Webinaarin yhteenveto: Minne tekoäly vie rekrytointijärjestelmän seuraavaksi?

Lähes 200 HR- ja rekrytointialan ammattilaista ilmoittautui webinaariimme 21. lokakuuta 2026. Aihe oli selkeästi mielenkiintoinen: minne tekoäly vie rekrytointijärjestelmän seuraavaksi?

Webinaarin veti TalentAdoren markkinointipäällikkö ja entinen rekrytoija Janne Malmisaari yhdessä tuotejohtajamme Oskari Valkaman kanssa. Alta löydät tärkeimmät nostot, live-kyselyiden tulokset ja yleisön lähettämät kysymykset. Katso ensin koko tallenne tai hyppää suoraan siihen, mikä kiinnostaa sinua.

”Tekoälyn ja tuotekehityksen muotisana on maku. Tekoälyn kanssa arvostelukyky katoaa helposti, ja kaikki alkaa tuntua tekoälyroskalta. Kysymys onkin siitä, miten saat rakentamasi tuottamaan arvoa.”

Kehityskäyrä on jyrkkä ja rekrytointijärjestelmien kehityssyklit kiihtyvät

Tekoäly on ollut viime vuosien ajan trendaava aihe, mutta sen alla tapahtuva muutos on suurempi kuin muoti-ilmiö. METRin tutkimuksen mukaan tehtävien pituus, jonka kehittyneimmät tekoälymallit pystyvät suorittamaan, on kaksinkertaistunut noin seitsemän kuukauden välein. Ohjelmistokehityksessä vaikutus näkyy selvimmin: vuoden 2025 DORA-raportin mukaan 90 % kehittäjistä käyttää jo työssään tekoälytyökaluja.

Oskari näkee tämän päivittäisessä tuotetyössä. Vuosina 2023 ja 2024 uusia malleja ilmestyi muutaman kuukauden välein. Nyt niitä tulee lähes viikoittain, eikä tahtia enää sanele vain kourallinen toimittajia. Avoimen lähdekoodin mallien ansiosta voi koota mallipinon, jossa yksi malli on nopea, toinen vahva tietyssä kielessä ja kolmas hoitaa tietyn tehtävän.

”Tekoälyn ja tuotekehityksen muotisana on maku. Tekoälyn kanssa arvostelukyky katoaa helposti, ja kaikki alkaa tuntua tekoälyroskalta. Kysymys onkin siitä, miten saat rakentamasi tuottamaan aitoa arvoa.”

Rekrytoijalle käytännön seuraus on helppo nähdä. Oskarin sanoin:

”Saamme yhdessä viikossa tai jopa nopeammin aikaan saman, mihin ennen meni kahdesta kolmeen viikkoa.”

”Joskus myöhemmin” -hyllylle jääneet ideat etenevät nopeasti kokeiluasteelle, ja ominaisuus, jota ei tänään ole tiekartalla, voi ilmestyä järjestelmään jo ensi vuosineljänneksellä. Älykäs haastatteluaikojen buukkaaminen, monikielinen rekrytointi ja aidosti osaamisperusteinen tekoäly-matching olivat vielä muutama vuosi sitten utopiaa, mutta tänään arkipäivää.

Tekoälyn käyttökohteet, jotka kasvavat eniten

Avasimme tässä vaiheessa webinaaria ensimmäisen interaktiivisen osion kysymyksellä: mikä tekoälyn käyttökohde kasvaa eniten omassa rekrytoinnissanne seuraavan 12 kuukauden aikana?

Seulonta sai eniten mainintoja, ja sen perässä tulivat headhuntaus, sourcing ja manuaalisen työn poistaminen. Muut vastaukset vaihtelivat muistiinpanoista ja aikataulutuksesta hakijapalautteeseen, viesti- ja työpaikkailmoitusluonnoksiin, markkinatiedusteluun ja ”rekrytointiagenttiin”.

