Adding value to Human Resource processes with Artificial Intelligence

Abstract

The aim of this study was to understand how artificial intelligence (AI) creates value in human resources management (HRM), and what factors enable this value creation and limit it. To reach this aim, first current literature on the topic was reviewed. Following that the subject was studied empirically via semi-structured interviews. The interviewees were either human resources (HR) professionals or people closely collaborating with them. Based on the synthesis formed of the literature and the empirical part the research questions for this study were answered.

This study found that AI creates value in HRM in two main ways. The first way is by providing tools that save time. Time is saved particularly by minimizing time spent searching for information and lowering response times in HR communication. This saved time can then be used on higher-level activities. The second way is by enabling tasks to be performed better. AI enables augmentation of HR decision-making and supports development work by helping with idea generation and further refinement of existing ideas.

This study found many capabilities that enable value creation of AI in HRM, which were categorized into individual- and organizational level capabilities. At the individual level, especially positive beliefs toward AI, ability to prompt AI, and ability to critically evaluate AI output were found to be capabilities that enable value creation. At the organizational level, the key capabilities were clear goals for AI use and accurate, up-to-date documentation.

The key challenges limiting value creation of AI in HRM are related to the compatibility between AI and HRM. Having to operate based on incomplete data and predict based on conditional probabilities, an AI model cannot grasp the full picture of the complex field of HRM. Abundance of tacit knowledge and sensitive information in HR can also limit usability and value creation of AI in HRM. Inadequate implementation or use of AI could also limit the value creation of AI in HRM.

This thesis contributes to existing literature by articulating how AI creates value in HRM. Addressing the capabilities enabling value creation of AI in HRM and the challenges limiting it likewise add to the current literature of AI in HRM. On the practical side, this study gives leaders and technical workers a window to HR professionals experiences with AI. The capabilities and challenges found in this study give practitioners actionable points to improve on, to maximize the value their organization gets out of AI in HRM.

Tämän tutkimuksen tavoitteena oli ymmärtää, miten tekoäly luo arvoa henkilöstöjohtamisessa (engl. human resource management, HRM), mitkä tekijät mahdollistavat tämän arvonluonnin, ja mitkä rajoittavat sitä. Tavoitteeseen pääsemiseksi, ensin tehtiin kirjallisuuskatsaus relevantista kirjallisuudesta. Sen jälkeen aihetta tutkittiin puolistrukturoitujen haastattelujen avulla. Haastateltavat olivat joko henkilöstöhallinnon (engl. human resources, HR) ammattilaisia tai läheisessä yhteistyössä heidän kanssaan. Teorian ja empirian pohjalta tehdyn synteesin avulla tutkimuskysymyksiin vastattiin.

Tutkimuksessa havaittiin tekoälyn luovan arvoa HRM:ssä kahdella keskeisellä tavalla. Ensimmäinen on tarjoamalla aikaa säästäviä työkaluja. Aikaa säästyy etenkin minimoimalla tiedonhakuun kuluva aika sekä HR-viestinnän vastausaikoja lyhentämällä. Tämä säästetty aika voidaan käyttää korkeamman tason tehtäviin. Toinen tapa on mahdollistamalla tehtävien parempi suorittaminen. Tekoäly mahdollistaa HR-päätöksenteon augmentoinnin sekä tukee kehitystyötä auttamalla ideoiden generoinnissa sekä ideoiden eteenpäin viemisessä.

Tutkimuksessa löydettiin monia kyvykkyyksiä, jotka toimivat mahdollistajina tekoälyn arvonluonnille HRM:ssä, jotka kategorisoitiin yksilö- ja organisaatiotason kyvykkyyksiin. Yksilötasolla etenkin positiivinen suhtautuminen tekoälyyn, kyky promptata tekoälyä ja kyky kriittisesti arvioida tekoälyn tuotosta todettiin arvonluontia mahdollistaviksi. Organisaatiotasolla avainkyvykkyydet olivat selkeät tavoitteet tekoälyn käytölle ja tarkka, ajantasainen dokumentaatio.

Keskeiset tekoälyn arvonluontia HRM:ssä rajoittavat haasteet liittyvät tekoälyn ja HRM:n yhteensopivuuteen. Puutteellisen datan varassa ja ehdollisiin todennäköisyyksiin perustuen toimiessaan tekoälymalli ei kykene täysin ymmärtämään HR-kentän monimutkaista kokonaiskuvaa. Hiljaisen tiedon runsas määrä ja HR-tiedon arkaluonteisuus voivat myös rajoittaa tekoälyn käytettävyyttä ja arvonluontia HRM:ssä. Tekoälyn vääränlainen käyttöönotto tai käyttö voi myös rajoittaa tekoälyn arvonluontia HRM:ssä.

Diplomityö tekee kontribuution nykyiselle kirjallisuudelle avaamalla, miten tekoäly luo arvoa HRM:ssä. Tekoälyn arvonluontia HRM:ssä mahdollistavia kyvykkyyksiä ja sitä rajoittavia haasteita käsittelemällä työ tukee myös kirjallisuutta. Tutkimus tarjoaa esihenkilöille ja teknisille työntekijöille ikkunan henkilöstöhallinnon ammattilaisten kokemuksiin tekoälystä. Tutkimuksessa havaitut kyvykkyydet ja haasteet tarjoavat käytännön kehityskohteita organisaatioille tekoälyn arvonluonnin maksimoimiseksi.