Yapay zekâ mülakatında aksan: İngilizce anadilin değilse

HireVue ve Braintrust, yapay zekâlarının sesinin nasıl duyulduğunu değil, ne söylediğini puanladığını söylüyor: Konuşman metne dönüşüyor ve puanlanan şey bu metin. Bu tarife göre risk, transkriptteki yanlış bir kelime. Bulabildiğimiz yayımlanmış testlerin hepsi, konuşma tanımanın anadili İngilizce olmayanların konuşmasında ve Hint ya da Nijerya İngilizcesi gibi çeşitlerde ABD İngilizcesine göre daha fazla hata yaptığını gösteriyor. En yeni testte en iyi sistemler bile kısa, okunmuş cümlelerde yaklaşık her yirmi kelimeden birini yanlış yazdı. Platformun pratik mülakatına gerçekte kullanacağın mikrofonla gir ve platform izin veriyorsa kaydını dinle ya da altyazıları oku.

Platformlarla ilgili bilgiler, 6 Ekim 2026’da kontrol edilen Mercor, HireVue ve Braintrust’ın herkese açık belgelerinden geliyor. Araştırma bulguları kaynaklardaki makalelerden geliyor ve o dönemde test edilen sistemleri anlatıyor. Platform belgeleri İngilizce; alıntıları biz çevirdik. Offermic’in burada adı geçen platformların hiçbiriyle bir bağı yok.

Kelimelerin metin olarak puanlanıyor

HireVue’nun 2026 tarihli açıklanabilirlik belgesi (explainability statement) üç aşama anlatıyor: Konuşman yazıya dökülüyor, bir dil modeli transkripti okuyor ve cevap, benzer cevaplara uzmanların verdiği puanlarla karşılaştırılarak puanlanıyor. Belge, yapay zekânın “yalnızca adayların söylediklerine dayandığını” ve yüz ifadelerini, beden dilini ya da ses tonunu analiz etmediğini söylüyor. Braintrust da AIR mülakatçısının “görünüşünü, ses tonunu ya da geçmişini değil, kelimelerini” analiz ettiğini söylüyor.

Mercor, yapay zekâ mülakatçısının cevaplarının transkriptini oluşturduğunu ve performansını değerlendirdiğini söylüyor. Transkript dışında bir şey kullanılıp kullanılmadığını söylemiyor; bazı mülakatların dil becerilerini ölçtüğünü de belirtiyor.

Puanlanan şey metin olduğunda, yanlış duyulan bir kelime sanki sen söylemişsin gibi puanlanır: “we cut churn” (müşteri kaybını azalttık) cümlesinin “we cut church” olarak yazıya dökülmesi (bizim örneğimiz, kaydedilmiş bir vaka değil) bambaşka bir cümle demek. Kalıp ifadeler için İngilizce iş mülakatı rehberimize bak.

Çalışmalar neyi ölçtü

Bu çalışmaların hiçbiri bir mülakat platformunu test etmedi; platformların dayandığı türden konuşma tanıma yazılımlarını test ettiler. Farklı hata ölçütleri kullanıyorlar, bu yüzden satırları birbiriyle değil, her satırı kendi içinde karşılaştır.