Jannen tulkinta oli selvä: useimmat vastaukset osoittavat rekrytoinnin aikaa vieviin pullonkauloihin, samoihin, jotka turhauttivat häntä rekrytoijana jo ennen generatiivista tekoälyä. Oskari lisäsi ajatuksen järjestelmän sisällä toimivasta sparraajasta, joka voisi esimerkiksi vertailla palkkatasoja Ruotsissa, Suomessa tai Saksassa, jotta niitä ei tarvitse selvittää käsin:

”Eräänlainen sparraaja järjestelmän sisällä, joka auttaa monissa asioissa.”

Miltä tekoälyn todellinen käyttöönotto näyttää tänään? Aptitude Researchin mukaan 69 % yrityksistä käyttää tekoälyä jossain rekrytoinnin vaiheessa, mutta vain 18 % käyttää sitä koko prosessissa, ja 46 % kertoo käyttävänsä agenttipohjaista tekoälyä tai suunnittelevansa sitä. Oskari suhtautuu viimeiseen lukuun varauksella. Hänen kokemuksensa mukaan aidosti agenttipohjainen tekoäly on rekrytoinnissa vielä harvinaista, mutta hän odottaa muutosta pian:

”Suhtaudun tähän lukuun hieman epäillen. Uskon, että ensi vuoden aikana agenttipohjainen tekoäly ottaa hoitaakseen jo merkittävän osan tavallisesta rekrytoijan työstä.”

Keskustelussa nousi esiin neljä käyttökohdetta:

Tekoälyavusteinen profilointi. Ennen työpaikkailmoituksen kirjoittamista tekoäly voi yhdistää kolme asiaa: mitä rekrytoiva esihenkilö toivoo, mitä markkinat tarjoavat (osaajatarjonta, palkkataso, kilpailu) ja mitä tiimillä jo on. Tuloksena on realistisempi profiili ja, kuten Janne sanoi, pienempi houkutus etsiä yksisarvisia. Oskari on nähnyt saman ilmiön asiakkaiden kanssa: ensimmäinen hakukierros kului aiemmin sen selvittämiseen, oliko profiili oikea, ja vasta toinen kierros toi tuloksia. Hyvä markkinadata voi vähentää kierrosten määrää etenkin kapeilla erikoisaloilla. Tekoäly voi myös kertoa, mitkä taidot on helppo opettaa, jolloin uusi työntekijä pääsee nopeammin vauhtiin.

Tekoälyavusteinen osaamisten vastaavuus. Kun seulot satoja tai tuhansia hakemuksia, tekoäly voi nostaa esiin täydentäviä taitoja, joita useimmilla muilla hakijoilla ei ole. Oskari mainitsi eurooppalaiseen ESCO-luokitukseen perustuvan rakenteisen vastaavuuden.

Ennakoiva analytiikka. Sillä voidaan ennustaa esimerkiksi, kuinka kauan tehtävän täyttäminen kestää, mitkä kanavat toimivat ja kuinka monta rekrytointia ensi vuonna tarvitaan, mikä on tärkeää erityisesti budjetointisesongin aikaan. Oskari huomautti, että kokeneet rekrytoijat tekevät tätä jo päässään:

”Rekrytoijalla, jolla on 15 tai 20 vuoden kokemus, on tuntuma siitä, miten asiat sujuvat. Heillä on oma ennakoiva analytiikkansa päänsä sisällä.”

Tekoäly auttaa vähemmän kokeneita kollegoita, varoittaa historiatietoon perustuen, jos tehtävään tulee liian vähän hakijoita, ja antaa esihenkilön pyytää tilannekatsauksen ilman, että rekrytoijaa tarvitsee häiritä. Haasteena on datan laatu: Deloitten tutkimuksessa 83 % tutkituista 924 yrityksestä arvioi henkilöstöanalytiikkansa valmiudet heikoiksi, eikä tekoälyllä ole paljon ennustettavaa heikon datan pohjalta.

Tekoälyavusteinen sourcing on jo nyt yleistä osaajahankinnassa, mutta se kehittyy ja vakiintuu vasta lähitulevaisuudessa. Passiivisten osaajien tavoittaminen on tärkeää riippumatta vallitsevasta osaajamarkkinasta, ja tekoälyn avulla sourcingia voi tehdä LinkedInistä ja työnhakusivustoilta aina oman järjestelmän osaajapankkiin asti. Yritykset ja rekrytoijat erottuvat sillä, miten he yhdistävät laadukkaan, henkilökohtaisen yhteydenoton ja korkean volyymin: kun kuka tahansa voi tavoittaa osaajia helposti, on yhä tärkeämpää erottua heidän silmissä positiivisesti.

