ATS'ler özgeçmişlerin %75'ini eliyor mu? En eski kaynaklar

İddia şu: Aday takip sistemleri (ATS), özgeçmişlerin %75’ini bir insan görmeden eliyor. Bu iddia için bulduğumuz en eski kaynaklar Mart 2012’den iki makale. İkisi de %75 rakamını tek bir şirkete, özgeçmiş optimizasyon aracı satan Preptel’e dayandırıyor ve hiçbiri rakamın nasıl üretildiğini söylemiyor. İşe alım yazılımları bazı adayları gerçekten reddediyor; bunu işverenlerin koyduğu eleme soruları ve otomatik ret kurallarıyla yapıyor. Birkaç ürün de geride kalan adayları sıralıyor ya da puanlıyor, bu da kimin önce okunacağını etkileyebilir. Bu yolla kaç başvurunun reddedildiğine dair yayımlanmış bir sayım bulamadık.

Kaynakları 9 Ekim 2026’da kontrol ettik. Bu sayfayı yayımlayan Offermic bir özgeçmiş oluşturucu satıyor; yani özgeçmişler ve işe alım yazılımları hakkında neye inandığında bizim de ticari bir çıkarımız var. Burada adı geçen hiçbir şirketle bağlantımız yok.

%75 rakamının en eski kaynakları

İki şeyin peşine düştük: rakamın geçtiği en eski tarihli yer ve nasıl ölçüldüğünü gösteren herhangi bir şey.

Bulduğumuz en eski kullanım, CIO.com’dan Meridith Levinson’ın bir makalesi. Denediğimiz CIO.com adresi artık başka ve daha yeni bir makaleye gidiyor. Bu yüzden Computerworld’deki kopyayı okuduk; Computerworld makaleyi 4 Mart 2012 tarihli gösteriyor. Makale aday takip sistemlerini anlatarak açılıyor. İş arama hizmetleri sağlayıcısı Preptel’e göre bu sistemler,

adaylar özgeçmişlerini gönderir göndermez, mülakata çağrılma şanslarının %75’ini yok ediyor.

Makale rakamın arkasında bir çalışma göstermiyor; örneklem ya da yöntem de vermiyor. Preptel’in CEO’su Jon Ciampi’yi, “aday takip sistemleri üreten” SumTotal Systems’ın eski genel müdürü olarak tanıtıyor ve şirketinin “iş arayanların bu sistemleri delip geçmesine yardım etmeyi” amaçladığını söylüyor.

İkinci kaynak, Marvin Walberg’in Scripps Howard News Service için yazdığı 22 Mart 2012 tarihli bir köşe yazısı. Yazı, “Çoğu şirkette” olduğunu söylediği dört şeyi sıralıyor. Bunlardan biri:

Özgeçmişlerin en az yüzde 75’i yanlış kelimeler kullandığı için çöpe atılıyor.

Listenin ardından gelen satır şöyle: “Bu istatistikleri Danville, Kaliforniya’daki Preptel Corp. şirketinin başkanı ve kurucusu Jonathan Ciampi paylaşıyor.” Preptel, köşe yazısının başını 2 Nisan 2012’de kendi sitesinde yeniden yayımladı.

Yani rakam bir ay içinde iki farklı ifadeyle ortaya çıktı: biri şirkete, biri kurucusuna dayandırılmış. İlki iki türlü okunabilir. Dört adaydan üçünün şansını kaybettiği anlamına da gelebilir, her adayın şansının dörtte üç azaldığı anlamına da; makale hangisini kastettiğini söylemiyor. İki ifade de bugün tekrarlanan iddiaya yakın ama hiçbiri onun birebir cümlesi değil. Özgeçmişi hiçbir insanın görmediğine dair sözler, iki makalede de rakama bağlanmıyor. En yakına gelen Scripps yazısı. Listesi “Özgeçmişini önce insanlar değil, bilgisayarlar okur.” cümlesiyle başlıyor ve dördüncü maddesi “bir insan onu ancak iş tanımıyla iyi eşleşiyorsa okur.” diyor.

İki makale de Preptel’i gösterdiği için şirketin kendi sitesine, Internet Archive’ın sakladığı hâliyle baktık. 2010 ile 2013 arasında alınmış kayıtlardan 18 sayfayı okuduk ya da içinde arama yaptık.

