24.04.2025
Generatiivinen tekoäly rekrytoinnissa – kohti tehokkuutta ja tasa-arvoa?
Rekrytointi on yksi henkilöstöhallinnon haastavimmista tehtävistä, ja samalla yksi ratkaisevimmista organisaation menestyksen kannalta. Oikean osaajan löytäminen oikeaan aikaan vaikuttaa paitsi organisaation toimivuuteen ja työn laatuun, usein myös suoraan liiketoiminnan kehittymiseen.
Rekrytointiin kohdistuu kuitenkin yhä enemmän paineita: hakijamäärät kasvavat, ja kehitys on saanut lisävauhtia generatiivisella tekoälyllä tuotetuista hakemuksista (Kainulainen, 2025). Suomalaiset työnantajat käyttävät keskimäärin yli yhdeksän työpäivää yhden tehtävän hakemusten seulontaan (Lahnajärvi, 2025) – resurssien ollessa samaan aikaan niukat niin ajan kuin henkilöstön osalta.
Tämä asetelma voi helposti johtaa kompromisseihin. Ihmisen tekemä arvio on tutkitusti altis vinoumille, erityisesti kiireessä ja suuren tietomäärän alla. Kymmenien tai jopa satojen hakemusten läpikäynti kuluttaa kognitiivista kapasiteettia ja altistaa täten huolimattomuuksille. Lisäksi hakijan todellisen osaamisen arviointi jää usein suppean dokumenttiaineiston varaan. Kaiken kukkuraksi rekrytointiprosessin läpinäkyvyyden ja tasapuolisuuden vaatimukset kasvavat.
Tässä asiayhteydessä generatiivinen tekoäly on luonnollisesti noussut kiinnostavaksi ja kenties välttämättömäksi työvälineeksi. Voisiko se auttaa tehostamaan rekrytointiprosessia, erityisesti alkuvaiheen esikarsintaa, samalla kun se tukisi objektiivisuutta, yhdenvertaisuutta ja parempia valintoja?
Generatiivisen tekoälyn mahdollisuudet rekrytoinnin eri vaiheissa: mitä tutkimus sanoo?
Vaikka generatiivisen tekoälyn käyttö rekrytoinnissa on vielä verrattain uusi ilmiö, on aiheeseen kohdistunut jo lupaavaa tutkimuksellista kiinnostusta. Kirjoittajat tarkastelivat akateemista tutkimustietoa generatiivisen tekoälyn hyödyntämisestä rekrytoinnin eri vaiheissa. Tutkimus on toistaiseksi melko hajanaista ja varhaisessa vaiheessa, mutta sen perusteella voidaan kuitenkin jo hahmotella alustavia johtopäätöksiä.
Yleinen konsensus näyttäisi olevan, että generatiivinen tekoäly voi tuoda lisäarvoa rekrytointiprosessin eri vaiheissa, alkaen työpaikkailmoituksen laadinnasta aina lopulliseen valintaan saakka (Albassam, 2023).
Rekrytoinnin käynnistysvaihe
Prosessin alkuvaiheessa generatiivinen tekoäly voi tukea käytännön tehtävissä, kuten työpaikkailmoitusten luonnostelussa, kielen säätämisessä kohderyhmän mukaan sekä ilmoitusten näkyvyyden optimoinnissa eri kanavissa (Aguinis ym., 2024).
Tekoäly voi esimerkiksi:
- tuottaa luonnoksia työpaikkailmoituksista,
- muokata viestintää sukupuolineutraaliksi,
- hyödyntää tietoa termeistä, jotka vetoavat tiettyihin osaajaryhmiin tai hakukonealgoritmeihin,
- tunnistaa kohderyhmiä ja tehostaa mainonnan kohdentamista
Näillä toimenpiteillä generatiivinen tekoäly voi nopeuttaa sopivien hakijoiden tavoittamista.
