Automaatio ja algoritminen päätöksenteko yritysten rekrytointiprosesseissa
Peltola, Aaro (2025-05-26)
Automaatio ja algoritminen päätöksenteko yritysten rekrytointiprosesseissa
Peltola, Aaro
(26.05.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025060358723
https://urn.fi/URN:NBN:fi-fe2025060358723
Tiivistelmä
Automaatio ja algoritminen päätöksenteko ovat tekoälyn nopean kehityksen myötä lisääntyneet yritysten prosesseissa. Automaatio ja algoritminen päätöksenteko tarjoavat yrityksille esimerkiksi keinoja tehostaa rekrytointiprosessejaan. Rekrytointiin sitoutuu aikaa sekä taloudellisia resursseja ja toisaalta sen lopputuloksella on suuri merkitys yrityksen suoriutumisessa. Siksi on tärkeää, että yritykset pyrkivät tehostamaan rekrytointiprosessejaan jatkuvasti.
Tässä kandidaatintutkielmassa selvitetään, miten akateemisen tutkimuskirjallisuuden mukaan automaatiota ja algoritmista päätöksentekoa voidaan hyödyntää yritysten rekrytointiprosesseissa. Tutkielma on kirjallisuuskatsaus ja aineistona käytetään rekrytointiin, automaatioon sekä algoritmiseen päätöksentekoon liittyviä artikkeleita. Tutkielmassa perehdytään rekrytoinnin keskeisiin vaiheisiin, niiden merkitykseen koko prosessin kannalta sekä siihen, miten automaatiolla ja algoritmisella päätöksenteolla kutakin vaiheitta voidaan tehostaa. Tutkimuksessa keskitytään etenkin automaation viimeaikaisten muutosten tuomiin mahdollisuuksiin. Lisäksi tarkastellaan automaation, algoritmisen päätöksenteon ja rekrytointiprosessien yhdistämiseen liittyviä haasteita. Haasteita on niin teknisiä, ihmislähtöisiä, eettisiä kuin lakiteknisiä. Yritysten on tärkeää huomioida nämä haasteet implementoidessaan automaatiota ja algoritmista päätöksentekoa rekrytointiprosesseihinsa.
Automaatio ja algoritminen päätöksenteko voivat parhaimmillaan nopeuttaa rekrytointia ja näin ollen säästää resursseja. Lisäksi ne voivat parantaa päätöksenteon laatua. Työnhakijoista saatavan datan analysointia voidaan tehostaa esimerkiksi automatisoidulla avainsanahaulla ja suosittelujärjestelmillä. Videohaastatteluita on mahdollista analysoida konenäön ja luonnollisen kielen prosessoinnin avulla, joiden perusteella arvioidaan hakijan soveltuvuutta työtehtävään. On kuitenkin tärkeää tiedostaa, että tekoälypohjaisiin järjestelmiin liittyy myös epävarmuutta, sillä niiden toiminta ei ole aukotonta. Varsinkin silloin, kun käsitellään ihmisin liittyvää dataa. Haasteita liittyy muun muassa datan eheyteen ja luotettavuuteen sekä käytettävän teknologian toimintavarmuuteen. Esimerkiksi organisaatiossa tapahtuva tiedostamaton syrjintä rekrytoinnissa voi tahattomasti siirtyä automaatiojärjestelmiin, jolloin algoritminen päätöksenteko ei ole sen tasa-arvoisempaa kuin aiemmat rekrytointikäytännöt.
Tässä kandidaatintutkielmassa selvitetään, miten akateemisen tutkimuskirjallisuuden mukaan automaatiota ja algoritmista päätöksentekoa voidaan hyödyntää yritysten rekrytointiprosesseissa. Tutkielma on kirjallisuuskatsaus ja aineistona käytetään rekrytointiin, automaatioon sekä algoritmiseen päätöksentekoon liittyviä artikkeleita. Tutkielmassa perehdytään rekrytoinnin keskeisiin vaiheisiin, niiden merkitykseen koko prosessin kannalta sekä siihen, miten automaatiolla ja algoritmisella päätöksenteolla kutakin vaiheitta voidaan tehostaa. Tutkimuksessa keskitytään etenkin automaation viimeaikaisten muutosten tuomiin mahdollisuuksiin. Lisäksi tarkastellaan automaation, algoritmisen päätöksenteon ja rekrytointiprosessien yhdistämiseen liittyviä haasteita. Haasteita on niin teknisiä, ihmislähtöisiä, eettisiä kuin lakiteknisiä. Yritysten on tärkeää huomioida nämä haasteet implementoidessaan automaatiota ja algoritmista päätöksentekoa rekrytointiprosesseihinsa.
Automaatio ja algoritminen päätöksenteko voivat parhaimmillaan nopeuttaa rekrytointia ja näin ollen säästää resursseja. Lisäksi ne voivat parantaa päätöksenteon laatua. Työnhakijoista saatavan datan analysointia voidaan tehostaa esimerkiksi automatisoidulla avainsanahaulla ja suosittelujärjestelmillä. Videohaastatteluita on mahdollista analysoida konenäön ja luonnollisen kielen prosessoinnin avulla, joiden perusteella arvioidaan hakijan soveltuvuutta työtehtävään. On kuitenkin tärkeää tiedostaa, että tekoälypohjaisiin järjestelmiin liittyy myös epävarmuutta, sillä niiden toiminta ei ole aukotonta. Varsinkin silloin, kun käsitellään ihmisin liittyvää dataa. Haasteita liittyy muun muassa datan eheyteen ja luotettavuuteen sekä käytettävän teknologian toimintavarmuuteen. Esimerkiksi organisaatiossa tapahtuva tiedostamaton syrjintä rekrytoinnissa voi tahattomasti siirtyä automaatiojärjestelmiin, jolloin algoritminen päätöksenteko ei ole sen tasa-arvoisempaa kuin aiemmat rekrytointikäytännöt.