Preptel’in ürünü Resumeter, bir özgeçmişi bir iş tanımına göre puanlıyordu. Eylül 2010 tarihli bir kayıttaki ürün sayfasında şu yazıyor: “Özgeçmişleri insanlar elemiyor, bilgisayarlar eliyor.” Preptel’in bu mesajda ticari bir çıkarı vardı; bizim de kendi mesajımızda var.

9 Mart 2012’de kaydedilen ana sayfa tek bir rapora bağlantı veriyordu, bu yüzden rakamı aramak için ilk bakılacak yer orasıydı. Rapor, Josh Bersin’in Preptel’in ürünü hakkında yazdığı 18 Mart 2011 tarihli bir Bersin & Associates araştırma bülteni ve %75 rakamı içinde geçmiyor. Bültenin anlattığı şey “küçük bir test”: Bir klinik bilim insanı ilanıyla mükemmel eşleşecek şekilde yazılmış tek bir özgeçmiş, “tipik bir Taleo aday takip sistemine” gönderiliyor. Ayrıştırıcı (parser) bir işi, bir konumu ve iki diplomayı kaybedince özgeçmiş “ATS’de yalnızca yüzde 43 “uygunluk” puanı aldı”. Ardından puanı gösteren şekil geliyor. Şekil, “Relevance” (uygunluk) sütununa göre sıralanmış bir aday arama sonuçları listesinin ekran görüntüsü ve kaynağı “Bersin & Associates and Preptel Live Test” olarak verilmiş. Test özgeçmişi listenin ilk satırında %43’le duruyor, sonraki aday %42’de. CIO.com makalesi testi bu ayrıntı olmadan anlatıyor. 2011’de bir ayrıştırıcının tek bir özgeçmişi yanlış okuması bir ret oranı değildir.

Preptel kendi verileri hakkında da iddialar yayımladı. Jon Ciampi’nin 29 Aralık 2011 tarihli blog yazıları, “Binlerce iş arayanın özgeçmişini analiz ettikten sonra” ortalama “iş uyumu” puanları veriyor. Bu yazılarda %75 rakamı geçmiyor; kesin bir örneklem ya da yöntem de verilmiyor.

18 sayfanın en yenisi, 7 Ekim 2013’te kaydedilen ana sayfa. Sayfada “hizmeti kapatmak zorunda kaldık” diyen bir duyuru var ve müşterilerden özgeçmişlerini 30 Ağustos 2013’e kadar indirmeleri isteniyor.

Bu tarihten neredeyse bir yıl sonra, Fortune’un 22 Ağustos 2014 tarihli bir tavsiye köşesi bir okura, “%75 ret oranının” “büyük olasılıkla Preptel adlı bir iş arama hizmetleri firmasının çalışmasından çıktığını” söyledi. Köşe yazısı bu çalışmanın adını, tarihini ya da örneklemini vermiyor. Okurun yayımlanan mektubunda ise rakam yok. Mektupta, bir iş arkadaşının bu sistemlerin “bir insan sürece dahil olmadan özgeçmişlerin çoğunu reddettiğini” okuduğu yazıyor.

İzlerin bittiği yer

Rakamın arkasında bir Preptel çalışması, veri seti, örneklem büyüklüğü ya da yöntem bulamadık. Özgeçmişlerin %75’inin bir insan görmeden reddedildiğini söyleyen bir 2012 kaynağı da bulamadık.

Okumamızın sınırları var. Internet Archive’da Preptel’in sitesine ait, açmadığımız birkaç yüz adres daha duruyor ve o döneme ait ücretli erişimli haberleri okumadık.

Bu yüzden kanıtın götürebildiği en uzak nokta “Preptel’e dayandırılıyor” demek. İki yazar rakamı şirkete ya da kurucusuna dayandırdı, şirket bu yazılardan birini yeniden yayımladı ve Preptel’in rakamı açıkladığı bir yer bulamadık.

Harvard ve Accenture raporu neyi ölçtü

Yazılımın insanları elediğine dair bulduğumuz en güçlü yayımlanmış kanıt, Joseph Fuller, Manjari Raman, Eva Sage-Gavin ve Kristen Hines’ın “Hidden Workers: Untapped Talent” adlı raporu. Rapor Eylül 2021’de Harvard Business School’un Project on Managing the Future of Work programı ile Accenture tarafından yayımlandı ve iki ankete dayanıyor. Birincisi ABD, Birleşik Krallık ve Almanya’dan 2.275 yöneticiyi kapsıyor; bu anketi Ocak ve Şubat 2020’de bağımsız bir firma çevrim içi yürüttü. İkincisi aynı üç ülkeden 8.720 çalışanı kapsıyor.

