Açıkçası, İş arama araçlarının büyük çoğunluğu, açık konuşayım, hep aynı noktada çakılıp kalıyor: ilanı buluyor, filtreliyor, belki bir anahtar kelimeyle eşleştiriyor — ve sonra sizi baş başa bırakıyor. Markette raf gösterip “seç artık” demek bir düşüneyim… gibi bir şey bu. Oysa iş aramak sadece bir arama problemi değil; aynı zamanda ciddi bir karar verme problemi. Asıl mesele tam da burada başlıyor.
Geçen ay İstanbul’da bir arkadaşımın CV’sine bakarken bunu yine hissettim. İlan listesi dolu, tamam. Ama hangisi gerçekten uygun? Hangisi “başvur gitsin” kategorisinde, hangisi zaman kaybı? Klasik platformlar bu noktada biraz cılız kalıyor işte. Ben de editör masasında bu konuyu görünce durdum, düşündüm: böyle bir sistemi yalnızca arama yapan bir araç olmaktan çıkarıp kullanıcıya yol gösteren bir ajana çevirmek mümkün mü?
Şöyle ki, Kısa cevap: Evet. Ama sihirli değnekle değil — doğru katmanları üst üste koyarak. Bu yazıda da tam olarak bunu anlatacağım: Dedalus gibi bir ajan çerçevesi, mevcut bir iş zekâsı platformunun üstüne nasıl oturur, neyi değiştirir, nerede risk çıkarır. Neden MCP tarafı burada kilit hale gelir.
Aramadan karara geçiş neden önemli?
İşin garibi, İlan bulmak artık zor değil. Zor olan başka bir şey: yüzlerce sonuç arasından gerçekten değerli olanları ayıklamak. Bir ürün yöneticisi için bambaşka sinyaller önemli olabilir, bir backend geliştirici için bambaşka skill set gerekir. Yani aynı veri seti herkes için aynı anlama gelmiyor — bu basit ama can alıcı bir gerçek.
Ben 2023’te küçük bir SaaS projesinde buna benzer bir şeyle yüz yüze geldim (buna dikkat edin). Ekip büyüme aşamasındaydı. Işe alım sayfasına gelen adayların çoğu iyi görünüyordu, ama “iyi görünmek” tek başına yetmiyordu. Kimin hızlı başlayabileceği, kimin öğrenme eğrisinin kısa olduğu, kimin uzun vadede daha dayanıklı olacağı gibi sorular masaya gelince düz filtreleme tutmadı. O gün net anladım: arama motoru başka şeydir, karar destek sistemi bambaşka.
Satvik Panchal’ın anlattığı yaklaşım da buradan güç alıyor zaten. Elindeki platformda 14 binden fazla ilan var; 144 şirketten veri çekilmiş; Greenhouse, Lever, Ashby ve SmartRecruiters gibi dört farklı ATS destekleniyor. Kağıt üstünde bayağı sağlam bir temel bu. Ama temel sağlam diye bina otomatik olarak akıllı olmuyor — bunu da eklemek lazım.
Çok konuştum, örnekle göstereyim.
Bak şimdi, Dur bir saniye — aslında şunu da söyleyeyim: iyi bir iş arama sistemi kullanıcıya sadece “ne var?” sorusunu cevaplamaz. “Senin için ne anlam taşıyor?” sorusuna da dokunur. Ajan katmanı tam burada devreye giriyor işte.
Mevcut platform ne yapıyordu?
Bu tarz sistemlerde ilk katman genelde veri toplama oluyor. İlanlar toplanıyor, temizleniyor, alanlara ayrılıyor. Yapılandırılmış hale geliyor — mesela ham iş tanımı metni; rol adı, lokasyon, maaş bandı, gerekli beceriler ve deneyim seviyesi gibi alanlara dönüşüyor. Sıkıcı görünüyor bu kısım, haklısınız, ama temel taş burada atılıyor.
Sonra doğal dil araması geliyor. “Bana remote frontend rolleri göster” diyorsunuz ya da özgeçmişinizi yükleyip eşleşme istiyorsunuz. Bir de skill-gap analizi eklenince sistem fena olmayan bir yardımcıya dönüşüyor. Fena değil dedim — çünkü hâlâ son karar sizde. Sistem bilgi veriyor ama yön vermiyor.
