Hakemusten esikarsinta tekoälyllä: 5 huippuehdokasta 100:sta vain 10 minuutissa

Miksi perinteinen hakemusten esikarsinta on liian hidasta

Luvut puhuvat puolestaan: Työnvälityksen mukaan (2024) keskimääräinen esikarsinta vie 3,2 tuntia per paikka. Jos hakemuksia on 100, siihen kuluu 320 työtuntia.

Aika ei kuitenkaan ole ainoa ongelma.

Inhimillinen tekijä: Ennakkoluulot ohjelmoitu sisään

Ihmiset tekevät tiedostamattomia päätöksiä. Tutkimusten mukaan rekrytoija tekee ensiarvion kuudessa sekunnissa. Tämän aikana nimi, kuva ja tausta vaikuttavat enemmän kuin pätevyydet.

Tämä ei tapahdu pahantahtoisesti – se on inhimillistä. Aivomme käyttävät oikopolkuja nopeisiin päätöksiin. Hakijoiden valinnassa tämä johtaa systemaattisiin epäkohtiin.

Epäjohdonmukaiset arviointikriteerit

Aamulla klo 8 arvioit eri tavoin kuin klo 16 viidennen kahvin jälkeen. Maanantaisin olet tiukempi kuin perjantaisin. Nämä vaihtelut ovat inhimillisiä mutta epäoikeudenmukaisia hakijoita kohtaan.

Tekoäly käyttää aina samoja kriteereitä. Johdonmukaisesti, läpinäkyvästi ja perustellusti.

Osaajapula pahentaa ongelmaa

Mitä useampi paikka pitää täyttää, sitä pinnallisemmaksi esikarsinta muuttuu. Hyvät hakijat tippuvat pois, koska aika ei riitä huolelliseen tarkasteluun.

Ratkaisu? Älykäs ensimmäisen vaiheen automaatio.

Kuinka tekoäly lajittelee hakemukset ilman syrjintää

Modernit hakemus-tekoälyt toimivat toisin kuin ehkä kuvittelet. Ne eivät etsi pelkkiä avainsanoja, vaan tunnistavat osaamiskaavoja.

Kaavojen tunnistus avainsanojen sijaan

Kuvittele etsiväsi projektipäällikköä. Perinteinen järjestelmä etsii sanan projektipäällikkö ansioluettelosta. Tekoäly taas tunnistaa projektinhallintaosaamisen myös teksteistä, kuten: Johdin 15 hengen tiimin tuotejulkaisua, budjetti 200 000 € ja kesto 8 kuukautta.

Tämä erottaa pinnallisen haun ja älykkään analyysin.

Anonyymi arviointi algoritmisuunnittelulla

Oikein konfiguroidut tekoälyjärjestelmät jättävät syrjimättömät tekijät huomiotta:

• Nimet anonymisoidaan tai ohitetaan
• Kuvia ei arvioida
• Sukupuoleen viittaavat kielikuviot neutraloidaan
• Koulutustaustat arvioidaan osaamisen, ei maineen pohjalta

Tärkeää: Tämä ei tapahdu automaattisesti. Järjestelmä pitää kouluttaa ja säätää kohdennetusti.

Läpinäkyvät arviointikriteerit

Jokainen tekoälyn päätös perustuu selkeisiin, jäljitettäviin kriteereihin. Näet tarkalleen, miksi hakija A sai korkeamman arvion kuin hakija B.

Tämä läpinäkyvyys suojaa lakisääteisesti ja auttaa kehittämään prosessia jatkuvasti.

Vinoumien tunnistus ja korjaus

Laadukkaat tekoälyjärjestelmät valvovat itseään. Ne tunnistavat, jos jokin ryhmä jää järjestelmällisesti alakynteen, ja säätävät arviointia automaattisesti.

Tämä on selkeä etu verrattuna ihmisen tekemään esikarsintaan, jossa vastaavat vinoumat saattavat jäädä vuosiksi huomaamatta.

Pakolliset kriteerit: Avain menestykseen

Tähän kiteytyy menestys (tai epäonnistuminen) tekoälyavusteisessa hakemusprosessissa. Epätarkat kriteerit tuottavat kelvottomia tuloksia.

Kovien taitojen määrittely mitattavasti

Sanojen kokemus ohjelmistokehityksestä sijaan kirjoita: Vähintään kolme vuotta käytännön Java- tai Python-kokemusta, osoitettu projekteilla tai sertifikaateilla.

