Tekoälyllä tehokkuutta ja kasvua konsultointiin: tietoturvallisen resursointi- ja CV-järjestelmän mahdollisuudet
Sundström, Hilla (2026)
Sundström, Hilla
2026
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202604025576
https://urn.fi/URN:NBN:fi:amk-202604025576
Tiivistelmä
Tämä opinnäytetyö tarkastelee, millä edellytyksillä tekoäly voi tukea konsultointiorganisaation resursointi- ja CV-prosessien kehittämistä EU-sääntelyn, tietosuojan ja liiketoiminnan skaalautuvuuden reunaehdoissa. Kohdeorganisaationa on suomalainen pk-kokoinen IT-konsultointiyritys, jossa resursointi ja osaamishallinta perustuvat pitkälti manuaalisiin prosesseihin ja hajanaiseen osaamisdataan. Työn tavoitteena oli tunnistaa tekoälyn tarkoituksenmukaiset käyttökohteet sekä määrittää edellytykset sen hallitulle käyttöönotolle.
Tutkimus toteutettiin kehittämispainotteisena laadullisena tapaustutkimuksena. Empiirinen aineisto kerättiin puolistrukturoiduilla haastatteluilla, työpajatyöskentelyllä ja dokumenttiaineistolla, ja analysoitiin teoriaohjaavan sisällönanalyysin avulla. Teoreettinen viitekehys rakentui tekoälyn hyödyntämistä resursoinnissa ja osaamishallinnassa koskevasta tutkimuksesta sekä EU:n tietosuoja-asetuksen ja tekoälyasetuksen vaatimuksista.
Tutkimuksen tulokset osoittavat, että tekoälyn suurin potentiaali resursointi- ja CV-prosesseissa liittyy osaamis- ja CV-datan rakenteistamiseen, standardointiin ja manuaalisen työn vähentämiseen, ei resursointipäätösten automatisointiin. Lisäksi tulokset korostavat, että tekoälyn käyttöönotto edellyttää selkeää tietomallia, mittaristoa sekä EU:n tekoälyasetuksen mukaista riskiperusteista hallintamallia ennen teknologisiin investointeihin siirtymistä.
Johtopäätöksenä todetaan, että tekoälyn hyödyntäminen konsultointiliiketoiminnan resursoinnissa on mahdollista ja liiketoiminnallisesti perusteltua, mutta edellyttää vaiheittaista etenemistä, jossa dataperusta, sääntelyvaatimukset ja osaamisen kehittäminen kytkeytyvät toisiinsa. Tutkimuksen tuloksia voidaan hyödyntää erityisesti pk-kokoisten asiantuntijaorganisaatioiden resursointi- ja osaamishallinnan kehittämisessä EU-sääntelyn puitteissa. This thesis examines the conditions under which artificial intelligence can support the development of resourcing and CV processes in a consulting organisation within the constraints of EU regulation, data protection, and business scalability. The case organisation is a Finnish small and medium-sized IT consulting company whose resourcing and competence management rely largely on manual processes and fragmented skills data. The aim of the study was to identify suitable use cases for artificial intelligence and to define the prerequisites for its controlled implementation.
The study was conducted as a development-oriented qualitative case study. Empirical data were collected through semi-structured interviews, workshops, and document analysis, and analysed using theory-driven qualitative content analysis. The theoretical framework is based on prior research on artificial intelligence in resourcing and competence management, as well as on the requirements of the EU General Data Protection Regulation and the EU Artificial Intelligence Act.
The findings show that the main potential of artificial intelligence in resourcing and CV processes lies in the structuring and standardisation of competence and CV data and in reducing manual work, rather than in automating resourcing decisions. The results further emphasise the need for a clear data model, appropriate metrics, and a risk-based governance framework aligned with the EU Artificial Intelligence Act prior to technological investments.
The study concludes that artificial intelligence can be applied in consulting resourcing in a feasible and economically justified manner, if implementation proceeds in phases that integrate data foundations, regulatory requirements, and competence development.
Tutkimus toteutettiin kehittämispainotteisena laadullisena tapaustutkimuksena. Empiirinen aineisto kerättiin puolistrukturoiduilla haastatteluilla, työpajatyöskentelyllä ja dokumenttiaineistolla, ja analysoitiin teoriaohjaavan sisällönanalyysin avulla. Teoreettinen viitekehys rakentui tekoälyn hyödyntämistä resursoinnissa ja osaamishallinnassa koskevasta tutkimuksesta sekä EU:n tietosuoja-asetuksen ja tekoälyasetuksen vaatimuksista.
Tutkimuksen tulokset osoittavat, että tekoälyn suurin potentiaali resursointi- ja CV-prosesseissa liittyy osaamis- ja CV-datan rakenteistamiseen, standardointiin ja manuaalisen työn vähentämiseen, ei resursointipäätösten automatisointiin. Lisäksi tulokset korostavat, että tekoälyn käyttöönotto edellyttää selkeää tietomallia, mittaristoa sekä EU:n tekoälyasetuksen mukaista riskiperusteista hallintamallia ennen teknologisiin investointeihin siirtymistä.
Johtopäätöksenä todetaan, että tekoälyn hyödyntäminen konsultointiliiketoiminnan resursoinnissa on mahdollista ja liiketoiminnallisesti perusteltua, mutta edellyttää vaiheittaista etenemistä, jossa dataperusta, sääntelyvaatimukset ja osaamisen kehittäminen kytkeytyvät toisiinsa. Tutkimuksen tuloksia voidaan hyödyntää erityisesti pk-kokoisten asiantuntijaorganisaatioiden resursointi- ja osaamishallinnan kehittämisessä EU-sääntelyn puitteissa.
The study was conducted as a development-oriented qualitative case study. Empirical data were collected through semi-structured interviews, workshops, and document analysis, and analysed using theory-driven qualitative content analysis. The theoretical framework is based on prior research on artificial intelligence in resourcing and competence management, as well as on the requirements of the EU General Data Protection Regulation and the EU Artificial Intelligence Act.
The findings show that the main potential of artificial intelligence in resourcing and CV processes lies in the structuring and standardisation of competence and CV data and in reducing manual work, rather than in automating resourcing decisions. The results further emphasise the need for a clear data model, appropriate metrics, and a risk-based governance framework aligned with the EU Artificial Intelligence Act prior to technological investments.
The study concludes that artificial intelligence can be applied in consulting resourcing in a feasible and economically justified manner, if implementation proceeds in phases that integrate data foundations, regulatory requirements, and competence development.
