Etusivu AjankohtaistaOsaaminen katveesta keskiöön: konkarin hiljainen tieto, algoritmit ja työnhakutaitojen paradoksi
— Suunnanetsijä-blogi

Osaaminen katveesta keskiöön: konkarin hiljainen tieto, algoritmit ja työnhakutaitojen paradoksi

Henry Saarinen

Ami-säätiön yhtenä muutostavoitteena on tuoda osaamista työmarkkinoiden katveesta keskiöön. Tässä blogikirjoituksessa tavoitteen esiin nostamaa ongelmaa kuvataan kahden rahoittamamme hankkeen näkökulmasta.

Kuvittele tilanne. Mies, jolla on kolmekymmentä vuotta kokemusta rakennusalalta. Hän tietää, miten projekti viedään maaliin aikataulussa, miten tiimi pidetään kasassa paineen alla, miten yllättävät ongelmat ratkaistaan ilman, että koko hanke kaatuu. Tämä osaaminen on todellista. Se on olemassa. Mutta se ei ole missään dokumenttina, joka läpäisee nykyisen rekrytointijärjestelmän logiikan.

Hän jää näkymättömäksi. Ei siksi, ettei hänellä olisi annettavaa, vaan siksi, ettei hän osaa kertoa siitä tavalla, jota nykypäivänä rekrytoinnissa edellytetään tai jota tekoälypohjaiset rekrytointijärjestelmät osaisivat tulkita oikein.

Tämä on yksi keskeisimmistä havainnoista, jonka Ami-säätiön rahoittama ja Vates-säätiön sekä Miina Sillanpään Säätiön toteuttama Konkarit töihin! -selvitys teki. Selvitys perustuu 31 haastatteluun, joissa kuultiin yli 55-vuotiaita työnhakijoita, jo työllistyneitä konkareita, työnantajia sekä työllisyyspalveluiden ja henkilöstöpalvelualan asiantuntijoita. Ja juuri tästä paradoksista, olemassa olevasta osaamisesta joka ei löydä tietään rekrytointiin, puhutaan tässä kirjoituksessa.

Ami-säätiön muutostavoite on selkeä. Haluamme saada osaamista työmarkkinoiden katveesta keskiöön. Tämä blogi kertoo yhdestä konkreettisesta mekanismista, joka pitää osaamista katveessa.

Työnhakutaidot, osaaminen jota ei pidetä osaamisena

Selvityksen haastatteluissa henkilöstöpalvelualan asiantuntijat nostivat työnhakutaidot esiin johdonmukaisimmin kaikista ryhmistä. Ei digiosaaminen, ei terveys, ei asenne, vaan työnhakutaidot. Se, miten omaa osaamistaan kykenee kuvaamaan, muotoilemaan ja perustelemaan.

Termi ”CV:n päivityskurssi” sai haastatteluissa jokseenkin negatiivisen kaiun. Osa konkareista koki sen jopa loukkaavana, ikään kuin heidän pitäisi opetella jotain perustavaa, jonka jokaisen kuuluisi jo osata. Mutta tässä piilee väärinymmärrys, joka käy kalliiksi.

Työnhakutaidot eivät ole sama asia kuin ammatillinen osaaminen. Ne ovat erillinen taito, joka ruostuu yhtä lailla kuin muutkin taidot, jos sitä ei käytä. Konkari, joka on tehnyt samaa työtä saman työnantajan palveluksessa kahdenkymmenen vuoden ajan, ei ole tarvinnut hakea töitä. Hän ei siis ole harjoitellut kertomaan osaamisestaan ulkopuoliselle. Kun työ yhtäkkiä loppuu, hän kohtaa tilanteen, joka on radikaalisti erilainen kuin viimeksi, kun hän haki töitä.

Ennen saattoi kävellä ovesta sisään ja kysyä, onko töitä. Nykyisin työnantaja on voinut ulkoistaa rekrytoinnin kokonaan, ja hakemuksen täytyy ensin läpäistä monta portinvartijaa ennen kuin yksikään ihminen edes lukee sitä.

Selvityksessä nousi esiin terävä ero kahden ryhmän välillä. Työnhakijat kuvasivat vahvuuksiaan passiivisesti ja laadullisesti. ”Olen joustava”, ”tulen toimeen erilaisten ihmisten kanssa”, ”olen täsmällinen.” Työllistyneet konkarit sen sijaan kuvasivat konkreettisia tekoja ja aktiivista toimintaa. He kertoivat, mitä he tekivät saadakseen töitä, miten he muotoilivat hakemuksensa ja mistä he hakivat apua.

