Tekoälyteknologioiden työelämää mullistavista vaikutuksista puhutaan paljon, eikä suotta: ennustetaanhan käsillä olevan neljäs teollinen vallankumous. Kuten tyypillistä nousevien teknologioiden kohdalla, keskustelu on kaukaista, tulevaisuutta spekuloivaa ja värittynyttä riippuen puhujan asenteista ja odotuksista tuntematonta kohtaan. Tällöin unohtuu helposti, miten tekoälysovellukset jo parhaillaan vaikuttavat yhteiskunnassamme.
Tekoälyaurinko nousee ja pelastaa rekrytoinnin?
Työvoiman rekrytointi organisaatioihin on tunnetusti hyvin ihmiskeskeinen työ. Rekrytointipäätösten taustalla vaikuttavat usein henkilökohtaiset ja intiimit tekijät, joita rekrytoiva taho ei välttämättä edes tunnista: esimerkiksi intuitiolla ja rekrytoijan tunnereaktioilla on todettu olevan merkittävä rooli rekrytointipäätöksissä (ks. esim. Rivera 2015).
Samaan aikaan muuttuvat työmarkkinat vaikuttavat rekrytoinnin luonteeseen. Kasvavat yritykset pyrkivät rekrytoimaan jatkuvasti, mikä luo aiempaa suurempaa tarvetta oikean osaamisen houkuttelemiselle ja tunnistamiselle – nopeasti, edullisesti ja hyvän työnhakijakokemuksen tarjoten. Kehittynyt tietoteknologia voi vastata tähän tarpeeseen tehden rekrytoinnista sekä objektiivisempaa että tehokkaampaa (Bondarouk & Brewster 2016). Suomessa tekoälyteknologiaa hyödynnetään muun muassa työnhakijoiden ensi asteen analysointiin, kandidaattien luokitteluun ja rekrytoinnin asiakaspalveluun.
Rekrybotti portinvartijana
Chatbotit, joita käytetään runsaasti esimerkiksi asiakaspalvelussa, ovat vallanneet alaa myös rekrytoinnin saralla. Koneoppimispohjaisten ratkaisujen kehittyminen luonnollisen kielen käsittelyssä on mahdollistanut chatbottien nykyisen suosion, ja nykyään chatbotit kommunikoivat hyvin myös suomeksi.
Organisaatio, jolla on jatkuvasti rekrytointi käynnissä, tarvitsee tavan löytää lukuisten hakijoiden keskuudesta itselleen suotuisat kontaktit. Tähän tarpeeseen vastaa rekrybotti, joka tekee ensi asteen analyysia kandidaateista. Käsikirjoitetun ja informaatiolta rajallisen keskustelun aikana rekrybotti kartoittaa esimerkiksi hakijan aiempaa työkokemusta tai koulutusta. Mikäli työnhakija vastaa yrityksen tarpeisiin, rekrybotti välittää työnhakijan tiedot eteenpäin rekrytoijalle.
Rekrybotin tarkoituksena on säästää rekrytoijan aikaa optimoimalla työnhakijoita rekrytointiprosessin ensimmäisessä vaiheessa. Tehokkuus on tyypillisesti chatbottien käyttöönoton peruste (ks. esim. Brandtzaeg and Følstad 2018), mutta rekrybotti helpottaa myös työnhakijan roolia tehden työnhausta helpompaa ja suoraviivaisempaa. Ansioluettelon viilaamisen ja rekrytointipäätösten odottamisen sijaan työnhakija voi rekrybotin kautta testata, riittääkö oma osaaminen rekrytoivan yrityksen tarpeisiin ja halutessaan ilmaista mielenkiintonsa organisaatiota kohtaan.
Vaikka rekrybotti voi teknologiana vaikuttaa yksinkertaiselta, toimii se rekrytoinnin portinvartijana hyvin. Käsikirjoitettu keskustelu rajaa informaation vain välttämättömään, mikä minimoi väärinymmärryksen riskit ihmisen ja botin vuorovaikutuksessa. Tosin, aina ei bottikaan osu johtopäätöksissään oikeaan. Näin kävi esimerkiksi vakuutusyhtiö Turvan tapauksess: chatbot Teppo tulkitsi – tai oletti – perheenlisäykseen liittyvän uutisen vakuutusvahingoksi.
