Yapay zeka ile performans değerlendirmesi yazma: 6 prompt ve örnek bir değerlendirme

Prompt hedefleri, kendi kanıtlarını ve puan ölçeğini alır, puanı sen verirsin

Tek bir prompt, üç şeyi taşıdığında performans değerlendirmesinin kullanılabilir bir ilk taslağını yazar: dönem başında belirlenen hedefler, bilet sisteminden, takvimden ve rakamlardan kendi çektiğin kanıtlar ve tanımlarıyla birlikte puan ölçeği. JPMorgan Chase yöneticilerine tam olarak buna izin veriyor; aracın "insan muhakemesinin yerine geçmediği" yönünde bir kural ve puan atamak ya da ücret ve terfi kararı vermek için yapay zeka kullanmayı yasaklayan bir sınır var (Bloomberg, 13 Kasım 2025). İki modele 29 Eylül 2026'da gönderdiğimiz prompt şu; destek mühendisi ve rakamları uydurma, önemli olan yapı.

Yıllık bir performans değerlendirmesi için yöneticinin yorumlarını yaz. Yalnızca aşağıdaki kanıtı kullan; vermediğim bir bilgi gerektiğinde uydurmak yerine [NEEDED] yaz. Yapı: her hedef için bir paragraf (önce sonuç, sonra kanıt), gelişim alanları için bir paragraf, ardından bizim ölçeğimizde önerilen genel puan ve bir cümlelik gerekçe. 250 kelimenin altında. Kişinin karakteri hakkında sıfat kullanma, yalnızca ne yaptığını ve bunun ne ürettiğini yaz.

Rol: destek mühendisi, görevde 2 yıl. Puan ölçeği: 1 Beklentilerin altında, 2 Kısmen karşılıyor, 3 Karşılıyor, 4 Aşıyor, 5 Fazlasıyla aşıyor. Sağlam bir yıl için beklenen puan 3'tür; 4 için rolün ötesinde ölçülebilir etki gerekir.

Hedef 1: 2. kademe biletlerde medyan ilk yanıt süresini 9 saatten 4 saatin altına indirmek. Kanıt: Zendesk raporu, 2. çeyrekten 4. çeyreğe medyan ilk yanıt 3,6 saat; yıl boyunca 3.100 bilet işlendi, ekip ortalaması 2.400.

Hedef 2: Müşteriye dönük durum sayfasını yayına almak. Kanıt: 14 Mart'ta yayına alındı, 1 Şubat hedefinden altı hafta sonra; gecikme onun kontrolü dışındaki bir tedarikçi SSO bağımlılığından kaynaklandı; açılıştan bu yana sayfada 22 olay yayımlandı.

Hedef 3: İki yeni çalışanı 8 hafta içinde gözetimsiz bilet işleyecek düzeye getirmek. Kanıt: iki yeni çalışan da 6. haftaya kadar tek başına bilet işliyordu (yöneticinin bire bir görüşme notları, Nisan ve Mayıs).

Gelişim notu: 3. çeyrekte iki eskalasyonda müşteriye, mühendislik onaylamadan önce bir düzeltme tarihi söylendi (Jira SUP-2211, SUP-2287).

Bu prompttaki iki talimat işin çoğunu yapar. "Uydurmak yerine [NEEDED]" modelin bir hedefi hiç ölçmediğin bir rakamla süslemesini engeller: denememizde Claude Sonnet 4.5, iki eskalasyondan sonra bir düzeltme yapıldığına dair kanıt vermediğimiz yere bir [NEEDED] yazdı; Gemini 2.5 Pro hiç yazmadı ve bizim vermediğimiz bir süreç cümlesi ekledi. "Kişinin karakteri hakkında sıfat yok" taslağı olanlara bağlı tutar; çalışanın itiraz edebileceği ve İK'nın savunabileceği de budur.