Editör gözüyle bakınca bunun en büyük artısı ölçeklenebilirlik. Binlerce ilanı makineyle tarıyorsunuz; tekrar eden kalıpları yakalıyorsunuz; hangi becerilerin hangi rolde öne çıktığını görüyorsunuz (kendi tecrübem). Ama eksik taraf da net: kullanıcı neyi seçmesi gerektiğini yine kendi kafasında çözmek zorunda kalıyor. Bu yorucu.
İyi bir iş zekâsı platformu size seçenekleri sıralar; iyi bir ajan ise seçeneklerin arasındaki farkı açık eder.
Dedalus eklense ne değişir?
Bence Dedalus’un kattığı şey yeni bir veri kaynağı değil — orkestrasyon mantığı. Yani mevcut scraping hattını bozmuyorsunuz; PostgreSQL’i çöpe atmıyorsunuz; FastAPI servislerini kapatmıyorsunuz. Bunlar yerinde kalıyor. Dedalus üst kata çıkıp tüm parçaları konuşan hale getiriyor.
Güzel olan nokta şu: ajan artık kullanıcının niyetini anlıyor, sorguyu bağlama oturtuyor ve yalnızca sonuç döndürmüyor — sonuçların neden önemli olduğunu da anlatıyor. Mesela biri “orta seviye Python işi istiyorum. Çok sert teknik mülakat istemiyorum” dediğinde sistem sadece Python kelimesini avlamıyor; zorluk seviyesini de tartıyor. Bu fark küçük gibi görünüyor ama kullanıcı deneyiminde muazzam bir etki bırakıyor. RGAA’da %62 Otomasyon: Erişilebilirlikte Yeni Oyun Planı yazımızda bu konuya da değinmiştik.
Bunu biraz açayım.
Bi saniye — Ben bunu geçen sene Berlin’deki uzaktan çalışan ekiplerle ilgili notlar hazırlarken hissettim. Aynı şehirde bile insanlar farklı kriterlerle başvuruyor — biri maaşa bakıyor, biri hibrid modele, biri teknoloji yığınına… Agentic yaklaşımın gücü tam burada ortaya çıkıyor: tek boyutlu filtreleme yerine çok boyutlu karar desteği veriyor.
Ajanın yapacağı işler
- Kullanıcının geçmişini ve hedefini anlamak
- Ilan veritabanında alakalı fırsatları sorgulamak
- Rolü fit / risk / aciliyet açısından puanlamak
- Neden güçlü ya da zayıf eşleşme olduğunu açıklamak — ciddi fark yaratıyor
- Tespit edilen skill gap’leri özetlemek
- Şimdi başvur, önce CV’yi düzenle, biraz çalış sonra dön, bunu pas geç gibi aksiyon önermek
| Klasik Arama Sistemi | Ajan Katmanı Eklenmiş Sistem |
|---|---|
| Sadece sonuç listeler | Sonuçları yorumlar ve önceliklendirir |
| Anahtar kelimeye dayanır | Niyet ve bağlamı hesaba katar |
| Kullanıcıyı yorabilir | Kullanıcıyı karar noktasına yaklaştırır |
| Daha statiktir | Daha etkilesimlidir ve uyarlanabilir çalışir |
MCP neden kritik hale geliyor?
Bakın şimdi — ajan fikri kulağa çok hoş geliyor. Ama güvenlik tarafını boş bırakırsanız ortalık çabuk karışıyor. MCP’nin (Model Context Protocol) cazibesi tam da burada ortaya çıkıyor: ajanın her şeye erişmesini istemiyorsunuz; yalnızca ihtiyaç duyduğu araçlara kontrollü erişim veriyorsunuz. Basit ama şart.
Size bir şey söyleyeyim, Bunu kurumsal tarafta defalarca gördüm — büyük bankalarda ya da Amazon ölçeğindeki iç araçlarda hep aynı sorun çıkıyor: yetki genişlerse risk büyüyor. Bir ajan tüm sisteme erişirse hata yaptığında etkisi de büyüyor. Küçük startup için can sıkıcı bir bug olur bu; enterprise seviyede ise gecenin üçünde alarm çaldırır, kimse mutlu olmaz.