Kysy, älä klikkaile: keskusteleva käyttöliittymä ja ”headless”-rekrytointijärjestelmä

Ajattele tavallista tiistaita perinteisessä rekrytointijärjestelmässä: avaat järjestelmän, etsit tehtävän, avaat hakijat yksi kerrallaan, luet CV:n, klikkaat välilehtien läpi, tarkistat muistiinpanot, avaat sähköpostin, kopioit ja liität. Keskustelevassa käyttöliittymässä arki näyttää aivan erilaiselta: kysyt, ja tekoäly hoitaa etsimisen. Sen jälkeen voit esittää jatkokysymyksiä ja porautua dataan.

Oskari nosti esiin toisen hyötyryhmän: rekrytoivat esihenkilöt.

”Rekrytoivat esihenkilöt kirjautuvat järjestelmään kerran vuodessa, eivätkä muista, miten se toimii.” Keskustelevassa käyttöliittymässä he voivat kertoa tekoälylle, mitä haluavat tehdä, ja tekoäly tekee sen heidän puolestaan.

”Rekrytoijalle se on taas tehonlisäys: seulonnan aikana voit sanoa ”lähetä haastattelukutsu jokaiselle hakijalle, jonka siirrän tähän vaiheeseen”, ja tekoäly varmistaa sinulta, ennen kuin jatkaa.”

Janne lisäsi rekrytoijataustansa pohjalta varauksen. Seulonta on osittain visuaalista työtä: katsot hakemuksista ja liitteistä, miten hakijat ilmaisevat asioita ja mitä he viestivät, eikä hän haluaisi tiivistää kaikkea pelkäksi tekstiksi. Keskustelevan tekoälyn pitäisi jättää tilaa myös käyttöliittymässä työskentelylle.

Kaksi reittiä: tekoäly järjestelmän sisällä tai headless-rekrytointijärjestelmä

Perille pääsee kahta kautta.

1. Rekrytointijärjestelmään sisäänrakennettu keskusteleva tekoäly. Avustaja näkee samat tiedot ja käyttöoikeudet kuin sinä.
2. Headless-rekrytointijärjestelmä. Järjestelmä tarjoaa tietonsa ja toimintonsa rajapintojen ja MCP:n kautta, ja työskentelet kolmannen osapuolen avustajan, kuten Clauden tai ChatGPT:n, kautta. Näin on jo käynyt CRM- ja ERP-järjestelmissä, ja kehitys on alkamassa myös rekrytointiteknologiassa.

Oskari selitti MCP:n olevan tekoälyn USB-C: yhteinen liitin, käytännössä agenteille tehty rajapinta, jonka avulla tekoälytyökalut osaavat hakea ja käyttää dataasi. (Janne ilmoitti varastavansa lauseen.)

Molemmat reitit toimivat, mutta niihin liittyy erilaiset kotitehtävät. Oskarin suurin huoli headless-reitissä on tietosuoja-asetus (GDPR):

”Se ei hoida tietosuojavelvoitteitasi. Jos siirrät hakijatietoja Claudelle tai ChatGPT:lle, sinun täytyy muistaa, missä keskustelussa käytit kyseisen hakijan tietoja.”

Hakijalla on oikeus pyytää kaikki hänestä säilytetyt tiedot ja oikeus saada ne poistetuiksi. Rekrytointijärjestelmän sisällä tiedot pysyvät järjestelmässä. Ulkoisissa avustajissa, ja myös ulkoisissa muistiinpanotyökaluissa, tiedot päätyvät moneen paikkaan, ja poistamisesta tulee salapoliisityötä. Oskari tuntee asian omasta työpöydästään: ”Käyn henkilökohtaisesti satoja keskusteluja viikossa tekoälyni kanssa. Jos kysyisit, missä keskustelussa käytin jotakin tiettyä asiaa, minun olisi vaikea muistaa.”

