Yapay Zeka ile Devamsızlık Tahmini ve Anomali Tespiti: HR&Tomorrow Mobil Uygulaması Bunu Nasıl Yapıyor?

- [PDKS Verisi Neden Tahmin İçin Bu Kadar Değerli?](#pdks-verisi-neden-tahmin-iin-bu-kadar-deerli)
- [Anomali Tespiti: Sistemin Neyi "Anormal" Saydığını Anlamak](#anomali-tespiti-sistemin-neyi-anormal-saydn-anlamak)
- [Buddy Punching ve Sahte Check-in](#buddy-punching-ve-sahte-check-in)
- [Anormal Fazla Mesai Örüntüleri](#anormal-fazla-mesai-rntleri)
- [Tutarsız Vardiya Davranışı](#tutarsz-vardiya-davran)
- [HR&Tomorrow Mobil Uygulaması Bu Yetenekleri Nasıl Kullanıyor?](#hrtomorrow-mobil-uygulamas-bu-yetenekleri-nasl-kullanyor)
- [Akıllı İzin Önerileri](#akll-izin-nerileri)
- [Otomatik Vardiya Planlaması](#otomatik-vardiya-planlamas)
- [ChatGPT Destekli İK Asistanı](#chatgpt-destekli-ik-asistan)
- [ERP Entegrasyonu ile Veri Bütünlüğü](#erp-entegrasyonu-ile-veri-btnl)
- [Gerçek Bir Senaryo: 300 Çalışanlı Üretim Tesisi](#gerek-bir-senaryo-300-alanl-retim-tesisi)
- [Türkiye'ye Özel Uyumluluk](#trkiyeye-zel-uyumluluk)
- [Sonuç](#sonu)
- [Sık Sorulan Sorular](#sk-sorulan-sorular)

PDKS sisteminiz her gün binlerce veri noktası üretiyor. Giriş saatleri, çıkış saatleri, fazla mesai kayıtları, vardiya değişimleri. Bu verinin büyük çoğunluğu raporlarda bekliyor — hiçbir zaman gerçek anlamda analiz edilmiyor.

Yapay zeka tam bu noktada işe yarıyor. Ham PDKS verisini geçmiş örüntülerle karşılaştırarak hem gelecekteki devamsızlıkları tahmin edebiliyor hem de bugün gerçekleşen anormal davranışları anında işaretleyebiliyor. Bu yazı, sürecin teknik olarak nasıl çalıştığını ve HR&Tomorrow'un mobil uygulamasının bu yetenekleri İK yöneticileri için nasıl kullanılabilir hale getirdiğini açıklıyor.

---

## PDKS Verisi Neden Tahmin İçin Bu Kadar Değerli?

Bir çalışanın devamsızlık geçmişine baktığınızda rastgele bir dağılım görmezsiniz. Çoğu zaman belirgin örüntüler vardır: Pazartesi sabahları geç gelme, belirli bir vardiyadan önce izin talebi, yoğun sezon öncesinde biriken devamsızlıklar.

Makine öğrenimi modelleri bu örüntüleri insanların fark edemeyeceği ölçekte ve hızda tespit eder. Giriş-çıkış zamanları, izin geçmişi, vardiya değişim talepleri, mesai verileri ve tatil takvimi gibi değişkenler bir araya geldiğinde model, belirli bir çalışanın önümüzdeki iki haftada devamsızlık yapma olasılığını tahmin edebilir hale gelir.

Bu tahmin üç temel veri katmanına dayanır:

- **Bireysel geçmiş:** Çalışanın kendi devamsızlık ve geç gelme örüntüsü
- **Ekip ve vardiya bağlamı:** Aynı vardiyada çalışan diğer kişilerin davranışları
- **Dışsal faktörler:** Mevsimsel yoğunluk, resmi tatil yakınlığı, fazla mesai birikimi

Bu üç katman birleştiğinde sistem, "bu çalışan bu hafta devamsız kalabilir" gibi belirsiz bir uyarı üretmek yerine olasılık skoru verir. İK yöneticisi bu skoru görerek proaktif adım atabilir: Çalışanla konuşmak, yedek personel planlamak ya da vardiya düzenlemesini güncellemek.

---

## Anomali Tespiti: Sistemin Neyi "Anormal" Saydığını Anlamak

Tahminsel analitik geleceğe bakarken anomali tespiti bugüne odaklanır. Sorular şunlardır: Bu giriş kaydı gerçek mi? Bu fazla mesai mantıklı mı? Bu vardiya davranışı tutarlı mı?

### Buddy Punching ve Sahte Check-in

Buddy punching, bir çalışanın başka biri adına giriş yapması durumudur. Geleneksel PDKS sistemleri bunu yakalayamaz çünkü kart ya da şifre doğru girilmiştir. Yapay zeka ise farklı bir soru sorar: Bu kişi normalde bu saatte bu lokasyondan mı giriş yapıyor?

