Tekoälyä hyödynnetään yhä enemmän sekä rekrytoinnissa että työnhaussa. Ratkaisevaa on, mihin tarkoitukseen tekoälyä käytetään ja millainen vaikutus sillä on hakijan asemaan.
Rekrytointi, eli uuden työntekijän etsiminen ja valinta, rakentuu tyypillisesti useista toisiinsa kytkeytyvistä vaiheista, joissa tavoitetaan potentiaalisia hakijoita, kootaan ja arvioidaan tietoa heidän osaamisestaan sekä tehdään päätöksiä siitä, ketkä etenevät prosessissa. Tekoälyä hyödynnetään näissä vaiheissa monin tavoin ChatGPT:n kaltaisten yleiskäyttöisten generatiivisen tekoälyn palvelujen avulla sekä digitaalisiin rekrytointipalveluihin sisäänrakennetuilla toiminnoilla.
Tekoälyn käyttö rekrytoinnissa voi vaikuttaa huomattavasti ihmisten uramahdollisuuksiin ja toimeentuloon. Tämän vuoksi Euroopan unionin tekoälyasetus luokittelee osan rekrytointiin tarkoitetusta tekoälystä suuririskiseksi.
Generatiivinen tekoäly muuttaa työnhakua
Kotimaisten kyselyiden perusteella tekoälyä käytetään työnhaussa yhä enemmän, mutta siihen ei suhtauduta yksiselitteisen myönteisesti. Työnhakijat hyödyntävät generatiivista tekoälyä esimerkiksi työhakemusten muokkaamiseen, oman osaamisen sanoittamiseen, ansioluettelon viimeistelyyn ja hakemusten kohdentamiseen tiettyihin tehtäviin.
Generatiivisen tekoälyn käytön yleistyminen voi muuttaa työnhakua monella tavalla. Tekoäly voi auttaa työnhakijoita ilmaisemaan osaamistaan aiempaa selkeämmin ja laatimaan hakemuksia, jotka vastaavat paremmin haetun työn vaatimuksia. Samalla se saattaa lisätä hakemusten määrää ja tehdä niiden rakenteesta tai ilmaisusta aiempaa yhdenmukaisempaa.
Rekrytoijan näkökulmasta osa hakemuksista voi näyttää huolellisesti viimeistellyiltä, mutta jäädä sisällöltään ylimalkaisiksi tai mukailla organisaation verkkosivuilta löytyviä ilmaisuja.
Jos tekoälyn käyttö hakemuksissa yleistyy, rekrytoijan on aiempaa vaikeampi päätellä, mitä hakemuksen tyyli kertoo hakijan omasta ilmaisusta tai motivaatiosta.
Vaikutukset eivät jakaudu tasaisesti työntekijöiden kesken. Joillekin tekoäly tarjoaa tukea kielelliseen ilmaisuun ja oman osaamisen jäsentämiseen. Toisille tekoälyn käyttö on vierasta tai epäluontevaa, ja puutteelliset digitaidot tai sopivien laitteiden ja palvelujen saavutettavuusongelmat voivat vaikeuttaa sen hyödyntämistä. Tekoäly voi helpottaa vakuuttavien hakemustekstien tuottamista, mutta sen hyödyt saattavat painottua niille, joille sen käyttö on mahdollista ja luontevaa.
Myös työnantajien odotukset voivat muuttua. Jos tekoälyn käyttö hakemuksissa yleistyy, rekrytoijan on aiempaa vaikeampi päätellä, mitä hakemuksen tyyli kertoo hakijan omasta ilmaisusta tai motivaatiosta. Samalla asenteet ja odotukset voivat muuttua niin, että vaikutelma tekoälyn käytöstä vaikuttaa arvosteluun vähemmän.
Työnantajien tekoälyn käyttö ei aina tunnisteta
Työnantajaorganisaatioille suunnatuiden kyselyiden mukaan tekoälyn käyttö rekrytoinnissa on ollut melko varovaista. Käyttö näyttää painottuvan avustaviin tehtäviin, kuten ilmoitusten ja viestipohjien laatimiseen.
Kyselyt eivät välttämättä kuitenkaan kerro tekoälyn käytön todellista laajuutta. Reilu Rekrytointi -hankkeessa olemme Matti Laukkarisen ja Heidi Lehtovaaran kanssa tuoneet esiin, että tekoäly on rekrytoinnissa usein sisäänrakennettuna työnhakusivustoihin, rekrytointijärjestelmiin ja suorahaun työkaluihin, eikä sen käyttöä aina tunnisteta tekoälyksi.