Palvelubotti kuuntelevana korvana
Käsikirjoitettujen, ensi asteen analyysia tekevien rekrybottien lisäksi työnhaun tukena käytetään kielellisiä konteksteja ymmärtäviä chatbotteja. Näiden bottien rooli on työnhakijaa avustava: tarkoitus on tehdä työnhakijan tarvitsemasta tiedosta saavutettavaa ja helposti löydettävää.
Työnhakijoiden informoinnin lisäksi palvelubotit keventävät HR-ammattilaisten työmäärää: etenkin suurissa organisaatioissa yhteydenottoja HR:n suuntaan voi tulla runsaasti ja kysymykset saattavat olla toistuvia. Palveluboteilla voidaan automatisoida hallinnollisia tehtäviä tehokkaasti, sillä vaikka toisin voisi kuvitella, vuorovaikutus chatbotin kanssa koetaan helpommaksi kuin vuorovaikutus ihmisen kanssa (Skjuve et al. 2019) – botti ei tuomitse tyhmiäkään kysymyksiä.
Osana rekrytointiprosessia palvelubotit voivat parantaa työnantajamielikuvaa ja täten auttaa organisaatiota menestymään työmarkkinoilla (Parry & Olivas-Lujan 2011, Valvisto 2005). Työnhakija voi palvelubotin avulla tutustua esimerkiksi organisaatiokulttuuriin, mikä on Deloitten 2018 Global Human Capital Trends -tutkimuksen mukaan etenkin pohjoismaalaisille milleniaaleille jopa palkkaa tärkeämpi sitouttaja. Myös Z-sukupolvi arvostaa työnantajassaan muutakin kuin kuukausipalkkaa, ja työpaikkaa voidaan vaihtaa vain vaihtelun vuoksi (Tapscott 2010). Sekä palvelu- että rekrybotit palvelevat siis joustavammin ‘mobile first’ -maailmassa kasvaneen työnhakijan tarveita ja toiveita.
Tekoäly asiantuntijan päätöksenteon tukena
Tekoälyn vahvuus ihmiseen verrattuna on sen kyvykkyys ymmärtää, hallita ja luokitella valtavia tietomassoja. Big dataa hyödynnetään myös rekrytoinnissa ns. HR-asiantuntijajärjestelmissä, jolloin tekoälyteknologian tarkoitus on palvella erityisesti työnantajaa. Tämä voi tarkoittaa esimerkiksi työnhakijoiden luokittelua, vertailua ja suosittelua. Algoritmi tekee siis hiljaista työnhakua organisaation aiemmin (tavalla tai toisella) keräämästä informaatiosta.
On kiinnostava seurata, miten asiantuntijuus muuttuu algoritmisen päätöksenteon aikakaudella. Datan lukutaito ja teknologian ymmärtäminen on ensiarvoisen tärkeää tekoälyn ottaessa toimijuutta osana asiantuntijan inhimillistä päätöksentekoa. Tämä seikka on huomioitava myös teknologian suunnittelussa. Toistaiseksi on kuitenkin epäselvää, miten algoritmien toimintaa voidaan (ymmärrettävästi) kuvata asiaa tuntemattomalle – mikäli se ylipäänsä on mahdollista.
Big datan kohdalla relevantteja ovat huolet työnhakijoiden yksityisyydensuojasta: osa kerätyistä tiedoista voi sisältää henkilökohtaisia ja arkaluontoisia tietoja, jotka voivat vaikuttaa syrjivästi rekrytointipäätöksiin (McLean et al. 2015). Toisaalta teknologia voi tehdä näkyväksi ihmisten tekemiä vääristymiä, kuten esimerkiksi Amazonin tapauksessa kävi: Amazon alkoi opettaa tekoälyä aiemman rekrytointidatan perusteella, minkä perustella Amazonin tekoäly päätteli, että rekrytoinnissa tuli suosia miesoletettuja – koska näin oli viimeisen 10 vuoden aikana toimittu.
Täydellinen tekoäly?
Odotukset tekoälyteknologioita kohtaan ovat korkealle, ja näitä odotuksia täyttäessä voi astua myös harhaan. Jokseenkin kyseenalainen on esimerkiksi HireVuen rekrytointiin kehittämä kasvojentunnistusalgoritmi, joka kandidaatin kasvojenliikkeitä, sanavalintoja ja äänensävyä analysoimalla vertaa hakijoita keskenään laatien työnhakijasta automaattisen, henkilön “työllistettävyyttä” käsittelevän arvion. HireVueta on kritisoitu mm. syrjinnästä ja rekrytoinnin ulkonäkökeskeisyydestä.
