İnsan Kaynakları Yönetimi: Dijital İK Dönüşüm Rehberi

Saha Notu: Türkiye’de “İK departmanımız dijitalleşti” diyen kurumların önemli bir kısmı aslında kâğıttaki süreçleri ekrana taşımış durumda. Gerçek dönüşüm, formu PDF yapmakla değil; verinin nereye akacağına, hangi kararın hangi modele bırakılacağına dair yeni bir tasarım kararıyla başlıyor.

Son beş yılda insan kaynakları yönetimi; iş ortağı modeli, beceri tabanlı organizasyon ve yapay zeka destekli karar mimarisi nedeniyle sessiz ama köklü biçimde değişti. Pek çok kurum dönüşümü hâlâ “yazılım almak” sanırken, fark yaratan şirketler kararı önce hangi verinin nerede yaşayacağı sorusuna geri çekiyor. Aşağıdaki çerçeve; CHRO ve İK direktörlerine, vendor sunumlarının ötesinde kendi yol haritalarını çıkarmak için kullanışlı olabilir.

İnsan Kaynakları Nedir? Tanım ve Modern Bağlam

Önce tanım. İnsan kaynakları, bir organizasyonun sahip olduğu insan sermayesinin işe alımdan ayrılığa kadar tüm yaşam döngüsünü planlayan, yöneten ve geliştiren disiplindir. Daha dar tanımıyla İK; ücret-yan haklar, yetkinlik yönetimi, çalışan deneyimi, organizasyonel tasarım ve uyum gibi alt fonksiyonların ortak adıdır.

HR ne demek? Kısa cevap: “Human Resources”ın kısaltması ve Türkçedeki insan kaynakları kavramının doğrudan karşılığı. Ancak son dönemde “People & Culture”, “People Operations” gibi başlıkların yaygınlaşması; fonksiyonun artık yalnızca süreç yönetimi değil, kültür, performans ve veri stratejisi sahibi olmaya doğru evrildiğini gösteriyor.

Pratikte İK’nın yetki alanı kurumdan kuruma değişir. 200 kişilik bir ölçek-up şirketinde işe alım hızı ve onboarding olgunluğu kritikken, 5.000 kişilik bir holdingde yetenek havuzu mimarisi, halefiyet planlaması ve operasyonel verimliliğin İK analitiği üzerinden ölçülmesi – yani fonksiyonun “ölçülerek” yönetilmesi – öne çıkar. Cevap, ölçeğe göre değişiyor.

İnsan Kaynakları ve Personel Yönetimi: Aynı Şey mi?

İki kavram sık karıştırılır. Personel yönetimi; ağırlıklı olarak özlük, bordro, izin ve operasyonel uyum üzerine kuruludur. İnsan kaynakları ise bu operasyonel zemini koruyarak yetenek stratejisi, organizasyonel gelişim ve veriye dayalı karar mekanizmalarını üzerine inşa eder. Modern bir İK departmanı, personel yönetimini “ortadan kaldırmaz”; aksine, ona stratejik bir katman ekler ve operasyonel tarafı mümkün olduğunca otomasyona devrederek katma değerli işe vakit açar.

İK’nın Dönüştüğü Beş Eksen

Dijital dönüşüm sadece “yazılım almak” anlamına gelmez.

Pratikte İK organizasyonlarını dönüştüren beş ayrı eksen var ve hepsi farklı hızlarda ilerliyor:

• Karar mimarisi: Mülakat skorunu kim verir, kimin onayı kararı belirler, hangi karara model yardım eder; bu sorulara açık cevap vermeyen kurumlar yazılım alsa bile sürtünmeyi azaltamıyor.
• Veri sahipliği: Aday, çalışan ve performans verisi tek bir kayıt sistemine bağlandığında analitik anlamlanır. Bağlanmadığında dashboard’lar süslü ama yanıltıcı kalır.
• Süreç otomasyonu: Otomasyon kazancının en somut olduğu yer.
• Yetenek değerlendirmesi: Yapılandırılmış mülakat, kişilik envanteri ve durumsal yargı testi gibi enstrümanların online ortamda standardize edilmesi – perakende ve çağrı merkezi gibi yüksek hacimli işe alım sektörlerinde ölçek farkı yaratırken; finans ve danışmanlık gibi düşük hacim, yüksek nitelik gerektiren rollerde değerlendirmenin derinliği daha kritik.
• Çalışan deneyimi: Mobil-öncelikli arayüzler, self-servis portalları ve geri bildirim döngülerinin haftaya yayılması.