Hän huomautti myös, että monet rekrytointijärjestelmien toimittajat ilmoittavat, etteivät ota vastuuta siitä, mitä MCP-yhteydellä tehdään, joten vastuu on käyttäjällä. Yrityslisenssi auttaa, mutta se ei vastaa kysymykseen siitä, missä olet käyttänyt tietoja.

Kuusi kysymystä, jotka kannattaa esittää ennen kuin hoidat rekrytointia Claudella, ChatGPT:llä tai muulla avustajalla:

1. Missä hakijatietoja käsitellään ja tallennetaan, ja tapahtuuko se EU:ssa?
2. Käytetäänkö tietoja mallien kouluttamiseen?
3. Käyttävätkö ihmiset yrityksen sopimuksen piiriin kuuluvaa tiliä vai henkilökohtaisia tilejä?
4. Huomioiko yhteys käyttöoikeudet, ja syntyykö siitä tarkastusloki?
5. Suodatetaanko henkilötiedot ennen kuin ne päätyvät mallille?
6. Onko henkilötietojen käsittelysopimus tehty, ja ketkä ovat alikäsittelijät?

Janne nosti esiin myös varjotekoälyn: monet toimistotyöntekijät käyttävät tekoälytyökaluja, joita työnantaja ei ole heille tarjonnut, ja kyse on yhtä lailla tietoturvasta kuin ohjeistuksesta.

Henkilötietojen ja vinoumien suodatus

Oskari kuvasi yhden TalentAdoren käyttämän suojakeinon: pieni paikallinen malli poistaa henkilötiedot ennen kuin mitään lähtee suuremmalle kielimallille, eikä dataa siirretä kerralla kokonaan. Tavallinen MCP-yhteys siirtää hänen mukaansa kaiken, myös hakijan nimen ja osoitteen, jolloin tekoäly voi vinoutua. Kaikkea tietoa ei pidä siirtää kunkin ohjeen tai päätöksen tueksi.

Yksi asia pysyy: sillä, miten malli on koulutettu ja mitä sille syötetään, on merkitystä teknologian kehittyessäkin.

”Tavoitteena on, että järjestelmän sisällä on rekrytointiharjoittelija tai rekrytointipäällikkö apurinasi.”

Näin lähestymme asiaa TalentAdorella

TalentAdore on valinnut keskustelevan reitin, jossa tekoäly on järjestelmän sisällä. Monen yksittäisen toiminnon sijaan tekoälyavustajamme Taika voi avata tehtävän ja kysyä sinulta kysymyksiä sen täyttämiseksi, sopia haastatteluja, kirjoittaa muistiinpanoja ja toimia puolestasi. Sen ympärillä on erillisiä työkaluja, kuten AI Notetaker ja ESCO-pohjainen osaamisten vastaavuus (AI Skills Matching).

”Tavoitteena on, että järjestelmän sisällä on rekrytointiharjoittelija tai rekrytointipäällikkö apurinasi”, Oskari kuvaili.

TalentAdore Hire -järjestelmän tekoälyssä on sisäänrakennetut hallintakeinot: pääkäyttäjät voivat kytkeä tekoälyominaisuudet kokonaan pois päältä (esimerkiksi hakijoiden yhteenvedot) ja rajata ominaisuuksia käyttäjärooleittain. Asiakkaat aloittavat tyypillisesti AI Notetaker -työkalulla ja pienemmillä ominaisuuksilla ja siirtyvät ajan myötä keskustelevaan käyttöliittymään.

TalentAdoren AI Service Hub -palvelun suojakeinoihin kuuluvat yksityiset kielimallit, ihminen mukana päätöksenteossa ja siirrettävän datan määrän rajaaminen. Tärkeä tekijä on myös se, että Taika ehdottaa mutta ei koskaan päätä: lopullisen päätöksen tekee käyttäjä.