Ero ei johtunut siitä, että työllistyneet olisivat olleet parempia ammattilaisia. Se johtui siitä, että he olivat oppineet, usein ulkopuolisen avun tuella, kertomaan osaamisestaan tavalla, jonka järjestelmä tunnistaa.

Mitä rekrytointijärjestelmässä oikeasti tapahtuu

Työnhakutaitojen merkitys on kasvanut entisestään, koska rekrytointi on muuttunut tavalla, jota ei aina tiedosteta.

Amerikkalaisista Fortune 500 -suuryrityksistä yli 98 prosenttia käyttää automaattisia hakijoiden seulontajärjestelmiä, joita kutsutaan ATS-järjestelmiksi (Applicant Tracking System). Nämä järjestelmät pisteyttävät hakemukset pitkälti avainsanojen täsmäävyyden perusteella. Jos hakemus ei käytä oikeita sanoja oikeassa formaatissa, se ei pääse eteenpäin. Yksikään rekrytoija ei näe sitä.

Harvard Business Schoolin ja Accenturen tutkimus Hidden Workers: Untapped Talent (Fuller ym. 2021) tunnisti 27 miljoonaa rekrytoinnissa piiloon jäävää työntekijää pelkästään Yhdysvalloissa. Nämä ovat ihmisiä, jotka haluavat tehdä työtä mutta jotka automaattiset seulontajärjestelmät suodattavat pois systemaattisesti. Tutkimuksen mukaan 88 prosenttia työnantajista myöntää, että pätevät hakijat karsiutuvat, koska he eivät täytä kaikkia hakuilmoituksen kriteerejä. Samalla yritykset, jotka palkkaavat näitä piiloon jääviä osaajia, raportoivat näiden suoriutuvan keskimääräistä paremmin kuudella keskeisellä mittarilla. Asenteessa, tuottavuudessa, työn laadussa, sitoutumisessa, läsnäolossa ja innovatiivisuudessa.

ATS-järjestelmät käyttävät niin sanottuja negatiivisia suodattimia. Ne karsivat hakijoita sen perusteella, mitä heiltä puuttuu, tutkintoja, avainsanoja tai yhtenäistä urapolkua, sen sijaan että tunnistaisivat, mitä he osaavat. Ageism.org-sivuston mukaan järjestelmät voivat sisältää myös piilorajoitteita kokemusvuosille, jolloin hakija hylätään automaattisesti ilman, että rajoite näkyy missään ilmoituksessa.

Tämä on konkarille erityinen ongelma. Vuosikymmenten aikana kertynyt nimikkeistö ja ammattisanasto on muuttunut. ”Osastopäällikkö” ei välttämättä täsmää ”tiimileadiin”. ”Tietojärjestelmät” ei täsmää ”pilvipalveluihin” tai ”AWS-ympäristöön”. Vaikka kyse on pitkälti samasta osaamisesta, algoritmi tulkitsee tämän puutteeksi.

Rekrytoijat eivät myöskään aina saa riittävää koulutusta ATS-järjestelmien käyttöön. Glassdoorin mukaan tämä johtaa siihen, että järjestelmään rakennetaan avainsanoja, joissa ei huomioida synonyymejä tai ammattikielten variaatioita. Tuloksena on tahaton syrjintä, joka kohdistuu erityisesti pitkään työuraan ja ei-lineaariseen urapolkuun.

Tilannetta monimutkaistaa koneoppiminen (machine learning). Modernit rekrytointijärjestelmät oppivat aiemmista rekrytointipäätöksistä. Jos nämä aiemmat päätökset ovat suosineet tiettyä profiilia, algoritmi toistaa saman logiikan. Amazonin tapaus vuonna 2017 oli varhainen varoitus. Yhtiö joutui hylkäämään rekrytointitekoälynsä, koska se oppi rankaisemaan naisten ansioluetteloita (Reuters 2018). Ongelma ei ole kadonnut. Washingtonin yliopiston tutkimus (Wilson & Caliskan 2024) osoitti, että nykyiset suuret kielimallit suosivat valkoisia nimiä 85 prosentissa tapauksista ja naisnimiä vain 11 prosentissa ansioluetteloiden arvioinnissa. Tekoälyn syrjintäpotentiaali ei ole vähentynyt teknologian kehittyessä. Se on muuttanut muotoaan ja skaalaansa.