Hepsini aynı anda olgunlaştıran kurum azdır. Sağlıklı dönüşüm planları, “önce hangi eksende ilerleyeceğiz, geri kalanını nasıl bekletmeden destekleyeceğiz” sorusuna cevap verir; her şeyi birden değiştirmeye çalışan projeler ise genellikle ilk yıl içinde tükenir. PERYON‘un yıllık İK kongresi gözlemleri de aynı yöne işaret ediyor. Türk işletmelerinde dönüşümün hız kaybettiği nokta, çoğunlukla teknoloji değil; eksen önceliklendirmesi konusunda yönetim ekibi içinde uzlaşı sağlanamaması oluyor.

Dijital İK Altyapısı: Sistemler Nasıl Bağlanır

Dijital İK denildiğinde akla genellikle tek bir “İK programı” gelir. Gerçekte ise birden çok katmanın birbiriyle konuştuğu bir yapıdan söz ediyoruz. Tipik bir kurumsal İK mimarisi üç kuşaktan oluşur: kayıt sistemi (HRIS / çekirdek özlük), etkileşim sistemleri (ATS, LMS, performans, ankete dayalı dinleme araçları) ve analitik katmanı (veri ambarı veya İK analitik platformu).

Üçü farklı işler yapar. Kayıt sistemi, çalışana dair “tek doğruluk kaynağı” olarak konumlandırılır; aday takip sistemi, öğrenme yönetim sistemi, performans yazılımı gibi etkileşim sistemleri ise bu kaydı hem besler hem de ondan beslenir. Analitik katmanı, tüm bu kaynaklardan veri çekerek işe alım hunisinin verimini, turnover’ın nereden geldiğini ve eğitim yatırımının iş sonuçlarıyla ilişkisini görünür kılar.

Demirci ve arkadaşlarının (2022) Türk işletmelerinin dijital İK uygulamaları üzerine yaptığı incelemede ortaya konan örüntü çarpıcı: dijital araç sayısı artıyor, ancak araçlar arası entegrasyon olgunluğu çoğu kurumda hâlâ düşük. Yani İK ekipleri Excel’i terk etmiyor; Excel sadece daha pahalı yazılımların arasındaki köprü hâline geliyor. Burada acı olan şu: vendor yatırımı tamamlandığında bile Excel hâlâ ofiste. Bu örüntü, “kaç sistem aldığımız” değil; “sistemler arası veri akışının ne kadarını otomasyona devrettiğimiz” sorusunun neden gerçek olgunluk göstergesi olduğunu açıklıyor.

Entegrasyon Olgunluğunun Hızlı Bir Testi

Üç soru. Bir adayın CV’si ATS’e girdiğinde değerlendirme verileriyle otomatik eşleşiyor mu? İşe başlayan bir kişi için onboarding görevleri otomatik tetikleniyor ve sorumlulara aynı anda iletiliyor mu? Performans dönemi sonunda eğitim ihtiyaçları, ilgili LMS programlarına manuel müdahale gerektirmeden öneriliyor mu? Üçüne de net “evet” cevabı veremeyen bir kurum, henüz dijital İK altyapısını tamamlamamış sayılır.

İK Yazılımları: Hangi Kategori, Hangi Soruna Cevap

“İnsan kaynakları programı” arayışı genellikle tek bir ürün arayışı gibi başlar. Oysa kategori farklılaşması, kararı doğrudan etkiler. Aşağıdaki temel kategorileri ve çözmek için tasarlandıkları soruyu netleştirmek; satıcı görüşmelerini büyük ölçüde sadeleştirir, beklentileri hizalar ve İK ekibinin “neye ihtiyacımız var” sorusuna karşılık almak yerine cevap üretmesini sağlar.

Kategoriler arasındaki en sık karıştırılan ikili HRIS ve ATS’tir.

HRIS, çalışan olduktan sonraki ömrü; ATS ise çalışan olmadan önceki süreci yönetir. İkisi konuşmadığı sürece, yeni işe alınan bir kişinin verisi iki kere girilir, KVKK çerçevesinde silinmesi gereken aday verileri unutulur ve onboarding’in ilk haftası hatalarla başlar.

