Tekoäly on yhä kiinteämpi osa rekrytointiprosesseja, mutta rekrytoijat kohtaavat sen arkikäytössä haasteita. Tekoälyä hyödynnetään käytännössä esimerkiksi, kun etsitään ja houkutellaan potentiaalisia uusia osaajia (=tehdään suorahakua) LinkedInissä. Hankkeen tutkija Matti Laukkarisen juuri julkaistu tutkimus (”Working With and Around Artificial Intelligence: AI Crafting and Human-AI Collaboration in Recruitment”) valottaa ilmiötä. Tutkimus osoittaa, että rekrytoijat eivät suinkaan ole passiivisia tekoälyn käyttäjiä, vaan he aktiivisesti muokkaavat ja täydentävät sen toimintaa varmistaakseen laadukkaat rekrytointitulokset.
Miksi algoritmit eivät aina toimi?
Laukkarisen tutkimuksessa haastateltiin 41 suomalaista rekrytoinnin ammattilaista, jotka käyttävät LinkedIniä työnhakijoiden etsintään. Haastateltavina oli sekä yritysten sisäisiä rekrytoijia että rekrytointikonsultteja.
Tutkimuksen mukaan rekrytoijat voivat kokea tekoälyn toimintalogiikan joustamattomaksi, kapea-alaiseksi tai ristiriitaiseksi suhteessa omiin tavoitteisiin ja arviointiperusteisiin. Tekoäly saattaa esimerkiksi kiinnittää liiallista huomiota käyttäjäprofiilien epäolennaisiin tekijöihin, vaikka henkilön osaaminen olisi todellisuudessa relevanttia. Lisäksi tekoälyn toiminnan läpinäkymättömyys (ei voi varmuudella tietää, mihin hakutulokset ja suositukset perustuvat) ja ajoittainen epäjohdonmukaisuus herättävät rekrytoijissa epävarmuutta. Tämä lisää tarvetta hyödyntää omaa harkintaa ja laajempaa arviointia sen sijaan, että päätöksenteossa nojattaisiin yksinomaan algoritmin antamiin ehdotuksiin. Tätä aktiivista tekoälyn käytön mukauttamista kutsutaan tutkimuksessa “AI craftingiksi”.
Aktiivista tekoälyn täydentämistä – AI crafting rekrytoinnissa
Tutkimukseen osallistuneet rekrytoijat olivat kehittäneet luovia tapoja tehostaa yhteistyötä tekoälyalgoritmien kanssa. Yksi keskeisimmistä keinoista on personoitujen hakujen luominen alustan omilla hakutyökaluilla, eli eräänlainen oman algoritmin rakentaminen sen sijaan, että luotettaisiin pelkästään valmiisiin suodattimiin. Alustan joustamattomia algoritmeja kierrettiin myös hyödyntämällä vaihtoehtoisten hakukoneiden algoritmeja (esim. Google), joiden avulla rekrytoijat kykenivät tavoittamaan monipuolisemman joukon kandidaatteja. Algoritmitietoiset rekrytoijat arvioivat myös tekoälyn antamia suosituksia kriittisesti suhteessa havaittuihin algoritmisiin taipumuksiin: Jos tekoälyn havaittiin suosivan toistuvasti tietyntyyppisiä profiileja epäolennaisin perustein, rekrytoijat jättivät tekoälyn suositukset vähemmälle huomiolle. Myös strateginen verkostoituminen digitaalisella alustalla koettiin tärkeäksi keinoksi laajentaa hakujen kattavuutta, erityisesti jos käytössä ei ole palvelun maksullista versiota, jotka poistaisivat verkostorajoituksia.
Kohti parempaa ja reilumpaa tekoälyn käyttöä rekrytoinnissa
AI crafting korostaa inhimillisen harkinnan ja ammattitaidon jatkuvaa merkitystä rekrytoinnissa. Onnistunut ja reilu lopputulos edellyttää rekrytoijilta aktiivista roolia sekä kykyä mukauttaa tekoälyn käyttöä kontekstiin sopivaksi. Tutkimuksen perusteella pelkkä luottamus tekoälyyn ei ole riittävää, vaan rekrytoijilta vaaditaan myös algoritmilukutaitoa, eli käytännön ymmärrystä tekoälyn toiminnasta ja sen hyödyntämisestä rekrytointiprosessissa.
Samalla havainnot asettavat vaatimuksia myös tekoälytyökalujen (kuten LinkedIn Recruiterin) kehittäjille: työkalujen tulisi tukea ihmisen päätöksentekoa ja tarjota riittävästi läpinäkyvyyttä ja joustavuutta käyttäjilleen.
Reilu Rekrytointi -hankkeessamme pyrimme edistämään käytäntöjä, joissa teknologia palvelee ihmistä ja tukee reilumpaa rekrytointia.