Merkille pantavaa on myös se, että lupaukset muutoksesta eivät ole toteutuneet käytännössä. Harvard Business Schoolin ja Burning Glass Instituten tutkimus (2024) osoitti, että vaikka yli 11 000 työnantajaa ilmoitti luopuneensa tutkintovaatimuksista siirtyäkseen osaamisperusteiseen rekrytointiin, käytännössä alle yksi 700:sta palkkaamisesta muuttui. Jo vuonna 2017 HBS:n Dismissed by Degrees -tutkimus osoitti, että miljooniin työpaikkoihin vaaditaan korkeakoulututkintoa, vaikka tehtävät eivät sitä edellytä. Ilmiö ei ole korjaantunut. Ja se koskettaa erityisesti konkareita, joilla voi olla vuosikymmenten kokemus ilman muodollista tutkintoa nykyvaatimusten mukaan.

Suomessa tekoälypohjaisten rekrytointijärjestelmien käyttö on toistaiseksi maltillisempaa kuin Yhdysvalloissa, mutta siellä tapahtuvaa kehitystä on syytä pitää silmällä, sillä tekoälyratkaisut saapuvat usein Yhdysvalloista viiveellä Suomeen. Ami-säätiön rahoittama ja Tampereen yliopiston Reilu rekrytointi -hanke on kuitenkin osoittanut, että tekoäly on jo nyt usein huomaamattomasti sisäänrakennettuna työnhakusivustoihin, testeihin ja rekrytointijärjestelmiin. Kehitys kulkee samaan suuntaan.

Hankkeen tutkija Heidi Lehtovaara muistuttaa yhdessä rekrytointikonsultti Päivi Montgomeryn kanssa, että algoritmit eivät itsessään syrji. Mutta jos järjestelmien opetusdata on vinoutunutta tai epäedustavaa, lopputulos voi olla syrjivä. Siinä missä tekoäly prosessoi dataa nopeasti ja johdonmukaisesti, ihminen hyödyntää samanaikaisesti havaintoja, intuitiota ja kokemusta. Näitä merkityksiä algoritmi ei tavoita samalla syvyydellä. Parhaimmillaan tekoäly voi myös auttaa, esimerkiksi varmistamalla, ettei yhtä pätevä hakija jää kutsumatta haastatteluun vain siksi, että rekrytoija on tiedostamattaan ohittanut hakemuksen. Teknologia ei siis ole yksinomaan ongelma, mutta se vaatii vastuullista käyttöä ja riittävää osaamista.

Hiljainen tieto ja sanoittamisen paradoksi

Tässä on blogin ydin. Konkarilla on hiljaista tietoa, kokemuksesta kertynyttä osaamista, jota hän ei kuitenkaan pysty sanoittamaan tekoälypohjaisten rekrytointijärjestelmien vaatimalla tavalla, tai järjestelmä hylkää hakemuksen formaalin koulutuksen puuttuessa. Konkarilla voi olla kyky lukea tilanteita. Taito johtaa ihmisiä ristiriitatilanteissa. Ymmärrys siitä, miksi tietty ratkaisu toimii juuri tässä kontekstissa. Nämä eivät synny vain koulutuksessa, vaan Ne syntyvät vuosikymmenien työkokemuksen kautta.

Juuri tämä on se, mitä rekrytointijärjestelmä ei näe. Se näkee avainsanat. Se näkee tutkintonimikkeet. Se näkee yhtenäisen urapolun tai sen puuttumisen. Se ei näe sitä, mitä konkari oikeasti osaa.

Osaamisen sanoittaminen on yhteinen haaste sekä työnhakijalle että koko järjestelmälle. Reilu rekrytointi -hanke muistuttaa, ettei vastuu ole yksin työnhakijalla. Rekrytoijillakin on velvollisuus kehittää omaa digikyvykkyyttään ja ymmärtää, mitä heidän käyttämänsä työkalut tekevät. Yhdenvertaisuuslaki koskee myös rekrytoinnissa hyödynnettäviä algoritmeja, ja sovellusten vaikutuksia on arvioitava ennen käyttöönottoa.

