Konsultti Atte Roine 1 Solution Hubista ja Konsulttiverkosta oli Teknologia 23 -tapahtuman TIVIA Stagen toisen päivän päivän eli keskiviikon 8.11.2023 kolmas puhuja.

Osaamisen kohtaanto-ongelmassa on kysymys siitä, että työntekijällä ja yrityksellä on erilaiset odotukset, tarpeet ja vaatimukset. Pyritään yhdistämään oikea henkilö oikeaan työhön ja päinvastoin. Ongelma on makro- ja mikrotasolla. Makrotasolla valtio yrittää miettiä, millaista osaamista maassamme tarvitaan. Osaamista tuottaa koulutusjärjestelmä, jolla vaikeutena on se, että uuden tutkinnon tai ammatin opettelu vie monta vuotta, jopa kymmenen. 

Osaamistarve elää koko ajan ja sitä pitäisi pystyä ennustamaan. Valtiolla on tavoitteena saada mahdollisimman korkea työllisyysaste, erityisesti korkeakoulutettujen osalta. Valtio ei kuitenkaan ole kovin tehokkaasti järjestäytynyt ongelman ympärille, sillä opetus- ja kulttuuriministeriö vastaa koulutuksesta ja työ- ja elinkeinoministeriö työpaikoista ja työnhaun mahdollisuuksista. Lisäksi asiaan liittyy usein myös sosiaalisektori, jolla on hallussaan ”työttömyyden kova ydin” eli hankalimmin työllistettävät ihmiset. 

Kohtaanto-ongelma on laaja. Jo 9-luokkalaiset alkavat miettiä, mitä he haluaisivat tehdä peruskoulun jälkeen. Monesti siinä tilanteessa tarvitsisi ohjausta siihen, mihin pitäisi suuntautua ja mitä opetella, ja mahdollisiin muihin vaihtoehtoihin, kuin niihin, mitkä ovat tulleet jo vastaan. Toistaalta kysymyksessä voi olla 57-vuotias ammattikoulun käynyt rakennusmies, joka on juuri irtisanottu YT-neuvottelujen seurauksena. Ansiosidonnainen juoksee, mutta kannattaisiko kouluttautua johonkin uuteen ammattiin, vai olisiko osaamisella käyttöä jossain muualla? Miten nämä kaikki vaikuttavat sosiaalitukiin. Mitä mahdollisuuksia on? 

Kolmantena esimerkkinä Roine nosti hankalimmin työllistettävät. Hänen kuvaamansa esimerkkihenkilö on vapautunut juuri vankilasta istuttuaan siellä kuusi vuotta murhayrityksestä. Mitään koulutusta ei ole. Hänellä tuskin on mitään mahdollisuuksia soveltaa tekoälyä, mutta hänellä voisi olla ohjaajia, joita voitaisiin tukea käymään keskustelua henkilön kanssa hänen tulevaisuudestaan; päästä elämään kiinni välttäen hankala kierre. Kaiken kaikkiaan kysymys on valtavasta ongelmasta ja edellä esitetyt caset ovat vain jäävuoren huippu.  

Julkisella sektorilla on käynnissä työ- ja elinkeinoministeriön sekä opetus- ja kulttuuriministeriön vakava yritys yhdistää datat keskenään. Tavoitteena on oppimisen digitaalinen palvelukokonaisuus eli palveluja, jotka tukevat yksilön koulutus- ja uravalintoja sekä osaamisen ylläpitoa koko uran ajan. Fokuksessa on kohtaantotyökalu, johon yksilö voi luoda omaa osaamisprofiiliaan. Työkalun tarkoitus on neuvoa ja nostaa esiin sellaisia koulutus- ja uravaihtoehtoja, jotka eivät ole välttämättä tulleet heti yksilön mieleen, sekä kannustaa opiskeluun siltäkin kannalta, että vaihtoehtoja ei karsiutuisi turhaan pois. 