Tekoälyteknologian kehittyminen ja sen käyttö erilaisissa yhteiskunnallisissa yhteyksissä vaatii tarkkaavaisuutta. Esimerkiksi HireVuen tapauksessa työnhakijan yksipuolinen arviointi tuntuu raa’alta, mutta on pidettävä mielessä, että teknologia tekee sen, mitä sen halutaan tekevän. Tilanteessa, jossa teknologia ottaa yhä suurempaa roolia yhteiskunnallisesti merkittävissä asioissa on määriteltävä, kenen arvoilla ja ehdoilla teknologiaa kehitetään.
Sillä vaikka jokin olisi mahdollista, sitä ei välttämättä kannata tehdä. Hyvänä esimerkkinä suunnittelijan vastuusta on Elon Muskin tutkimusryhmä Open AI:n tapaus: tutkimusryhmä piti kehittämäänsä tekstiä generoivaa GPT2-tekoälyjärjestelmää niin kyvykkäänä, ettei sen koko versiota uskallettu väärinkäytösten pelossa julkaista.
Sama vastuun ja etiikan tematiikka ulottuu myös rekrytoinnissa käytettyihin tekoälyteknologioihin: rekrytoinnissa käytetyt teknologiat ovat yhtä objektiivisia kuin niitä suunnittelevat ihmiset. Ihmiset tekevät inhimillisiä virheitä – ja toisin kuin teknologiassa, vääristymiä omassa, inhimillisessä päätöksenteossa voi olla vaikea tunnistaa. Sen sijaan (tai sen lisäksi), että keskitymme tarkastelemaan tekoälyteknologioiden mahdollisia virheitä, olisi tarpeen suunnata katse omiin ajatusmalleihimme. Vastuu teknologian kehityksestä ja teknologian tekemistä päätöksistä on aina ihmisellä, joten me voimme myös vaikuttaa siihen, miten ja miksi teknologiaa käytämme – ja miten rakentaa parasta mahdollista ja eettisesti kestävää yhteistyötä ihmisen ja tekoälyteknologioiden välille.
Lähteet
A face-scanning algorithm increasingly decides whether you deserve the job. 6.11.2019. The Washington Post.
Amazon scraps secret AI recruiting tool that showed bias against women. 10.10.2018. Reuters.
Better Language Models and Their Implications. 14.2.2019. OpenAI.
Bondarouk, T., & Brewster, C. 2016. Conceptualising the future of HRM and technology research. The International Journal of Human Resource Management, 27(21), 2652– 2671.
Brandtzaeg, P.B., Følstad, A. 2018. Why people use chatbots. In: Kompatsiaris, I., et al. (eds.) INSCI 2017. LNCS, vol. 10673, pp. 377–392. Springer, Cham (2017). DOI: 10.1145/3236669
Eeva-Maija Sinkkonen ilmoitti vakuutusyhtiölle vauvastaan – Teppo-robotin vastaus ei mennyt putkeen, siitä tuli somehitti. 25.9.2019. Yle Uutiset.
McLean, S., Stakim, C., Timner, H., & Lyon, C. 2016. Big data and human resources: Letting the computer decide?. Scitech Lawyer , 12 (2), 20-25. Morrison & Foerster LLP.
Parry, E., & Olivas-Lujan, M. 2011. Drivers of the Adoption of Online Recruitment – An analysis using Innovation Attributes from Diffusion of Innovation Theory. Electronic HRM in Theory and Practice, 159–174. DOI: 10.1108/S1877-6361(2011)0000008013.
Rivera. L. A. 2015. Go with your gut: Emotion and evaluation in job interviews. Am. J. Sociol. 120, 5 (2015), 1339–1389. DOI: 10.1086/681214.
Skjuve, M., Haugstveit, I. M., Følstad, A., & Brandtzaeg, P. B. 2019. Help! Is my chatbot falling into the uncanny valley? An empirical study of user experience in human-chatbot interaction. Human Technology, 15(1), 30–54. DOI:10.17011/ht/urn.201902201607.
Tapscott, D. 2010. Syntynyt Digiaikaan. Sosiaalisen median kasvatit. WSOYpro, Helsinki.
The Rise of the Social Enterprise. 2018 Deloitte Human Capital Trends.
Valvisto, E. 2005. Oikeat ihmiset oikeille paikoille. Helsinki: Talentum.