Somut bir örnek: Bir çalışan genellikle İstanbul Anadolu yakasındaki fabrikadan sabah 07:45 ile 08:05 arasında giriş yapıyor. Bir gün kayıt 07:50'yi gösteriyor, ancak mobil uygulama konum verisine göre kişi o sırada 40 kilometre uzakta. Sistem bu tutarsızlığı otomatik olarak işaretler ve İK yöneticisine bildirim gönderir.

### Anormal Fazla Mesai Örüntüleri

Fazla mesai verisi tek başına pek bir şey söylemez. Ama belirli bir çalışanın fazla mesaisi son üç haftada sürekli artıyorsa ve bu artış onaylı bir proje veya yoğun sezonla örtüşmüyorsa, bu bir anomalidir.

Daha karmaşık bir örnek: Bir vardiya amiri kendi ekibindeki çalışanlar için fazla mesai onaylarını diğer yöneticilere kıyasla anlamlı biçimde daha yüksek oranda veriyor. Sistem bu istatistiksel sapmayı tespit eder ve raporlar. Hem hata hem de usulsüzlük riski, sorun büyümeden görünür hale gelir.

### Tutarsız Vardiya Davranışı

Bir çalışan belirli bir vardiyada çalışmayı sürekli reddediyorsa, vardiya değişim taleplerinde belirgin bir örüntü varsa ya da belirli günlerdeki devamsızlık oranı diğer günlere göre istatistiksel olarak yüksekse, bu bilgi İK için değerlidir.

Yapay zeka bu örüntüyü tek bir çalışan için değil, tüm ekip ve departman bazında eş zamanlı olarak izler. Bir departmanda Cuma devamsızlıklarının genel ortalamanın üç katına çıkması, rastlantı değil yapısal bir sorunun işareti olabilir.

---

## HR&Tomorrow Mobil Uygulaması Bu Yetenekleri Nasıl Kullanıyor?

HR&Tomorrow, PDKS verisi dahil tüm İK operasyonunu tek platformda toplar. Bordro, izin, vardiya planlaması, çalışan kayıtları ve performans verisinin aynı sistemde bulunması, yapay zeka modellerinin çok daha zengin bir veri seti üzerinde çalışabilmesi anlamına gelir.

### Akıllı İzin Önerileri

Uygulama, bir çalışanın izin talebini değerlendirirken yalnızca kalan izin bakiyesine bakmaz. Ekibin o dönemdeki yükünü, benzer dönemlerdeki devamsızlık örüntülerini ve vardiya doluluk oranını birlikte değerlendirir. İK yöneticisine "bu izni onaylamak için uygun zaman" veya "bu dönemde ekip kapasitesi kritik" gibi bağlamsal bir öneri sunar.

### Otomatik Vardiya Planlaması

Vardiya planlaması ile devamsızlık tahmini doğrudan bağlantılıdır. Sistem, geçmiş devamsızlık verisine göre hangi vardiyaların daha fazla risk taşıdığını hesaplar ve planlama önerilerini buna göre şekillendirir. Bir çalışanın belirli bir vardiyada devamsızlık olasılığı yüksekse, sistem o vardiyaya yedek personel atamasını önerir.

### ChatGPT Destekli İK Asistanı

HR&Tomorrow'un mobil uygulamasındaki yapay zeka asistanı, İK yöneticilerinin doğal dilde sorgu yapmasına olanak tanır. "Geçen ay en fazla devamsızlık yapan 5 çalışan kimler?" veya "Bu vardiyada anomali tespit edildi mi?" gibi sorular, raporlara girmeden doğrudan yanıt alınmasını sağlar.

Bu özellik, anomali tespiti ve devamsızlık tahminini günlük İK iş akışına entegre eder. Yönetici sabah uygulamayı açtığında, sistemin gece boyunca işaretlediği anormallikleri ve önümüzdeki hafta için ürettiği devamsızlık risklerini tek ekranda görebilir.

### ERP Entegrasyonu ile Veri Bütünlüğü

Yapay zekanın doğru çalışması için verinin temiz ve eksiksiz olması gerekir. HR&Tomorrow, SAP, Oracle ve Microsoft gibi ERP sistemleriyle doğrudan entegre çalışır. Bu entegrasyon sayesinde PDKS verisi ile bordro ve muhasebe verileri arasındaki tutarsızlıklar da tespit edilebilir. Bordrodan ödenen fazla mesai saati ile PDKS kaydındaki fazla mesai saati arasında sürekli bir fark varsa, sistem bunu otomatik olarak işaretler.

---

## Gerçek Bir Senaryo: 300 Çalışanlı Üretim Tesisi

Üç vardiya, 300 çalışan, farklı lokasyonlarda fabrikalar. İK ekibi iki kişi.

