AI bliver hurtigt en integreret del af moderne rekruttering. På tværs af brancher undersøger organisationer, hvordan teknologi kan hjælpe dem med at arbejde hurtigere, strukturere information mere effektivt og udnytte data bedre.
Løftet er klart: større effektivitet, bedre overblik og mindre tid brugt på gentagne opgaver.
Men i rekruttering er effektivitet ikke det samme som kvalitet.
Ansættelsesbeslutninger handler om mennesker, kontekst, motivation, timing, ledelsespotentiale og organisatoriske dynamikker. Et CV kan fortælle en del af historien, men ikke det hele. Et søgeresultat kan indikere relevans, men det kan ikke afgøre, om en kandidat er det rette match. Og en algoritme kan behandle data, men den forstår ikke et menneske, et team eller en forretningsmæssig udfordring på samme måde som en erfaren konsulent.
Hos Compass Human Resources Group anvender vi AI til at understøtte vores research, strukturere information og identificere mønstre – men ikke til at træffe beslutninger om kandidater.
For os er AI et værktøj. Ikke en beslutningstager.
Den korte version
AI i rekruttering fejler ofte på forudsigelige måder. Den bliver brugt til opgaver, den ikke er særligt egnet til — som at filtrere kandidater, vurdere relevans og træffe tidlige beslutninger — mens de opgaver, den faktisk er god til, som research, markedsafdækning og strukturering af information, får mindre opmærksomhed.
Resultatet er processer, der føles mere moderne, men som fører til smallere udfald. Hurtigere filtrering er ikke det samme som bedre ansættelser.
Brugt rigtigt fortjener AI sin plads i de tidlige faser af en rekrutteringsproces: til at indsamle information, organisere den og hjælpe konsulenter med at danne et stærkere billede, før de går i markedet. Brugt forkert fjerner den stille og roligt netop den nuance, som god rekruttering afhænger af.
Hvor AI reelt skaber værdi: research og struktur
AI er stærkest, når det anvendes til opgaver, der er gentagende, datadrevne og klart definerede. I rekruttering gør det AI særligt anvendelig i de tidlige faser af research og procesunderstøttelse.
Man kan sammenligne det med at have en meget grundig researchassistent. Givet en opgave kan den gennemgå store mængder offentligt tilgængelig information, identificere relevante virksomheder, kortlægge et marked, opsummere sine fund og synliggøre mønstre, som et menneske ellers ville bruge dage på at opdage. Den bliver ikke træt. Den mister ikke overblikket over den oprindelige problemstilling.
Det er reel værdi. Det giver konsulenter mere tid til at fokusere på det arbejde, der kræver erfaring, dømmekraft og menneskelig interaktion — at forstå, hvad en kunde reelt har brug for, opbygge relationer med kandidater og fortolke, hvad en persons karriereforløb faktisk fortæller.
Hos Compass ser vi AI som en researchpartner. Den kan hjælpe med at indsamle og strukturere information, men den erstatter ikke arbejdet med at forstå et marked, vurdere en kandidats motivation eller rådgive en kunde om den rette ansættelsesbeslutning.
Hvor AI kommer til kort: sourcing og kandidatudvælgelse
En af de mest udbredte diskussioner om AI i rekruttering handler om sourcing. Det er også her, nuancen er særligt vigtig — og hvor kløften mellem, hvad AI ser ud til at gøre, og hvad det reelt gør, er størst.
De fleste AI-baserede sourcingværktøjer arbejder ved at omdanne CV’er og jobbeskrivelser til matematiske “fingeraftryk” og derefter finde de CV’er, der ligner stillingens fingeraftryk mest. Det lyder præcist. I praksis er lighed i mønstre ikke det samme som et reelt match.
Forestil dig, at du forsøger at forstå en persons karriere ved kun at læse jobtitler og virksomhedsnavne — intet andet. Hurtigt at gennemskue, ja. Men en “Senior Manager” i en familieejet virksomhed og en “Senior Manager” i en global koncern er ikke det samme. Ligesom en kandidat, der kalder sig konsulent, men har opbygget noget betydeligt, ikke er det samme som én, der blot har vedligeholdt eksisterende løsninger. Titlen er den samme. Erfaringerne er det ikke. Og en kandidat, der beskriver sit arbejde med egne ord — en profil fra en tilstødende branche, en karriereskifter eller én, der ikke har skrevet sit CV til en algoritme — risikerer at forsvinde blandt kandidater, der blot har brugt de “rigtige” nøgleord i den “rigtige” rækkefølge.