MCP ile senaryo daha temiz oluyor. Ajana “git veritabanını oku”, “şu endpoint’e soru sor”, “bu fonksiyonu çağır” diyorsunuz ama hepsi kontrollü sınırlar içinde kalıyor. Güzel taraf bu. Fakat henüz ham bir alan olduğunu da söylemek lazım — özellikle izin modeli net tasarlanmazsa kağıt üstündeki güvenlik pratikte delik verebiliyor.
Peki neden? Butterfly CSS: 2026’da Dikkat Çeken Hafif Bir Seçenek yazımızda bu konuya da değinmiştik.
{
"agent_goal": "job_match_and_next_action",
"tools": [
"search_jobs",
"rank_roles",
"explain_fit",
"skill_gap_analysis"
],
"constraints": {
"read_only_db_access": true,
"no_sensitive_user_export": true,
"audit_every_tool_call": true
}
}Küçük startup ile kurumsal yapı arasında fark ne?
Bakın, Küçük startup’ta bu tür ajanlar hızlı değer üretiyor çünkü veri azdır ama ihtiyaç nettir. Bir ekip düşünün — beş kişi işe alacak bütçesi var, her yanlış başvuru zaman kaybettiriyor. Orada agentic katman doğrudan işe yarıyor çünkü kurucuya ya da hiring manager’a kaba taslak değil, somut aksiyon veriyor. Bu konuyla ilgili yapay konusundaki yazımız yazımıza da göz atmanızı tavsiye ederim.
E tabi enterprise tarafında hikâye değişiyor. Burada mesele sadece fayda değil; denetim izi, loglama, veri ayrımı, rol bazlı erişim. Model davranışının izlenebilir olması da şart (buna dikkat edin). Ajan güzel çalışsa bile audit yoksa iş bitmiyor — hatta bazen çok güzel çalışması bile şüphe yaratabiliyor, tuhaf ama gerçek! PDF Dünyasında Bir Nefes: Ücretsiz ve Limitsiz Araçlar yazımızda bu konuya da değinmiştik.
Bence en gerçekçi kullanım alanı hibrit model olurdu. Küçük ekiplerde hızlı öneri motoru olarak başlanır, kurumsalda önce dar kapsamlı pilot yapılır. Yani önce birkaç role odaklanırsınız, sonra yavaş yavaş genişletirsiniz. Hemen her şeyi otomatikleştirmeye kalkarsanız duvara toslarsınız — bunu da deneyimle öğrendim.
Nerede iyi çalışır?
- Aday profili belirginse
- Ilan verileri temizse — ciddi fark yaratıyor
- Eylem önerileri net tanımlandıysa
- MCP ile araç sınırları çizildiyse
Zayıf taraflar nerede?
Dürüst olayım: böyle sistemlerin en büyük riski yanlış özgüven üretmesi. Kullanıcıya “bu rol tam sana göre” derseniz. Aslında CV’sindeki bazı detaylar eksikse, hayal kırıklığı kaçınılmaz oluyor. Hele AI’nın kendinden emin tonu varsa — ki genelde var — insan kolay ikna oluyor. Bu tehlikeli. Daha fazla bilgi için ₹12 LPA Alan Yeni Mezunun Gerçek Beceri Paketi: Ne Öğrenmişti? yazımıza bakabilirsiniz.
Kısacası, bir de skill-gap analizi çoğu zaman mutlak doğru değil. Çünkü bazı beceriler ilanda yazmıyor ama ekip kültüründe kritik; bazılarıysa gereksiz yere şişirilmiş. Geçen hafta Londra merkezli uzaktan çalışan bir arkadaşım tam bunu anlattı — ilanlarda React isteniyormuş (buna dikkat edin). Ekip aslında Vue bilen adaya da açıktı. Kağıt üzerindeki sinyal ile gerçek ihtiyaç her zaman örtüşmüyor.
