Suomen TE-uudistus (työ- ja elinkeinopalveluiden uudistus) astui voimaan 1. tammikuuta 2025. Uudistuksessa julkisten työvoimapalveluiden järjestämisvastuu siirtyi valtiolta kunnille, minkä seurauksena TE-toimistot lakkautettiin. Suomeen muodostettiin 45 työllisyysaluetta, jotka vastaavat palveluiden järjestämisestä. Työ- ja elinkeinoministeriön mukaan uudistuksen tavoitteina ovat mm. palveluiden tuominen lähemmäksi asiakkaita, kuntien roolien vahvistaminen työllisyyden edistämisessä sekä palvelujen tuottavuuden ja vaikuttavuuden lisääminen.
Uudistus on valtava, yli 4400 asiantuntijan siirtyminen kunnille, joilla on eri valmiusasteet tähän henkilöstöuudistukseen ja vaihteleva määrä resursseja tai osaamista hoitaa uusia tehtäviä on jo melkoinen liikkeenluovutus. Tämän lisäksi esimerkiksi kaikki asiakkaat liitettiin vuodenvaihteessa uusiin organisaatioihin, mikä aiheutti henkilön vastuuasiantuntijatiedon katoamisen ja palvelun hoitoon liittyvien satojentuhansien tehtävien uudelleen jakamisen. Lisäksi valtiolta kunnille siirtyi vielä 46 000 myöhässä olevaa harkinnanvaraista kulukorvausta. Ei ihan pikkuhommeli.
Olen ollut nyt itse yhteydessä jokaiseen 45 työllisyysalueeseen (tai vähintään laittanut sähköpostia, johon joko ei ole vastattu tai useimmiten pyydetty ottamaan yhteyttä keväämmällä, kun palvelu on alkanut vakiintua) ja palaverien perusteella alueilla on aika samanlaiset tarpeet. Käsityönä tehdään paljon asioita, joita olisi mahdollista ja jopa helppoa automatisoida. Prosessit kannattaa automatisoida, kun automaation kehityskustannukset sekä jatkuvan palvelun kustannukset ovat pienemmät kuin vaihtoehtoiset kustannukset, eli se säästetty työaika. Mikäli työllisyyspalveluille luotava mahdollisesti tekoälyllä kyllästetty automaatio lyhentää prosessien nopeutuessa myös työttömyysjaksoja, hyötyvät kunnat taloudellisesti, sillä kunnan rahoitusvastuu määräytyy työnhakijan työttömyysetuuspäivien kertymän perusteella.
Tässä kohtaa tekstiä lukija todennäköisesti tarkastaa blogin otsikon ja haluaisi ehkä muutaman otsikon mukaisen esimerkin. Silti kirjoittaja jatkaa alustustaan kertomalla vielä kohtaanto-ongelmasta. Kohtaanto-ongelma tarkoittaa tilannetta, jossa työvoiman kysyntä ja tarjonta eivät kohtaa, vaikka samanaikaisesti on sekä avoimia työpaikkoja että työttömiä työnhakijoita. Ongelma voi johtua monista tekijöistä, kuten alueellisista eroista, eli työpaikat ja työnhakuja ovat eri puolilla maata, osaamisvajeista, työmarkkinoiden joustamattomuudesta, eli pitkistä rekrytointiprosesseista tai työehdoista, sekä kannustinloukuista. Osaan näistä tekijöistä vastataan politiikalla ja osaan voidaan vastata tekoälyllä ja automaatiolla.
Työllistymissuunnitelmasta toimeen
Uuden rahoitusmallin myötä kunnat ovat itseasiassa budjetoineet epäonnistumiseen eli varanneet rahaa siihen, että työntekijä ei työllisty. Nopeimmin työllistymiseen voidaan vastata ainakin hoitamalla perusasiat kuntoon, eli työnhaku päälle ja byrokraattiset velvoitteet pois alta, tämä onnistuu nopeuttamalla ja automatisoimalla näihin liittyviä prosesseja.