Yazarlar, “iş akışı odaklı bir araç” dedikleri ATS’yi işe alım yönetim ya da pazarlama sisteminden (Recruiting Management or Marketing System, RMS) ayırıyor. RMS, işe alım uzmanlarına “otomatik aday puanlama” da dahil çeşitli işlerde destek oluyor. Ankete katılan işverenlerin yaklaşık üçte ikisi (%63) RMS kullandığını söyledi. Rapora göre “ankete katılan işverenlerin %90’ından fazlası, potansiyel orta vasıflı (%94) ve yüksek vasıflı (%92) adayları ilk aşamada filtrelemek ya da sıralamak için RMS’sini kullanıyor.”

Nitelikli kişilerin elenip elenmediği konusunda rapor şunu söylüyor: “İşverenlerin büyük çoğunluğu (%88) buna katılıyor ve nitelikli yüksek vasıflı adayların, iş tanımında belirlenen kriterlerle birebir eşleşmedikleri için süreçten elendiğini söylüyor. Orta vasıflı çalışanlarda bu oran %94’e çıktı.” %88 ve %94, yalnızca kurumunda RMS kullanılan işverenlerin cevapladığı bir sorudan geliyor ve “Evet, bazen”, “Evet, sık sık” ve “Evet, her zaman” cevaplarını topluyor.

Rapor bir filtre konusunda net: “İşverenlerin %48’i orta vasıflı adayları altı aydan uzun kariyer boşluklarına göre filtreledi.” Böyle bir boşluk taşıyan özgeçmiş için yazarlar şunu yazıyor: “Bir işe alım uzmanı o adayın başvurusunu, işverenin bütün şartlarını karşılıyor olsa bile hiç görmeyecek.” Raporun örnekleri işverenin koyduğu kriterler: diploma, sertifika, deneyim yılı ya da çalışma geçmişindeki bir boşluk gibi. Raporun bu soruna koyduğu başlık da “Esnek olmayan biçimde yapılandırılmış otomatik işe alım sistemleri”.

Tek bir cümle filtrelemenin büyüklüğüne dair bir tahmin veriyor: “Görüştüğümüz iş liderlerinin %78 kadarı, orta vasıflı adayların yarısının ya da daha fazlasının filtrelemeyle elendiğini tahmin etti; %80’i ise yüksek vasıflı pozisyonlara başvuran adayların yarısından fazlasının da aynı şekilde elendiğini söyledi.” Cümle, sorulan soru ya da cevap veren lider sayısı olmadan basılmış.

Bunların hepsi 2020 başında toplanmış yönetici cevapları, yani kendi kurumları hakkındaki kanaatler ve tahminler. Rapor herhangi bir işverenin başvurularını ya da yazılımını incelemedi ve yazılımın reddettiği özgeçmişlerin ölçülmüş bir payını vermiyor. Pek çok işverenin yazılımla filtreleme yaptığı ve bu yüzden nitelikli insanları kaybettiğine inandığı sonucunu destekliyor. %75’i ya da ölçülmüş başka bir oranı desteklemiyor.

25 işe alım uzmanı Enhancv’ye ne anlattı

Karşı taraftaki ana yayımlanmış kanıtı, özgeçmiş oluşturucu satan Enhancv’de bulduk. Şirketin 3 Kasım 2025’te yayımlanıp 30 Eylül 2026’da güncellenen sayfası, “Enhancv’nin Eylül ve Ekim 2025 arasında ABD’deki işe alım uzmanları ve yetenek kazanımı profesyonelleriyle yaptığı 25 derinlemesine görüşmeyi” aktarıyor.

Ana rakam şu: “Bu işe alım uzmanlarından 23’ü (%92) sistemlerinin özgeçmişleri biçim, içerik ya da tasarım yüzünden otomatik olarak reddetmediğini söyledi.” Geri kalanlar: “25 işe alım uzmanından yalnızca 2’si (%8) ATS’lerinin adayları eleme soruları dışındaki nedenlerle otomatik olarak reddettiğini söyledi.” Sayfa filtrelemenin asıl yerini başka bir yerde gösteriyor: “Asıl filtreler eleme soruları: İşe alım uzmanlarının %84’ü çalışma izni, sertifika ya da konum taraması için bunlara güveniyor”. Şunu da aktarıyor: “İşe alım uzmanlarının %44’ü ATS’lerinde bir yapay zekâ ya da “uyum” puanı olduğunu söyledi.”