ATS’in Dijital Dönüşümdeki Merkezi Rolü

Aday takip sistemi, kurumun yeteneğe açılan kapısıdır. Tipik bir aday takip sistemi ile süreç yönetimi kurgusunda ilan yayınlama, aday kaynaklarının birleştirilmesi, ön eleme, değerlendirme, mülakat planlama, referans, teklif yönetimi ve onboarding’e devir; tek bir akışın halkaları olarak tasarlanır. Halkaların kopması, hem hızı düşürür hem de İK ekibini “sürecin posta kutusuna” dönüştürür. Burada teknik mesele kadar görev tasarımı meselesi de var.

İyi yapılandırılmış bir ATS’in işverene sağladığı en belirgin kazanım, hız değildir aslında; görünürlüktür.

Açık pozisyonun kaç gündür açık olduğu, hangi aşamada darboğaz oluştuğu, hangi kaynağın gerçekten teklif kabul eden adayı getirdiği gibi sorular ancak tüm temas noktaları tek sistemde tutulduğunda anlamlı şekilde ölçülebilir. Chapman ve arkadaşlarının (2005) meta-analizinde altı çizildiği gibi, aday çekimini etkileyen değişkenler süreç hızı ve süreç şeffaflığı etrafında yoğunlaşıyor; bu iki değişken de ATS olmadan ölçekli biçimde yönetilemiyor. Karar mercileri, ATS yatırımının iş vakasını çoğunlukla bu görünürlük üzerinden kuruyor; çünkü süreç hızı bir kez ölçülmeye başladığında, müdahale etmek de mümkün hâle geliyor. Bizim sahada gördüğümüz örüntü de bu yönde: en fazla geri dönüşü, ATS’in sadece bir kayıt aracı değil; aynı zamanda bir karar destek paneli olarak kullanıldığı kurumlar alıyor.

Sık bir hata var: ATS’i sadece “CV deposu” olarak konumlandırmak. Açıkça söylemek gerekirse, bu yaklaşım yatırımın çoğunu çöpe atar. Sistemin tüm değerlendirme entegrasyonlarını, otomatik iletişim akışlarını ve raporlama yeteneğini bir kalemde devre dışı bırakır. Sonuçta da işe alım ekipleri, kullanıcı dostu olmayan bir veri tabanıyla çalıştıklarını düşünür ve sisteme direnç gelişir. Direnci kıran şey eğitim değildir aslında; ATS’in mülakat panelleri, değerlendirme araçları ve işe alım onboarding süreci ile entegre olarak günlük akışın doğal parçası hâline getirilmesi, yani aracın kullanıcının önünde değil; akışın içinde konumlandırılmasıdır.

Hangi Metriklerin Peşinde Olunmalı

1. Süreç süresi (time-to-fill): Genel ortalama değil, pozisyon ailesine göre kırılmış değer anlamlıdır.
2. Aşama dönüşüm oranları: CV-mülakat, mülakat-teklif, teklif-kabul; nerede aday kaybedildiğini gösterir.
3. Kaynak verimi: Hangi kanal teklif kabul eden, ilk altı ayı tamamlayan adayı getiriyor.
4. Aday deneyimi puanı: Reddedilen adaylardan da toplanan kısa anket; marka için kritiktir.
5. İlk yıl turnover: İşe alım kalitesinin nihai testi; ATS verisi ile çalışan verisi birleşmeden hesaplanamaz.

Yapay Zeka ve İK: Sınırlar ve Sorumluluk

Yapay zeka, İK’nın gündemine en hızlı giren ve en çok yanlış konumlanan teknoloji oldu.

Tambe, Cappelli ve Yakubovich’in (2019) California Management Review’da yayımlanan çerçeve çalışmasında belirtildiği gibi, İK’da yapay zeka kullanımının önündeki engeller teknolojik değil; veri kalitesi, model karmaşıklığı ve karar adaletine ilişkin etik yükümlülüklerle ilgilidir. Bu üç başlık, yatırım kararını “yapay zekayı nereye koymalıyım” sorusundan “hangi karara yapay zekanın katkı vermesi sorumlu olur” sorusuna taşır.