Beni en çok düşündüren nokta şu: ajan ne kadar iyi olursa olsun, insan muhakemesinin yerini neredeyse tamamen alamıyor. O yüzden en iyi tasarım bence yarı otomatik olanı — öneri veriyor, gerekçesini açıklıyor, son sözü kullanıcıya bırakıyor. Bu denge kaçarsa ürün ya fazla robotik oluyor ya da fazla iddialı. İkisi de kötü.
Kısa bir not düşeyim buraya.
Böyle bir sistem nasıl konumlanmalı?
Lafı gevelemeden söyleyeyim: bu tarz ürünler sıradan job board rakibi gibi konumlanmamalı. Onların yaptığı işi tekrar etmek yerine karar zekâsına odaklanmalı. Yani ürünün vaadi “daha fazla ilan” değil, “daha az saçma başvuru” olmalı. Biraz sert ifade oldu, biliyorum — ama gerçekçi.
Kullanıcı akışı nasıl olabilir?
Kullanıcı önce profilini giriyor ya da özgeçmiş yüklüyor. Sonra hedeflerini belirtiyor: remote mu istiyor, maaş bandı ne, hangi teknolojilerden uzak durmak istiyor, hangi şehirler kabul… Ardından sistem ilana dalıyor, eşleştiriyor, puanlıyor, açıyor. En sonunda da küçük ama işe yarayan tavsiyeler sunuyor.
Neyse, uzatmayalım. Bence en iyi deneyim şu olurdu: “Bu ilana şimdi başvurabilirsin çünkü %82 uyum var; şu iki beceri eksik olduğu için CV’de onları öne çıkar; istersen sonraki adımı sana mail olarak özetleyeyim.” Basit görünüyor ama kullanıcı açısından bayağı rahatlatıcı bir his bu (en azından benim deneyimim böyle)
Neden bu yaklaşım ilgimi çekti?
Bakın, Editör olarak böyle projelerde beni çeken şey teknik gösteriş değil, pratik fayda oluyor her zaman. Katalog kaosunu düzenliye çevirmek üzerine yazıları okurken de aynı hissi alıyorum — veri bol, gürültü daha da bol, iyi tasarlanmış ara katman ise altın değerinde. İnsanların saatlerce ilan kazması yerine daha net karar vermesi hoşuma gidiyor. Çok hoşuma gidiyor aslında.
Şahsen, AI ile Katalog Kaosunu Düzenli Veriye Çevirmek Perde Arkası: Bazen sorun aslında veri toplamak değildir; veriyi anlamlı hale getirmektir. İşte bu yüzden iş arama ajanları bana sıradan otomasyondan çok daha ilginç geliyor.
Sıkça Sorulan Sorular
İş arama ajanı tam olarak nedir?
İş arama ajanı,ilanları sadece listeleyen araçlardan farklıdır. Kullanıcının hedefini anlayıp uygun işleri sıralar,neden uygun olduklarını açıklar ve sonraki adımı önerebilir.
MCP iş arama ajanlarında neden önemli?
MCP,ajanın hangi araçlara erişeceğini sınırlar. Böylece sistem bütün verilere körlemesine dalmaz;kontrollü,izlenebilir. Daha güvenli çalışır.
Böyle bir sistem küçük ekipler için uygun mu?
Evet,hatta çoğu zaman ilk fayda orada görülür. Küçük ekiplerde yanlış başvuru sayısını azaltmak ve karar süresini kısaltmak ciddi avantaj sağlar.
Ajan her zaman doğru öneri verir mi?
Hayır,vermez. İyi tasarlansa bile bazı ilanlarda bağlam eksik olabilir ya da gereksiz iyimser tahmin yapabilir;bu yüzden insan onayı hâlâ şarttır.
Kaynaklar ve İleri Okuma
İlginç olan şu ki, Orijinal İngilizce Yazı — The Job Search Agent
Model Context Protocol Resmi Sitesi
Şunu söyleyeyim, MCP GitHub Organizasyonu
[p>FastAPI Resmi Dokümantasyonu]
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
İlgili Yazılar
Bu içerik işinize yaradı mı?
Benzer içerikleri kaçırmamak için beni sosyal medyada takip edin.
