Bolt.Works Group

Samalla on vain rajallisesti empiiristä näyttöä siitä, miten generatiivinen tekoäly vaikuttaa hakijoiden luottamukseen, koettuun oikeudenmukaisuuteen, monimuotoisuuteen ja rekrytoinnin kokonaistehokkuuteen todellisissa rekrytointitilanteissa.

Organisaatiot tarvitsevat mitattavaa ja tutkimukseen perustuvaa näyttöä ennen tekoälyavusteisen rekrytoinnin laajamittaista käyttöönottoa.

Ratkaisu

Toteutimme tekoälyavusteisen esikarsintamallin, joka integroitui osaksi rekrytointiprosessia. Mallissa hakijat käyvät läpi strukturoitun chat-pohjaisen esikarsintahaastattelun, jossa järjestelmä esittää roolikohtaisia kysymyksiä ja kerää standardoidut vastaukset.

Ennalta määriteltyjen kriteerien ja roolivaatimusten perusteella tekoäly arvioi ja pisteyttää hakijat heidän soveltuvuutensa mukaan. Järjestelmä tuottaa jäsennellyn hakijaprofiilin sekä priorisoidun shortlistan rekrytoijalle, joka säilyttää lopullisen päätösvallan (human-in-the-loop).

Lähestymistapa standardoi rekrytoinnin alkuvaiheen arviointia, varmistaa yhtenäiset kysymykset kaikille hakijoille ja mahdollistaa hakijoiden järjestämisen soveltuvuuden perusteella ennen rekrytoijan arviointia.

Tulosten arvioimiseksi toteutimme kvasi-eksperimentaalisen A/B-tutkimuksen, jossa vertailtiin tekoälyavusteista rekrytointia (tekoälyn tekemät esikarsintahaastattelut rekrytoijan valvonnassa) täysin perinteiseen rekrytoijavetoiseen prosessiin. Pilotti toteutettiin oikeissa asiakasprojekteissa ja siihen osallistui noin 500 hakijaa.

Hakijakokemusta mitattiin kahdessa vaiheessa (haastattelun jälkeen ja prosessin päätyttyä) validoiduilla psykologisilla mittareilla, jotka arvioivat oikeudenmukaisuutta, luottamusta ja tunnetason kokemusta. Samanaikaisesti analysoitiin demografisia jakaumia, rekrytoijien näkemyksiä sekä prosessimittareita.

Tulos

Tekoälyavusteinen rekrytointi säilytti hakijakokemuksen, paransi hieman prosessin lopun arvioita, tehosti alkuvaiheen operatiivista toimintaa ja osoitti vastuullista sekä tasapuolista suorituskykyä — tarjoten validoidun pohjan tekoälyn skaalautuvalle ja hallitulle käyttöönotolle rekrytoinnissa.

ROI

Operatiivisesti tekoäly paransi alkuvaiheen hakijoiden tunnistamista ja vähensi manuaalisen esikarsinnan työmäärää, mikä lisäsi rekrytoinnin skaalautuvuutta suurivolyymisissä tilanteissa.

Strategisesti malli osoitti, että tekoälyä voidaan hyödyntää ilman, että työnantajamielikuva tai hakijoiden luottamus heikkenee.

---