Kanıt senden gelmek zorunda, çünkü modelin başka hiçbir şeyi yok. Lattice'in 2025 State of People Strategy Report raporuna göre yöneticilerin %49'u bir yıllık geri bildirimi gözden geçirmeyi zor buluyor ve prompt tam olarak bu yıla ihtiyaç duyar: Zendesk veya Jira dışa aktarımı, takvim, commit günlüğü, bire bir görüşme notları, panodaki rakamlar. 2. prompt, bir şey yazılmadan önce bu dışa aktarımları kanıt satırlarına çevirir.

Aşağıda bu kişinin değerlendirme dönemini kapsayan ham dışa aktarımlar var: [bilet listesini, takvim dökümünü, commit günlüğünü veya satış raporunu art arda yapıştır]. Bunları kanıt satırlarına çevir; her satır bir tarih ya da tarih aralığı, yapılan bir iş ve dışa aktarımdan bir rakam içersin. Şu hedeflerin altında grupla: [hedefleri yapıştır]. Hiçbir hedefi desteklemeyen bir madde varsa "Diğer" altına koy. Bir rakam eksikse [NUMBER NEEDED] yaz. Hiçbir şeyi özetleme ya da puanlama, dışa aktarımlarda olmayan hiçbir madde ekleme.

Bu konuda geç kalmış değilsin. Resume Builder, Haziran 2025'te doğrudan bağlı çalışanı olan 1.342 ABD'li yöneticiyi araştırdı: %65'i iş yerinde yapay zeka araçları kullanıyor, bunların %91'i performansı değerlendirmek için kullanıyor ve %53'ünün ilk tercihi ChatGPT.

Yapay zeka ile özdeğerlendirme yaz: aynı girdiler, bir dürüst eksik

Yapay zekayla yazılan bir özdeğerlendirme aynı üç girdiyle başlar ve tek bir puanı savunur: kanıtının desteklediği puanı; farklı yapacağın bir şeyi de düz sözlerle adlandırır. Hiç eksik içermeyen bir özdeğerlendirme ya bir makine ya da dikkat etmeyen biri tarafından yazılmış gibi okunur ve çalışanların %26'sı yapay zekanın yazdığı bir değerlendirme aldığından şimdiden şüpheleniyor (ZeroBounce, 1.000 ABD'li profesyonelle anket, Eylül 2025). Citi'nin devreye alma sırası bunun ne kadar olağanlaştığını gösteriyor: Haziran 2025'ten itibaren çalışanları özdeğerlendirmelerini şirketin yapay zeka araçlarıyla taslaklayabildi, yöneticiler aynı yardımı dört ay sonra aldı.

[Dönem] değerlendirmesi için özdeğerlendirmemi yaz. Hedeflerim: [yapıştır]. Kanıtlarım, hepsi kendi kayıtlarımdan: [2. promptun kanıt satırlarını yapıştır]. Puan ölçeğimiz: [her seviyenin tanımıyla birlikte yapıştır]. Birinci tekil şahıs, 300 kelimenin altında, her hedef için sonuçla başlayıp ardından kanıtı veren bir paragraf, sonra farklı yapacağım şeyi adlandıran bir paragraf: [eksiği tek satırda anlat]. Kanıtımın desteklediği puanı savun ve hangi seviye olduğunu söyle; daha yüksek bir puanı savunma. Vermediğim bir rakam gerekirse [NUMBER NEEDED] yaz. Tutumum, çabam ya da potansiyelim hakkında hiçbir iddia yok, yalnızca ne yaptığım ve bunun ne ürettiği.

Özdeğerlendirmedeki her rakam, yöneticinin aldığın sistemde kontrol edebileceği bir rakam olmalı, çünkü bakacağı yer orası. Bir özdeğerlendirmeyi taşıyan üç sonuç, bir zam talebini de taşıyan üç sonuçtur; bu yüzden zam istemek için yapay zeka kullan yazısındaki dosya promptu ikisi için de maddeleri üretir ve bunları önce resmî kayda geçirmek için özdeğerlendirme daha iyi yerdir.

Son geçiş sestir ve burada yöneticinin taslağından daha çok önem taşır, çünkü bir model gibi okunan özdeğerlendirme yöneticine bunu senin yazmadığını söyler. 4. prompt kendi cümlelerini örnek olarak kullanır ve her iş e-postası için aynı şekilde çalışır.

