“Pistä se tekoälylle.”
Se on lause, jonka moni on viime vuosina kuullut työelämässä muodossa tai toisessa. Usein se sanotaan kevyesti, kiireessä ja ratkaisua etsien. Kun aikaa on vähän ja tekemistä paljon, tekoäly näyttää houkuttelevalta vastaukselta: tiivistä tämä, vertaile nämä, ehdota parhaat vaihtoehdot, tee tästä lista.
Monessa tilanteessa siinä ei ole mitään ongelmaa. Tekoäly voi auttaa jäsentämään tietoa, nopeuttaa rutiineja ja tuoda näkyviin asioita, joita ihminen ei kiireessä huomaa.
Mutta rekrytoinnissa lause muuttuu herkemmäksi.
Kun kyse on siitä, kuka pääsee näkyviin, kuka etenee prosessissa ja kenen osaaminen tunnistetaan, “pistä se tekoälylle” ei enää riitä ohjeeksi. Silloin pitäisi kysyä paljon tarkemmin: mitä tekoälylle ollaan antamassa, millä kriteereillä se toimii, kuka on määritellyt hyvän hakijan ja missä kohdassa ihminen aidosti käyttää harkintaa?
Tekoäly rekrytoinnissa ei ole enää poikkeus
Esimerkit meiltä ja maailmalta kertovat karua kieltään siitä, mihin suuntaan rekrytointi on liikkumassa. Tekoälyä ei käytetä enää vain poikkeuksellisissa massarekrytoinneissa, joissa hakemuksia tulee tuhansia. Yhä useammin se on osa tavallista rekrytointijärjestelmää: hakemusten esiseulontaa, osaamisen yhteensopivuuden arviointia, hakijaviestintää, tiivistelmiä, pisteytyksiä ja hakijoiden järjestämistä rekrytoijan näkymässä.
Tämä ei ole teknisesti yllättävää. Kun hakemuksia on paljon, aikaa vähän ja prosessi halutaan saada läpi tehokkaasti, tekoäly näyttää houkuttelevalta ratkaisulta.
Mutta juuri tässä kohtaa rekrytoinnin vaikein kysymys helposti katoaa: mitä järjestelmä oikeastaan oppii pitämään hyvänä?
SAP kuvaa omassa rekrytointijärjestelmässään tekoälyavusteista hakijaseulontaa, jossa järjestelmä tunnistaa hakijan taitoja CV:stä ja vertaa niitä tehtävän vaatimuksiin. Oracle puolestaan kuvaa toiminnallisuutta, jossa generatiivinen tekoäly tuottaa hakijalle matching-arvioita ja pisteytyksiä esimerkiksi koulutuksen, kokemuksen, taitojen ja profiilin perusteella.
Kyse ei siis ole vain siitä, että joku yksittäinen rekrytoija pyytää tekoälyltä apua. Kyse on siitä, että rekrytoinnin infrastruktuuriin rakennetaan yhä enemmän ominaisuuksia, jotka auttavat järjestämään, tiivistämään, pisteyttämään ja suodattamaan hakijoita.
Se voi olla hyödyllistä.
Ja tämä ei aina ole hyväksi.
Kun kriteeriharha muuttuu automaatioksi
Tekoäly ei itsessään ole rekrytoinnin ongelma. Ongelma syntyy, jos tekoälylle annetaan sama kapea ajattelu, joka jo valmiiksi kaventaa rekrytointia: alan kokemus, tutut urapolut, tittelit, organisaatiotyypit ja helposti perusteltavat meriitit.
Silloin tekoäly ei tee rekrytoinnista viisaampaa. Se tekee vanhoista kriteeriharhoista tehokkaampia.