Konkarit töihin! -selvitys osoittaa, että työnhakutaito on opittavissa ja että apu kannattaa ottaa vastaan. Työllistyneet konkarit puhuivat tästä nöyremmin kuin työnhakijat. Moni kertoi saaneensa ulkopuolista apua. He oppivat sanoittamaan osaamistaan, muotoilemaan hakemuksensa uudelleen ja löytämään oikeat kanavat. Se ei tapahtunut itsestään.

Selvitys toteaa suoraan. Se, ettei vielä hallitse työnhakutaitoa, ei pienennä yhtään sitä ammatillista osaamista, joka vuosien varrella on kertynyt. Nämä ovat kaksi eri asiaa. Mutta molempien täytyy olla kunnossa, jotta polku töihin aukeaa.

Osaamista katveesta keskiöön, mitä tämä tarkoittaa käytännössä

Ami-säätiön muutostavoite, osaamista työmarkkinoiden katveesta keskiöön, kuvaa konkreettista ongelmaa, jota tässä kirjoituksessa on kuvattu kahdesta suunnasta.

Konkarit töihin! -selvitys osoittaa, että työnhakutaidot ovat kriittinen pullonkaula. Osaaminen on olemassa, mutta se ei välity järjestelmälle, koska sen sanoittaminen on vierasta ja hakuprosessi on muuttunut radikaalisti.

Reilu rekrytointi -hanke osoittaa, että järjestelmä itsessään voi olla vinoutunut. Algoritmit palkitsevat parhaita hakemuksenkirjoittajia, eivät välttämättä parhaita tekijöitä. Ja rekrytoijilla ei aina ole riittävää ymmärrystä siitä, mitä heidän käyttämänsä työkalut tekevät.

Nämä kaksi ongelmaa vahvistavat toisiaan. Konkari, joka ei osaa sanoittaa osaamistaan, kohtaa järjestelmän, joka ei osaa etsiä sitä. Lopputulos on, että osaaminen jää katveeseen. Ei siksi, ettei sitä olisi, vaan siksi, ettei se löydä tietään sinne, missä sitä tarvittaisiin. Samalla on huomioitava, etteivät työnhakutaidot, niiden mahdollisen puutteet koske vain konkareita. Myös vähän työkokemusta omaavilla nuorilla saattaa olla vaikeuksia sanoittaa osaamistaan, tai jopa tunnistaa osaamiseen tarpeeksi monipuolisesti.

Ratkaisu ei ole yksinkertainen, eikä vastuu kuulu yhdelle taholle. Konkareilta vaaditaan nöyryyttä tunnistaa, että työnhakutaito on erillinen osaaminen, jota voi kehittää, ja rohkeutta hakea siihen apua. Rekrytoijilta vaaditaan kriittistä suhdetta omiin työkaluihinsa ja ymmärrystä siitä, mitä algoritmi ei näe. Ja palvelujärjestelmältä vaaditaan yksilöllistä tukea ja välineitä auttaa osaamisen sanoittamisessa ja tunnistamisessa.

Vaikka tekoäly tuo haasteita rekrytointijärjestelmiin liittyen, voi teknologiassa nähdä myös toisen puolen. Tekoälyavusteisesti oman osaamisen tunnistaminen ja sanoittaminen on entistä helpompaa ja tekoälyn avustuksella voi tunnistaa myös itselleen sopivia ja omaa osaamista vastaavia työpaikkoja tai kiinnostusta vastaavia koulutuksia. Hyvänä esimerkkinä tästä toimii Osaamispolku-palvelu.

Suomi ikääntyy nopeimmin Euroopassa. Yli 55-vuotiaiden miesten työllisyysaste on pohjoismaisessa vertailussa alhaisin. Ami-säätiön tekemän selvityksen mukaan yli 55-vuotiaiden työttömyys näyttäytyy Suomen pääkaupunkiseudulla erityisenä haasteena muiden Pohjoismaiden pääkaupunkialueisiin verrattuna. Tämä ei ole vain tilasto. Se on merkki siitä, että meillä on paljon osaamista, joka tällä hetkellä seisoo katveessa ja odottaa, että joku osaa katsoa sen löytääkseen.

Osaaminen katveesta keskiöön: konkarin hiljainen tieto, algoritmit ja työnhakutaitojen paradoksi

Olemme kiinnostuneita rahoittamaan kehittämishankkeita ja tutkimuksia, jotka kohdistuvat Ami-säätiön ohjelmatyön painopistealueille. Lue lisää haettavissa olevasta rahoituksesta täältä: (ami.fi/avustukset).