İşte e-postalardan ya da belgelerden kendi yazdığım üç paragraf: [yapıştır]. Aşağıdaki özdeğerlendirmeyi benim yazış biçimime uyacak şekilde yeniden yaz: cümle uzunluğum, kelime dağarcığım, cümleye başlama biçimim. Bir rakama bağlı olmayan her sıfatı kaldır. Hiçbir bilgiyi ekleme, çıkarma ya da yerini değiştirme; her rakamı ve her [NUMBER NEEDED] ifadesini olduğu gibi bırak. [taslağı yapıştır]

Performans değerlendirmesi için en iyi yapay zeka hangisi? Tek promptu ikisinde çalıştırdık

Claude Sonnet 4.5 daha dikkatli, Gemini 2.5 Pro daha sıcak bir değerlendirme yazdı ve ikisi de aynı kanıttan aynı puanı, 4'ü önerdi. 1. promptu iki modele de değiştirmeden, aynı API üzerinden (fal.ai'nin any-llm uç noktası) 29 Eylül 2026'da 0,3 sıcaklıkla, her birinde tek çalıştırmayla gönderdik; Gemini'nin akıl yürütmesi, uç nokta bu model için gerektirdiği için açık tutuldu. Tüm test bir sentten az tuttu.

Claude'un çıktısı, kalın yazı işaretleri dışında düzenlenmeden:

Goal 1: First-Response Time The median first-response time target was met, with Zendesk data showing 3.6 hours across Q2-Q4, below the 4-hour goal. This was achieved while handling 3,100 tickets, 29% above the team average of 2,400.

Goal 2: Status Page The customer-facing status page shipped on 14 March, six weeks later than the 1 February target due to a vendor SSO dependency outside her control. Since launch, 22 incidents have been posted to the page.

Goal 3: New Hire Mentoring Both assigned new hires reached unsupervised ticket handling by week 6, two weeks ahead of the 8-week target, as documented in manager one-on-one notes from April and May.

Development Areas Two escalations occurred in Q3 (SUP-2211, SUP-2287) where fix dates were communicated to customers before engineering confirmation. [NEEDED: evidence of improvement or corrective action taken after these incidents.]

Proposed Rating: 4 (Exceeds) The combination of meeting the response-time goal while handling significantly above-average ticket volume, accelerating new hire readiness, and delivering the status page despite external delays demonstrates measurable impact beyond standard role expectations.

Gemini'nin çıktısı, düzenlenmeden:

You exceeded the goal to reduce median first-response time, achieving 3.6 hours against a target of under 4 hours from Q2 to Q4. This was accomplished while handling 3,100 tickets for the year, above the team average of 2,400.

The customer-facing status page was shipped on 14 March. While this was after the 1 February target, the delay was due to a vendor dependency outside your control. The page has been used to post 22 incidents since launch.

You met the goal to mentor two new hires. Both were handling tickets unsupervised by week 6, ahead of the 8-week target, according to one-on-one notes from April and May.

For development, focus on communication during escalations. In Q3, two customers were given a fix date before engineering had confirmed it (SUP-2211, SUP-2287). The process is to wait for an engineering estimate before providing a date to the customer.

Proposed rating: 4 (Exceeds). The significant outperformance on ticket volume and response time created a measurable positive impact on the customer experience beyond the defined expectations for the role.

İkisinin de aynı yöne eğildiği yer puandır ve puanın sende kalmasının nedeni budur. Ölçek, sağlam bir yıl için beklenen puanın 3 olduğunu ve 4 için rolün ötesinde ölçülebilir etki gerektiğini söylüyordu. İki model de 2.400 ortalamaya karşı 3.100 bileti bu etki saydı ve hiçbiri puan cümlesinde 2. hedefteki altı haftalık gecikmeyi ya da iki eskalasyonu tartmadı. Bu kanıtla 4 savunulabilir; eskalasyonlar hakkında bir satırla birlikte 3 de öyle, ve model iki seferde de cömert olanı seçti. 5. prompt, sen karar vermeden önce modeli karşı tarafı savunmaya zorlar.