Esikarsintavaihe
Hakemusten saavuttua generatiivinen tekoäly voi tukea niin sanottua esikarsintaa eli screening-vaihetta. Generatiiviseen tekoälyyn perustuvat ratkaisut voivat analysoida ansioluetteloita, hakemuskirjeitä, työhistoriaa sekä kandidaatin avoimia vastauksia suhteessa tehtävän vaatimuksiin. Tarkoituksena ei lähtökohtaisesti ole korvata ihmistä, vaan auttaa HR-ammattilaista keskittymään syvällisemmin niihin hakijoihin, joiden peruskriteerit täyttyvät.
Lisäksi generatiivinen tekoäly voi lyhentää esikarsintaan kuluvaa aikaa, vähentää seulonnan vinoumia ja parantaa shortlistauksen tasalaatuisuutta, edellyttäen, että käyttäjät osaavat hyödyntää tekoälyä tarkoituksenmukaisesti (Abdelhay ym., 2025). Koska kyse oli kyselytutkimuksesta, näitä tuloksia on kuitenkin tulkittava varauksella: ne heijastavat käyttäjäkokemuksia, eivät todellista mitattua vaikuttavuutta.
Tekoäly voi siis parhaimmillaan tehostaa prosessia, parantaa esikarsinnan laatua ja auttaa tunnistamaan potentiaalisia kandidaatteja, jotka muuten jäisivät huomaamatta. Käyttäjällä tulisi kuitenkin olla riittävän syvällinen ymmärrys mallien toiminnasta ja sisäisistä vinoumista sekä analysoitavan datan laadun mahdollisista vaikutuksista analyysin lopputulokseen.
Haastatteluvaihe
Haastatteluvaiheessa generatiivinen tekoäly voi toimia tukityökaluna (Albassam, 2023). Tekoälyä voidaan hyödyntää esimerkiksi hakijoiden vastauksien analysoinnissa, haastattelujen litteroinnissa ja tiivistämisessä tai kysymysten personoinnissa perustuen aiempiin hakijan tietoihin. Lisäksi generatiivinen tekoäly voi tukea haastattelijoita ehdottamalla jatkokysymyksiä tai tunnistamalla mahdollisia epäjohdonmukaisuuksia hakijan vastauksissa. Tämä voi lisätä prosessin yhdenmukaisuutta ja vähentää ihmisen muistin tai havainnoinnin aiheuttamia vääristymiä.
Lisäksi generatiiviseen tekoälyyn perustuvat soveltuvuuskokeet tarjoavat käytännön testin, jolla voidaan arvioida kandidaatin soveltuvuutta työtehtävään. Vaikka soveltuvuuskokeet itsessään eivät ole uusi ilmiö, generatiivinen tekoäly voi tehdä niistä kustannustehokkaampia verrattuna perinteisiin haastattelutilanteissa simuloituihin testeihin. Tekoälypohjainen ratkaisu voi tarjota myös objektiivisemman arvion osaamisesta, vähentäen inhimillisten vinoumien vaikutusta.
Päätöksenteko
Lopullisessa valintavaiheessa tekoälyä voidaan hyödyntää päätöksenteon tueksi koko prosessin aikana kertyneen datan perusteella. Tekoäly voi tuottaa yhteenvetoja hakijoiden vahvuuksista, ehdottaa kysymyksiä kandidaattien vertailuja varten tai tuoda esiin huomiotta jääneitä seikkoja. Näin se voi auttaa varmistamaan, ettei oleellista tietoa jää huomioimatta.
Tärkeää on, että tekoälyn rooli pysyy tukevana, ei päätöksentekoa korvaavana. Loppuarvioinnin eettisyys ja läpinäkyvyys korostuvat erityisesti tässä vaiheessa, ja lopullisen vastuun on ainakin toistaiseksi hyvä säilyä ihmisellä.
