Tekoäly rikkoi ansioluettelon – mitä seuraavaksi?
Työnkulun oivallus: Perinteiset rekrytointimenetelmät suosivat vain pienen hakijajoukon seulomista, jolloin suurin osa jää huomiotta.
Tekoälyn haaste: Tekoälytyökalut tehostavat toimintaa, mutta eivät onnistu arvioimaan tehokkaasti hakijoiden todellista suoriutumista rekrytoinnin aikana.
Hakemisen hinta: Työpaikkojen hakemisen helppous on kasvattanut hakemusten määrää ja vaikeuttanut suodatusprosessia.
Signaalien heikkeneminen: Yleiset rekrytoinnin indikaattorit menettävät luotettavuuttaan, mikä vaikeuttaa pätevien hakijoiden tunnistamista.
Taitojen painottaminen: Taitolähtöisen lähestymistavan omaksuminen voisi parantaa rekrytointia, mutta sen toteuttaminen on edelleen merkittävä haaste.
Useimpien rekrytointitiimien työnkulku on vuosien ajan noudattanut samoja vaiheita. Julkaise työpaikka, käy läpi parhaat hakemukset, seulo vahvimmat ehdokkaat ja lähetä parhaat valinnat rekrytoivalle esihenkilölle.
Järjestelmä toimi vuosien ajan keinona löytää yritykselle parhaat osaajat.
HRUTech.comin toimitusjohtaja ja Talenttiratkaisu: johtajan opas huippuosaajien rekrytointiin -kirjan kirjoittaja Tim Sackett toi aiemmin tässä kuussa Transform-tapahtumassa esiin ongelman: tämä on suurelta osin kuvitelmaa.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Kun työpaikkailmoitus saa 250–300 hakemusta (monet saavat huomattavasti enemmän), tyypillinen rekrytoija käy läpi 25, ehkä 30. Tämä tarkoittaa, että vain 2–3 % hakijajoukosta saa lainkaan huomiota. Loput katoavat.
"Kerro meille rekrytoiville esihenkilöille, että etsimme parhaat osaajat markkinoilta", hän sanoi. "Todellisuudessa vain pieni osa hakijoistasi pääsee prosessiin asti."
Tämä kuilu sen välillä, mitä rekrytointitiimit lupaavat ja mitä ne todellisuudessa pystyvät tekemään, on ollut olemassa vuosikymmenten ajan. Tekoäly ei luonut sitä. Tekoäly on kuitenkin toisinaan vaikeuttanut sen umpeen kuromista merkittävästi, ja työkalut, joita organisaatiot kiirehtivät ottamaan käyttöön, saattavat mitata juuri vääriä asioita.
Mittausongelma on teknologiaa vanhempi
Leanne Markus, Centranum Groupin toimitusjohtaja ja organisaatiopsykologi, joka työskentelee organisaatioiden kanssa kyvykkyyskehysten ja pätevyyteen perustuvan arvioinnin parissa, tekee eron, jonka useimmat rekrytointiprosessit niputtavat yhteen. Kyse on tutkintopätevyydestä, tiedosta ja osaamisesta.
Tutkintopätevyydet — koulutus, sertifikaatit ja valmennus — osoittavat valmistautumista ja potentiaalia. Tietotestaus voi osoittaa ymmärrystä. Kumpikaan ei luotettavasti osoita kykyä suoriutua todellisessa työympäristössä.
Vuosikymmenten psykologinen tutkimus osoittaa, että työkohtainen tieto ja kyky soveltaa sitä asianmukaisesti asiayhteydessä ovat yksittäinen suurin työn suoriutumisen ennustaja", Markus sanoo. "
Ansioluettelo mittaa suunnitellusti ensimmäistä kategoriaa ja viittaa jossain määrin toiseen. Se ei ole koskaan mitannut kolmatta.
Organisaatiot ovat historiallisesti hyväksyneet tämän kompromissin, koska ansioluettelo oli ainakin käytännöllinen suodatusväline — keino siirtyä sadoista hakemuksista hallittavaan keskusteluun olettaen, että haastattelussa saataisiin esiin parempaa tietoa.
Tämä oletus on nyt murtumassa molemmista päistä.
