Uuring paljastas ühtaegu ootamatult häid tulemusi, aga leidis ka valdkondi, milles masin veel inimese intuitsioonile alla jääb.
Adelbert lõpetas tänavu TalTech majandusteaduskonna personalijuhtimise magistrikava. Tema magistritöö kannab pealkirja „Tehisaru ja värbajate võrdlus kandidaatide hindamisel eelvaliku etapis”. Töös asetatakse kõrvuti tehisintellekt (AI) ja inimvärbajad, kui mõlemad tööle kandideerivaid inimesi eelvaliku etapis hindavad. Sedakaudu püüab Adelbert leida vastust küsimusele, kuivõrd tõhusalt toimivad värbamisprotsessis AI-põhised lahendused, kui võrrelda neid traditsioonilise lähenemisega.
Kogemusest sündinud magistritöö
Adelbert sattus Swedbanki personalivaldkonda, kus ta on tänaseks töötanud kümmekond aastat, tööle juhuse tahtel, pärast psühholoogiaõpinguid, eneseotsinguid ja Austraalias rändamist. Varasemalt on ta töötanud ka agentuuris värbajana.. „Aktiivsest värbamisest olen tänaseks küll mõnda aega eemal olnud, kuid lõputöö teemat kaaludes tundus värbamise- ja valikuprotsessi nurk mulle tuttav ja kodune.“
Lisaks sellele on Adelberti alati paelunud uuenduslikud tööviisid ning tõhus töötamine, ning tehisaru pakub selleks erinevaid võimalusi. Nimetatud huvi tõttu vahetas ta viimasel hetkel magistritöö teemat ning otsustas uurida tehisintellekti personalitöös. „Koos juhendajaga panime paika täpsema suuna ja eesmärgiks sai uurida, kuivõrd tõhusalt teostavad kandidaatide eelvalikut AI-rakendused, kui võrrelda nende töö tulemusi inimvärbajate omaga.“
Traditsiooniline vs AI-põhine eelvalik
Traditsioonilise värbamise puhul sõelub värbaja või värbav juht eelvaliku käigus läbi kandidaatide CV-d, mis annab võimaluse hinnata dokumentide ja motivatsioonikirjade või muu lisatud info põhjal kandideeriva inimese sobivust ametikohale. Sel moel valitakse välja kandidaadid, kes kutsutakse osalema järgmises etapis (näiteks intervjuul) ning kandidaadid, kellega protsessi ei jätkata.
Adelbert rõhutas, et CV-de sõelumine on väga ajamahukas ning rutiinne töö – eriti kui kandidaate on palju, mis on praeguses tööturu olukorras tavapärane. „Kui antud töölõiku tehisaru abil automatiseerida, säästaks see oluliselt aega ja vaeva: värbajatel oleks rohkem aega kandidaatidega suhelda ning värbamisprotsess oleks kandidaatide jaoks kiirem,“ tõdes ta.
Oma uurimustöös mõõtis ja võrdles Adelbert, kuivõrd kiiresti, täpselt ja erapooletult hindavad kandidaatide CV-sid värbajad ja AI-rakendused. Selleks palus ta kogenud värbajatel hinnata kokku kümmet CV-d ning lasi sama teha ka erinevatel AI-rakendustel. AI-rakendustest valis ta suured keelemudelid: GPT-4o, Claude 3.7 Sonnet, Grok 3 ja Gemini 2.5 Pro.
Tulemuste põhjal oli tehisaru kandidaatide hindamisel vägagi täpne – selgus, et parima tulemuse saavutas selles ülesandes Claude 3.7 Sonnet. „Kuna värbajad ja AI-rakendused hindasid kandidaatide CV-de sobivust etteantud töökohale 13 kategoorias kümnepallisel skaalal, siis tuvastasin, milliste kriteeriumite hindamisel ilmutas tehisaru kõige suuremat täpsust – ehk millistel juhtudel hindasid AI-rakendused kandidaate inimestega sarnaselt.“
„Kui antud töölõiku tehisaru abil automatiseerida, säästaks see oluliselt aega ja vaeva: värbajatel oleks rohkem aega kandidaatidega suhelda ning värbamisprotsess oleks kandidaatide jaoks kiirem.”
Adelberti hinnangul on hetkel mõistlik hoida tehisaru rakendamisega kaasnevad ohud võimalikult väiksed ning tagada, et eelvaliku protsessis jääks otsustav roll värbajale ehk et lõpliku valiku kandidaadi osas peaks langetama siiski inimene. Foto: Chat GPT
Kas inimene ja tehisintellekt on värbamises sama meelt?