Työttömän työntekijän tulee luoda lakisääteinen työllistymissuunnitelma, missä sovitaan työnhaun tavoitteista, työvoimapalveluiden asiantuntijan kanssa. Jos työllistymissuunnitelman lakisääteinen kirjaaminen järjestelmään ja osaksi palvelupolkua saadaan automatisoitua, voidaan asiakkaan tapaamiseen käytössä oleva aika kohdistaa paremmin asiakkaan ohjaukseen. Tämähän onnistuisi vaikka hakemalla kaikki työnhakijaan liittyvä oleellinen tieto automaattisesti asiakastietojärjestelmästä tai vaikka LinkedInistä ja kaiken siirto kielimallin läpi tuunattuna valmiille työllistymissuunnitelman pohjalle, joka enää vain validoidaan yhdessä asiantuntijan kanssa.
Tekoälypohjaiset ratkaisut voivat analysoida työnhakijoiden osaamista ja kokemusta sekä yhdistää heidät sopiviin työpaikkoihin paljon nopeammin ja tarkemmin kuin perinteiset manuaaliset menetelmät. Esimerkiksi koneoppimismallit voivat tunnistaa piilotettuja taitoja CV:istä ja ehdottaa avoimia työpaikkoja, joita työnhakija ei itse olisi tullut ajatelleeksi.
Kohtaanto-ongelmaan vastaaminen
Automaatio ja tekoäly voivat analysoida myös työmarkkinoiden kehitystä ja ennakoida, millä aloilla ja millaisille osaajille tulee olemaan eniten kysyntää tulevaisuudessa. Tämä auttaa työllisyysalueita suuntaamaan koulutusresursseja oikeisiin kohteisiin ja kehittämään alueellista työvoimareserviä vastaamaan tulevien työnantajien tarpeita.
Automaatio tehostaa myös kuntoutus- ja uudelleenkoulutusohjelmia, jotka auttavat pitkään työttömänä olleita tai alanvaihtoa harkitsevia henkilöitä pääsemään takaisin työelämään. Esimerkiksi tekoäly voi räätälöidä henkilökohtaisia koulutuspolkuja vastaamaan näitä edellämainittuja tulevaisuuden työpaikkojen tarpeita.
Kohdennetut rekrykampanjat ja syrjäytymisvaara
Palvelujen tuottavuutta ja vaikuttavuutta voidaan lisätä, vaikka käsittelemällä suuria määriä työmarkkinadataa tekoälyllä ja tuottaa reaaliaikaisia raportteja, joiden avulla työllisyysalueiden päätöksentekijät voivat kohdistaa resursseja tehokkaammin. Esimerkiksi algoritmit voivat tunnistaa alueita, joissa työvoimapula on pahin, ja ehdottaa ratkaisuja, kuten kohdennettuja rekrytointikampanjoita.
Tekoäly voi myös analysoida työnhakijoiden käyttäytymistä ja ennakoida, ketkä saattavat olla riskissä jäädä pitkäaikaistyöttömiksi. Tämä mahdollistaa varhaisen puuttumisen ja räätälöidyn tuen, kuten mentorointiohjelmat tai lisäkoulutusmahdollisuudet.
Lopuksi
Tämä kaikki on toteutettavissa jo nyt. Automaattinen päätöksenteko, suurten datamäärien analysoinnit sekä kielimallien hyödyntäminen raakatekstin muuttamisessa rakenteelliseen muotoon sekä rakenteellisen tiedon vieminen helposti ymmärrettävään muotoon, vaikka sille työllistymissuunnitelmalle ei ole monimutkaista vaan mielestäni jopa edellytys sekä mielekkäälle asiantuntijatyölle työllistymisalueella, että toiminnan tehostamiselle.
Kirjoittajana Pekka Malo, Ratkaisupäällikkö, Tiera Oy
*Kirjoittaja sai ansaittua kritiikkiä ja hyviä korjausehdotuksia erään työllisyysalueen erityisasiantuntijalta
**Se mitä kannattaisi oikeasti lähteä automatisoimaan kannattaa selvittää vaikka kevyen prosessilouhinnan keinoin Bright Idea™-työpajoissa.