Çalışma	Test edilen sistemler	Kullanılan konuşma	Bulgu
DiChristofano ve arkadaşları, ön baskı, 2022	Amazon, Google ve Microsoft konuşma API’leri, 2021’de çalıştırıldı	171 ülkede doğmuş 2.713 konuşmacının aynı paragrafı okuması (Speech Accent Archive)	Üçü de anadili İngilizce olan konuşmacılarda anlamlı ölçüde daha iyiydi. Kaybedilen bilginin 0 ile 1 arasındaki ölçeğinde ortalama fark 0,14’tü.
Sanabria ve arkadaşları, ICASSP 2023	Whisper (büyük model), adı verilmeyen bir ticari sistem, wav2vec 2.0	İngilizcenin birçok çeşidinde yaklaşık 40 saatlik görüntülü görüşme konuşmaları	Whisper’ın kelime hata oranı bu görüşmelerde %19,7’ydi; temiz, okunmuş ABD İngilizcesinde ise %2,7. Tüm modellerin başarısı Hint, Jamaika ve Nijerya İngilizcesinde düştü.
Graham ve Roll, JASA Express Letters, 2024	Whisper, sürüm 3	Aynı arşiv paragrafının 18 aksanla okunması, ayrıca sınav konuşmaları	Genel olarak anadil aksanları daha doğru yazıya döküldü, ama İsveççe ve Almanca konuşanlar İngiliz konuşmacıları geçti. En çok hata Vietnamca ve Tayca konuşanlarda (22 ve 15 kişi) görüldü. Sohbet, okunmuş konuşmadan daha zordu.
McGuire, ön baskı, 2025	AssemblyAI Universal-2, Deepgram Nova-2, Rev.ai V2, Speechmatics Ursa-2, Whisper large-v3	Altı dil kökeninin her birinden dört kişi olmak üzere, anadili İngilizce olmayan 24 konuşmacının yaygın kelimelerden oluşan kısa cümleleri okuması	Whisper ve AssemblyAI ortalama %5,4 ve %5,6 hata yaptı. Dört ABD’li kontrol konuşmacısında hata oranı sistemler genelinde ortalama %0,7, dört Vietnamca konuşmacıda %14,3’tü. Anadili İngilizce olmayan gruplar arasında en düşük hata Hintçe konuşanlardaydı.

Bunu nasıl okuyoruz:

• En iyi yeni sonuç iyi, ama kolay malzemede. Yirmi kelimede bir hata, aynı makalenin insan transkripsiyoncular için verdiği hata oranına yakın; ama McGuire’ın cümleleri kısaydı ve yalnızca yaygın kelimeler içeriyordu. Daha uzun bir paragrafta Graham ve Roll, aynı Whisper sürümüyle, anadili İngilizce olanlar dahil kadınlar için %11,5, erkekler için %14,0 hata bildiriyor; üstelik bu kayıtların modelin eğitim verilerinde yer almış olabileceğini not ediyorlar.
• Hint İngilizcesi konusu netleşmiş değil. Sanabria, sohbette Hint İngilizcesinde bir düşüş buldu. McGuire’ın Hintçe konuşan katılımcıları ise anadili İngilizce olmayan gruplar arasında en düşük hata oranına sahipti, gerçi bu oran yine de ABD oranının birkaç katıydı.
• Gruplar küçük. Graham ve Roll, İngilizceye daha erken yaşta başlayan konuşmacılarda daha az hata buldu; yani senin sonucun grubunun sonucundan çok farklı olabilir.

HireVue’nun adını verdiği sağlayıcı Rev.ai, McGuire’ın beş sisteminden biriydi: Okunmuş cümlelerde en kötüsü (%8,6), 22 konuşmacının daha uzun, kendiliğinden konuşma kayıtlarında ise en iyisiydi (dolgu kelimeleri ve tekrarlar korunduğunda %6,3, çıkarıldığında %10,3). HireVue hangi sürümü ve ayarları kullandığını söylemiyor.

Platformlar ne diyor

	Mercor	HireVue	Braintrust AIR
Aksan hakkında	Yayımlanmış bir şey yok; konuşma sisteminin adı verilmiyor	Aşağıya bak	AIR’ın “çok çeşitli İngilizce aksanları anlayacak şekilde tasarlandığını” söylüyor; rakam yok
Tekrar istemek	SSS, yapay zekâdan tekrarlamasını ya da açıklamasını istemeni söylüyor	Canlı mülakatçı yok; soru yazılı ya da video olarak gösteriliyor	Belirtilmemiş
Önce pratik	Ücretsiz, sınırsız, şirketlerle paylaşılmıyor	Kaydını tekrar izleyebileceğin pratik soruları	Belirtilmemiş
İkinci denemeler	En fazla üç yeniden deneme	İşveren belirliyor: soru başına 1 ila 5 kayıt denemesi ya da sınırsız; HireVue toplamda üç öneriyor	Soru başına “genellikle” tek şans

