LinkedIn rakentaa tekoälyyn perustuvaa työmarkkinaa. Se muuttaa enemmän kuin arvaatkaan.

LinkedIn testaa hiljaisesti ratkaisua, joka ei ole seuraava ominaisuus eikä pieni parannus rekrytointityökaluihin, vaan kokonaan uusi toimintakerros: työmarkkina tekoälyn kouluttamiseen. Viimeaikaisten raporttien mukaan alusta maksaa jopa 150 USD tunnilta asiantuntijoille aloilta kuten ohjelmointi, rahoitus ja terveydenhuolto, jotta he auttaisivat tekoälyjärjestelmien koulutuksessa. Organisaation sisällä aloite asemoidaan varhaiseksi versioksi ”AI labor marketplace”.

Ensisilmäyksellä tämä voi näyttää loogiselta jatkeelta keikkataloudelle tai uudelta tavalta kaupallistaa toimintaa. Todellisuudessa se viestii paljon syvemmästä rakenteellisesta muutoksesta. LinkedIn ei ole enää vain paikka, jossa kuvataan työtä ja yhdistetään uramahdollisuuksia. Se alkaa asemoida itseään alustaksi, jossa ihmisen asiantuntemusta käytetään suoraan muokkaamaan sitä, miten tekoäly ymmärtää ammatillisia prosesseja.

Työn määrittelyn uudelleen rakentaminen reaaliajassa

Vuosien ajan LinkedIn toimi oletusarvoisena tilana ammatilliselle identiteetille. Käyttäjät kuvaavat roolejaan, tiivistävät kokemustaan ja esittelevät taitojaan mitattavalla ja vertailtavalla tavalla. Jo pelkästään tämä loi valtavaa arvoa.

Nyt näiden tietojen ja niiden taustalla olevien ihmisten rooli muuttuu. Sen sijaan että ammattilaiset vain kuvaisivat tekemistään, heitä pyydetään yhä useammin osallistumaan aktiivisesti siihen, miten tekoälyjärjestelmät tulkitsevat ja arvioivat työtä. Tämä sisältää tehtäviä kuten mallien tuottamien tulosten tarkastelua, epätarkkuuksien korjaamista, oletusten validointia ja toimialakohtaisen osaamisen soveltamista algoritmien suorituskyvyn parantamiseksi.

Tämäntyyppinen työ sijoittuu jonnekin perinteisen työsuhteen ja freelance-tilausten väliin. Se ei ole sidottu yhteen työnantajaan, eikä se ole puhtaasti transaktionaalista. Se on jäsenneltyä, asiantuntemukseen perustuvaa ja yhä tiiviimmin osa digitaalisten järjestelmien opetusinfrastruktuuria.

Tekoälyn koulutusmarkkinan nousu

LinkedIn ei ole ainoa, joka tutkii tätä aluetta. Kasvava ekosysteemi yrityksiä, kuten Scale AI ja Mercor, rakentaa liiketoimintaansa tekoälyn koulutuksen ja datan validoinnin ympärille. Ne hyödyntävät hajautettua työvoimaa datan merkintään ja tulosten valvontaan, jotta tekoälyjärjestelmistä tulee käyttökelpoisia ja luotettavia.

LinkedInin liikkeen erottaa muista ei niinkään itse konsepti vaan konteksti. Toisin kuin monet alustat, jotka perustuvat anonyymeihin tekijöihin, LinkedInillä on pääsy syvälle jäsenneltyyn ammatilliseen dataan. Se tietää, keitä käyttäjät ovat, mitä he ovat saavuttaneet, miten he kuvaavat kokemustaan ja millaisia verkostoja heillä on alalla.

Tämä luo mahdollisuuden sovittaa tekoälyn koulutustehtävät vahvistettuun asiantuntemukseen pelkän saatavuuden sijaan. Rahoitusalan asiantuntija tarkistamassa talousmalleja, sairaanhoitaja arvioimassa lääketieteellistä dataa tai kehittäjä validoimassa koodia – tämä on aivan eri tasoinen signaali kuin satunnaisten henkilöiden tekemä massamerkintä.

Datan tuolle puolen: kohti asiantuntijavalidointia

Tämä muutos on merkittävä sen kannalta, miten itse tekoälyä ymmärretään. Koulutusdataa käsitellään usein skaalan kautta – mitä enemmän dataa, sitä paremmat mallit. Mutta monilla aloilla, erityisesti työelämään ja päätöksentekoon liittyvissä, laatu merkitsee määrää enemmän.