Rekrytoijan uusi lisävastuu: digitaalisten kollegoiden tiiminvetäjä

Kun tekoäly on osa päivittäistä työtäsi, roolisi muuttuu. Jannen sanoin sinusta tulee oman pienen digitaalisen rekrytointiavustajatiimisi vetäjä. Kehä on yksinkertainen: määrittele tavoite ja rajat, delegoi, tarkista tulos ja vastaa päätöksestä. Jannen sääntö on selvä:

”Älä missään tapauksessa anna niiden tehdä seulonta- tai hylkäyspäätöksiä.”

”Tekoälyä tulisi miettiä uudesta kulmasta: ei työkaluna vaan kollegana, joka voi tehdä jotakin puolestasi ja antaa sinulle mahdollisuuden tehdä paljon enemmän kuin pystyt tänään. Anna sille selkeä tehtävä, kerro, mitä et halua, tarkista sen tuotos ja päätä sitten”, lisää Oskari.

Hänen nyrkkisääntönsä tekoälyn käyttöön rekrytoinnissa on selkeä:

”Anna tekoälylle rutiinityösi ja pidä ihmisen työ siellä, missä sinun täytyy itse pitää ohjat.”

Luottamuskynnys on olemassa. Oskarin kokemuksen mukaan työn luovuttamista täytyy kokeilla muutaman kerran, mutta se kannattaa, esimerkiksi haastatteluaikojen sopimisessa:

”Kun olet deleegoinut tehtävän tekoälylle kaksi tai kolme kertaa, tajuat lopulta, ettei tässä ole mitään pohdittavaa.”

Delegoi digitaaliselle kollegallesi: aikataulutus ja muistutukset, muistiinpanot, transkriptiot ja yhteenvedot, käännökset ja monikielinen rekrytointi, viestien ja työpaikkailmoitusten ensimmäiset luonnokset, yhteystietojen ja taustatietojen etsiminen eri järjestelmistä sekä suodattimien ja kymmenien välilehtien ohittaminen.

Pidä ihmisellä: jatkoonvalinta-, hylkäys- ja työtarjouspäätökset, keskustelut ja palaute hakijoille, kriteerien ja rajojen asettaminen, poikkeustapaukset sekä tekoälyn väitteiden kyseenalaistaminen.

Miksi vaivautua? LinkedInin Future of Recruiting -tutkimuksen mukaan generatiivista tekoälyä käyttävät tiimit säästävät jopa noin 20 % työviikostaan. Luku perustuu vastanneiden omaan arvioon, mutta se vastaa silti noin päivää viikossa. Parempi kysymys on, mihin säästetty aika käytetään. Näkemyksemme mukaan sen pitäisi siirtää rekrytointia reaktiivisesta proaktiiviseen: osaajaputkien rakentamiseen ennen kuin tehtävä aukeaa, panostamiseen suhteisiin hakijoihin ja heidän arviointiinsa sekä yhteydenottojen henkilökohtaistamiseen siellä, missä ennen lähetettiin yleisviestejä.

Vältettävät trendit

Tekoälysäädös (EU AI Act) ja se, mikä on jo kielletty

Rekrytoinnissa ja työntekijöiden arvioinnissa käytettävät tekoälyjärjestelmät luokitellaan EU:n tekoälysäädöksessä (EU AI Act) suuririskisiksi, mikä tekee vastuusta jaetun: osa vastuusta on toimittajalla, ja loput määräytyy sen mukaan, miten käytät rekrytointijärjestelmän ominaisuuksia ja kolmansien osapuolten työkaluja. Aikataulu on muuttunut. Digitaalinen tekoälyomnibus (asetus (EU) 2026/1744, voimassa 27. heinäkuuta 2026 alkaen) lykkäsi rekrytointia koskevat suuririskisten järjestelmien velvoitteet, jotka olisivat alkaneet 2. elokuuta 2026, alkamaan vasta 2. joulukuuta 2027. Valmistautumiseen jää siis enemmän aikaa, ei vähemmän. Kiellot ovat jo voimassa:

• tunteiden tunnistaminen, esimerkiksi mielialojen lukeminen hakijan kasvoista tai äänestä videohaastattelussa
• biometrinen luokittelu, josta päätellään arkaluonteisia ominaisuuksia
• sosiaalinen pisteytys ja manipuloivat tekniikat
• pelkästään automaattiset päätökset, joilla on merkittäviä vaikutuksia, kuten hakijoiden hylkääminen ilman ihmisen osallistumista (tietosuoja-asetuksen 22 artikla)

Janne nosti esiin sen, mikä houkuttelee rekrytoijia eniten: pitkän hakijalistan liittämisen tekoälytyökaluun, jatkoon valittujen listan pyytämisen ja tuloksen käyttämisen sellaisenaan. Oskarin neuvo oli:

”Jos järjestelmäsi perustuu automaattiseen päätöksentekoon, kysy toimittajalta suoraan, miten se suhtautuu näihin lakeihin. Ja koska tekoäly tekee virheitä ja voi keksiä asioita, jotka saavat hakijan näyttämään paremmalta kuin hän on, ihminen tarvitaan mukaan päätöksentekoon vielä pitkään.”

Lisää tekoälysäädöksestä ja rekrytoinnista voit lukea täydestä artikkelistamme.

Tekoälyn pitämät haastattelut: yleisön tuomio

Toisessa kyselyssä yleisölle esitettiin väittämä: ”Tekoälyn toteuttama haastattelu on inhimillinen ja vastuullinen tapa tavata työnhakija ensimmäistä kertaa.”

Keskiarvoksi tuli 1,9 asteikolla 1–5. Se on lähellä lukua 2,0, jonka saimme kesäkuun vastuullista tekoälyä käsitelleessä webinaarissamme. Oskari on kahden vaiheilla. Joku on käyttänyt oikeasti aikaa löytääkseen itselleen tärkeän työpaikan ja odottaa saavansa puhua ihmisen kanssa. Toisaalta asiakas, joka saa tuhansia hakemuksia yhtä tehtävää kohti, voisi tekoälyn avulla haastatella paljon useampia ihmisiä, mikä voisi olla reilumpaa. Hänen johtopäätöksensä: molemmissa näkemyksissä on perää, eikä kokemus ole vielä kovin hyvä.

Hakijoiden näkemys on puolestaan sangen selvä. Vuoden 2026 kyselyssä, johon vastasi 2 950 työnhakijaa (Yhdysvallat, Iso-Britannia, Irlanti, Saksa ja Australia), 63 % oli käynyt läpi tekoälyhaastattelun ja 38 % oli jättänyt prosessin kesken sellaisen vuoksi. Kauhutarinoiden yhteinen nimittäjä on se, ettei hakija odottanut tekoälyhaastattelijaa. Jos käytät sellaista, kerro siitä etukäteen.

Huonon ja yliautomaatioiden sudenkuopat

Huono automaatio heijastuu työnantajamielikuvaan. Janne näytti esimerkkejä siitä, kun kehote oli jäänyt näkyviin hylkäysviestiin, ja siitä, kun hylkäys saapui kesken haastattelun, ja Oskari kertoi läheltä kuulemansa tapauksen:

”Tuntemani henkilö sai rekrytointijärjestelmältä hylkäysviestin, kun hän oli ollut kaksi kuukautta töissä paikassa, johon hänet oli palkattu.”

Sama koskee yhteydenottoja. Satoja osaajia ei ole koskaan ollut yhtä helppo lähestyä, mutta nopeus ja massa eivät tee viestistä hyvää. Oskari ehdottaa kultaista keskitietä:

”Tee viestistä pohja ja jätä siihen tarkoituksella paikat personalisoinnille esimerkiksi taidoille, joissa tämä hakija on vahvimmillaan. Kun sähköposteja pitää lähettää 600 ihmiselle, näin viesti pysyy brändin mukaisena ja osoittaa silti, että ihminen on nähnyt vaivaa. Hakijat tietävät, että automaattisia ja tekoälyn avulla tehtyjä viestejä on olemassa. Mutta he huomaavat myös sen, osuuko ja uppoaako viesti heihin.”