Tekoäly toimii konkreettisilla, mitattavilla vaatimuksilla. Epämääräiset lauseet hämärtävät tulokset.

Pehmeiden taitojen määrittely käyttäytymisindikaattoreilla

Pehmeät taidot ovat hankalampia, mutta mahdollisia arvioida. Tekoäly tunnistaa hakemuksista ja CV:stä kaavoja, jotka viittaavat tiettyihin ominaisuuksiin.

Viestintäkyky näkyy esimerkiksi:

• Rakenteelliset ja selkeät hakemukset
• Esiintymis- tai koulutuskokemus
• Asiakaspalveluroolit tai sisäinen kommunikaatio
• Yhdistys- tai vapaaehtoistyöt viestinnän painotuksella

Kriteerien painotus

Kaikki vaatimukset eivät ole yhtä tärkeitä. Aseta selkeä hierarkia:

1. Knock-out-kriteerit (100 % pakollisia): Ilman näitä etene hakemus
2. Tärkeät kriteerit (70–90 %): Arvion kannalta vaikutustekijöitä
3. Lisäedut (30–50 %): Mukana lisäpisteinä, eivät ratkaisevia

Alaerityiset painotukset

Koneinsinöörin taidot eroavat some-vastaavasta. Pakolliset kriteerisi on oltava alakohtaan sopivia.

Esimerkki IT-ala:

• Tekniset taidot: 60 % painotus
• Ratkaisukeskeisyys: 25 % painotus
• Tiimityö: 15 % painotus

Esimerkki myynti:

• Myyntikokemus: 50 % painotus
• Viestintäkyky: 30 % painotus
• Lukujen ymmärrys: 20 % painotus

Kriteerien jatkuva kehitys

Tarkista säännöllisesti: johtavatko kriteerisi onnistuneisiin rekrytointeihin? Tekoäly pystyy tulosten automaattiseen analysointiin ja antaa kehitysehdotuksia.

Tekoälytyökalut hakemusten esikarsintaan vertailussa

Tekoälyavusteisten rekrytointityökalujen markkina kasvaa vauhdilla. Kaikki ratkaisut eivät sovi kaikille yrityksille. Tässä tärkeimmät kategoriat ja niiden vahvuudet:

Enterprise-ratkaisut suuryrityksille

Nämä järjestelmät käsittelevät yli 1 000 hakemusta samanaikaisesti, ja niissä on kattavat compliance-ominaisuudet. Tyypillisiä toimittajia ovat Workday, SAP SuccessFactors ja Oracle HCM.

Edut:

• Korkea käsittelykapasiteetti
• Laajat raportointitoiminnot
• Integraatio olemassa oleviin HR-järjestelmiin
• Vahvat compliance-ominaisuudet

Haitat:

• Korkea hinta (alk. 50 000 € vuodessa)
• Monimutkainen käyttöönotto (6–12 kk)
• Ylilyönti PK-yrityksille

PK-yritysten ratkaisut tekoälyominaisuuksilla

Työkalut kuten Personio, Recruitee ja StepStone sisältävät räätälöityjä tekoälymoduuleja 50–500 työntekijän yrityksille.

Erikoistuneet tekoälyrekrytointityökalut

Puhdasta tekoälyä käyttävät ratkaisut kuten HireVue, Pymetrics ja Ideal keskittyvät älykkääseen hakemusdata-analyysiin.

Nämä työkalut tarjoavat edistyneimmät tekoälyalgoritmit, mutta vaativat integraatiota yrityksen järjestelmiin.

Räätälöidyt ratkaisut erityistarpeisiin

Jotkut yritykset kehittävät oman tekoälyn tai teettävät sellaisen. Tämä on perusteltua erityisen spesifisissä vaatimuksissa tai sensitiivisestä datasta puhuttaessa.

Milloin räätälöity ratkaisu kannattaa:

• Alan erityistarpeet
• Erityiset tietosuojavaatimukset
• Integraatio monimutkaisiin vanhoihin järjestelmiin
• Erikoiset compliance-yksityiskohdat

Valintakriteerit omalle yritykselle

Oikea työkaluratkaisu riippuu viidestä tekijästä:

1. Hakemusmäärä: Paljonko hakemuksia prosessoitte kuukaudessa?
2. Budjetti: Paljonko olet valmis sijoittamaan tekoälypohjaiseen rekrytointiin?
3. Olemassa olevat järjestelmät: Mitä HR-ohjelmistoja käytätte jo?
4. Compliance-velvoitteet: Mitä lainsäädännöllisiä vaatimuksia pitää huomioida?
5. Sisäinen osaaminen: Onko talossa tekoälytaitoja vai tarvitsetteko täyden palvelun?