Generatiivisen tekoälyn haasteet ja riskit rekrytoinnissa
Vaikka generatiivinen tekoäly voi lisätä rekrytoinnin tehokkuutta, edistää monimuotoisuutta ja parantaa prosessin tasalaatuisuutta, sen käyttö ei automaattisesti tee prosessista parempaa. Tekoälyn hyödyntäminen vaatii osaamista, harkintaa ja eettistä otetta sekä tietysti EU tekoälyasetuksen korkean riskiluokan määrittämien säädösten noudattamista.
Yksi merkittävimmistä haasteista liittyy itse kielimalleihin. Niihin voi sisältyä koulutusdatasta tai algoritmeista periytyviä vinoumia, jotka voivat heijastua päätöksiin. Tunnettu esimerkki on Amazonin koneoppimiseen perustunut rekrytoinnin tekoälytyökalu, joka syrji naisia ja jouduttiin sittemmin hylkäämään (Dastin, 2018). Vinoumia voidaan pyrkiä vähentämään esimerkiksi organisaatiokohtaisella koulutusdatalla, mutta täysin vinoutumatonta järjestelmää ei ole.
Toinen keskeinen haaste on osaamisen ja ymmärryksen puute. Uusien teknologioiden arviointi ja käyttöönotto vaativat teknistä osaamista, lainsäädännön ymmärrystä, muutosjohtamista ja kokeilukulttuuria. Samalla monet tekoälytyökalut ovat helposti otettavissa käyttöön ilman syvempää ymmärrystä, mikä voi johtaa virheisiin ja väärinkäytöksiin.
Tervetuloa webinaariin keskustelemaan aiheesta lisää
Monille suomalaisorganisaatioille tekoälyn käyttö rekrytoinnissa on vielä uutta, mutta kiinnostus on selvästi kasvussa. Tule siis kanssamme jatkamaan keskustelua HENRY ry:n kanssa järjestettävään webinaariin 8.5. klo 9.00-10.00. Webinaarissa käymme läpi, miten generatiivista tekoälyä voidaan hyödyntää rekrytoinnin eri vaiheissa. Lisäksi esittelemme käytännön esimerkin, joka havainnollistaa tekoälyn käytännön hyödyntämistä rekrytointiprosessin esikarsintavaiheessa.
Jere Lehtinen, TkT, operatiivinen johtaja, LessonLab Oy
Perttu Dietrich, TkT, toimitusjohtaja, LessonLab Oy
Lähteet
Abdelhay, S., AlTalay, M. S. R., Selim, N., Altamimi, A. A., Hassan, D., Elbannany, M., & Marie, A. (2025). The impact of generative AI (ChatGPT) on recruitment efficiency and candidate quality: The mediating role of process automation level and the moderating role of organizational size. Frontiers in Human Dynamics, 6, 1487671.
Aguinis, H., Beltran, J. R., & Cope, A. (2024). How to use generative AI as a human resource management assistant. Organizational Dynamics, 53(1), 101029
Albassam, W. A. (2023). The power of artificial intelligence in recruitment: An analytical review of current AI-based recruitment strategies. International Journal of Professional Business Review: Int. J. Prof. Bus. Rev., 8(6), 4.
Dastin, J. (2018). Insight - Amazon scraps secret AI recruiting tool that showed bias against women. Reuters. https://www.reuters.com/article/world/insight-amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK0AG/
Kainulainen, J. (2025). Työnantajat hukkuvat työhakemuksiin, mutta eivät uskalla tarttua tekoälyyn rekrytoinneissa. Yle uutiset. https://yle.fi/a/74-20140449
Lahnajärvi, A. (2025). Tekoälyllä tehdyt työhakemukset lisääntyvät – Aiheuttaa harmillisen ilmiön. Tivi uutiset. https://www.tivi.fi/uutiset/tekoalylla-tehdyt-tyohakemukset-lisaantyvat-aiheuttaa-harmillisen-ilmion/6e99eef8-18e6-4203-8913-93d8c8797cbf