Hyödyntämällä ammattilaisverkostoaan LinkedIn voi siirtää tekoälyn koulutuksen pinnallisesta annotoinnista kohti asiantuntijavalidointia. Tämä muuttaa tulosten luonnetta: sen sijaan että mallit oppisivat yleistetyistä aineistoista, ne alkavat heijastaa kokemukseen perustuvaa, jäsenneltyä harkintaa. Tällä on ratkaiseva merkitys aloilla kuten rekrytointi, joissa vivahteet, konteksti ja tulkinta ovat avainasemassa.

Mitä tämä tarkoittaa rekrytoinnille?

Päälle päin tekoälyn koulutusmarkkina ja rekrytointi voivat näyttää erillisiltä alueilta. Käytännössä ne ovat tiiviisti kytköksissä toisiinsa, koska molemmat nojaavat samaan kysymykseen: miten todellinen osaaminen arvioidaan?

Rekrytointi on pitkään perustunut signaaleihin kuten ansioluetteloihin, titteleihin ja haastatteluihin. Mutta näitä signaaleja optimoidaan yhä enemmän, ja niitä jopa tuotetaan tekoälyn avulla. Tämän seurauksena itseesittelyn ja todellisten taitojen erottaminen vaikeutuu.

Tekoälyn koulutuksessa tehty työ tuo mukanaan toisenlaisen signaalin. Se ei ole yhtä julistavaa kuin CV, vaan heijastaa sitä, miten yksilö soveltaa osaamistaan käytännössä – miten hän arvioi, korjaa ja tulkitsee monimutkaisia kokonaisuuksia.

Ilmoitetuista taidoista havaittuun käyttäytymiseen

Jos tämä malli kehittyy, se voi tuoda osaajamarkkinaan uuden kerroksen. Sen sijaan että organisaatiot nojaavat pääosin siihen, mitä ehdokkaat sanovat itsestään, ne voivat saada käyttöönsä dataa siitä, miten he suoriutuvat jäsennellyissä, aidon elämän tehtävissä.

Tämä ei korvaa perinteisiä rekrytointimenetelmiä, vaan täydentää niitä. Se tarjoaa havaittua käyttäytymistä ilmoitetun kokemuksen sijaan. Ajan myötä tästä voi tulla yksi luotettavimmista potentiaalin mittareista, erityisesti rooleissa, joissa tarvitaan kriittistä ajattelua ja ongelmanratkaisua.

LinkedInin strateginen asema

Strategisesta näkökulmasta tämä liike sopii luontevasti LinkedInin pitkän aikavälin asemointiin. Alusta toimii jo nyt ammatillisen identiteetin ja rekrytointitarpeiden leikkauspisteessä. Astumalla tekoälyn koulutuksen alueelle se lisää kolmannen ulottuvuuden: ihmisten asiantuntemuksen jatkuvan hyödyntämisen digitaalisten järjestelmien kehittämiseksi.

Tämä muodostaa vahvan yhdistelmän. LinkedInistä tulee paitsi paikka, jossa työ kuvataan ja mahdollisuudet yhdistetään, myös paikka, jossa osaamista sovelletaan ja validoidaan aktiivisesti.

Laajempi näkökulma

AI-työmarkkinoiden synty heijastaa laajempaa muutosta työn rakenteessa ja arvottamisessa. Tehtävät, jotka aiemmin olivat organisaation sisäisiä tai näkymättömiä, ulkoistetaan ja hajautetaan. Asiantuntemus pilkotaan pienemmiksi, moduulipohjaisiksi panoksiksi.

Rekrytoinnille tästä seuraa tärkeä opetus: haaste ei ole enää vain löytää ehdokkaita, vaan ymmärtää, mitkä signaalit todella heijastavat heidän kyvykkyyttään. Uusien työn muotojen myötä syntyy uusia validoinnin muotoja. Ne alustat, jotka pystyvät kuroa umpeen kuilun sen välillä, mitä ihmiset sanovat osaavansa ja mitä he pystyvät osoittamaan käytännössä, saavat merkittävän kilpailuedun.

LinkedInin tulo tekoälyn koulutuksen alueelle ei ratkaise tätä ongelmaa yksinään, mutta se osoittaa selvästi, mihin työn tulevaisuus on matkalla.