Step by Step: Rekrytointi-tekoäly käyttöön oikein

Paras tekoäly ei hyödytä, jos käyttöönotto epäonnistuu. Tässä toimivaksi todettu käyttöönottosuunnitelma onnistuneelle startille:

Vaihe 1: Valmistelu ja analyysi (2–4 viikkoa)

Vaihe 1: Nykyprosessin analyysi

Kuvailkaa nykyinen rekrytointiketjunne tarkasti. Missä kohtaa aikaa kuluu? Mitkä vaiheet ovat hyvin subjektiivisia? Missä syntyy pullonkauloja?

Vaihe 2: Osallistujien sitoutus

Ota kaikki mukaan alusta alkaen: HR, asiantuntijat, IT, henkilöstöedustus ja johto. Käsittele huolet läpinäkyvästi ja ajoissa.

Vaihe 3: Pakollisten kriteerien määrittely

Määrittele yhdessä asiantuntijoiden kanssa konkreettiset vaatimukset jokaiseen tehtävään. Hyödynnä edellisen luvun oppeja.

Vaihe 2: Pilottiprojekti (4–6 viikkoa)

Aloita pienestä. Valitse yksi korkealla hakemusmäärällä mutta matalalla riskillä oleva tehtävä – esimerkiksi IT-tuki tai junioriroolit.

Rinnakkaiskäyttö:

• Tekoäly suorittaa esikarsinnan
• Ihmiset tekevät esikarsinnan rinnalla
• Tuloksia vertaillaan ja analysoidaan
• Mikään hakemus ei joudu pelkän tekoälyn arvioitavaksi pilottivaiheessa

Vaihe 3: Hienosäätö ja optimointi (4–8 viikkoa)

Alkuvaiheen tulokset eivät ole täydellisiä – ja se on tarkoituksella. Tekoäly kehittyy palautteen kautta.

Keskeiset optimointiaskeleet:

1. Vähennä vääriä poissulkemisia (hyvät hakijat hylätty)
2. Vähennä läpi lipsahtaneita vääriä positiivisia
3. Säädä kriteerien painotuksia
4. Lisää uusia pakollisia kriteerejä

Vaihe 4: Kokonaiskäyttöönotto (2–4 viikkoa)

Käynnistä laajempi käyttö vasta kun pilotti toimii tyydyttävästi.

Muutoshallinta huomioitava:

• Kouluta henkilöstö uusille prosesseille
• Dokumentoi uudet menetelmät
• Määrittele vastuuhenkilöt
• Sovi säännöllisistä katsauksista

Vältä yleiset käyttöönoton sudenkuopat

Virhe 1: Liian nopea käyttöönotto

Jotkut yritykset haluavat ottaa tekoälyn kaikille tehtäville kerralla. Tämä aiheuttaa kaaosta ja vastarintaa.

Virhe 2: Ei henkilöstökoulutusta

Tekoäly ei korvaa ihmisen harkintaa, vaan tukee sitä. Henkilöstön on ymmärrettävä, miten tekoälyn tuloksia tulkitaan oikein.

Virhe 3: Asenna ja unohda -mentaliteetti

Tekoälyjärjestelmä vaatii jatkuvaa optimointia. Sovi kuukausittaisista katsauksista ja päivityksistä.

Miten menestystä mitataan?

Määrittele ennen käyttöönottoa, millä mittareilla onnistumista arvioidaan:

• Aika esikarsintaan (tavoite: 70–80 % säästö)
• Kandidaattien laatu (asiantuntijoiden palaute)
• Valikoitujen hakijoiden monimuotoisuus
• Rekrytoijien tyytyväisyys
• Time-to-hire lyhenee

Laillinen hakemusten esikarsinta tekoälyllä

Tekoäly rekrytoinnissa toimii tiukan sääntelyn rajamailla. Yhdenvertaisuuslaki (AGG), tietosuoja-asetus (GDPR) ja työehtolainsäädäntö asettavat selkeästi rajat.