Kambur’un (2022) Türkçe akademik literatürde yapay zeka ve İK kesişimini ele alan incelemesi de benzer bir tabloyu yansıtıyor. Yapay zekanın en uygun olduğu alanlar; ön eleme verilerinin özetlenmesi, mülakat notlarının yapılandırılması, eğitim önerilerinin kişiselleştirilmesi gibi insan kararını besleyen uygulamalar. Daugherty ve Wilson’ın Human + Machine kitabında ortaya koyduğu “missing middle” kavramı da bu örüntüyü destekliyor: en yüksek değer, insanın AI’yi eğittiği ve AI’nin de insan kararını zenginleştirdiği ara katmanda üretiliyor. Tek başına karar verici olarak konumlandırılan modeller ise risklidir.

Deloitte’un yıllık Global Human Capital Trends çalışmasında da görüldüğü üzere, AI’yi geniş çaplı yaygınlaştıran kurumların büyük çoğunluğu önce karar destek kullanım senaryolarıyla başlıyor; ölçek kararı ise açıklanabilirlik ve adalet metriklerinin yerleşmesinden sonra geliyor. Sahada da benzer bir örüntü öne çıkıyor: yapay zeka uygulamalarının kalıcı yer ettiği kurumlar, çoğunlukla “tam otomasyon” yerine “asistanlık” kurgusunu tercih edenler oluyor. Pilot aşamadan yaygınlaştırmaya geçişte KVKK uyumluluğu, açıklanabilirlik gereksinimi ve insan-ön onay akışı; teknolojik yetkinlikten daha kritik hâle geliyor.

Dönüşümün Operasyonel Sırası ve Sık Yapılan Hatalar

Peki neden bu sıra? Olgun bir İK dönüşümünün sırası, vendor pazarlama materyallerinde anlatılanın aksine genellikle şöyle ilerler: önce işe alım hattını ve özlük kaydını tek sisteme oturtmak, ardından değerlendirme ve onboarding’i bu omurgaya bağlamak, daha sonra performans-eğitim eksenini ekleyip son olarak analitiği tümünün üzerine inşa etmek. Bu sırayı bozan kurumlar; örneğin önce sofistike bir performans yazılımı alıp temeli zayıf bırakanlar, çoğunlukla 18 ay içinde sistemi rafa kaldırıyor. Çoğu İK direktörü, bu kırılmayı ancak iki başarısız modül implementasyonundan sonra fark ediyor – o da genellikle CFO ile yapılan ROI toplantısında. Sahada en sık karşılaşılan üç hata da bu yanlış sıralamanın yansımalarıdır: birincisi, mevcut süreci sorgulamadan dijitalleştirmek – iyi olmayan bir mülakat akışı yazılımda da iyi çalışmaz. İkincisi, change management’i “kullanıcı eğitimi” sanmak; oysa konu çoğunlukla iş tanımlarının, sorumlulukların ve yetkilerin yeniden müzakeresidir. Üçüncüsü, “tek satıcı, tüm sorunlar” yanılgısı – ki en iyi suite çözümleri bile her alanda en iyi modüle sahip olmaz. Hangi modülde best-of-breed gerektiği; kurumun rekabet ettiği yetenek pazarına göre değişir, ve bu kararın merkezindeki asıl soru, hangi alanda farklılaşmanın stratejik kazanç getireceğidir.

Bir not. 2026 ajandasının ön sıralarındaki tartışmaları yakından takip etmek isteyenler için, 2026’da İK’nın 5 önceliği başlıklı analizimiz; bu rehbere paralel bir tematik harita sunuyor.

Bu Rehberden Çıkarılacak Stratejik Sonuçlar

• İK programı tek bir ürün değildir: Sürdürülebilir bir dijital İK altyapısı; HRIS, ATS, değerlendirme ve analitik katmanlarının disiplinli biçimde bağlanmasından doğar.
• Dönüşümün omurgası işe alım hattıdır: Aday takip sistemi olmadan kurulan dijital İK projeleri, kısa süre içinde Excel’e geri döner.
• Veri sahipliği, yazılım seçiminden önce gelir: Hangi verinin nerede yaşayacağı netleşmeden kategori karşılaştırması yapmak vakit kaybıdır.
• Yapay zeka karar verici değil, karar destekçisidir: Sorumlu kullanım çerçevesi olmadan ölçeklenen AI modülleri hukuki ve itibarsal risk yaratır.
• Olgunluk göstergesi entegrasyondur: Kaç sistem aldığınız değil, sistemler arası veri akışının ne kadarını otomasyona devrettiğiniz; gerçek dijital olgunluğun ölçüsüdür.
• Change management öncelikle yetki haritalarıdır: Eğitim, sürecin son adımı; iş tanımlarının ve karar yetkilerinin yeniden müzakeresi ise ilk adımıdır.
• KVKK ertelenecek bir başlık değildir: Veri minimizasyonu, otomatik karar verme ve saklama süresi politikaları, yaygınlaştırma kararından önce alınmalıdır.