Jos järjestelmä oppii etsimään ensisijaisesti tuttua toimialaa, samanlaista organisaatiotaustaa, tietynlaista tehtävänimikettä tai lineaarista urapolkua, se voi alkaa tuottaa turvallisen näköisiä valintoja. Ei välttämättä parhaita valintoja. Ei välttämättä uudistumisen kannalta kiinnostavimpia valintoja. Vaan valintoja, jotka näyttävät järjestelmän ja nykyisen ajattelun näkökulmasta oikeilta.
Ongelma ei välttämättä näy yhdessä rekrytoinnissa. Ei ehkä kymmenessäkään. Se näkyy vasta ajan kanssa: siinä, millaisia ihmisiä organisaatio oppii kutsumaan “sopiviksi”, millaiset urapolut näyttävät järjestelmän silmissä uskottavilta ja millainen osaaminen jää toistuvasti näkymättömäksi.
Tässä on tekoälyavusteisen rekrytoinnin hiljainen riski. Se ei välttämättä tee virhettä dramaattisesti. Se voi tehdä pienen kavennuksen uudelleen ja uudelleen, kunnes organisaatio alkaa pitää kaventunutta näkymää totuutena.
EU AI Act pitää rekrytoinnin tekoälyä korkean riskin alueena
Tätä keskustelua ei käydä vain mielipiteiden tasolla. EU:n tekoälysääntelyssä rekrytointiin ja henkilövalintaan käytettävät tekoälyjärjestelmät kuuluvat korkean riskin käyttökohteisiin silloin, kun niitä käytetään esimerkiksi hakijoiden analysointiin, suodattamiseen, pisteyttämiseen tai järjestämiseen.
Syy on ymmärrettävä. Rekrytointi ei ole mikä tahansa hallinnollinen prosessi. Se vaikuttaa ihmisen toimeentuloon, uramahdollisuuksiin, ammatilliseen identiteettiin ja joskus koko elämän suuntaan.
Jos tekoälyjärjestelmä arvioi hakijoita liian kapeilla, huonosti määritellyillä tai historiallisesti vinoutuneilla kriteereillä, se voi vahvistaa juuri niitä malleja, joita organisaation pitäisi oppia haastamaan. Näennäisesti neutraali järjestelmä voi silti suosia tietynlaisia taustoja, sanoituksia, urapolkuja ja kokemuksia.
Ja siksi “ihminen on mukana prosessissa” ei vielä yksin riitä vastaukseksi.
Tärkeämpi kysymys on: missä kohdassa ihminen on mukana, millä tiedolla ja millaisella todellisella mahdollisuudella kyseenalaistaa järjestelmän ehdotus?
Jos ihminen vain hyväksyy järjestelmän tuottaman listan, kyse ei välttämättä ole merkityksellisestä ihmisharkinnasta. Se voi olla automaation kumileimasin.
Hakijalle prosessi voi näyttää kylmältä
Isojen organisaatioiden rekrytoinneissa hakijan kokemus voi olla hämmentävän kylmä. Hakemus täytetään järjestelmään, samat tiedot kopioidaan moneen kertaan, viestintä on geneeristä ja lopulta saapuu ei kiitos -viesti, joka ei tunnu kohtaavan ihmistä eikä tehtävää.
Se ei välttämättä tarkoita, että kukaan olisi ollut epäasiallinen. Usein se tarkoittaa, että ihminen on tullut prosessiin liian myöhään.
Kun prosessi on rakennettu tehokkuuden ehdoilla, hakija alkaa helposti näyttää tietueelta. Hän on CV, avainsanat, lomakekentät, matching-prosentti, taitoyhteensopivuus, status ja seuraava automaattinen viesti.
Mutta ihminen ei ole tietue.
Hakija voi olla juuri se henkilö, jonka arvo ei näy suoraviivaisessa hakusanavertailussa. Hän voi tuoda toisen toimialan ymmärrystä, uudenlaista ajattelua, kykyä yhdistää asioita tai kokemusta, jota järjestelmä ei tunnista, koska sitä ei ole nimetty samalla tavalla kuin työpaikkailmoituksessa.