Käytännössä tekoäly voi näkyä rekrytoinnissa hyvin erilaisina toimintoina. Generatiivista tekoälyä hyödynnetään esimerkiksi työpaikkailmoitusten muotoilussa, hakijaviestinnässä, haastattelukysymysten valmistelussa sekä muistioiden ja yhteenvetojen laatimisessa. Muu tekoälypohjainen tai automatisoitu käsittely voi puolestaan liittyä esimerkiksi työpaikkamainonnan kohdentamiseen ja osaajien suorahakuun.
Tekoäly on rekrytoinnissa usein sisäänrakennettuna työnhakusivustoihin, rekrytointijärjestelmiin ja suorahaun työkaluihin, eikä sen käyttöä aina tunnisteta tekoälyksi.
Monet rekrytointijärjestelmät ja -palvelut markkinoivat tekoälyominaisuuksiaan aktiivisesti ja tarjoavat niitä myös suomalaisille organisaatioille. Työnantajat voivat silti olla varovaisia siinä, miten uusia järjestelmiä tai ominaisuuksia otetaan käyttöön ja miten niiden käytöstä kerrotaan.
Tekoälyä ei useinkaan käytetä yhtenä selvästi erottuvana työkaluna, vaan osana järjestelmiä, jotka voivat asettaa hakijoita järjestykseen, arvioida heidän sopivuuttaan, tuottaa suosituksia tai tiivistää hakemusmateriaaleja.
Vaikka tekoälyä kuvattaisiin ”avustavaksi”, ihmisen tekemä lopullinen päätös ei vielä kerro, miten järjestelmä on ohjannut rekrytoijan huomiota, hakijoiden järjestystä tai osaamisen esittämistä. Rekrytointijärjestelmä saattaa esimerkiksi hyödyntää työnkuvan ja hakemusmateriaalin vastaavuutta ehdokkaiden esiin nostamisessa, ja työpaikkamainonta voi rajautua käyttäjiin, jotka tunnistetaan tiettyjen työnimikkeiden, taitojen tai toimialojen perusteella.
Milloin rekrytoinnin tekoäly on suuririskistä?
EU:n tekoälyasetus ei kohtele kaikkea rekrytoinnissa käytettävää tekoälyä samalla tavalla. Ratkaisevaa on järjestelmän käyttötarkoitus ja se, millainen vaikutus sen käytöllä voi olla hakijan asemaan.
Asetuksen mukaan suuririskisiä ovat erityisesti tekoälyjärjestelmät, joita käytetään työpaikkailmoitusten kohdentamiseen, hakemusten analysointiin ja suodattamiseen sekä ehdokkaiden arviointiin. Riskit liittyvät hakijoiden näkyvyyteen, yhdenvertaiseen arviointiin ja mahdollisuuksiin edetä rekrytointiprosessissa.
Kyse ei ole vain näkyvästä automaattisesta päätöksenteosta, vaan myös järjestelmistä, jotka tuottavat rekrytoijan käyttöön hakijalistoja, suosituksia tai pisteytyksiä ja näin vaikuttavat hakijoiden seulontaan, vertailuun tai etenemiseen.
Ratkaisevaa on järjestelmän käyttötarkoitus ja se, millainen vaikutus sen käytöllä voi olla hakijan asemaan.
Rekrytoinnissa käytettäviä suuririskisiä tekoälyjärjestelmiä koskevia velvoitteita sovelletaan 2. joulukuuta 2027 alkaen. Järjestelmien tarjoajilta edellytetään muun muassa riskienhallintaa, dokumentointia, toiminnan jäljitettävyyttä, ihmisen valvonnan mahdollistamista sekä järjestelmien tarkkuudesta ja tietoturvasta huolehtimista.
Järjestelmiä käyttävien työnantajien on puolestaan noudatettava käyttöohjeita, nimettävä valvontaan riittävän osaavat henkilöt, seurattava järjestelmien toimintaa ja säilytettävä hallinnassaan olevat lokitiedot. Aiempien kokemusten perusteella aikataulumuutokset ja tarkennukset asetuksen sisältöön ovat mahdollisia.
Käytännössä järjestelmiä kehittävät ja tarjoavat yritykset voivat ohjeistaa työnantajia tekoälyominaisuuksien käyttöönotossa ja käytössä. Ohjeistuksesta huolimatta työnantajan saattaa kuitenkin olla vaikea hahmottaa, miten hakijalistaukset, suositukset tai pisteytykset tarkalleen ottaen muodostuvat ja miten niiden vaikutuksia rekrytointiprosessissa voidaan arvioida. Tilannetta vaikeuttaa se, että rekrytoinnissa käytetään usein monenlaisia palveluja, joiden teknisten toimintaperiaatteiden läpinäkyvyys vaihtelee.