Työkaluun on tuoda myös työmarkkinatietoa ja -trendejä. Koulutustarjontadataa on hyvin olemassa, työmarkkinadata on hankalampaa. Toimittajia on paljon ja on hajaantunut myös sosiaaliseen mediaan. Datan keräämisen ja jalostamisen myötä pystytään kuitenkin tarjoamaan työkaluja käytettäväksi. Lisäksi on pystyttävä tukemaan ekosysteemitoimijoita, kuten opinto-ohjaajia ja ehdonalaisvalvojia, jotta he pystyisivät auttamaan työkalun käytössä niitä, jotka eivät siihen itsenäisesti pysty. 

Roine kutsui projektia erittäin kunnianhimoiseksi, eikä sosiaali- ja terveysministeriö ole edes vielä mukana, joten scopen laajentumiseen on yhä mahdollisuuksia.  

Yksityisellä sektorilla on yhä enemmän tekoälyä hyödyntäviä ohjelmistoja. Tyypillisimpiä ovat rekrytointialustat, kuten Oikotie ja Jobly sekä myös LinkedIn. Rekrytointi-ilmoitusta luotaessa alusta saattaa ehdottaa, miten siitä tulisi mielenkiintoisempi ja millä avainsanoilla paikka on helpompi hakijoitten löytää. Hakijoiden on toisaalta helpompi käyttää samoja hakusanoja, jolloin hakija ja paikka saadaan helpommin osumaan toisiinsa. LinkedIniin ihmiset ovat tallentaneet osaamisestaan tietoja, joita tekoäly pystyy suodattamaan rekrytoijille hakijoita kyvykkyyksiin ja kokemuksiin liittyvien avainsanojen kautta. Näin pystytään ratkaisemaan kohtaanto-ongelmaa. Lisäksi tekoälyllä pystytään analysoimaan isoja tekstimassoja pätevyyden ja soveltuvuuden arvioimiseksi.  

Suuret yritykset käyttävät paljon SAP:n Success Factorsia, joka on koko HR:n työkalu. Siinä on rekrytointimoduuli, jolla voidaan hallinnoida työpaikkailmoituksia ja viedä prosessia eteenpäin. Sillä voidaan tukea myös nykyisten työntekijöiden suoritusten hallintaa ja osaamisen ylläpitoa. Kehityskeskustelujen lisäksi voidaan hallinnoida koulutusta vaikkapa vahvuuksien parantamiseksi ja heikkouksien vähentämiseksi. Tekoäly auttaa myös sairauspoissaolojen, ylitöiden ja muiden poikkeamien seuraamiseen.  

Muista työnantajan vastaavista alustoista Roine nosti esiin Workablen, joka auttaa rekrytointiprosessin läpiviemisessä. Tekoälyn avustamana se auttaa etsimään kandidaatteja ja julkaisemaan ilmoituksia eri kanavissa. Se arvioi kandidaatteja suoraan tekstipohjaisesti ja sen avulla voidaan viedä rekrytointiprosessia eteenpäin, että voidaan seurata, onko kutsuttu haastatteluun, onko haastateltu, pääsikö jatkoon, onko ilmoitettu, pääsikö jatkoon vai ei, sekä palkkauksen jälkeen se tukee perehdytysprosessia. Kyseessä on Roineen mukaan tyypillinen työnantajan B2B-ohjelmisto. 

Kolmantena esimerkkinä Roine nosti Hirevue-sovelluksen, joka perustuu videoanalyysiin. Se pystyy työhaastattelussa arvioimaan kandidaatin tunteita, kielenkäyttöä ja sanavalintoja. Tämän tyyppiset ohjelmistot ovat laajasti käytössä amerikkalaisissa konsulttiyrityksissä, mutta niitä käytetään myös asiakaspalvelutehtävien yhteydessä puhumisen ja käyttäytymisen pisteyttämiseen. ”Meillä Euroopassa tulee aika äkkiä lainsäädäntö vastaan näissä syvemmissä analyyseissä, mutta aika mielenkiintoisia ratkaisuja on olemassa”, Roine totesi. 