GDPR-vaatimukset hakemusanalyysissa

Hakijoiden henkilötiedot ovat tiukasti suojattuja. Tekoälyanalyysissä on huomioitava erityiset suojatoimet:

Laillisen käsittelyn varmistaminen:

• Hanki hakijan suostumus tekoälyanalyysiin
• Käytä tietoja vain rekrytointiprosessiin
• Rajoita analysoitavat tiedot vain tarpeellisiin
• Poista tiedot prosessin päättymisen jälkeen

Läpinäkyvyys hakijoille:

Sinun on tiedotettava hakijalle, että prosessissa käytetään tekoälyä. Sen on oltava mainittuna työpaikkailmoituksessa ja yksityiskohtaisesti tietosuojaselosteessa.

Syrjinnän ehkäisy (AGG)

Yhdenvertaisuuslaki kieltää syrjinnän sukupuolen, iän, etnisen taustan, uskonnon, vammaisuuden tai seksuaalisen suuntautumisen perusteella.

Tekniset suojatoimet:

• Aktivoi vinoumien seuranta (bias-monitorointi)
• Varmista sukupuolineutraali arviointi
• Poista ikään liittyvät syrjivät kriteerit
• Ehkäise taustaan perustuvat johtopäätökset

Dokumentointivelvollisuus:

Jokainen tekoälyn päätös on dokumentoitava läpinäkyvästi:

• Käytetyt kriteerit ja niiden painotukset
• Perustelu arvioinnille
• Analyysin ajankohta
• Käytetyn algoritmin versio

Työehtotoimikunta ja yhteistoiminta

Tekoälyjärjestelmät rekrytoinnissa ovat työehtotoimikunnan lupa-asia (§ 94 BetrVG). Henkilöstöedustajan on hyväksyttävä järjestelmän käyttö.

Käytännön vinkit yhteistoimintaan:

• Korosta päätöksenteon objektiivisuutta
• Näytä, miten tekoäly vähentää syrjintää
• Tarjoa avoimuus käytetyistä algoritmeista
• Sopikaa säännöllisistä päätösten tarkasteluista

Vastuuriskien minimointi

Tekoälyn virheelliset päätökset voivat aiheuttaa korvausvaatimuksia. Suojaudu näin:

Huolellinen toimittajavalinta:

• Suosi sertifioituja tekoälyjärjestelmiä
• Sovi vastuista sopimuksin
• Toteuta säännölliset auditoinnit
• Pidä varakäytänteet kriittisiin tilanteisiin

Eurooppalainen tekoälyasetus

EU:n tekoälyasetus luokittelee rekrytointiekosysteemin korkean riskin sovellukseksi. Tämä tarkoittaa lisävelvoitteita:

• CE-merkintä tekoälyjärjestelmälle
• Riskiarviointijärjestelmä käyttöön
• Ihmisen valvonta suoritettava
• Läpinäkyvyys ja selitettävyys taattava

Nämä säännökset astuvat voimaan täysin 2025 alkaen. Varaudu hyvissä ajoin.

Käytännön esimerkit: Näin yritykset säästävät 80 % esikarsintatyöstä

Teoria on hyvä – käytäntö vielä parempi. Tässä kolme todellista esimerkkiä yrityksistä, jotka ovat onnistuneesti ottaneet käyttöön tekoälyavusteisen esikarsinnan:

Case 1: PK-konepaja säästää 15 tuntia viikossa

Lähtötilanne: Müller Maschinenbau (280 työntekijää) haki jatkuvasti insinöörejä ja ammattilaisia. 2 henkilön HR-osasto oli uupumuksen partaalla.

Ongelma: 60–80 hakemusta viikossa, keskimäärin 12 minuuttia per hakemus = 12–16 tuntia vain esikarsintaan.

Ratkaisu: Tekoälyavusteinen esikarsinta seuraavin kriteerein:

• Suoritettu tekninen koulutus/korkeakoulu
• Vähintään 2 vuotta työkokemusta
• CAD-taidot (SolidWorks, AutoCAD tai Inventor)
• Saksan kielitaito vähintään B2
• Valmius satunnaisiin työmatkoihin

Tulos 6 kk:n jälkeen:

• Esikarsinta-aika väheni 15:stä 3 tuntiin viikossa
• Kandidaattien laatu parani (asiantuntijoiden mukaan)
• Vähemmän hylkäyksiä prosessin aikana
• ROI saavutettiin jo neljässä kuukaudessa

Case 2: IT-palveluyritys automatisoi osaamisten arvioinnin

Lähtötilanne: TechSolutions GmbH (150 työntekijää) haki jatkuvasti kehittäjiä, konsultteja ja projektipäälliköitä eri asiakasprojekteihin.