Konuşma sisteminin adını veren ve rakam açıklayan tek platform HireVue. 2026 tarihli belgesi, transkripsiyonun Rev.ai’dan geldiğini ve HireVue’nun kendi testlerinde ABD’de İngilizce kelime hata oranlarının ortalama %10’un altında olduğunu söylüyor; denediği diğer sistemlerde bu oran %15 ile %25 arasındaymış. Anadili İngilizce olanlar “çeşitli aksanlara sahip” anadili İngilizce olmayanlarla karşılaştırıldığında da Rev.ai’ın alternatiflerden daha iyi olduğunu söylüyor, ama rakam vermiyor.

2022 tarihli ve hâlâ HireVue’nun hukuki belgeler sayfasından bağlantı verilen eski bir belge ise rakam veriyordu: Rev.ai ile Kanada aksanı için %12, Çin’den katılımcılar için %22 kelime hatası; alternatiflerde bu oranlar %17 ve %45’ti. Bunlar, HireVue’nun sürekli geliştirildiğini söylediği bir sistemin 2022 rakamları.

2026 tarihli belgeden dört nokta daha:

• Anlaşılamayan cevaplar bir insana gidiyor. Sistem yeterli içerik algılayamazsa, aday “anlaşılacak kadar net konuşmadığında” ya da “mikrofon girişinde teknik sorunlar” yaşadığında da dahil olmak üzere, cevap yapay zekâ tarafından puanlanmak yerine “insan incelemesi için işaretleniyor”. 2022 metni bunun genellikle beşten az kelime anlaşıldığında olduğunu söylüyor; yani birkaç kelimesi yanlış yazılmış bir cevabı yakalamaz.
• Yapay zekâ değerlendirmesinden vazgeçebilirsin. Bu durumda işe alım uzmanları aynı kayıtları aynı puanlama ölçekleriyle değerlendiriyor; HireVue vazgeçmenin seni işe alım sürecinden dışlamadığını söylüyor. İnsan incelemesinin anadili İngilizce olmayanlara daha iyi ya da daha kötü davrandığına dair herkese açık bir veri bulamadık; bu yüzden bu bir seçenek, bizim önerimiz değil.
• Hazırlık süresi bir işveren ayarı. Belge 0 ila 5 dakika ya da sınırsız seçeneklerini sayıyor ve bir dakika öneriyor. Sana ne süre verilirse soruyu yeniden okumak için kullan.
• Makul düzenleme talepleri işverene gidiyor. Belgenin örneği, engelli bir aday için ek süre; ikinci dil konuşanlar için hiçbir şey anlatmıyor.

Mercor’un SSS sayfası, aksi belirtilmedikçe mülakatların İngilizce olduğunu, altyazıların varsayılan olarak açık olduğunu ve yapay zekâ mülakatının “adayları elemek için standart ve tek yöntemi” olduğunu ekliyor. Mercor sayfamız ve HireVue sayfamız her formatı ayrıntılı olarak anlatıyor.

Farklı yapman gereken dört şey

1. Pratik turunu bir dinleme testi olarak kullan

Yayımlanmış hiçbir rakam, bir platformun senin sesini senin mikrofonunda nasıl işlediğini söylemiyor; bu yüzden pratik turu bir teste en yakın şey. HireVue’nun pratik soruları sırasında mikrofon değiştirebilir ya da ses seviyesini ayarlayabilirsin.

Mercor, altyazıların senin kelimelerini mi yoksa yalnızca mülakatçınınkileri mi gösterdiğini söylemiyor ve transkriptleri paylaşamayacağını belirtiyor. Kelimelerin görünüyorsa yanlış çıkanları not et; sonra onları daha dikkatli söyle ya da daha basit kelimelerle değiştir.

