Kun asiakkaan projektiin etsitään sopivia konsultteja, ratkaisevaa on tarpeisiin osuvan osaamisen ja kokemuksen tunnistaminen nopeasti. Myynnin tukena toimiva staffing-tiimi varmistaa, että asiakkaalle tarjotaan kuhunkin tehtävään sopivin tekijä. Loihteen arjessa staffing-työtä tukemaan on rakennettu tekoälypalvelu, joka on nimetty staffing-apuriksi. Staffing-apuri hakee konsulttien CV:istä parhaiten asiakastarpeisiin sopivat kandidaatit.
Asiakkaan tarpeet määrittävät hakukriteerit
Staffing Coordinator Juha Isosaari toimii myynnin tukena asiakasprojektien resurssoinnissa. Hän käyttää staffing-apuria työssään päivittäin.
- Tehtäväni on tunnistaa, kuka asiantuntijoista sopisi mihinkin rooliin parhaiten. Työ vaatii laajaa kokonaiskuvaa osaajista, projekteista ja asiakkaiden tarpeista. Slackissa toimiva staffing-apuri toimii sparrauskumppanina osaajien tunnistamisessa. Sille syötetään asiakasprojektissa tarvittavat osaamiset ja kokemus, ja apuri hakee näitä parhaiten vastaavat kandidaatit CV-rekisteristä, Juha kertoo.
Palvelu eroaa perinteisistä CV-pankkityökaluissa tehtävistä hauista siinä, että haun voi tehdä suoraan Slackissa luonnollista kieltä käyttämällä. Asiakkaan tarjouspyynnon voi antaa sellaisenaan agenttikyselyyn, josta agentti osaa poimia osaamisvaatimukset. Ei tarvitse kirjautua erilliseen järjestelmään, eikä noudattaa jäykästi määriteltyjä hakutermejä. Tekoälyn hyödyntäminen staffingissa on tehnyt näkyväksi sen, että CV-tietojen ajantasaisuus ja selkeys ovat kriittisen tärkeitä, jotta osaaminen ja tarve saadaan kohtaamaan.
- Osaamisen, teknologioiden ja projektikokemuksen selkeä kuvaaminen vaikuttaa suoraan siihen, nouseeko henkilö ehdotettujen kandidaattien joukkoon. Olemmekin kiinnittäneet nyt erityistä huomiota osaajien CV:iden aktiiviseen päivittämiseen, Juha toteaa.Lopullisen päätöksen asiakkaalle haastatteluun tarjottavista henkilöistä tekee kuitenkin aina staffingia hoitava asiantuntija yhdessä kandidaattien kanssa. Apuri ei siis korvaa ihmistä, mutta nopeuttaa vaihtoehtojen kartoittamista merkittävästi verrattuna manuaaliseen hakuun.
Miten staffing-apuri on rakennettu?
Senior AI Developer Pasi Pyrrön mukaan Slack-botti on vain yksi osa laajempaa kokonaisuutta.
– Slack-botti on oikeastaan vain pieni osuus palvelua, joka pyörii Azure-ympäristössä. Slack, valikoitui tähän palveluun käyttöliittymäksi kehittämisen helppouden vuoksi ja siksi, että palvelun käyttäjät ovat jo ennastaan aktiivisia alustan käyttäjiä, Pasi kertoo.
Ylätasolla ratkaisu muodostuu kolmesta pääkomponentista: MCP-palvelusta, API-palvelusta ja tietokannan päivityspalvelusta. Slack-botti käyttää pääasiassa MCP-palvelua, joka vastaa agenttipohjaisesta päättelystä ja hakujen käsittelystä. CV-rekisteriä päivitetään erillisen tietokantapäivityspalvelun kautta.
- Syynä miksi tähän päädyttiin, eikä pelkästään MCP-palveluun, on laajennettavuus. API-rajapintaa voi kutsua perinteiseen tapaan ohjelmallisesti kustomoiduissa kuluttaja-applikaatioissa, joka ei halua luottaa pelkästään AI-agentin kykyyn kutsua oikeaa rajanpintaa. MCP-rajapinta on siis vain API-rajapinta paketoituna agentti ystävälliseen muotoon, Pyrrö summaa.
Hakujen taustalla toimii agenttimainen päättelymalli. Kehitystyössä on havaittu, että tietyt kevyemmät kielimallit toimivat tässä käyttötapauksessa paremmin kuin uudemmat ja raskaammat vaihtoehdot.
– Olemme huomanneet, että pääagentti toimii parhaiten o4-mini-mallilla. Vaikka markkinoille on tullut uudempia malleja, ne eivät ole vielä pärjänneet tälle agenttisessa päättelyssä, Pasi kertoo.
Millaisia jatkokehitysideoita käytön perusteella on herännyt?
- Ratkaisu ei tällä hae CV:itä henkilönimien perusteella, vaan analysoi sisältöä ja osaamiskuvauksia. Tämä tekee hausta osaamislähtöistä ja vähentää vinoumia, mutta edellyttää laadukasta ja ajantasaista sisältöä. Osa käyttäjistä on toivonut myös nimellä haun lisäämistä palveluun.
- CV-tietokanta päivittyi aluksi kerran viikossa, jolloin muutokset eivät näkyneet reaaliaikaisesti. Sittemmin päivityssykliksi on muutettu päivittyminen kerran vuorokaudessa. Teknisesti kokonaisuus on rakennettu siten, että sitä voidaan jatkokehittää. Päivityssykliä voidaan tihentää ja käyttöliittymää laajentaa esimerkiksi muihin kanaviin, mikäli liiketoimintatarve sitä edellyttää.
- Jatkokehityksessä voisi olla hyödyllistä voida rajata hakua esimerkiksi omiin työntekijöihin tai rekrytointiputkessa oleviin kandidaatteihin.
- Apuria on kokeiltu käyttää myös CV:n kirjoitussparraukseen, mutta siihen sitä ei ole suunniteltu. Ratkaisun tarkoitus on tunnistaa osaamista, ei tuottaa sisältöä yksittäisen henkilön puolesta.
- Uusi integraatio yrityksen tuntienkirjausjärjestelmään antaisi agentille kontekstitiedon sen ehdottamien kandidaattien allokaatioista projektin ajankohdalle, joka mahdollistaisi esimerkiksi täysin allokoitujen kandidaattien filtteröinnin ja antaisi lisätietoja agenttia käyttävälle staffing-henkilölle päätöksenteon tueksi.
Tässä juttusarjassa esittelemme, miten tekoäly vaikuttaa työn tekemiseemme ja millaisia AI-apureita olemme kehittäneet eri työtehtävien tueksi. Aikaisemmissa juttusarjan osissa olemme esitelleet HR-IT-apurin sekä tuoteapurin.
Haluatko päästä mukaan työyhteisöön, jossa tekoälyä hyödynnetään arjessa?
Tutustu avoimiin työpaikkoihimme!
Tai haluatko lisätietoja tekoälypalveluiden rakentamisesta? Tutustu osaamiseemme >>
