Miksi tekoäly muuttaa rekrytoinnin?

miksi tekoäly muuttaa rekrytoinnin.png

Vuonna 1995 edesmenneessä Kiimingin kunnassa oli käynnissä matematiikan oppitunti. Kiimingin lukion 2C-luokan opiskelijat olivat poikkeuksellisen innostuneita miettimään asioiden mallintamista funktioiden avulla. Ainutlaatuisen ilmapiirin oli luonut tekniikan tohtori Kauko Räisänen. Osaavan opettajan lisäksi myös opiskelijoissa oli asenteen lisäksi lahjakkuutta, joka esimerkiksi riitti edustamaan suomea matematiikkaolympialaisissa.

 
Minä olin yksi näistä oppilaista, ja kerran tällaisen tunnin jälkeen lehtorimme heitti meille oppilaille matemaatikoita vuosisatoja vaivanneen haasteen. Miten tehdä ihmisen funktio? Kauko vielä ennusti, että ihmisen funktion keksijästä tulee varmasti matematiikan nobelisti. Minä en ollut se olympiaedustaja enkä kirkkain tähti kaavojen johtamisessa, mutta kiinnostukseni ymmärtää maailma Maolin kaavojen taustalla oli valtava. Ihmisen funktio on jäänyt askarruttamaan mieltä ja vuosien myötä kiinnostus seurata asioiden matemaattisen mallintamisen kehitystä on kasvanut.

Odotan innolla sitä päivää, kun ihmisen funktio on keksitty, mutta se ei ole vielä tänään. Voimme mallintaa ihmisten eri tekemisiä ja aivojen toiminnan mallintamisessakin ollaan edistytty. Itse asiassa neurolaskentaa on kehitetty jo 1940-luvulta alkaen. Sen avulla pyritään ratkaisemaan jokin riippuvuussuhteiltaan monimutkainen ongelma ihmisaivojen toimintaa jäljittelevällä mallinnuksella. Yli 70 vuotta on pitkä aika ja 1990-luvulta asti koko ajan kiihtyvällä vauhdilla on tietoomme tullut neurolaskentaa hyödyntäviä sovelluksia. Googlesta löytyy valtavat määrät tietoa neurolaskennasta ja yksi hyvä video neurolaskennan perusteista löytyy Youtubesta.

Omalla urallani päädyin monien vaiheiden jälkeen tehtäviin, joissa olen päässyt mukaan seuraamaan tutkimusta tekoälyn mahdollisuuksista uudenaikaistaa rekrytointi. Neurolaskenta on kehittynyt ja käytössämme on seuraavan sukupolven mallinnusteoriat sekä rajaton määrä laskentakapasiteettia. Oikeita kehitysstrategioita on varmasti useita, mutta jos yksinkertaistamme asioita ja mietimme työelämässä yhden tärkeän mallintamisen osa-alueen, päädymme valitsemaan joko persoonallisuuden tai osaamisen. Molemmat ovat äärimmäisen tärkeitä, mutta nykymallinnuksia on tarkempaa hyödyntää osaamisen kohdalla. Esimerkiksi CV:t, julkaisut, nettiryhmiin kuulumiset ja twitterfeedit kertovat paljon osaamisesta. Rajattoman muistin omaava oppiva tekoäly pystyy profiloimaan ihmisen osaamistason hämmästyttävän tarkasti.

Kehitys on alussa, mutta juuri tällä hetkellä nopeaa.

Tekoälystä puhutaan ja kirjoitetaan paljon. Muun muassa Elon Muskin ilmoitus miljardin dollarin rahastosta tekoälyn tutkimiseen herätti huomiota 2015. Mielenkiintoisinta uutisessa oli se, että tarkoituksena on kehittää ihmisajattelulle alisteista hyvää tekoälyä. Teknologisten trendien kehityksen nopeutuessa on selvää, että tekoälyn ja mallintamisen kehitys ei tule ainakaan hidastumaan. Yksi esimerkki on yritysanalyysit, joita kirjoittavat toimittajien sijaan koneet. Jos tällä hetkellä on se tilanne, että edes ammattilaiset eivät huomaa tekoälyn tai oikean toimittajan kirjoittaman yritysanalyysin välillä eroa, niin miksi osaamista mallintava tekoäly ei myös kehittyisi samalle tasolle?

Milloin tekoäly saavuttaa ihmisen tason osaamisen arvioinnissa? Kun kehityksen vauhtipyörää on kiihdytetty yli 70 vuotta, taustat on siinä ajassa rakennettu kuntoon ja muutos tulee olemaan nopeaa. Kunhan aivojen toiminta on mallinnettu riittävällä tarkkuudella, niin muut osiot ovat huomattavasti yksinkertaisempia.

Ihmisen funktio kiehtoo yhä.

Meidän ihmisten kannattaa olla tietoisia nykyisestä kehityksestä. Rekrytointi ja moni muukin asiantuntijatyö tulee muuttumaan. Silti meillä on ihmisyyteen kuuluvia vahvuuksia, joille alisteiseksi kannattaa tekoälykin kehittää. Pidetään kiinni joustavuudesta, moniosaamisesta, oppimiskyvystä ja inhimillisyydestä.


Tilaa viikottainen blogikoosteemme sähköpostiisi!

TILAA BLOGIKOOSTE TÄÄLTÄ 

 

Aiheet: Rekrytointi