Mitä tekoäly seuloo
Kun tekoäly tulee mukaan rekrytointisuppiloon, sen puolestapuhujat esittävät sen yleensä ratkaisuna suuren hakemusmäärän ongelmaan. Enemmän hakijoita arvioituna, nopeammin ja siten, että varhaisissa vaiheissa syntyy vähemmän inhimillistä vinoumaa. Se ei kuitenkaan muuta sitä, mitä tietopohjaisissa rekrytointiprosesseissa mitataan.
"Tekoäly tekee seulonnasta tehokkaampaa, mutta se ei muuta sitä, mitä mitataan", Markus sanoo. "Useimmat seulontamenetelmät, myös tekoälypohjaiset haastattelut, perustuvat vastauksiin. Kaikki tieto on itse ilmoitettua. Tekoäly voi nopeuttaa käsittelyä, mutta se arvioi pohjimmiltaan sitä, kuinka hyvin ehdokas osaa kuvailla työn, ei sitä, pystyykö hän todella tekemään työn onnistuneesti.
Tällä on suurempi merkitys kuin aluksi vaikuttaa, sillä useimpien tekoälypohjaisten rekrytointityökalujen taustalla oleva harjoitusdata pahentaa ongelmaa. Nämä järjestelmät oppivat yhdistämällä hakemusten tiedot ja rekrytointipäätökset suoriutumisarviointeihin. Muodollisilla suoriutumisarvioinneilla on kuitenkin vain vähän yhteyttä todelliseen työsuoriutumiseen. Tekoäly oppii jäljittelemään signaalia, joka oli jo valmiiksi epäluotettava.
Tuloksena on järjestelmä, joka palkitsee ehdokkaita, jotka osaavat kuvailla työn vakuuttavasti — mikä vuonna 2026 tarkoittaa ehdokkaita, jotka osaavat käyttää tekoälyä kuvaillakseen työn vakuuttavasti.
"Tekoäly voi vahvistaa johdonmukaisia malleja", Markus sanoo. "Se ei kuitenkaan tarkoita, että ne olisivat päteviä. Mustan laatikon ympäristössä ei ole selvää, miten eri tekijät painotetaan."
Osoittautuu, että suuren hakemusmäärän ongelma saattaa olla väärä ongelma ratkaistavaksi.
Tekoäly on voimistunut tätä ongelmaa mahdollistamalla organisaatioille vielä suurempien saapuvien hakijamäärien käsittelyn. Määrä ei kuitenkaan ole rajoite — pääsy on.
Työn hakemisen kustannukset putosivat nollaan
Hakijoiden puolella tapahtuneen muutoksen laajuutta ei useimmissa rekrytointiorganisaatioissa ole vieläkään täysin sisäistetty. Aaron Wang, Alex AI:n toimitusjohtaja, ilmaisi rakenteellisen muutoksen selkeästi Transform-tapahtumassa: työpaikan hakemisen markkinakustannukset ovat pudonneet lähes nollaan.
Hakija, jolla on käytössään mikä tahansa merkittävä tekoälytyökalu, voi hakea yön aikana satoihin työpaikkoihin niin, että jokainen hakemus on mukautettu tiettyyn työpaikkailmoitukseen, rekrytoivan esihenkilön taustaan ja työnantajan ilmoittamiin arvoihin.
Samoja työkaluja voidaan käyttää hakijoiden valmentamiseen missä tahansa toisella puolella vastaan tulevassa seulontamuodossa, myös tekoälyhaastatteluissa. Suppilo, joka aiemmin suodatti hakijoita vaivannäön perusteella, suodattaa nyt lähes yksinomaan määrän perusteella.
Wang kuvasi tätä kehityksen kiihtymisenä, josta kumpikaan osapuoli ei voi vetäytyä. Hän kuvaili lähitulevaisuuden tilannetta, jossa hakijoiden tekoälyagentit neuvottelevat työpaikoista ja hakevat niitä itsenäisesti kohdaten toisella puolella työnantajien tekoälyjärjestelmät.
"Tulevaisuus ei ole ainoastaan mahdollinen, vaan se saattaa olla todennäköinen", hän sanoi. Se, mitä tällainen järjestelmä oikeastaan mittaisi, on avoin kysymys.
