Tekoäly rekrytoinnissa – Kun ChatGPT lukee hakemuksesi, mitä tapahtuu seuraavaksi?

Työhakemus on yhä useammin kahden tekoälyn välinen viestinvaihto. Ainakin alussa. Yksi kirjoittaa sen, toinen seuloo sen ensimmäisenä.

Tekoäly on tullut osaksi rekrytointia. Se auttaa seulomaan hakemuksia, ehdottaa sopivia kandidaatteja ja automatisoi viestintää. Kaikki kuulostaa tehokkaalta ja sitä se onkin. Mutta missä kohtaa tekoäly muuttuu avustajasta osittaiseksi päätöksentekijäksi?

Tässä blogissa käyn läpi, miten tekoälyä käytetään rekrytoinnissa ja missä sen rajat tulevat vastaan. Pureudun kolmeen konkreettiseen vaiheeseen, joissa tekoäly näkyy jo nyt rekrytoijan jokapäiväisessä työssä: hakemusten seulontaan, hakijaviestintään sekä työpaikkailmoitusten ja rekrymarkkinoinnin sisältöihin.

Itse työskentelen rekrytoinnin tukiroolissa. En valitse hakijoita, mutta olen jatkuvasti tekemisissä järjestelmien, viestien ja prosessien kanssa. Siksi tarkastelen tekoälyn roolia käytännön näkökulmasta. Missä se oikeasti auttaa, missä se jää vajaaksi ja missä kohtaa koneen on parempi väistyä ihmisen tieltä.

Miksi tämä on tärkeää?
Tekoäly muuttaa nopeasti tapaa, jolla työnantajat rekrytoivat ja työnhakijat hakevat töitä. Tässä blogissa käyn läpi, miten tekoälyä käytetään rekrytoinnissa juuri nyt, missä sen rajat tulevat vastaan ja miten sekä rekrytoijat että työnhakijat voivat hyödyntää sitä fiksummin.

Tekoälyn hyödyt rekrytoinnissa

1. Hakemusten seulonta tekoälyllä: oikeat ehdokkaat pinnalle

Monet rekrytointijärjestelmät, kuten Teamtailor jota käsittelen tämän blogin aikana, käyttävät tekoälypohjaista analytiikkaa ehdokasprofiilien järjestämiseen. Käytännössä tämä tarkoittaa OpenAI:n GPT-mallien hyödyntämistä ansioluetteloiden jäsentelyyn, taitojen ja kokemusten korostamiseen sekä työpaikkailmoitusten ja haastattelukysymysten raakaluonnosteluun.

Kun hakemus saapuu järjestelmään, tekoäly tunnistaa keskeiset taidot, kokemukset ja jopa kielelliset painotukset. Näiden pohjalta se nostaa esiin hakijat, jotka todennäköisesti vastaavat parhaiten kyseisen työpaikan vaatimuksiin. Jos työnantajalla on useita rooleja auki, järjestelmä voi ehdottaa hakijaa myös muihin sopiviin tehtäviin. Näin tapahtuu esimerkiksi meillä Wellpackilla.

Tämä on yksi syy, miksi yhä useampi hakija optimoi ansioluettelonsa esimerkiksi korostamalla rooliin liittyviä avainsanoja. Tämä voi auttaa nousemaan esiin, mutta tuo mukanaan myös kysymyksiä aitoudesta. Missä kohtaa hakemuksesta tulee enemmän algoritmille kuin ihmiselle kirjoitettu? Jos sisältö jää geneeriseksi ja persoonattomaksi sen vaikutus heikkenee silloin, kun lopullinen päätös on yhä ihmisen käsissä.

Tämä ei tarkoita, että tekoäly valitsee hakijat puolestasi. Mutta se tekee saman, minkä Spotify tekee musiikissa: nostaa näkyville ehdokkaat, jotka todennäköisesti sopivat hakuprofiiliin. Ja aivan kuten Spotifyn Discover Weekly -listalla, myös täällä algoritmin valinnat voivat yllättää joskus positiivisesti ja joskus hieman harhaan osuen. Tekoälyn rooli tässä kohtaa ei ole ratkaista valintaa vaan tarjota suunta.

Tekoälyn seulonnan takia myös työnhakijan työnhaku muuttuu: hakemuksen ja CV:n kirjoittaminen ei ole enää vain sisällön tuottamista ihmiselle, vaan myös sen optimointia järjestelmälle. Täten moderni CV pitääkin osittain rakentaa niin, että se toimii sekä koneelle että ihmiselle ilman että aitous katoaa.

Lue enemmän aiheesta: Miten tekoälyvetoiset rekrytointijärjestelmät lukevat CV:si ja hakemuksesi.