Rekrytointityökaluissa voi olla sisäänrakennettuja oletuksia
Monet keskeiset rekrytoinnissa käytettävät järjestelmät ja palvelut, kuten LinkedIn, Workday ja Oracle, ovat yhdysvaltalaisten teknologiayritysten kehittämiä. Varsinkin Microsoftin omistamalla LinkedInillä on asiantuntijoiden suorahaussa todella merkittävä valta-asema.
Kansainväliset työkalut voivat mukailla toisen työmarkkinan, kulttuurin, kieliympäristön ja sääntelykontekstin oletuksia. Rekrytointiprosessi voi myös rakentua useiden palveluntarjoajien järjestelmistä ja palveluista, joihin voi kuulua rekrytointijärjestelmä, erilaisia työnhakusivustoja, ammatillisia verkostoalustoja sekä erillisiä tekoälytyökaluja.
Mitä useammasta työkalusta kokonaisuus muodostuu, sitä vaikeampi on hahmottaa, missä hakijatietoja käsitellään, miten suosituksia muodostetaan ja mihin työnantaja voi käytännössä vaikuttaa.
Mitä useammasta työkalusta kokonaisuus muodostuu, sitä vaikeampi on hahmottaa, missä hakijatietoja käsitellään, miten suosituksia muodostetaan ja mihin työnantaja voi käytännössä vaikuttaa.
Rekrytointityökaluja kehittävät yritykset ja toisinaan myös työnantajat perustelevat tekoälyn käyttöönottoa rekrytoinnissa tehokkuuden parantamisella ja vinoumien vähentämisellä. Näiden lupausten toteutuminen riippuu kuitenkin siitä, miten järjestelmää käytetään, millaista osaamista organisaatiolla on ja kuinka paljon se pystyy vaikuttamaan järjestelmän toimintaan.
Rekrytoinnissa vaaditaan tekoälylukutaitoa eli kykyä tunnistaa järjestelmän käyttötarkoitus ja rajoitukset, tulkita käyttöohjeita ja sopimusehtoja sekä arvioida tuloksia osana ammatillista harkintaa. Alustava tutkimustieto viittaa siihen, että järjestelmiin lisätyt selitykset eivät yksinään riitä varmistamaan käyttäjän ymmärrystä.
Tekoäly muuttaa rekrytoinnin parissa tehtävää työtä
Rekrytoinnin tekoälystä keskustellaan usein hyötyjen ja riskien kautta. Myönteisissä puheenvuoroissa voi korostua työn nopeutuminen, viestinnän sujuvoittaminen ja rekrytoijan arjen tukeminen, kun taas kriittisissä näkökulmissa voivat painottua algoritmien vinoumat ja tekoälyasetuksen tuomat velvoitteet.
Hyötyjen ja riskien puntarointi on tarpeellista, mutta samalla on tärkeää tarkastella, miten teknologinen muutos muuttaa käytännössä rekrytoijan työtä, työnantajan vastuuta ja hakijan mahdollisuuksia tulla arvioiduksi.
Rekrytoijan arvioitavaksi tulee yhä useammin järjestelmän tuottamia hakija- ja osaajalistauksia, tiivistelmiä ja suosituksia.
Rekrytointi on perinteisestikin perustunut erilaisten tietojen tulkintaan. Kun tekoälyä on jo rekrytoinnin järjestelmissä ja sen käyttö laajenee, rekrytoijan arvioitavaksi tulee yhä useammin järjestelmän tuottamia hakija- ja osaajalistauksia, tiivistelmiä ja suosituksia.
Työnantajan vastuu ei rajoitu lopulliseen valintapäätökseen, vaan siihen kuuluu myös ymmärrys siitä, miten järjestelmä on vaikuttanut hakijoiden näkyvyyteen, vertailuun ja osaamisen esittämiseen. Esimerkiksi kohdennetut työpaikkailmoitukset voivat jättää potentiaalisia osaajia huomioimatta, ja tekoälyn tuottamat tiivistelmät ja suositukset saattavat vaikuttaa siihen, ketkä tunnistetaan sopiviksi ja ketkä jäävät vähemmälle huomiolle.
FT Sami Koivunen työskentelee tutkijana Tampereen yliopistossa Työsuojelurahaston apurahalla. Hän tutkii rekrytoinnin digitalisaatiota ja tekoälyn käyttöä rekrytoinnissa.
Artikkelin kuvituskuva: Amina Atar / Unsplash