Tekoäly on hyvä renki mutta huono isäntä

Hyvä esimerkki siitä tekoälyn roolista on AI Skills Matching. Pyydä tekoälyä asettamaan hakijat paremmuusjärjestykseen, ja saat siistin listan, joten kyseenalaista se. Pysähdy miettimään esimerkiksi näitä neljää kysymystä, ennen kuin luotat sokeasti pisteytykseen:

1. Mihin tämä perustuu?
2. Mitä arviosta puuttuu, esimerkiksi taustatiedot tai siirrettävät taidot?
3. Päättäisinkö samoin ilman pisteytystä?
4. Mitä ihmiselle tapahtuu, jos pisteytys on väärässä?

Kuusi asiaa mukaan vietäväksi

1. Rekrytointiteknologian kehityskäyrä on jyrkkä. Rekrytointijärjestelmien tiekartat etenevät nopeammin kuin koskaan. Suunnittele vuosineljänneksissä, älä vuosissa.
2. Sourcing, osaamisten vastaavuus ja ennakointi ovat käyttökohteita, joilla on eniten kasvuvaraa vakiintuneiden, kuten hakijaviestinnän ja työpaikkailmoitusten luonnostelun, rinnalla.
3. Kysy, älä klikkaile. Rekrytointijärjestelmä muuttuu keskustelevaksi ja joillekin headless-järjestelmäksi. Tarkista, minne datasi päätyy.
4. Sinä olet tiiminvetäjä. Vedät digitaalisten kollegoidesi tiimiä ja vastaat niiden tuloksista.
5. Kunnioita kieltoja. Ei yksinomaan automaattisia päätöksiä, ei tunteita tunnistavaa tekoälyä, ja tunne tietosuoja-asetuksen ja tekoälysäädöksen velvoitteesi.
6. Renki, ei isäntä. Kyseenalaista tulokset ja pidä ihmisyys mukana.

Oskarin lisäys kolmanteen kohtaan: moni ohjelmistotuote kehittyy tähän suuntaan, ja vuosi 2027 tuo mukanaan ison muutoksen: ”Klikkailu, painikkeet ja tieto siitä, mihin pitää klikata, katoavat aikanaan.”

Kysymyksiä ja vastauksia

Lähetitte paljon kysymyksiä, ja vastasimme niin moneen kuin ehdimme livenä. Tässä koonti.

K: Seulonnan automaatiotuotteita on paljon, mutta en ole vielä nähnyt tekoälyä, joka kattaisi koko rekrytointiprosessin. Onko sellaista?

Oskarin vastaus: Se vastaa tutkimusten tuloksia: useimmat työkalut käyttävät tekoälyä tietyissä kohdissa. Tavoitteenamme on, että Taikan myötä tekoäly on mukana koko prosessissa ja auttaa missä tahansa vaiheessa.

K: Voiko tekoäly seuloa järjestelmään jo tallennetut vanhat hakijat?

Oskarin vastaus: Kyllä, siinä Taika voi auttaa. Se toimii omilla käyttöoikeuksillasi, joten jos sinulla on pääsy muihin tehtäviin, se voi nostaa esiin omia hakijoitasi niistä. Kehittyneempi vastaavuusominaisuus on tekeillä.

K: Korvaako tekoäly rekrytoijat?

Oskarin vastaus: ”En ole ennustaja, mutta en usko, että rooli sellaisenaan katoaa.” Laki on selvä siinä, että jonkun täytyy tarkistaa ja hyväksyä, muuttaa tai tehdä tekoälyn päätökset. ”Tekoäly tekee sinusta paljon nopeamman”, mikä vapauttaa aikaa työhön, joka ei aiemmin ollut mahdollista, kuten hakijoiden kanssa viestimiseen.

K: Miten vinoumia vältetään?

Oskarin vastaus: Rajaamalla tekoälylle välitettävää dataa. Hakijan yhteenvetoa varten nimi, sijainti, sähköposti ja puhelinnumero ovat epäolennaisia, joten välität vain sen, mitä henkilö on tehnyt. Lisäksi rakennat tarkistuspisteet ja ohjeistukset sille, mitä tekoäly saa ja ei saa tehdä. Oskarin sanoin: ”Noin 98–99 % ajasta tekoäly noudattaa ohjeita. Silloin kun se ei noudata, se pitää pysäyttää ennen kuin se ehtii tehdä mitään muuta.” Siksi tarvitaan tarkistusmekanismeja.