Tällä hetkellä käytännön vaikutus on se, että hakemuksesta on tullut signaalina entistä epäluotettavampi. Tehtävään parhaiten sopivat hakijat eivät välttämättä ole niitä, jotka näyttävät paperilla parhaimmilta, etenkin kun paperit on optimoitu ohittamaan ATS-järjestelmän.
Esitetyt signaalit
Luotettavan signaalin heikkeneminen ei rajoitu hakemuksiin. FirstUpin henkilöstöjohtaja Sabra Sciolaro viittaa organisaatioiden sisällä tapahtuvaan rinnakkaiseen murrokseen, jolla on suoria vaikutuksia siihen, miten rekrytointisignaaleja tulisi tulkita.
FirstUpin tuoreessa, yli 3 000 yhdysvaltalaisen ja kanadalaisen työntekijän tutkimuksessa 75–89 prosenttia työntekijöistä eri tehtävissä ilmoitti olevansa sitoutuneita. Samoista työntekijöistä 40–46 prosenttia kertoi harkitsevansa aktiivisesti työpaikkansa jättämistä tänä vuonna.
Sitoutuneisuus, kuten innostus haastattelussa, on signaali, jota voidaan esittää. Se ei ennusta lopputuloksia.
Monet signaaleista, joihin yritykset ovat luottaneet, on helppo esittää, mutta ne eivät ennusta esimerkiksi työntekijöiden pysyvyyttä tai suoriutumista. Todelliseen suoriutumiseen läheisemmin liittyvät signaalit koskevat sitä, miten ihmiset käsittelevät monimutkaista tietoa ja kuinka nopeasti he sopeutuvat prioriteettien muuttuessa — nämä ovat ominaisuuksia, jotka tulevat esiin ajan kuluessa ja asiayhteydessä, eivät yksittäisessä tekoälyavusteisessa vuorovaikutustilanteessa.
Sama pätee myös prosessin aikaisempaan vaiheeseen. Ominaisuudet, jotka tekevät ihmisestä hyvän työntekijän, ovat suurelta osin samoja ominaisuuksia, joilla on merkitystä hakijassa, eikä ansioluettelo eikä jäsennelty tekoälyseulonta sovellu hyvin niiden esiin tuomiseen.
Mitä ammattilaiset tekevät sen sijaan
Lock Search Groupin pääjohtaja Ben Lamarche on muuttanut sitä, missä vaiheessa prosessia hän pyrkii löytämään todellisen signaalin. Sen sijaan, että hän odottaisi aikataulutetun haastattelun alkamista aidon keskustelun käynnistämiseksi, hän siirtää tämän vuorovaikutuksen ensimmäiseen päivään, jolloin hakijaan ollaan yhteydessä.
Aito keskustelu tuli ennen prosessiin mukaan vasta haastattelun sopimisen jälkeen. Nyt se tapahtuu usein jo ensimmäisenä päivänä. Tavoitteena on päästä pois asiakirjojen tarkistusvaiheesta ja todelliseen vuorovaikutukseen aikaisemmin, jolloin hiotun käsikirjoituksen varaan on paljon vaikeampi tukeutua.
Kun hän tarkastelee hakemuksia, hänen menetelmänsä on siirtynyt kohti sitä, mitä ansioluettelot paljastavat ilmoitettujen saavutusten väliin jäävistä aukoista.
Tekoäly voi auttaa ehdokasta kirjoittamaan vahvan luettelokohdan. Se ei kuitenkaan pysty helposti jäljittelemään tietyn paineen alla saadun kokemuksen erityispiirteitä.
"Kun alan esittää tarkkoja kysymyksiä", Lamarche sanoo, "aistin melko nopeasti, onko kyse aidosta vai harjoitellusta vastauksesta."
Hän nostaa esiin myös vääristymän, jonka tekoälypohjainen seulonta synnyttää suuressa mittakaavassa: ehdokkaat, jotka käyttävät tekoälyä esityksensä optimointiin, voivat edetä alkuvaiheiden läpi juuri siksi, että he vaikuttavat viimeistellyiltä, samalla kun hiljaisemmat mutta kyvykkäämmät ehdokkaat karsiutuvat ennen kuin kukaan harkintakykyinen ehtii nähdä heitä.