Aynı sayfa, bir başvurunun reddedilmeden de nasıl okunmadan kalabileceğini anlatıyor. Bir puan başvuruyu dibe gömebilir: “Düşük puan ≠ otomatik ret, ama yoğun başvuru alan pozisyonlarda seni yığının en altına itebilir.” Sayfa kendi ağzından pek çok özgeçmişin hiç okunmadığını da söylüyor: “Gerçek şu ki “her özgeçmiş incelenir” sözü veren şirketlerde bile pek çoğu hiç görülmüyor.” Görüşülenlerden biri, bir insan kaynaklarından sorumlu genel müdür yardımcısı, ikamet ve vize sponsorluğuyla ilgili tek bir sorunun, şirketin o sırada ilana çıktığı teknik pozisyonlara başvuranların “muhtemelen %30’unu” elediğini tahmin etti. Bu, tek bir kişinin tek bir işveren hakkındaki tahmini.

Enhancv ilk sınırı kendisi belirtiyor: “Örneklem bilerek küçük tutuldu ama niteliksel derinliği yüksek. Bu bulgular, ülke çapında temsili istatistikler değil, işe alım uzmanları arasında tutarlı biçimde öne çıkan temalardır.” Rakamlar, işe alım uzmanlarının kendi sistemleri hakkında söyledikleri. Sistemleri kimse incelemedi ve sayfa 25 kişinin nasıl seçildiğini söylemiyor. Yazı, kendi metni içinde Enhancv’nin şablonlarını da öneriyor. Bağdaştıramadığımız bir nokta da var. Sayfa, otomatik ret kullanan iki işe alım uzmanının Bullhorn ve BambooHR kullandığını söylüyor; başka bir yerde ise Phenom kullanan ve düşük eşleşmeleri reddetmek için bir puan eşiği uygulayan bir işe alım uzmanını anlatıyor. Bu ikisini birbiriyle uzlaştırmıyor.

Enhancv’nin görüşmeleri, bu 25 işe alım uzmanının çoğunun reddi bir insanın yaptığını söylediğini gösteriyor. Başvurduğun işverende ne olduğunu ise söyleyemez.

ATS sağlayıcılarının kendi belgeleri ne diyor

Üçüncü tür kanıt, sağlayıcıların kendi yayımladığı belgeler; bunları kaynak listesindeki tarihlerde okuduk. Bu sayfalar bir işverenin neyi açabileceğini gösteriyor, ama hiçbiri kaç işverenin bunu yaptığını ya da bir kuralın kaç adayı elediğini söylemiyor.

Beş sağlayıcının her biri için, herkese açık belgelerine dayanan ayrı bir sayfa da yazdık: Workday, Greenhouse, Lever, iCIMS ve Ashby.

İşverenin koyduğu kurallar seni otomatik olarak reddedebilir

Greenhouse böyle bir kuralı otomatik ret (auto-reject) adıyla belgeliyor: “Otomatik ret ile kuruluşunuz başvuru kuralları oluşturabilir; böylece bir aday, bir soruya verdiği cevaba göre olası aday olarak otomatik biçimde reddedilir.” Aynı destek makalesi şunu ekliyor: “Yeni aday başvurularıyla ilgili bildirim alacak şekilde ayarlanmış kişilere, otomatik olarak reddedilen adaylar bildirilmez.”

Ashby’nin bilgi bankasında aynı adı taşıyan bir özellik var: “Auto-Reject, başvuruları belirli koşullarla eşleşen adayları otomatik olarak reddetmenizi sağlar.” İşveren başvuru formundan bir soruyu ve kuralı tetikleyecek cevapları seçiyor. Kurallar ise “yalnızca adayın başvurusunu gönderdiği anda çalışacak şekilde yapılandırılabiliyor”. Sayfa, bir işe alım uzmanının otomatik reddedilen adayları gözden geçirmek için nasıl filtreleyebileceğini de anlatıyor.