Bu ölçekte devamsızlık takibi manuel olarak mümkün değildir. Ama sistem şunu yapabilir: Gece vardiyasında belirli bir makinenin yakınında çalışan operatörlerin devamsızlık oranının son altı haftada yükseldiğini tespit eder. Bu örüntü, İK yöneticisini hem iş güvenliği hem de ekip motivasyonu açısından uyarır.

Aynı anda sistem, aynı vardiyada çalışan iki çalışanın giriş saatlerinin her zaman birbirinden 3-4 dakika arayla ve aynı sırayla kaydedildiğini fark eder. Bu istatistiksel tutarlılık, buddy punching riskine işaret eder.

İK yöneticisi bu iki bulguyu sabah açtığı uygulamada görür, gerekli adımları atar. Veri zaten oradaydı; yapay zeka onu görünür kıldı.

---

## Türkiye'ye Özel Uyumluluk

Türk iş mevzuatı, devamsızlık ve fazla mesai yönetiminde belirli kurallar öngörür. Bu çerçevede anomali tespiti yalnızca operasyonel bir araç değil, aynı zamanda bir uyumluluk aracıdır. Yasal sınırları aşan fazla mesai örüntülerinin otomatik olarak işaretlenmesi, hem çalışan haklarını hem de şirketin yasal sorumluluklarını korur.

HR&Tomorrow, Türkiye'ye özel iş kanunu gerekliliklerini platform genelinde gözetecek şekilde yapılandırılmıştır. Yapay zeka özellikleri de bu yerel bağlamda çalışır.

---

## Sonuç

PDKS verisi, doğru analiz edildiğinde devamsızlıkları önceden gösterebilir, sahte kayıtları işaretleyebilir ve tutarsız davranışları raporlayabilir. Yapay zeka bu analizi insan gözünün kaçıracağı ölçekte ve hızda yapar.

HR&Tomorrow'un mobil uygulaması bu yetenekleri İK yöneticilerinin günlük iş akışına entegre eder: akıllı izin önerileri, otomatik vardiya planlaması, yapay zeka destekli asistan ve ERP entegrasyonu tek bir platformda bir araya gelir.

Kendi PDKS verinizin bu analizler için nasıl kullanılabileceğini görmek isterseniz [HR&Tomorrow](https://hrandtomorrow.com) üzerinden demo talep edebilirsiniz.

---

## Sık Sorulan Sorular

**PDKS'de yapay zeka anomali tespiti nedir?**
Çalışanların giriş-çıkış, fazla mesai ve vardiya verilerini geçmiş örüntülerle karşılaştırarak istatistiksel olarak anormal kayıtları otomatik biçimde işaretleyen bir analiz yöntemidir. Sahte check-in, buddy punching veya açıklanamayan fazla mesai artışları bu yöntemle tespit edilebilir.

**Devamsızlık tahmini nasıl çalışır?**
Model, çalışanın bireysel devamsızlık geçmişini, ekip örüntülerini ve mevsimsel faktörleri bir araya getirerek önümüzdeki dönemde devamsızlık olasılığı yüksek çalışanları olasılık skoru ile raporlar. İK yöneticisi bu skoru görerek proaktif adım atabilir.

**Buddy punching yapay zeka ile nasıl tespit edilir?**
Sistem, bir çalışanın giriş kaydını konum verisi, alışılmış giriş saati ve cihaz bilgisiyle karşılaştırır. Tutarsızlık tespit edildiğinde otomatik uyarı üretir. Başka bir çalışan adına yapılan kayıtlar, istatistiksel örüntü analizi ile de işaretlenebilir.

**Bu özellikler hangi şirket büyüklükleri için uygundur?**
Özellikle çok lokasyonlu veya çok vardiyalı orta ve büyük ölçekli şirketler için değer üretir. Veri hacmi arttıkça modelin doğruluğu da artar.

**HR&Tomorrow'un yapay zeka özellikleri ERP sistemleriyle entegre çalışıyor mu?**
Evet. Platform SAP, Oracle ve Microsoft ERP sistemleriyle doğrudan entegre olduğundan, PDKS verisi ile bordro ve muhasebe verileri arasındaki tutarsızlıklar da otomatik olarak tespit edilebilir.

**Yapay zeka asistanı İK yöneticilerine günlük olarak nasıl yardımcı olur?**
Mobil uygulamadaki yapay zeka asistanı doğal dil sorgularını yanıtlar. "Bu haftaki devamsızlık anomalileri neler?" gibi bir soruya, raporlara girmeden doğrudan yanıt üretir.

**Türk iş mevzuatına uyumluluk bu sistemde nasıl sağlanıyor?**
HR&Tomorrow, Türkiye'ye özel iş kanunu gerekliliklerini platform genelinde gözetir. Yasal fazla mesai sınırlarını aşan örüntüler otomatik olarak işaretlenir; bu hem çalışan haklarını hem de şirketin yasal yükümlülüklerini korur.