2. Hakijaviestintä, joka tuntuu ihmiseltä – vaikka se ei olisikaan

Hakijaviestintä on usein se kohta, jossa rekrytointiprosessi joko vakuuttaa tai karahtaa karille. ChatGPT:n kaltaiset generatiiviset tekoälytyökalut nopeuttavat viestien, työpaikkailmoitusten ja haastattelukysymysten luonnostelua. Työkalut tuottavat tekstiä, joka kuulostaa ihmisen kirjoittamalta ja säästää aikaa ilman, että viestin laatu kärsii. Monet rekrytointijärjestelmät, kuten esimerkiksi Teamtailor, vievät tämän pidemmälle automaatioiden avulla. Esimerkiksi pelkän “kiitos hakemuksestasi” -viestin sijaan järjestelmä voidaan räätälöidä lähettämään automaattisesti erilaisia viestejä hakijoille eri vaiheissa rekrytointiprosessia. Kun viestintä on suunniteltu huolella ja aikataulutettu oikein, hakijaviestintä tuntuu inhimilliseltä ja samalla säästyy manuaalista työtä.

Toki automaatiolla on myös varjopuolensa. LinkedInissä ja muilla keskustelupalstoilla törmää usein kertomuksiin, joissa hakijat kokevat jääneensä ilman inhimillistä kontaktia. Tämä korostuu etenkin hylkäystilanteissa, joissa viestit tulevat nopeasti tai vaikuttavat sisällöltään geneerisiltä. Esimerkkinä yksirivinen ’Valintamme ei kohdistunut sinuun’ ilman kontekstia tai kiitosta. Näin syntyy tunne, ettei hakemusta ole oikeasti luettu, vaan sen on käsitellyt kone.

Kyse ei ole vain hakemuksen vastaanottamisesta. Myös jatkoon pääseminen tai karsiutuminen ilman selkeää viestintää voi tuntua kylmältä tai epäreilulta. Tunne siitä, että päätös on tehty algoritmin perusteella ilman ihmistä, voi horjuttaa luottamusta koko prosessiin.

Hyvin suunnitellussa rekrytointiprosessissa automaatio ei kuitenkaan tunnu automaatiolta. Kuten UX-suunnittelussa todetaan: paras teknologia on huomaamatonta. Parhaimmillaan automaatio toimii niin sujuvasti, että se tuntuu henkilökohtaiselta. Juuri siksi viestien sävy, ajoitus ja läpinäkyvyys ovat kriittisiä: niiden kautta rakentuu hakijakokemus, joka jää mieleen, hyvällä tai huonolla tavalla.

Tämän vuoksi automaatioita suunnitellessa kannattaa pysähtyä miettimään: missä kohtaa koneen pitää väistyä ja antaa tilaa aidolle viestille, vaikka se olisi vain muutama harkittu lause. Automaation ei tarvitse tarkoittaa persoonattomuutta, mutta ilman huolellista viestintää näin helposti käy.

3. Tekoäly rekrymarkkinoinnin työkaluna – kun copy ei enää ala ”Etsimme sinua”

Hyvä työpaikkailmoitus ei riitä, vaan sen täytyy pysäyttää. Tätä on toitotettu jo monta kymmentä vuotta ja tekoäly voi vihdoin auttaa siinä. Mutta jotta työpaikkailmoitus todella erottuu, tarvitaan yhä ihmistä ohjaamaan tekoälyä ja antamaan ilmoitukselle inhimillinen ääni.

Tekoäly auttaa analysoimaan millaiset sanavalinnat, sävyt tai kulmat vetoavat rekrymarkkinoinnissa eri kohderyhmiin. Oikein käytettynä tekoäly ei vain tuota sisältöä, vaan auttaa löytämään sen sävyn, joka herättää oikean työnhakijan kiinnostuksen.

Silti liian moni ilmoitus, johon törmään, alkaa edelleen fraasilla “Etsimme sinua osaksi kasvutarinaamme” ja päättyy lupaukseen “mukavasta työporukasta ja hyvästä yhteishengestä.” Väliin mahtuu lista tehtävistä, yleinen toive tiimipelaajasta ja maininta kilpailukykyisestä palkasta. Kaikki peräisin huonosti suunnitellusta promptista, joka ei kerro mitään itse työstä, kulttuurista, prosessin kulusta tai siitä, miksi juuri tähän paikkaan kannattaisi hakea. Ongelma ei ole tekoälyssä, vaan siinä, miten sitä käytetään tai pikemminkin siitä, mitä sille syötetään.

💡 Hyvä prompti on puoliksi valmis ilmoitus.

Jos tekoälylle annetaan liian geneerinen tai yksinkertainen prompti se tuottaa kyllä korrektin tekstin, mutta ei ilmoitusta, joka erottuu tai herättää kiinnostusta.

Sen sijaan voit kokeilla työpaikkailmoituksen tekemistä muuan muussa näin:

Tekoäly ei ole vain tekstigeneraattori, vaan parhaimmillaan työnantajabrändin jatkettu ääni. Mutta tämä ei synny itsestään. Käyttäjä antaa sisällölle merkityksen ja luo koneen kanssa sävyn, joka herättää kiinnostuksen ja ohjaa oikean hakijan klikkaamaan sitä ’Hae nyt’ -nappia.