İşte bir değerlendirme taslağı ve puan ölçeğimiz: [ikisini de yapıştır]. Taslak [puan] öneriyor. Önerilen puanın bir seviye altındaki puan için en güçlü tek paragraflık gerekçeyi ve bir seviye üstündeki puan için en güçlü gerekçeyi yaz; yalnızca taslaktaki kanıtı ve ölçeğin kendi tanımlarını kullan. Sonra önerilen puanın yok saydığı her kanıtı listele. Bir puan önerme.

Peki hangi yapay zeka en iyisi: bir değerlendirme için model, kanıttan daha az önemlidir; çünkü aynı kanıtı alan iki öncü model aynı puanı üretti ve ses ile uydurulmuş tek bir cümlede ayrıştı. Eksik kanıtın işaretlenmesini istiyorsan Claude, çalışana zaten hitap eden bir taslak istiyorsan Gemini. İkisinin tek yerde olmasının işe yaradığı durum, sekiz çalışanlı bir değerlendirme dönemidir. Whizi'de puan ölçeğini ve yetkinlik tanımlarını bir kez bir projeye sabitlersin (Eylül 2026 itibarıyla bir proje, her biri 10 MB olan, .docx ve PDF dahil en fazla 10 sabitlenmiş dosyayı ve her mesajla birlikte giden en fazla 32.000 karakterlik proje talimatını tutar), sonra ölçeği yeniden yapıştırmadan her çalışanın kanıtını Claude ve Gemini'den geçirirsin (projeler nasıl çalışır). Whizi'nin geride kaldığı yer işin diğer yarısıdır: İKBS entegrasyonu ve ekip hesabı yok, yani Workday, Lattice veya Zendesk'ten senin için hiçbir şey çekilmez. Citi'nin Performance Assist aracı "tüm bu bilgiyi doğrudan sistemlerimizden otomatik olarak toplar", Citi'nin toplam ödüllendirme başkanı Patricia Gould'un sözleriyle, ve Lattice'in AI Agent'ı geçmiş geri bildirimi Lattice'in içinden özetler. Whizi'de dışa aktarıp yapıştırırsın.

İK'ya ya da çalışana değerlendirmenin yazımında yapay zekanın yardım ettiğini söylemek zorunda mısın?

Yayımlanmış tutumu olan iki büyük işverende cevap farklı: Citi çalışanlara söylüyor ve herkesin yapay zekayla hazırlanan bir değerlendirmeden vazgeçmesine izin veriyor, Aralık 2025'e kadar vazgeçenler %1'in altında kaldı; JPMorgan'ın kuralı ise, Bloomberg'in aktardığı haliyle, bağlı çalışana bildirim zorunluluğu getirmek yerine yöneticinin araçla neler yapabileceğini sınırlıyor. JPMorgan yapay zekanın atadığı puanı yasaklıyor; Citi nihai değerlendirmeden yöneticiyi sorumlu tutuyor. Başka her yerde cevap şirketinin yapay zeka politikasıdır ve Lattice ile Textio'nun ilk kontrol listesi maddesi bizimkiyle aynı: yapıştırmadan önce oku. 13 Kasım ile 2 Aralık 2025 arasında aktarıldığı şekliyle, adı geçen ABD işveren tutumları:

Anket rakamları, sorunun çoğu ekipte zaten gündemde olduğunu söylüyor. Resume Builder'ın Haziran 2025 anketinde "%20'den fazlası yapay zekanın insan girdisi olmadan karar vermesine ya her zaman (%5) ya da sık sık (%16) izin verdiğini söylüyor" ve insanları yönetmek için yapay zeka kullanan yöneticilerin yalnızca %32'sinin bu konuda resmî bir eğitimi vardı. ZeroBounce'un Eylül 2025 anketi, yöneticilerin %41'inin yapay zekayla bir değerlendirme taslakladığını ya da gözden geçirdiğini ortaya koydu. Gartner'in 1.622 katılımcılı Aralık 2025 anketi, "yöneticilerin yapay zeka kullandıklarında performans yönetimi sürecinin farklı bölümlerinde ortalama dört saat tasarruf ettiğini bildirdiğini" buldu ve Nisan 2026 tavsiyesi yapay zekayı "yönetsel muhakemenin yerine geçen bir şey değil, ona bir girdi" olarak ele almaktı.

