 Mayıs 2023)www.turnitin.co.uk/blog/ai-writing-detection-update-from-turnitins-chief-product-officer
8. Turnitin, İngilizce öğrenenlere karşı yanlılık araştırması (26 Ekim 2023)www.turnitin.ca/blog/new-research-turnitin-s-ai-detector-shows-no-statistically-significant-bias-against-english-language-learners
9. Galdin ve Silbert, Making talk cheap: generative AI and labor market signaling (arXiv 2511.08785, 2025)arxiv.org/abs/2511.08785
10. van Inwegen, Munyikwa ve Horton, Algorithmic writing assistance on jobseekers' resumes increases hires (arXiv 2301.08083, 2023)arxiv.org/abs/2301.08083
11. Xu, Li ve Jiang, AI self-preferencing in algorithmic hiring (arXiv 2509.00462, 2025)arxiv.org/abs/2509.00462
12. Prospects, How to write a CVwww.prospects.ac.uk/careers-advice/cvs-and-cover-letters/how-to-write-a-cv