Rekrytointiprosessi on jo vuosikausia noudattanut samaa kaavaa. Luodaan työpaikkailmoitus, mainostetaan sitä ja valitaan paras työnhakija työhakemusten ja -haastattelujen pohjalta. Vaikka perinteisessä rekrytoinnissa on puolensa, se ei sovellu sellaisenaan, etenkään kilpailluimpien työntekijöiden, kuten IT-asiantuntijoiden rekrytointiin. Näin perinteisten rekrytointimenetelmien rinnalle on pitänyt miettiä uusia menetelmiä. Tämä blogikirjoitus pohjautuu Pro gradu -tutkielmaani, jossa tutkin, voidaanko modernien rekrytointimenetelmien, big datan ja tekoälyn avulla löytää enemmän, nopeammin ja parempia IT-osaajia.
Yksi puhutuimmista ajankohtaisista ”tech trendeistä” on tekoäly (AI). Tekoälyllä tarkoitetaan tietokonejärjestelmiä tai koneita, jotka pystyvät suoriutumaan tehtävistä, jotka tyypillisesti vaatisivat ihmisälykkyyttä. LinkedInin kyselyn mukaan uutta on myös se, että datan uskotaan auttavan tietokoneita tekemään parempia rekrytointipäätöksiä tekoälyn avulla. Viime vuosina datan määrä on kasvanut huimasti erityisesti internetissä jaettujen tietojen seurauksena. Tätä eksponentiaalista datan kasvua nimitetään big dataksi. Mitä enemmän dataa koneella on käytettävissään, sitä parempiin tuloksiin se pääsee. Vuoteen 2018 mennessä sekä data että tekoäly nousivat neljän globaalisti tärkeimmän ajankohtaisen rekrytointialan trendin joukkoon.
Datapohjaisella rekrytoinnilla IT-osaajien metsästykseen
Koska kilpailu IT-osaajista on yhä tiukempaa, ne tekijät, joita he arvostavat työssään korostuvat uusia työmahdollisuuksia punnitessa. Näin ollen, mitä tarkemmin heille pystytään kohdentamaan todella heidän sen hetkisiä tarpeita vastaavia työtehtäviä, sen parempi. Mitä enemmän tämän tueksi taas on saatavilla tietoa, sitä helpompaa rekrytointi on.
Big dataa ja yrityksen sisäistä dataa yhdistelemällä voidaan ennustaa yksittäisten työnhakijoiden sopivuutta kulloiseenkin työtehtävään. Sopivien ehdokkaiden etsinnässä voidaan hyödyntää esimerkiksi työtehtävään ja rekrytoivaan yritykseen liittyvää tietoa, kuten dataa onnistuneista rekrytoinneista ja yrityksen tyypillisistä käytännöistä, kuten yleisestä palkkatasosta ja yhdistää nämä tiedot työnhakijoista saatuihin tietoihin, kuten toimialaan, titteliin, osaamiseen ja sertifikaatteihin (GDPR huomioiden).
Big datan ja tekoälyn yhteiskäytöllä voidaan lisäksi:
- Vähentää rekrytoijien subjektiivisten olettamusten vaikutusta rekrytointipäätökseen sekä lisätä työvoiman moninaisuutta
- Käsitellä ja hallinnoida suurempia ehdokasdatamääriä kerralla
- Automatisoida erityisesti rekrytoinnin alkupäätä (sopivien työnhakijoiden löytämistä ja alustavia henkilöarviointeja), mutta myös ehdokasviestintää, haastatteluja ja lopullisia rekrytointipäätöksiä
- Helpottaa työvoiman suunnittelua
Huomioi haasteet ja menesty
Selkeistä hyödyistä huolimatta big datan ja tekoälyn käyttöön rekrytoinnissa liittyy mm. selkeitä lainsäädännöllisiä ja eettisiä rajoitteita, jotka on huomioitava. On esimerkiksi varmistuttava käytettävien datalähteiden oikeellisuudesta ja sopivuudesta rekrytointitarkoituksiin. Toisaalta EU:n uuden tietosuoja-asetuksen nojalla rekrytointipäätöksiä ei voi antaa yksinomaan koneen suoritettavaksi, vaan ihmisen on oltava mukana toiminnassa. Datapohjainen rekrytointimaailma on kuitenkin vasta alkutaipaleella ja ne yritykset, jotka osaavat hyödyntää siihen liittyviä menetelmiä oikein, voivat saavuttaa huomattavaa kilpailuetua.
Onko teillä haasteita löytää sopivia IT-alan työntekijöitä? Ota yhteyttä, niin katsotaan, miten voimme auttaa.