Lisäksi on olemassa tekstipohjaisia sovelluksia, joiden ajatuksena auttaa tekemään kohdeyleisöä puhutteleva ilmoitus. ”Nuorille pitää puhua eri tavalla kuin vanhemmille”, Roine kertoi. Toistaiseksi suomen kieli on näille sovelluksille vielä vaikea pala, mutta Yhdysvalloissa ne ovat aika laajassa käytössä. Tavoitteena on houkutella parempia hakijoita. 

Anonyymiä rekrytointia palvelevat puolestaan esimerkiksi Pymetrics ja HiredScore. Pyritään eliminoimaan sukupuoli- ja kulttuuritekijöitä, jolloin kandidaatti saattaa olla anonyymi. Häntä ja hänen soveltuvuuttaan pyritään arvioimaan pelillisillä testeillä. Mitattavia ulottuvuuksia voi olla useita; vastausten oikeellisuuden lisäksi voidaan mitata esimerkiksi vastaamiseen käytettyä aikaa. Keskittyykö testiin vai pyrkiikö etenemään nopeasti? Myös kehittymiskykyä ja sosiaalisia taitoja voidaan mitata pelillisillä testeillä ja ennustaa kandidaatin sitoutumista organisaatioon ja sen kulttuuriin. 

Myös työnhakijalle on tullut vastaavia työkaluja parantamaan CV:tä ja LinkedIn-profiilia. Lisäksi voi parantaa rekrytointiprosessin aikaista viestintää. Monien järjestelmien joukossa on myös työpaikkaneuvotteluja tukevia sovelluksia, jotka demokratisoivat neuvotteluasemaa rekrytointitilanteessa. 

Tekoälyrekrytointi on saanut osakseen paljon kritiikkiä. Koska ollaan vielä kehityksen alussa, vastaan tulee uusia osa-alueita. Datan määrä voi olla pieni, jolloin tekoäly sortuu ehdottamaan samanlaisia ehdokkaita. Tekoäly ei välttämättä tiedosta puutteellisia ja valheellisia tietoja, ja suomen kieli voi olla kompastuskivi. Jos tekoälyn sanavarastosta puuttuu osaamisesi kuvaamiseen käyttämäsi synonyymisana, tekoäly voi päättää, ettet ole pätevä. Teknologian tuominen rekrytointiin voi tehdä prosessista aika kylmän ja persoonattoman, mikä voi tuoda kandidaatinkin mieleen ikäviä ajatuksia rekrytoijasta.  

Sääntely muuttuu nopeasti ja muutoksia on yritysten seurattava tuodessaan teknologiaa rekrytointiin. ”Pelisäännöt voivat muuttua nopeasti”, Roine kiteytti. ”Viimeksi viime viikolla jenkeissä tehtiin aika iso lainsäädäntömuutos, joka nostaa sääntelyä tosi paljon.” 

Tekoälyrekrytointi ei tavoita kaikkia, vaan on pikemminkin voittajien – suurten yritysten ja huipputalenttien – kuin kaikkien työkalu. Valtiotoimijan näkökulma ei toteudu hyvin.  

Mutta miten edetä itse? ”Keskittykää koulutukseen ja ymmärtämiseen, siitä se kaikki alkaa. Tekoäly on nopeasti muuttuva osa-alue, josta on hyvä olla kärryillä, mitä tapahtuu. Ja kehittäkää osaamista ja pyrkikää tunnistamaan niitä tarpeellisia käyttötapauksia, mitä te tarvitsette, ja käytännössä sitä, että pystytte tekemään nopeammin ja paremmin, jotta saatte lisää tuottavuutta”. Organisaatiotason muutokset ovat hitaita ja jonkun on ajettava muutosta. ”Jos teillä ymmärrystä tekoälystä, se edistää teidän uraanne ja mahdollisuuksianne vaikuttaa”, Roine totesi lopuksi.