Signaaliongelma ei ole vain kohinaa, vaan kohinaa, joka suosii järjestelmällisesti tiettyjä esitystyylejä substanssin sijaan.
Markus tarjoaa jäsennellymmän vaihtoehdon, jota hän kuvailee siirtymänä suorituksen ennustamisesta sen edellyttämiseen, että suorituksesta esitetään näyttöä.
Hänen asiakkaidensa kanssa käyttämänsä etenemisjärjestys alkaa pätevyyksien ja sääntelyvaatimusten perusteella tehtävästä perusseulonnasta, jatkuu tehtäväkohtaisen tietämyksen testaamiseen, sen jälkeen aiemman sovelletun osaamisen jäsenneltyyn todentamiseen validoitujen työnäytteiden ja tehtävähistorian avulla, sitten kohdennettuihin kysymyksiin, joilla tämä näyttö vahvistetaan, ja lopulta tehtävässä tapahtuvaan vahvistamiseen perehdytyksen ja koeajan aikana.
Viimeinen vaihe on tärkeämpi kuin useimmat organisaatiot ymmärtävät. Jos tavoitteena on osaamisen todentaminen todellisessa kontekstissa, koeaika on enemmän kuin muodollisuus: se on luotettavin käytettävissä oleva arviointivaihe, eikä useimpien yritysten enää käytä sitä sellaisena.
Missä osaamisperusteisuus toimii
Osaamisperusteinen rekrytointiliike on saanut merkittävästi organisaatioiden huomiota viime vuosina, osittain siksi, että se vastaa todelliseen ongelmaan: tutkinnot, pätevyydet ja tausta ovat heikkoja sijaismuuttujia sille, mitä joku todella osaa tehdä. Lamarche ja Markus myöntävät molemmat, että suunta on oikea.
Se pakottaa yritykset ajattelemaan selkeämmin sitä, mitä tehtävä todellisuudessa edellyttää, sen sijaan että ne turvautuisivat oletusarvoisesti pätevyyksiin tai taustaan", Lamarche sanoo. "Se on myönteinen muutos.
Toteutuksessa asiat kuitenkin hajoavat.
Monissa toteutuksissa luotetaan edelleen hyvin yleisluontoisiin osaamisluokituksiin ja osaamisen itse ilmoittamiseen. Osaamisperusteinen rekrytointi ei auta, ellei tiettyjen tehtävävastuiden, niiden hoitamiseen tarvittavien kompetenssien ja niiden todentamiseen käytettävien keinojen välillä ole selkeää yhteyttä todellisten tehtävien tasolla. Useimmat organisaatiot eivät ole rakentaneet tätä yhteyttä. Ne ovat korvanneet yhden heikkojen sijaismuuttujien joukon toisella ja kutsuneet sitä edistykseksi.
Määrään liittyvään ongelmaan ei ole yksinkertaista vastausta. Tuhansia hakijoita ei voida realistisesti lyhytlistata simulaatioiden tai työssä tehtävien kokeilujen avulla. Jokin suodattaa hakijajoukkoa ensin, ja tällä hetkellä se jokin on joko ihmistarkastajat, jotka tarkastelevat pientä osaa hakemuksista, tai tekoälytyökalut, jotka arvioivat kielenmalleja. Kumpikaan ei mittaa sitä, mitä rekrytoinnilla todellisuudessa pitäisi mitata.
Vahvan signaalin tuominen arviointiin aiemmin, tehtäväkohtaisten arviointikehysten rakentaminen ja asiakirjojen tarkistusvaiheen käsitteleminen juuri niin matalan signaalin vaiheena kuin se on — mikään tästä ei ole teknisesti vaikeaa.
Se on vain hitaampaa ja harkitumpaa kuin työpaikan ilmoittaminen ja sen antaminen ATS:n lajitella tulokset. Ympäristössä, jossa nopeudesta on tullut rekrytoinnin tehokkuuden oletusmittari, harkitsevuutta on vaikea myydä. Se on myös tällä hetkellä ainoa tapa selvittää, pystyykö palkkaamasi henkilö todella tekemään työn.