Sıkça Sorulan Sorular

Küçük ve orta ölçekli bir kurumda İK dijitalleşmesine nereden başlamak doğru olur?

Kısa cevap: ATS. Genel kanının aksine başlangıç noktası HRIS değil; aday takip sistemi olmalı. Sebebi basit; özlük süreçleri görece stabil ve manuel olarak da yönetilebilirken, işe alım hattı küçük kurumlarda büyüme hızıyla doğrudan ilişkilidir. Aday akışını yönetebilen bir ekip, sonraki adımlarda HRIS yatırımını da çok daha bilinçli bir karara dönüştürebiliyor.

Mevcut Excel tabanlı süreçlerimizi terk etmeden dijital İK yapısına geçebilir miyiz?

Geçişin bir süre paralel yürümesi normaldir, hatta sağlıklıdır; ancak hedef her zaman Excel’i operasyonun raporlama katmanından çıkarmak olmalıdır. Excel’in karar-destek dosyası olarak yaşamasında sakınca yok; ama “tek doğruluk kaynağı” olarak kalmaya devam ettiği sürece, alınan her yeni İK yazılımı da zamanla Excel’in bir varyasyonu hâline gelir. Bu tuhaf ama oldukça yaygın bir tablo.

İK yazılımı yatırımının geri dönüşünü nasıl ölçeriz?

Tek metrikle ölçülmez; bir metrik panelinin ortak değerlendirmesini gerektirir. İşe alım hızı, aday başına maliyet, ilk yıl turnover, çalışan başına İK operasyon maliyeti ve İK ekibinin operasyonel-stratejik iş paylaşımı bu panelin omurgasını oluşturur.

HRIS yerine doğrudan SAP SuccessFactors ya da Workday gibi bir suite ile başlamak mantıklı mı?

Bağlı olunan ana ERP, organizasyon büyüklüğü ve sektör koşulları belirleyicidir. Çok lokasyonlu, çok ülkeli ve karmaşık bordro kuralları olan organizasyonlar için suite çözümler genellikle TCO açısından daha avantajlıdır; örneğin 15+ ülkede faaliyet gösteren bir holdingde, ortak performans çerçevesi ve global hareketlilik akışlarını yönetmek tek bir suite olmadan oldukça zorlaşır. Ancak suite kararı, “best-of-breed” modüllerin dışlanması anlamına gelmemelidir. Özellikle değerlendirme tarafında – Türk yetenek pazarına uyarlanmış kişilik envanteri ya da Türkçe işlevli aday deneyimi gibi – yerel pazara hâkim uzmanlaşmış çözümlerin entegre edilmesi sıklıkla daha güçlü sonuç verir.

Yapay zeka destekli değerlendirme araçları yasal olarak kullanılabilir mi?

Kullanılabilir; ama koşullu. Türkiye’de yasal çerçeve, KVKK ve dolaylı olarak Anayasa’nın özel hayatın gizliliği maddeleri etrafında şekilleniyor. Yapay zeka destekli değerlendirmenin yasal kullanımı; adayı açık biçimde bilgilendirmek, otomatik kararın insan onayıyla nihaileşmesini sağlamak, modelin nasıl çalıştığına dair açıklanabilirlik dokümanı hazırlamak ve veri saklama sürelerini netleştirmekle mümkün olur. AB tarafında AI Act’in olgunlaşması, çok uluslu kurumlar için ek bir uyum katmanı getiriyor.

İK analitiği için ayrı bir takım kurmak gerekir mi, yoksa İK iş ortakları yeterli midir?

200-500 çalışan aralığındaki kurumlarda, finans veya BT analitik ekibiyle ortak çalışan İK iş ortakları yeterli olabiliyor. 1.000 ve üzeri kurumlarda ise tanımlanmış bir “People Analytics” rolü; veri yönetişimi, modelleme ve hikâyeleştirme yetkinliklerini bir araya getirdiği için fark yaratıyor. Analitiğin değeri, “rapor üretmek”ten “soru sormak”a geçildiğinde ortaya çıkıyor.