Ongelma: Jokaisessa tehtävässä eri osaamisvaatimukset. Käsin arviointi kesti 20–30 minuuttia per hakemus.

Ratkaisu: Tekoälyjärjestelmä dynaamisilla osaamisprofiileilla:

Erikoisuus: Järjestelmä tunnistaa osaamiset myös epätavanomaisissa muodoissa, esim. Johti hankinnan digitalisointiprojektia tunnistetaan sekä projektinhallinta- että muutosjohtamiskokemukseksi.

Tulos:

• 89 % vähemmän aikaa esikarsintaan
• Parempi osuvuus hakijoiden ja projektien välillä
• Suurempi onnistumisprosentti asiakashaastatteluissa
• Nopeampi kriittisten tehtävien täyttö

Case 3: Kauppaketju standardisoi myymäläpäällikköjen valinnan

Lähtötilanne: RegionalMarkt AG (45 toimipistettä) haki säännöllisesti myymäläpäälliköitä ja apulaispäälliköitä. Jokainen alue arvioi hakijat omalla tavallaan.

Ongelma: Eri arviointikriteerit johtivat johtajien laatueroihin. Joillain alueilla onnistuttiin loistavasti, toisaalla vaihtuvuus oli suuri.

Ratkaisu: Arviointikriteerien yhtenäistäminen tekoälyn avulla:

Päällikköjen pakolliset kriteerit:

1. Vähintään kolme vuotta esihenkilötyötä kaupan alalla
2. Kaupallinen koulutus tai vastaava kokemus
3. Osoitettu P&L-vastuu
4. Kokemus kriisinhallinnasta
5. Asiakassuuntautuneisuus (esim. aiemmat asiakaspalautteet)

Pehmeiden taitojen indikaattorit:

• Tiimin johtaminen: osoitettu tiimivastuu
• Ongelmanratkaisu: esimerkkejä haasteiden selvittämisestä
• Viestintä: koulutustilaisuudet tai esiintymiskokemus
• Kestävyys: kokemus stressaavista tilanteista

Tulos 12 kk jälkeen:

• Saman tasoinen laatu kaikilla päälliköillä
• Johtajien vaihtuvuus väheni 40 %
• Heikkojen myymälöiden myynti kasvoi paremman johtamisen myötä
• Nopeampi paikkausten täyttö avoimiin tehtäviin

Menestystekijät kaikissa kolmessa tapauksessa

Miksi nämä toteutukset onnistuivat? Kolme yhteistä avaintekijää:

1. Selkeät, mitattavat kriteerit

Kaikki yritykset määrittelivät pakolliset kriteerinsä erittäin tarkasti. Epämääräiset käsitteet kuten tiimityö korvattiin selkein mittarein.

2. Vaiheittainen käyttöönotto

Yksikään yritys ei ottanut tekoälyä käyttöön kerralla kaikissa rooleissa. Toteutus aloitettiin yhdestä tehtävästä ja laajennettiin kun prosessit oli hiottu kuntoon.

3. Jatkuva kehittäminen

Tekoälyjärjestelmää säädettiin jatkuvasti palautteen ja rekrytointien onnistumisten perusteella.

ROI-laskenta tekoälyrekrytoinnille

Esimerkkien perusteella voit arvioida oman yrityksesi investoinnin tuoton:

Tyypillisillä käyttökustannuksilla (10 000–15 000 €) investoinnin takaisinmaksuaika on yleensä 5–7 kuukautta.

Yhteenveto: Tekoäly tekee rekrytoinnista oikeudenmukaisempaa, nopeampaa ja laadukkaampaa

Luvut puhuvat puolestaan: 80 % aikaa säästöä, objektiivisempia päätöksiä, vähemmän syrjintää. Tekoälyavusteinen hakemusten esikarsinta ei ole enää tulevaisuutta – se on tätä päivää.

Menestyksen avain on oikea implementointi. Selkeät pakolliset kriteerit, vaiheittainen käyttöönotto ja jatkuva optimointi ratkaisevat onnistumisen.

Muista kuitenkin: tekoäly ei korvaa ihmisen harkintaa. Se tukee sitä. Lopulliset päätökset tekee ihminen – entistä paremmalla ja objektiivisemmalla tiedolla.