Lever, Aralık 2021 tarihli bir blog yazısında konuyu eleme soruları üzerinden anlatıyor: “İşe alım uzmanlarının ve işe alım yöneticilerinin belirlediği eleme soruları, pozisyonun asgari kriterlerini (ör. belirli bir deneyim yılı ya da sertifikalar) karşılamayan adayları otomatik olarak eler.”

iCIMS’teki cümle başka türden. Aday takip sistemleri üzerine bir sözlük maddesinden geliyor; bu madde kategoriyi tanımlıyor, iCIMS’in kendi ürününün teknik tarifi değil. Madde, bu tür yazılımların bir şirkete yapma imkânı verdiği üç şeyi sıralıyor ve üçüncüsü “Uygun olmayan adayları otomatik olarak filtrelemek”.

Greenhouse ve Ashby belgelerinde kural, başvuru formundaki bir cevabı okuyor. İki sayfa da özgeçmişin ifadelerini ya da düzenini okuyan bir kural anlatmıyor.

Adayları sıralayan ya da puanlayan özellikler

Greenhouse’un Talent Matching SSS sayfası, özelliğin işverenin belirlediği kriterlere göre algoritmalarla “aday havuzunu eşleşme kategorilerine (Güçlü, İyi, Kısmi, Sınırlı ya da Elle inceleme gerekli gibi) ayırdığını” söylüyor. Şunu da ekliyor: “Talent Matching, alt eşleşme kategorilerindeki ya da “Elle inceleme gerekli” (Needs manual review) etiketi taşıyan adaylar dahil hiçbir adayı otomatik olarak reddetmez ya da bir sonraki aşamaya geçirmez. Bütün eleme ve işe alım kararlarını işe alım ekibi verir.” Özelliğin analiz edemediği, “nadir biçimlendirme ya da teknik sorunlar” taşıyan bir özgeçmiş “Elle inceleme gerekli” olarak etiketleniyor ve bu adayların “ekibiniz tarafından incelenmesi gerekiyor”.

Workday, Haziran 2025 tarihli bir yazısında şunu yazdı: “Workday’in yapay zekâ destekli işe alım araçları, bir adayın niteliklerinin yayımlanan bir ilanın şartlarıyla ne kadar eşleştiğine dair içgörü sunar.” Ve: “Workday yapay zekâsı işe alım kararı vermez.”

Ashby’nin yapay zekâ sayfası şöyle diyor: “Yapay zekâ adayları asla ‘sıralamaz’ ya da onlara sayısal puan vermez; karar sürecine her zaman bir insanın dahil olması gerekir.” Bilgi bankası ise bu cümlenin düşündürdüğünden fazlasını anlatıyor. AI-Assisted Application Review makalesi, inceleme yapanlara bir “AI Job Criteria Met Percentage” (yapay zekâya göre karşılanan iş kriteri yüzdesi) sütunu ekleyebileceklerini ve “adayları en uygundan (en yüksek yüzde) en az uygun olana (en düşük) doğru sıralamak için bu sütuna göre dizebileceklerini” söylüyor.

Lever’ın 2021 yazısı, “yapay zekânın, yetenek ekiplerinin kimi bir sonraki aşamaya taşıyıp kimi taşımayacağına dair önemli kararları verebilecek ya da vermesi gereken bir ATS özelliği olmadığını” savunuyor. Aynı yazı, yapay zekânın yardım edebileceği alanlar arasında “nitelikli olmayan kişilerin otomatik olarak arşivlenmesini” de sayıyor.

ABD’deki bir yasa otomatik taramaya dair ne diyor

New York City, bazı otomatik işe alım araçlarının kullanımını belirli şartlara bağlıyor. Şehrin Tüketici ve Çalışan Koruma Dairesi (DCWP), 2021 tarihli 144 sayılı Yerel Yasa’nın (Local Law 144) “işverenlerin ve istihdam ajanslarının otomatik bir istihdam karar aracını, araç kullanımından önceki bir yıl içinde yanlılık denetiminden geçmedikçe, denetime dair bilgiler kamuya açık olmadıkça ve çalışanlara ya da iş adaylarına belirli bildirimler yapılmadıkça kullanmasını yasakladığını” söylüyor. DCWP, yasanın uygulanmaya başlayacağı tarih olarak 5 Temmuz 2023’ü belirledi.