İşe alımda yapay zeka kullanımı, aday deneyimini nasıl etkiliyor?

Anahtar kelime şeffaflık. Mevcut araştırma; aday deneyiminin, yapay zeka kullanımının kendisinden çok kullanım biçiminin şeffaflığı tarafından şekillendiğini gösteriyor. Adaylar; sürecin hangi aşamasında modelin devreye girdiğini, hangi verinin değerlendirildiğini ve insan onayının nerede yer aldığını bildiklerinde itirazları azalıyor. Sürpriz olarak ortaya çıkan algoritmik kararlar ise aday memnuniyetini hızla düşürüyor.

İK departmanının BT ile ilişkisi nasıl kurgulanmalı?

Klasik “İK ister, BT uygular” modeli dijital İK’da çalışmıyor. Bunun yerine; ürün sahipliği İK’da, mimari sahipliği BT’de olan ortak yönetişim modelleri öne çıkıyor. Bu modelde İK, kullanıcı deneyimi ve süreç akışından; BT ise veri güvenliği, entegrasyon mimarisi ve sistem yaşam döngüsünden sorumlu oluyor. Karar haklarının netleştirilmesi, dönüşümün hızını doğrudan etkiliyor.

Kaynaklar

• Tambe, P., Cappelli, P., & Yakubovich, V. (2019). “Artificial Intelligence in Human Resources Management: Challenges and a Path Forward.” California Management Review, 61(4), 15-42. İK fonksiyonunda yapay zeka uygulamalarının veri kalitesi, model karmaşıklığı ve etik boyutlarını ele alan geniş çerçeve makalesi. DOI
• Schmidt, F. L., & Hunter, J. E. (1998). “The Validity and Utility of Selection Methods in Personnel Psychology: Practical and Theoretical Implications of 85 Years of Research Findings.” Psychological Bulletin, 124(2), 262-274. Seçim yöntemlerinin öngörü gücünü inceleyen ve yapılandırılmış değerlendirmenin önemini belgeleyen referans meta-analiz. DOI
• Chapman, D. S., Uggerslev, K. L., Carroll, S. A., Piasentin, K. A., & Jones, D. A. (2005). “Applicant Attraction to Organizations and Job Choice: A Meta-Analytic Review of the Correlates of Recruiting Outcomes.” Journal of Applied Psychology, 90(5), 928-944. Aday çekiminde sürecin hız ve şeffaflık değişkenlerinin etkisini inceleyen meta-analiz. DOI
• Demirci, B., Atsan, M., Çetinkaya, S., & Öğüt, E. (2022). “Dijitalleşmenin İnsan Kaynakları Yönetimi Uygulamalarına Etkisi.” Uluslararası Yönetim Akademisi Dergisi, 5(1). Türk işletmelerinde dijital İK uygulamalarının yaygınlığı ve dijitalleşmenin İK fonksiyonu üzerindeki etkisi üzerine inceleme. DOI
• Kambur, E. (2022). “Yapay Zeka Çağında İnsan Kaynakları Yönetimi Konusunda Yazılmış Türkçe Makaleler Üzerine Bir Araştırma.” Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 48, 139-152. Türk akademik literatüründe İK ve yapay zeka kesişimine yönelik sistematik inceleme. DOI
• Daugherty, P. & Wilson, H. J. (2018).Human + Machine: Reimagining Work in the Age of AI. Harvard Business Review Press. İnsan-AI işbirliğinin “missing middle” çerçevesini ortaya koyan referans kitap. Amazon
• Deloitte (2024). “Global Human Capital Trends.” Dünya genelinde 14.000’i aşkın iş ve İK liderinin katıldığı yıllık çalışma; AI entegrasyonu, beceri tabanlı organizasyon ve iş gücü dönüşümü temalarını kapsar. Deloitte Insights
• PERYON (Türkiye İnsan Yönetimi Derneği). Türkiye’nin önde gelen İK derneği; teknoloji adaptasyonu, ücretlendirme ve iş gücü trendleri üzerine yıllık araştırmalar yayımlar. peryon.org.tr
• HRPeak Aday Takip Sistemi sayfası
• HRPeak İşe Alım Onboarding sayfası
• HRPeak Yapay Zeka Uygulamaları sayfası