Kolme rekrytointiin liittyvää asiaa, joissa tekoäly epäonnistuu (ainakin toistaiseksi)

Tekoäly osaa paljon, mutta sillä ei ole vaistoa, kokemusta tai tunneälyä. Juuri siksi on tärkeää ymmärtää, missä kohtaa ihmistä ei voi, eikä pidäkkään ohittaa.

1. Tiimidynamiikan ja fiiliksen tunnistaminen

Tekoäly ei näe, miten ehdokas istuu kahvipöytäkeskusteluun, tuo esiin luontaista johtajuutta tiimitilanteessa tai innostaa muita ympärillään. Usein juuri nämä havainnot ratkaisevat, miksi joku valitaan. Kulttuurinen sopivuus on edelleen asia jonka rekrytoija aistii eikä algoritmi.

2. Syrjintäriskit ja vinoutunut data

Tekoäly on niin hyvä kuin sen opettama data. Jos järjestelmä oppii vanhoilla tiedoilla, se voi alkaa toistaa hiljaisia vinoumia, usein täysin huomaamatta. Tunnetuin esimerkki lienee Amazonin kokeilu, jossa tekoäly alkoi suosia mieshakijoita teknisiin tehtäviin, koska data pohjautui menneisyyden sukupuolivinoutuneisiin valintoihin.

Tämä tapahtui tosin ennen OpenAI:n kaltaisten suurmallien läpimurtoa ja nykyisiä käytäntöjä, mutta muistuttaa sitä, että tekoäly ei ole neutraali, vaan se heijastaa aina datansa todellisuutta. Jos järjestelmää käytetään ymmärtämättä sen rajoja riski ei ole tekninen vaan inhimillinen.

3. Motivaation ja potentiaalin arviointi

Tekoäly on hyvä arvioimaan historiaa. Se voi tunnistaa esimerkiksi, mitkä ominaisuudet ovat esiintyneet menestyneillä hakijoilla aiemmin. Se ei näe, kuinka motivoitunut henkilö on oppimaan, tai kuinka tämä rooli sopii hänen urapolulleen. Rekrytoija tekee edelleen sen tärkeimmän: tunnistaa mahdollisuuden, jota data ei vielä näytä.

Työnhakijan uusi taito: puhua sekä ihmiselle että tekoälylle

Tekoälyn käyttö rekrytoinnissa ei muuta vain työnantajan arkea, vaan se muuttaa myös hakijan työnhakua. Hakemuksen vastaanottajana ei ole enää pelkkä ihminen, vaan yhä useammin myös järjestelmä, joka arvioi sopivuutta algoritmien perusteella.

Tämä ei tarkoita, että hakijan pitäisi alkaa pelata hakusanabingoa tai liioitella jokaista termiä CV:ssään. Mutta se tarkoittaa, että oma osaaminen täytyy pukea sanoiksi tavalla, joka resonoi sekä rekrytoijan että tekoälyn silmissä. Relevanssi, roolikohtaiset termit ja selkeä rakenne ovat nyt tärkeämpiä kuin koskaan.

Jos osaamista ei tuoda näkyvästi esiin, järjestelmä ei osaa nostaa hakemusta esille. Tällöin kiireinen rekrytoija ei välttämättä huomaa piilevää potentiaalia. Tekoälyn seulonta ei tulkitse rivien välistä, mutta se tunnistaa selkeästi muotoiltua osaamista. Kun sen logiikan oppii ymmärtämään, voi se auttaa avaamaan oven ensimmäiseen haastatteluun.

Loppusanat: tekoäly on työkalu, mutta vastuu on meidän

Tekoäly muuttaa tapaa miten rekrytointi tapahtuu. Ne jotka osaavat yhdistää ihmisen harkinnan ja teknologian mahdollisuudet, rakentavat fiksumpia rekrytointiprosesseja ja löytävät paremmin sopivia osaajia.

Mutta mikään järjestelmä ei osaa kysyä oikeita kysymyksiä. Se on edelleen meidän tehtävämme. Tekoäly voi auttaa ja nopeuttaa prosessia sekä jäsentää tietoa, mutta se ei tiedä miltä hyvä kohtaaminen tuntuu tai mitä ’tämä tyyppi sopii meille’ oikeasti tarkoittaa.

Siksi tulevaisuuden rekrytoija ei ole vain järjestelmän käyttäjä, vaan sen tulkitsija. Ja hyvä työnhakija ei enää kirjoita vain ihmiselle, vaan osaa sanoittaa osaamisensa myös järjestelmälle. Se ei ole vastakkainasettelu, vaan uudenlaista yhteistyötä.

Algoritmi voi nostaa ehdokkaan esiin. Mutta vasta ihminen osaa nähdä, kuka hän todella on.