Juuri siksi rekrytoinnin alkuvaihe on niin tärkeä. Jos esiseulonta kaventaa joukon liian varhain, ihminen ei koskaan pääse tilanteeseen, jossa hänen ajattelunsa voisi tulla näkyväksi.
Ihmisen mukanaolo on rekrytointilupaus
Siksi kiinnostavimpia työnantajalupauksia eivät tulevaisuudessa välttämättä ole ne, joissa kerrotaan rekrytoinnin olevan nopea. Kiinnostavampia ovat ne, joissa kerrotaan, missä kohdassa ihminen on mukana ja mitä ei anneta automaation ratkaistavaksi.
Supercell tekee tämän poikkeuksellisen selvästi. Yritys kertoo rekrytointisivuillaan, ettei hakijaa hylätä siksi, ettei CV läpäissyt automaattista filtteriä tai koska agentti niin päätti. He lupaavat, että hakemukset käydään läpi ihmisen toimesta.
Tällainen lupaus on pieni lause, mutta iso signaali.
Se kertoo, että rekrytointi ei ole vain hakijamassojen käsittelyä, vaan myös valinta siitä, millä ehdoilla ihminen tulee nähdyksi. Se kertoo myös ymmärryksestä: tehokkuus ei ole ainoa arvo rekrytoinnissa. Joskus hitaampi, huolellisempi ja inhimillisempi prosessi voi olla parempi tapa löytää juuri sellainen osaaminen, jota organisaatio sanoo tarvitsevansa.
Kaikki organisaatiot eivät voi tai halua luvata samaa. Mutta jokaisen organisaation pitäisi pystyä kertomaan, miten tekoälyä käytetään, mihin sitä ei käytetä ja missä kohdassa ihminen tekee aidosti merkityksellisen arvion.
Mitä ei pidä pistää tekoälylle?
Ammattilaisena oma kysymykseni alkaa olla tämä: kannattaako tekoälyporttia edes kolkutella, jos ei tiedä, mitä portilla oikeastaan tapahtuu?
En tarkoita, etteikö kiinnostavia tehtäviä kannattaisi hakea. Tarkoitan sitä, että organisaation rekrytointilupausta kannattaa alkaa arvioida nykyistä tietoisemmin. Käyttääkö se tekoälyä ihmisen harkinnan tukena vai ihmisen korvikkeena? Onko prosessissa kohta, jossa joku todella pysähtyy hakijan ajattelun, potentiaalin ja erilaisen taustan äärelle? Vai onko ihminen mukana vasta silloin, kun järjestelmä on jo kaventanut vaihtoehdot valmiiksi?
Kaikkea rekrytoinnissa ei pidä automatisoida. Erityisen varovainen olisin tehtävissä, joissa haetaan kehittämistä, strategista ajattelua, uuden luomista tai kykyä haastaa nykyistä toimintaa. Juuri niissä liian tehokas esiseulonta voi poistaa joukosta ne ihmiset, joita organisaatio eniten tarvitsisi.
Tämä ei tarkoita, että tekoäly pitäisi sulkea rekrytoinnista kokonaan pois. Se tarkoittaa, että sen käyttö pitäisi suunnitella viisaammin. Tekoäly voi auttaa jäsentämään hakemuksia, löytämään olennaisia tietoja ja tukemaan rekrytoijan työtä. Mutta sen ei pidä yksin ratkaista sitä, kenen potentiaali tulee näkyväksi.
Rekrytoinnin tulevaisuuden tärkeä kysymys ei siis ole vain: miten tekoälyllä voidaan käsitellä hakemuksia nopeammin?
Paljon parempi kysymys on: missä kohdassa ihmisen pitää ehdottomasti jäädä mukaan?
Lähteitä
- SAP Help Portal: AI-Assisted Skills Matching for Assisted Applicant Screening
- Oracle Help Center: Evaluate Candidate Applications Using AI Matching Ratings
- EU AI Act Service Desk: Employment
- Supercell: Joining Supercell