DCWP’nin SSS belgesi otomatik istihdam karar aracını şöyle tanımlıyor: makine öğrenmesi, istatistiksel modelleme, veri analitiği ya da yapay zekâ kullanan, işverenlerin istihdam kararları vermesine yardımcı olan ve “takdire dayalı karar vermeye büyük ölçüde destek olan ya da onun yerini alan” bilgisayar tabanlı bir araç. Tarama da buna giriyor: “Yasa, istihdam kararını taramayı da kapsayacak şekilde daha geniş tanımlar.” Yasa yalnızca böyle bir aracı “şehirde” kullanan işverenler ya da istihdam ajansları için geçerli. Bu durumda New York City’de oturan iş adaylarına, kullanımdan 10 iş günü önce, bir araç kullanıldığı ve aracın hangi “iş niteliklerini ya da özellikleri” değerlendireceği bildirilmeli. Bildirim iş ilanında yer alabilir, posta ya da e-postayla gönderilebilir veya işverenin web sitesinin istihdam bölümüne konabilir.

İki DCWP sayfası da bu araçların ne sıklıkla birini reddettiğine dair bir rakam vermiyor. SSS belgesi, bir yanlılık denetiminin yayımlanan özetinde bütün kategoriler için “seçilme ya da puanlama oranlarının” ve etki oranlarının bulunması gerektiğini söylüyor; yani tek tek araçlara ait oranlar bu özetlerde var. Biz onları toplamadık. İki sayfa da yasanın kapsamını “aday takip sistemi” adına göre değil, aracın ne yaptığına göre tanımlıyor.

Bu, başvurun için ne anlama geliyor

Bu bölüm bizim görüşümüz.

Sağlayıcıların belgelediği otomatik retler, işverenin yazdığı sorulara verilen cevaplar üzerinden çalışıyor. O yüzden başvuru sorularını asıl kapı olarak gör. Her birini oku ve doğru cevapla. Dürüst bir cevap bir şartı karşılamıyorsa, özgeçmişini yeniden yazmak o kuralın sonucunu değiştirmez.

Sağlayıcıların ve Harvard raporunun anlattığı sıralama, bir özgeçmişi işverenin koyduğu kriterlerle karşılaştırıyor. İlandaki bir şart sende gerçekten varsa, bunu kolay bulunan, sade kelimelerle yaz. Kanıtlayamayacağın şeyi ekleme: Mülakatçı herhangi bir satır hakkında soru sorabilir. Özgeçmişe dayalı mülakat soruları rehberimiz bu soruların nasıl kurulduğunu anlatıyor.

Dosyayı yazılımın okuyabileceği kadar sade tut. 2011’deki Bersin testi de Greenhouse’un “biçimlendirme ya da teknik sorunlar” notu da yazılımın bir özgeçmişi okuyamayabileceğini gösteriyor. Standart başlıklı sade bir düzen bu riski azaltır.

Bir rakamın peşinden koşma. Bir kontrol aracının verdiği puan o araca aittir. Bizimki de öyle: Özgeçmiş oluşturucumuzdaki özgeçmiş puanı kendi ölçümümüz; hiçbir aday takip sisteminin puanı değil ve hiçbir işveren onu görmüyor. Puanın kuralları o sayfada yayımlanıyor; sayfa, sağlayıcıların açıklamalarını da ATS bölümünde bir araya getiriyor.

Sonra özgeçmişinin sana kazandıracağı mülakata hazırlan. Ücretsiz özgeçmişe göre mülakat soruları aracımız, özgeçmişinin en çok gündeme getirebileceği soruları listeliyor.

Bu sayfanın sınırları

Bu tartışmanın iki tarafında da ölçülmüş bir oran yok. %75 rakamının bulabildiğimiz bir yöntemi yok. Yazılımın insanları elediğine dair bulduğumuz en iyi kanıt, yöneticilerin neye inandığını soran bir anket. Toptan otomatik rete karşı bulduğumuz en iyi kanıt ise özgeçmiş oluşturucu satan bir şirketin yayımladığı 25 görüşme. Müşterilerinin kurallarının kaç adayı reddettiğini bildiren bir sağlayıcı sayfası bulamadık.

Sağlayıcı belgeleri haber vermeden değişir, ürünler de öyle. Bir işverenin kendi başvuru sayfası ya da bildirimi sana bu sayfadan farklı bir şey söylüyorsa, işverenin söylediğine göre hareket et.