Forestil dig en erfaren driftsleder, der har opbygget robusthed i forsyningskæden under en periode med markedsforstyrrelser. CV’et vil måske ikke fremstå tydeligt i en søgning på “logistics director”, men erfaringen matcher præcis det, rollen kræver. En konsulent med kontekstforståelse vil finde kandidaten. En algoritme, der er optimeret til mønstergenkendelse, gør det måske ikke.
Derfor er der en væsentlig forskel på at bruge AI til at understøtte research og på at bruge AI til at afgøre, hvem der er relevant. Det første kan øge effektiviteten. Det andet indebærer betydelige risici — ikke fordi teknologien er dårlig, men fordi opgaven kræver noget, AI ikke har: en reel forståelse for kontekst.
AI kan hjælpe os med at se mere. Det bør ikke få os til at se mindre.
Hvad AI ikke kan: forstå kontekst
Rekruttering handler ikke kun om at matche en jobbeskrivelse med et CV. Det handler om at forstå kontekst.
Hvad forsøger virksomheden at opnå? Hvorfor er rollen vigtig netop nu? Hvilken type leder vil få succes i organisationen? Hvilke dele af jobbeskrivelsen er reelt afgørende, og hvilke er fleksible? Hvad har teamet brug for? Hvad ønsker kandidaten egentlig i sit næste karriereskridt?
AI kan bearbejde information, men den forstår ikke disse spørgsmål på samme måde som en konsulent.
Den kan identificere mønstre i data, men den forstår ikke de uformelle dynamikker i en organisation. Den kan opsummere en kandidatprofil, men den kan ikke fortolke motivation, ledelsesmodenhed eller den form for selvindsigt, der gør en kandidat stærk – ikke blot plausibel. Den kan sammenligne erfaring med en liste af kriterier, men den kan ikke genkende, hvornår en utraditionel profil netop er det, virksomheden har brug for.
Nogle kandidater fremstår meget relevante på papiret, men er ikke det rette match. Andre virker mindre oplagte ved første øjekast, men viser sig at være særdeles relevante, når deres erfaring, mindset og motivation bliver forstået i dybden.
Den forståelse opstår gennem dialog, markedsindsigt og professionel dømmekraft – ikke gennem en rangeret liste.
Hvordan god praksis ser ud
De organisationer, der anvender AI godt i rekruttering, er ikke dem, der automatiserer mest. Det er dem, der er præcise omkring, hvor AI hører til — og hvor det ikke gør.
AI håndterer grundarbejdet. Markedskortlægning, identifikation af virksomheder, longlist-research samt strukturering af noter og input — det er opgaver, hvor AI kan reducere tidsforbruget og forbedre overblikket uden at træffe vurderinger om mennesker.
Konsulenter står for fortolkningen. Hvilke kandidater er reelt relevante? Hvad betyder deres karriere i den konkrete kontekst? Hvordan matcher de det, kunden faktisk har brug for — frem for blot det, der står i jobbeskrivelsen? Disse spørgsmål kræver erfaring og dialog, ikke mønstergenkendelse.
Beslutninger involverer mennesker på begge sider. En stærk kandidat lader sig ikke overbevise af en proces, der føles automatiseret. De ønsker en reel dialog. Den tillid — mellem konsulent og kandidat, mellem konsulent og kunde — opstår gennem menneskelig interaktion, ikke gennem effektiviteten i det screeningslag, der ligger ovenover.
AI fjerner ikke behovet for struktur. Det øger det. Hvis rollen er uklart defineret, vil AI blot organisere uklare input mere effektivt. Klare rolledefinitioner, velbegrundede kriterier og konsekvent menneskelig involvering er ikke nice-to-have i en AI-understøttet proces — det er det, der får den til at fungere.
Vi arbejder videre med spørgsmålet om bias — og hvordan AI kan forstærke eksisterende mønstre, hvis det anvendes uden tilstrækkelig kontrol — i artiklen: “AI i rekruttering: reducerer det bias – eller forstærker det?”
Afsluttende bemærkninger
AI spiller en vigtig rolle i rekruttering. Brugt rigtigt kan det gøre dele af processen mere effektiv, bedre struktureret og mere vidensbaseret.
Men det er ikke en komplet løsning, og det er heller ikke en neutral en. Det afspejler de data, det er trænet på, de antagelser, der er indbygget i værktøjet, og de valg, som de mennesker, der anvender det, træffer.
De organisationer, der får succes, er dem, der forstår forskellen mellem, at AI gør rekruttering hurtigere, og at AI gør rekruttering bedre. Det er ikke det samme — og når de to ting forveksles, opstår de fleste problemer.
