Lyhyt vastaus: Pääosin ei. Useimmat applicant tracking -järjestelmät, Canvider mukaan lukien, eivät tunnista tekoälyllä tehtyjä ansioluetteloita. Ne seulovat sopivuutta. Erillisiä tekoälyn tunnistustyökaluja on olemassa, mutta ne merkitsevät myös ihmisen kirjoittamaa tekstiä, eikä tekoälyn avulla viimeistelty ansioluettelo ole sama asia kuin epärehellinen. Osaamisen tarkistaminen haastattelussa toimii paremmin kuin arvailu siitä, kuka tekstin on kirjoittanut.
Juuri avasit ATS-näkymäsi, ja puolet ansioluetteloista näyttää saman toimittajan viimeistelemiltä. Sama rakenne. Sama varma sävy. Sama epäilyttävän siisti ulkoasu. Siksi moni kysyy, pystyykö ATS erottamaan tekoälyllä kirjoitetut ansioluettelot, ja vastaus on tärkeämpi kuin luulisi.
Kaikkien mieleen nouseva kysymys
KraftCV:n vuoden 2026 kyselyn mukaan 70 % työnhakijoista käyttää nyt tekoälytyökaluja ansioluettelonsa kirjoittamiseen tai viimeistelyyn. Työnantajan näkökulmasta Forbesin raportti, joka viittasi Robert Halfin tietoihin, osoitti, että 84 % HR-johtajista sanoo tekoälyllä tehtyjen hakemusten lisänneen rekrytointityötä.
Huoli on todellinen. Ehdotettu ratkaisu, tekoälyn kirjoittajuuden tunnistaminen, on kuitenkin kohta, jossa asiat menevät pieleen.
Miksi ATS-työkalut eivät tunnista tekoälyn kirjoittajuutta
ATS jäsentää, tallentaa ja pisteyttää ansioluetteloita työpaikkailmoitusta vasten. Se katsoo taitoja, kokemusta, pätevyyksiä ja avainsanoja. Mikään näistä ei kerro, onko lauseet kirjoittanut ihminen vai kielimalli.
Jotkut yritykset yrittävät liittää tekoälyn tunnistusrajapintoja ATS-järjestelmäänsä. Nämä työkalut analysoivat kirjoitustyylin piirteitä, perplexity-arvoa ja burstiness-ominaisuutta arvatakseen, onko teksti koneen tuottamaa. Ongelma on se, että ne on suunniteltu akateemiseen plagiointiin, eikä rekrytointiin. Niillä on vääriä positiivisia tuloksia, jotka voivat karsia oikeita hakijoita (katso myös näkemyksemme vastuullisesta tekoälystä rekrytoinnissa).
Ja vaikka tunnistin toimisi täydellisesti, mitä tuloksella tekisit? Ihminen, joka käytti ChatGPT:tä ansioluettelonsa siistimiseen, ei ole sama kuin hakija, joka keksi kokemuksensa. Tunnistus ei kerro, kumpi on kumpi.
Todellinen ongelma ei ole tekoälyn kirjoittajuus
Todellinen riski ei ole se, että ansioluettelo kuulostaa liian hiotulta. Riski on se, että ansioluettelo väittää pätevyyksiä, joita hakijalla ei ole.
KraftCV:n kyselyn mukaan 86 % rekrytoijista sanoo, että tekoäly tekee taitojen liioittelusta ansioluetteloissa liian helppoa. Tätä ongelmaa kannattaa ratkoa. Ongelma oli olemassa jo ennen tekoälyä: hakijat ovat aina venyttäneet totuutta. Tekoäly vain tekee siitä nopeampaa.
Tunnistus keskittyy väärään muuttujaan. Se kysyy ”kuka tämän kirjoitti?”, kun pitäisi kysyä ”onko tämä henkilö oikeasti pätevä?”
Mikä toimii paremmin kuin tunnistus
Kolme asiaa todella vähentää riskiä, että hiottu mutta tyhjä ansioluettelo pääsee läpi prosessistasi:
-
Kriteerit ensin: Määritä ehdottomat vaatimukset, kuten työluvan, sertifikaatit, kielitaidon ja työkokemusvuodet, ja tarkista ne ennen kaikkea muuta. CriteriaMatchilla asetat nämä kriteerit kerran, ja tekoäly tarkistaa jokaisen ansioluettelon niitä vasten sekunneissa. Ei arvailua eikä rivien välistä lukemista.
-
Sopivuuteen perustuva pisteytys: Sen sijaan, että kysyisit, onko tekoäly kirjoittanut ansioluettelon, kysy, sopiiko hakija tehtävään. AI Score arvioi ansioluettelot oikeaa työpaikkailmoitusta vasten ja palauttaa sopivuusjärjestyksen sekä konkreettiset vahvuudet ja heikkoudet. Hyvin kirjoitettu ansioluettelo, joka ei sovi tehtävään, saa silti matalan pistemäärän.
-
Syvyyden testaaminen haastattelussa: Paras suodatin liioitelluille väitteille on kohdennettu haastattelu. InterviewGen vertaa jokaisen hakijan ansioluetteloa työpaikkailmoitukseen, löytää aukot ja luo kysymyksiä, jotka kohdistuvat täsmälleen kohtiin, joissa ansioluettelo on epämääräinen. Jos joku väittää viiden vuoden Kubernetes-kokemusta, haastattelussa kannattaa testata juuri se, eikä sitä, käyttikö hän Grammarlya.
82 %:n paradoksi
Tässä epämukava totuus: saman KraftCV:n tietojen mukaan 82 % yrityksistä käyttää jo tekoälyä ansioluetteloiden arviointiin. Työnantajat käyttävät tekoälyä seulomaan samoja ansioluetteloita, joita hakijat kirjoittivat tekoälyllä.
Hakijan hylkääminen tekoälyn käytön vuoksi samalla, kun oma prosessisi toimii tekoälyllä, on vaikea perustella. Parempi tapa on tehdä seulonnasta todennettavaan sopivuuteen perustuva, ei tyylin arvailuun.
Milloin tunnistuksesta voi olla hyötyä
On yksi kapea tilanne, jossa tekoälyn tunnistuksesta on hyötyä: suurten hakijamäärien tehtävät, joissa kirjoitusnäyte kuuluu hakemukseen. Jos pyydät saatekirjettä nimenomaan viestintätaitojen arviointiin ja hakija lähettää tekoälyn tuottamaa tekstiä, se kertoo jotain siitä, miten hän suhtautui tehtävään.
Silloinkin signaali on heikko. Hakija, joka käytti tekoälyä luonnoksen tekoon ja muokkasi tekstiä harkiten, on eri asia kuin hakija, joka liitti kehotteen tuloksen lukematta sitä. Näiden erottamiseen tarvitset silti jatkovaiheen.
Useimmissa rekrytointiprosesseissa tunnistus on häiriötekijä työstä, joka oikeasti ennustaa työssä menestymistä.
Keskity siihen, minkä voit todentaa
Tekoälyllä kirjoitettujen ansioluetteloiden yleistyminen ei ole kriisi. Se on muutos, joka palkitsee tiimit, joilla on jäsennelty ja kriteereihin perustuva seulonta, verrattuna tiimeihin, jotka luottavat ansioluettelon tyyliin liittyviin vaistonvaraisiin reaktioihin.
Seulo sopivuuden perusteella. Tarkista pätevyydet. Testaa syvyys haastattelussa. Tämä työnkulku pitää, kuka tai mikä ansioluettelon kirjoittikin.