Rekrytoinnin kehittäminen

Pääkaupunkiseudulla on ylitarjontaa pätevistä opettajista ja jokaiseen työpaikkaan tulee kymmeniä, joskus lähemmäs sata hakemusta, joista valtaosa päteviltä ja kokeneilta hakijoilta. Valituksi tulee aina pätevä ihminen, mutta tuleeko paras ja haastateltiinko edes parhaita?

Ihminen rekrytoijana saattaa tiedostamattaan antaa jopa iän ja sukupuolen kaltaisten tekijöiden vaikuttaa. Myöskin hakijan erilainen tausta - vaikka erilaisuus tarkoittaisi laajempaa kokemusta, parempaa koulutusta jne. - voi toimia karsivana tekijänä: hakijaan ei pystytä samaistumaan.

Ilmaisun tapa eli kirjoitustyyli vaikuttaa myös rekrytoijan reaktioihin. Ihminen osaa poimia intuitiivisesti hyvä asioita tekstistä, mutta osa henkilökohtaisista preferensseistä ei kerro hakijan sopivuudesta työhön, vaan kertoo rekrytoijan henkilöhistoriasta. Tekoäly voisi onnistua välttämään osan inhimillisistä biaksista.

Yhteiskunnallisella tasolla on tärkeää saada hyödynnettyä kaikkien työikäisten taito ja kokemus eikä ajaa heitä loppuun taloudellisen huolen aiheuttamalla stressillä. Myöskin oikeudenmukaisuus on arvo sinänsä: vakituisen työsuhteen puute stressaa kaikkia, eikä ole oikein, jos helpotusta tarjoillaan enemmän yhdelle ryhmälle kuin toiselle.

Systeemi toimii mielekkäästi ja antaa oikeaa viestiä ulospäin silloin, jos hyvin tehdyn työn myötä kokemuksen ja taitojen kasvaessa todennäköisyys tulla rekrytoiduksi kasvaa. Ja samalla kokemuksella ja taidolla rekrytoitumistodennäköisyys olisi suunnilleen sama henkilöstä riippumatta.

Jos kokemus taas ei olennaisesti kartuta taitoja - mikä onneksi lienee suht harvinaista - tekoäly voisi auttaa tässäkin niin, että virkaan ei päädy henkilö, jolla ei ole taipumuksia opettajaksi.

Henkilökohtainen tuntumani on, että tällä hetkellä monet todella hyvät ja omistautuneet opettajat etsivät vakituista työpaikkaa hyvin pitkään, kun taas pieni vähemmistö saa paikkansa vuosi valmistumisen jälkeen. Järjestelmä tuntuu olevan hyvin sattumanvarainen. Haun kesto vuosina ei tunnu kertovan oikein yhtään mistään - paitsi tietenkin ennustaa huonompaa eläkettä ja heikompaa varallisuuden kertymistä palkattomien kesien tuloksena.

Tekoälyn voisi opettaa syöttämällä sille erityisen onnistuneiden rekrytointien tuloksena palkattujen ihmisten CV:t ja hakemukset ja ehkä muutamia päinvastaisia tapauksia myös. Mielenkiintoinen olisi myös data niistä tapauksista, joissa hakemuksen luoma vaikutelma muuttuu suuntaan tai toiseen voimakkaasti haastattelutilanteessa. Jotta saataisiin riittävästi datapohjaa, tähän tarvittaisiin tietenkin tietoja useammasta kuin yhdestä koulusta ja tiedot pitää anonymisoida. Nämä ovat kuitenkin käytännön ongelmia, jotka ovat ratkaistavissa.

Tietenkin idea on laajennettavissa mihin tahansa rekrytointiprosessiin. Kaikilla aloilla ei kuitenkaan ole tätä tilannetta, jossa valinnanvaraa todella on näin paljon. Esimerkiksi teknisellä alalla vaaditaan usein erityistä perehtymistä johonkin teknologiaan. Perehtyminen on saavutettavissa vain vuosien kokemuksella juuri tietyn menetelmän käytöstä ja rekrytointipohja on näin olennaisesti pienempi.

Mielestäni opettajien rekrytointi suurilla yliopistopaikkakunnilla on malliesimerkki tilanteesta, jossa dataa on enemmän kuin inhimillinen äly pystyy tehokkaasti käsittelemään ja jossa tekoäly voisi tuottaa aitoa lisäarvoa päätöksentekoon.