Bizim yaptığımız uygulama Offermic, İngilizce sesli mülakat provaları yapıyor ve senden ne duyduğunu canlı altyazıyla gösteriyor; böylece bir konuşma sisteminin yanlış anladığı kelimeleri fark edebiliyorsun. Karşılaşacağın platformla aynı konuşma sistemini kullanmıyor olabilir; bu yüzden onu bir tahmin aracı olarak değil, prova olarak gör.

2. Aksanını dert etmeden önce sesi düzelt

Mercor kulaklık ve harici mikrofon öneriyor. Aksan çalışmaları mikrofonları test etmedi, bu yüzden gerisi bizim görüşümüz: Sessiz bir odada kulaklıklı mikrofon kullan ve önce o mikrofonla kendi kaydını dinle.

3. Acele etme ve cümlelerini tamamla

Kanıtlar acele etmemeyi destekliyor; ağır ağır konuşmayı değil.

Goldwater, Jurafsky ve Manning (2010), ABD telefon konuşmalarında iki tanıyıcının hatalarını analiz etti; aksan çalışmanın parçası değildi. Hatalar olağan konuşma hızlarında en düşüktü, uç hızlarda arttı; hızlı konuşmada bu artış belirgindi. Her kelimenin ne kadar sürdüğü genel hızdan daha önemliydi: Ortalamadan daha uzun söylenen kelimeler en iyi tanındı. Hemen tekrarlanan bir ifadenin ilk kelimesinde ve yarıda kesilen bir kelimeden hemen önceki kelimelerde hata oranları ortalamanın 10 ila 14 puan üzerindeydi.

İnsan dinleyiciler arasında Munro ve Derwing (2001), en yüksek puanı alan ikinci dil konuşmasının, bu konuşmacıların genellikle konuştuğundan biraz daha hızlı olduğunu buldu; çok hızlı ve çok yavaş konuşma daha düşük puan aldı.

İki çalışma da güncel bir sistemi test etmedi. Bizim görüşümüz: En hızlı doğal temponun biraz altı iyidir; yarım hız değildir. Her kelimeye tam süresini ver ve ters giden bir cümleyi kelimenin ortasında kesmek yerine tamamla. Mercor’da düşünme süresini sesli doldur (“Let me think about the best example”, yani “En iyi örneği bir düşüneyim”): SSS sayfası uzun sessizliklerin yapay zekânın araya girmesine yol açabileceği konusunda uyarıyor.

4. Nadir kelimeleri bir kez söyle, sonra sade bir dille açıkla

Aynı 2010 çalışması, bir kelime ne kadar az olasıysa tanıyıcının onu o kadar sık yanlış anladığını buldu. Bunlar çoğu zaman cevabını taşıyan kelimelerdir: ürün adları, araçlar, kısaltmalar, işvereninin adı. Bizim görüşümüz: Adı bir kez, net şekilde söyle, sonra ne olduğunu sıradan kelimelerle anlat; böylece ad yanlış anlaşılsa bile anlam kaybolmaz.

Bu örnek bu yazı için yazıldı; gerçek bir aday ya da proje değil.

Kimsenin yayımlamadığı şeyler

Üç platformun hiçbiri bugün kullandığı sistem için aksana göre transkripsiyon doğruluğunu yayımlamıyor. Puanlama adımının ikinci dil dil bilgisine farklı davranıp davranmadığını da kimse söylemiyor: Bir transkript kelimesi kelimesine doğru olup yine de anadili İngilizce olmayan birinin sözleri gibi okunabilir. HireVue’nun anlattığı önyargı kontrolleri ise anadile göre değil, cinsiyet, yaş ve ırk ya da etnik kökene göre yapılıyor.

Yapay zekâ mülakatçılarının transkriptin ötesinde neyi değerlendirdiğini öğrenmek için yapay zekâ mülakatını geçmek rehberine bak.