Kysymys ei ole enää siitä, tuleeko tekoäly rekrytointiin. Kysymys on: milloin aloitatte?

Usein kysytyt kysymykset (FAQ)

Miten tekoäly tarkalleen toimii hakemusten esikarsinnassa?

Tekoäly analysoi hakemukset ennalta määriteltyjen kriteerien perusteella ja tunnistaa kaavoja ansioluetteloissa sekä hakemuksissa. Se arvioi taidot, kokemuksen ja pätevyyden objektiivisesti sekä tekee rankingin hakijoiden ja työpaikan vaatimusten välisen yhteensopivuuden mukaan.

Onko tekoälyavusteinen rekrytointi laillista?

Kyllä, mutta tietyin ehdoin. Sinun pitää toimia GDPR:n mukaisesti, tiedottaa hakijoille tekoälyn käytöstä ja ehkäistä syrjintää. Henkilöstöedustuksen on hyväksyttävä käyttöönotto ja EU:n tekoälyasetus (2025 alkaen) huomioitava. Oikein toteutettuna tekoälyrekrytointi on täysin laillista.

Paljonko tekoälyratkaisut maksavat esikarsintaan?

Hinta vaihtelee yrityskoon ja vaatimusten mukaan. PK-ratkaisut maksavat 200–800 €/kk, enterprise-järjestelmät alkaen 50 000 € vuodessa. Lisäksi kertaluontoiset käyttöönoton kulut 5 000–15 000 €. Investoinnin ROI saavutetaan yleensä 4–7 kuukaudessa.

Kauanko hakemusten tekoälyn käyttöönotossa kestää?

Tyypillinen projekti kestää 3–6 kuukautta: 2–4 viikkoa valmistelu, 4–6 viikkoa pilotti, 4–8 viikkoa optimointia sekä 2–4 viikkoa kokonaiskäyttöönottoon. Tarkka aika riippuu vaatimuksista ja valitusta ratkaisusta.

Voiko tekoäly arvioida kaikki hakemustyypit?

Tekoäly toimii parhaiten tehtävissä, joissa vaatimukset ovat selkeästi määriteltävissä. Luova työ, johdon tehtävät ja hyvin kapeat niche-roolit eivät ole helposti automatisoitavissa. Näissä tehtävissä tekoäly tukee – ei korvaa – ihmispäätöstä.

Miten ehkäisen tekoälyn mahdollisen syrjinnän?

Oikeilla asetuksilla: jätä syrjivät tiedot kuten nimi, kuva, sukupuoli huomiotta; käytä bias-monitoreja, määritä objektiiviset kriteerit ja seuraa tuloksia säännöllisesti. Tärkeää on myös käyttää hyvämaineista toimittajaa, joka pystyy todistetusti vähentämään vinoumaa.

Mitä jos tekoäly tekee vääriä päätöksiä?

Tekoäly on tukityökalu, ei päätöksentekijä. Lopullisen valinnan tekee ihminen tekoälyn suositusten pohjalta. Väärät päätökset vähenevät jatkuvan palautteen myötä. Kaikki päätökset kannattaa dokumentoida jäljitettävyyden ja oikeusturvan takaamiseksi.

Tarvitaanko teknistä osaamista tekoälyrekrytoinnissa?

Ei välttämättä. Modernit tekoälytyökalut on tehty käyttäjäystävällisiksi. HR-asiantuntemus kriteerien määrittelyssä ja perustiedot tekoälyn toimintaperiaatteista riittävät. Teknisestä toteutuksesta vastaa usein toimittaja tai ulkoinen kumppani.

Miten mittaan tekoälyrekrytoinnin onnistumista?

Merkittävimmät mittarit ovat: ajan säästö esikarsinnassa (tavoite: 70–80 %), valittujen hakijoiden laatu (asiantuntijoiden palaute), lyhyempi time-to-hire, hakijoiden monimuotoisuus ja rekrytoijien tyytyväisyys. Mittaa nämä ennen ja jälkeen tekoälyn käyttöönoton.

Voivatko hakijat valittaa tekoälypäätöksestä?

Kyllä, se on heidän oikeutensa GDPR 22 artiklan mukaisesti. Sinun on mahdollistettava hakijoille tekoälypäätöksen jälkitarkistus ja ihmisen tekemä arviointi. Tekoälyn ei koskaan tulisi olla täysin automatisoitu päätöksentekijä, vaan ihmisillä on oltava mahdollisuus tarkastella tuloksia.