Tulemused näitasid, et AI hindas paljusid kriteeriume — töökogemust, tehnilisi ja sotsiaalseid oskusi, keeleoskust ja haridust — inimestega väga sarnaselt, mõnel juhul kuni 88% täpsusega.
Vähema täpsusega hindasid AI-rakendused selliseid kriteeriume, mille puhul oli CV-s puudulik info – näiteks professionaalsetesse ühingutesse kuulumise või auhindade olemasolu puhul. „Paistis, et inimhindajad täitsid lünki seal, kus CV-des infot nappis, ning võisid kompenseerivate omaduste ilmnemisel hinnata kandidaati teatud kategooriates kõrgemalt kui AI. Siiski, ka selliste kriteeriumide puhul hindas AI vähemalt pooltel juhtudel kandidaate värbajatega ühtmoodi,“ rääkis Adelbert.
Tehisaru näitas üles ka suurt täpsust siis, kui tuli järjestada kandidaate sobivuse alusel. AI-rakenduste loodud kandidaatide pingerida ühtis selles osas värbajate omaga. „Seega saab AI-d värbamises edukalt rakendada, et ta aitaks sorteerida välja kandidaadid, keda kutsuda järgmisse valikuetappi ning kandidaadid, kellele esimeses valikuringis ära öelda.“
„Seega saab AI-d värbamises edukalt rakendada, et ta aitaks sorteerida välja kandidaadid, keda kutsuda järgmisse valikuetappi ning kandidaadid, kellele esimeses valikuringis ära öelda.”
Kui aga tuli hinnata kandidaatide tugevusi ja puudujääke vabamas vormis, ilmnes tehisaru ja inimeste vastustes rohkem erinevusi. Värbajad tõid muuhulgas välja ülekvalifitseeritust, arengupotentsiaali, motivatsiooni ja lojaalsust, mida tehisaru ei maininud. „Kommentaarides tuli esile ka võimalik AI-põhine kallutatus – vanemapuhkusel viibiva kandidaadi puhul osutas tehisaru tema karjäärpausile kui puudujäägile inimvärbajatest kordades sagedamini.“
Uurimuse käigus sai muuhulgas värbajatelt küsitud, kui hästi nende meelest AI kandidaate hindas (ilma et nad oleksid uuringu tulemusi näinud), ning vastama pidi iga kriteeriumi kohta eraldi. „Tuli välja, et inimeste arvates on tehisaru kõikide kriteeriumite hindamisel neist veidi parem, kuigi konkreetsemalt sotsiaalsete oskuste hindamisel siiski nõrgem. Antud töö sellist arvamust siiski ei kinnitanud ja vähemalt CV-de skaalapõhisel hindamisel oli tehisaru ka sotsiaalsete oskuste hindamisel täpne,“ leidis Adelbert.
Täiendava tehisarutäpsuse analüüs, mille käigus võrdles Adelbert parima AI-rakenduse tulemusi värbajate antud hinnangute mediaanväärtustega, selgitas siiski välja, et tehisarul on veel arenguruumi ning praegu ei ületa ta kandidaatide hindamise täpsuses inimest. „Küll aga ületab AI inimest kiiruses – antud uuringus oli ta kandidaatide CV-de hindamisel värbajatest keskmiselt 8,5 korda kiirem.“
Kuidas tehisaru värbamisel enda kasuks tööle panna?
Töötajate värbamise kontekstis tuleb rõhutada, et tehisaru saab kasutada edukalt kandidaatide eelvaliku automatiseerimisel, mis muudab seeläbi värbamise efektiivsemaks.
Adelbert tõdes, et kõige otstarbekam oleks kasutada AI-d esimese filtrina CV-de sõelumisel, et tuvastada sobivaimad kandidaadid ning panna protsess kiiremini liikuma, ning sõeluda samal ajal välja kõige vähem sobivad kandidaadid, et anda kiiret tagasisidet. „Siiski tasub hoida tänasel hetkel veel tehisaru kasutamisega kaasnevad võimalikud riskid madalal ning säilitada eelvaliku protsessis värbaja osa Minu soovitus on jätta lõplik otsus kandidaadi edasise käekäigu osas inimesele,“ kinnitas Adelbert.
„Siiski tasub hoida tänasel hetkel veel tehisaru kasutamisega kaasnevad võimalikud riskid madalal ning säilitada eelvaliku protsessis värbaja osa Minu soovitus on jätta lõplik otsus kandidaadi edasise käekäigu osas inimesele.”