K: Yhdysvalloissa tekoälyseulontatoimittaja on joutunut ryhmäkanteen kohteeksi automaattisten hylkäysten vuoksi. Onko tekoälypohjaisten rekrytointijärjestelmien vastuun tulkinnan ja lain soveltamisen välillä kuilu?

Jannen ja Oskarin vastaus: Harmaita alueita on paljon ja esimerkkitapauksia vielä vähän siitä, miten lainsäädäntö suhtautuu näihin kysymyksiin, ja jokainen toimittaja tulkitsee niitä eri tavalla. Oskari: ”TalentAdoressa olemme päättäneet vetää rajan hyvin tiukasti.” Päätös jää aina käyttäjälle: ”Loppujen lopuksi se, kenet palkkaat ja kenet hylkäät, on ihmisen päätös, ja pidämme huolen, että niin on nyt ja aina.” Janne lisäsi, ettei kaikki johdu lainsäädännöstä: kysy, mikä on lupauksesi hakijoille. ”Joskus pitää uhrata hieman tehokkuutta ollakseen inhimillinen, mutta uuden teknologian kanssa kompromisseja ei tarvitse tehdä yhtä paljon.”

K: Hakijat kirjoittavat lyhyitä CV:itä ilman olennaisia tietoja, ja tekoäly pystyy hyödyntämään vain hyvää dataa. Mitä voimme tehdä?

Oskarin vastaus: EU:ssa tekoäly ei voi hakea hakijasta lisätietoja, ellei hakija ole sallinut sitä. Jotkut asiakkaat lisäävät prosessiin ”kerää lisätietoja” -vaiheen: ensimmäisen hakemuksen jälkeen he pyytävät hakijalta lisää tietoja. Oskari suosittelee myös antamaan tekoälyn auttaa hakijoita esittelemään osaamistaan: ”Jotkut ovat vain parempia hakemaan töitä kuin toiset, ja tämä tasoittaa pelikenttää.” Jannen näkemys: tavoittele parempia hakemuksia, älä useampia hakijoita, etenkin kun yhä useampi yritys siirtyy rakenteiseen, osaamisperusteiseen rekrytointiin, jossa hakemusten pitää olla vertailukelpoisia.

K: Riittääkö yrityslisenssi, kun käytän ulkoista avustajaa hakijatietojen kanssa?

Oskarin vastaus: Se auttaa, mutta ei ratkaise tietosuoja-asetuksen mukaista tietojen poistamista koskevaa kysymystä. Kun hakija pyytää tietojensa poistamista, sinun täytyy tietää jokainen paikka, jossa olet käyttänyt hänen tietojaan. Rekrytointijärjestelmän sisällä tiedot pysyvät järjestelmässä. Kolmansien osapuolten työkaluissa ne leviävät, ja sama koskee järjestelmän ulkopuolella käytettyä muistiinpanotyökalua.

TalentAdoren tapa lähestyä ihmislähtöistä tekoälyä

Olemme rakentaneet tekoälyä rekrytointiin vuodesta 2016, ja tehtävämme on tuoda inhimillisyys takaisin rekrytointiin: hallintotyöstä säästetty aika kohdistuu hakijakokemukseen, rekrytoinnin laatuun ja kunnolliseen vastaukseen jokaiselle hakijalle, myös hylätyille.

• Taika, tekoälyavustajamme, ehdottaa ja käyttäjä päättää
• Pääkäyttäjät valitsevat, mitkä tekoälyominaisuudet ovat käytössä ja mille rooleille
• Henkilötiedot suodatetaan, ennen kuin data päätyy suurille kielimalleille
• Yksityiset kielimallit ja ihminen mukana päätöksenteossa kuuluvat suunnitteluun

TalentAdore Hire on rakennettu yhden nyrkkisäännön ympärille: tekoäly on hyvä renki mutta huono isäntä.

Haluatko nähdä Taikan toiminnassa? Varaa demo.

Usein kysytyt kysymykset