İş Gücü Planlama13 Mayıs 20266 dk okuma

AI Tabanlı Vardiya Planlama 2026: Eksik Personeli Üç Gün Önce Görmek

Workforce.com ve Timegrip 2026 raporları aynı sinyali veriyor: AI vardiya algoritmaları satış geçmişi, randevu, lokal etkinlik ve hava verisi ile staffing'i 72 saat öncesinden tahmin ediyor. Doğru kurguda iş gücü maliyeti %8-14 düşer.

Klasik vardiya planlamanın 3 kanaması

(1) Talep tahmini iyimserlik bias — yönetici 'normal hafta' varsayar. (2) Hafta sonu yığılma — Pazartesi yorgun başlangıç. (3) Last-minute çağrı + telafi mesaisi — saatlik birim kat üstü maliyet. 100 kişilik perakende mağaza zincirinde yıllık görünmez kayıp ortalama bordronun %6-10'una eşit.

AI ne çözüyor?

Gradient boosting veya LSTM 24-36 ay geçmiş satış/talep + lokal etkinlik takvimi + hava + tatil + kampanya bayraklarıyla saatlik talep tahmini üretir. Önerilen vardiya 72 saat önceden çıkar; gerçek-tahmin sapması her vardiya sonu modeli besler. WFM 2026 case verilerinde plan-gerçek sapması %22'den %7'ye düşüyor.

Fairness — algoritma neyi adil sayıyor?

Sadece talep optimize etmek hafta sonu vardiyalarını aynı çalışanlara yıkar. 2026 ek kısıt: Gini katsayısı tavanı (örn. 0,12). Algoritma 'arzu edilen vardiya' skoru sorar, optimizasyon 'maliyet' + 'adalet' iki amaçlı sınır içinde sonuç verir. Çalışan memnuniyeti turnover'ı belirgin düşürür.

Türkiye spesifik 3 kısıt

(1) 4857 Madde 41 fazla mesai yıllık 270 saat tavanı. (2) Postalar Halinde Çalışma Yönetmeliği gece postası 7,5 saat tavanı. (3) Hafta tatili 24 saat kesintisiz dinlenme + Pazar %50 zam. Algoritma kısıtları hard constraint kodlanmalı. Soft: çalışan başı 11 saat ardışık dinlenme (AB 2003/88 paraleli).

Pilot kurguda 6 adım

(1) 12-18 aylık geçmiş PDKS + satış veri ihracı. (2) Bir lokasyon pilot, 8 hafta. (3) Plan-gerçek sapma günlük kayıt. (4) Çalışan memnuniyet anketi. (5) Maliyet karşılaştırması: AI vs manuel. (6) 3 ay sonra üçlü olumluysa yayılma.

Yönetici 'opt-out' alanı

Algoritmaya tam teslim olmak motivasyon düşürür. En iyi uygulama: algoritma %85'i otomatik öneriyor, yönetici %15'inde 'lokal sebep' override yapıyor (ödül vardiyası, ekip uyumu). Override sayısı eşiği aşarsa İK uyarı alır — algoritma kalibre edilir.

Özet çıkarımlar

  • AI talep tahmini plan-gerçek sapmasını %22'den %7'ye düşürdü.
  • Sadece maliyet değil, Gini ile fairness ek hedef olmalı.
  • Türkiye kısıtları (270 saat, gece 7,5 saat, hafta tatili) hard constraint.
  • %85 otomatik + %15 yönetici override en sürdürülebilir oran.

Kaynakça

Bu yazı aşağıdaki uluslararası kaynaklardan sentezlenip Türkiye mevzuat bağlamına uyarlanmıştır. Doğrudan çeviri yapılmamıştır.

  1. Workforce Management Trends 2026. Timegrip. https://timegrip.com/insights/workforce-management-trends-2026-how-are-staff-scheduling-and-time-tracking-evolving-and-how-is-ai-influencing-this-development/ (erişim: 2026-05-13)
  2. HR and Payroll Trends 2026. Workforce.com. https://www.workforce.com/news/hr-and-payroll-trends-2026 (erişim: 2026-05-13)
  3. Postalar Halinde Çalışma Yönetmeliği. T.C. Resmî Gazete. https://www.mevzuat.gov.tr/mevzuat?MevzuatNo=8961&MevzuatTur=7&MevzuatTertip=5 (erişim: 2026-05-13)
#ai-scheduling#talep-tahmini#fairness#gini#vardiya-optimizasyon