Açıklama üzerine yapılan tek saha deneyi, söylemenin bir bedeli olduğunu ve bunun etrafından dolanmanın bir yolunu buldu. Tong, Jia, Luo ve Fang, 2021'de Strategic Management Journal'da gerçek bir firmanın içinde yapay zekayla üretilen geri bildirimi ölçtü ve şunu yazdı: "çalışanlar yapay zeka geri bildirimi kendilerine açıklandığında ona karşı olumsuz bir algı geliştirebilir ve bu da verimliliklerine zarar verebilir"; etki çalışanın kıdemiyle azalıyordu. Önerdikleri çözüm, yukarıdaki her politikanın vardığı biçimdir: ne taslakladıysa taslakladı, geri bildirimi yönetici kendi sesiyle iletir. CM Law ortağı Peter Cassat, Aralık 2025'te HR Dive'a çalışanları değerlendirmek için yapay zeka kullanmanın "kuruluşları ayrımcılık iddialarına ve önemli uyum yükümlülüklerine maruz bırakabileceğini" söyledi; bankalarda puanlamanın insanda kalmasının hukuki nedeni budur. Eyalet ve şehir kuralları farklıdır ve bu sayfa hukuki tavsiye değildir; İK'na ya da avukatına soracağın soru, bir taslaklama aracının bulunduğun yerde otomatik karar aracı sayılıp sayılmadığıdır. İK için yapay zeka yazısı altı ABD yapay zeka istihdam kuralını listeler: ücrete ve disipline uzananları ve taslaklamayı kendi metninde kapsam dışı bırakanları.

Yapay zekayla ücretsiz değerlendirme yazabilir miyim?

Evet. ChatGPT, Claude ve Gemini'nin ücretsiz katmanları 1. promptu yazıldığı gibi alır ve özel oluşturucular aynı işi prompt yerine bir formla yapar. TechnologyAdvice Mart 2026'da sekiz ücretsiz oluşturucuyu test etti ve dördünü tuttu: Easy-Peasy.AI (günde 2 değerlendirme), Writify.AI (sınırsız, reklamlı), Vondy (kayıttan önce 4) ve GravityWrite (ayda 1.000 kelime). Formlar çalışanın adını ister; veri şartlarını okumadığın her araçta yerine bir unvan yaz (yapay zeka sohbetine asla yapıştırılmaması gerekenler).

Ücretsiz ya da ücretli, form araçlarının atladığı bir kontrolü yap. Textio'nun Ocak 2023'te ChatGPT geri bildirimi üzerine yaptığı test, ChatGPT'nin bir hemşireyi 10 üzerinden 9 kez kadın varsaydığını ve kadınlar için yaklaşık %15 daha uzun geri bildirim yazdığını, fazla uzunluğun çoğunun eleştiri olduğunu buldu. 6. prompt, hiçbir şey teslim edilmeden önce bu kontrolü kendi setin üzerinde çalıştırır.

İşte ekibimden [N] değerlendirme taslağı, isimler harflerle değiştirilmiş: [yapıştır]. Bunları karşılaştır ve şunları listele: medyandan %20'den fazla uzun veya kısa olan değerlendirmeler; karakter hakkındaki her sıfat (güvenilir, zor, neşeli, agresif) ve hangi değerlendirmede geçtiği; her zamir ya da cinsiyetli kelime; arkasında rakam ya da tarih olmayan her iddia. Her bulgu için bir satır olan bir tablo ver. Hiçbir şeyi yeniden yazma.

Bu sayfadaki her politikanın üzerinde uzlaştığı kural bir cümleye sığar: kanıt senden gelir, taslak modelden gelebilir, puan ve konuşma sende kalır.