Du trenger ikke flere søknader. Du trenger å vite hvem som faktisk kan løse jobben. Det er kjernen i diskusjonen om AI-matching versus rekrutterer. For spørsmålet er sjelden om teknologi eller mennesker er best. Spørsmålet er hva dere får vite før dere bruker tre måneder på en rekruttering.
Tradisjonell rekruttering starter ofte på feil sted. Stillingen publiseres, søknadene kommer inn, og markedet får definere utvalget. Da vurderer dere først og fremst dem som er tilgjengelige akkurat nå. Ikke nødvendigvis dem dere helst ville ansatt.
AI kan endre dette. Men bare dersom den brukes til å gi både kandidat og arbeidsgiver mer innsyn, ikke til å automatisere avslag raskere.
AI-matching versus rekrutterer er feil motsetning
En god rekrutterer forstår virksomheten, menneskene og situasjonen rundt ansettelsen. Det betyr noe. En seniorutvikler som passer i et produktteam med høy fart, kan mistrives i en tung konsernstruktur. En salgsleder med sterke resultater kan være feil valg hvis dere egentlig trenger en som bygger metode, ikke bare leverer på egen pipeline.
Den vurderingen krever samtale, kontekst og faglig skjønn. Den kan ikke reduseres til nøkkelord i en CV.
Samtidig har rekruttereren en begrensning som bransjen lenge har pakket inn som erfaring: Ingen kan alene ha løpende oversikt over hele kandidatmarkedet. Hvem som er aktuelle, hva de tjener, hvilke roller de vurderer, og hvor hard konkurransen om profilen er. Når svaret bygger på et begrenset nettverk og et søk i egen database, blir resultatet også begrenset.
Her gjør AI-matching en jobb mennesker ikke skal late som de kan gjøre bedre. Den kan se mønstre på tvers av store datamengder, sammenligne kompetanse med reelle rollekrav og finne relevante personer før de har sett annonsen. Ikke femti CV-er. Fem kandidater som er konkrete nok til å diskutere.
Det gjør ikke rekruttereren overflødig. Det gjør at rekruttereren kan bruke tiden på det som faktisk avgjør: kvaliteten på dialogen, motivasjonen for et bytte, forventningsavklaring og vurderingen av om dette blir riktig for begge parter.
Hva AI-matching faktisk bør gjøre
Mye rekrutteringsteknologi er laget for innsiden av prosessen. Den sorterer søknader, rangerer kandidater og hjelper rekruttereren med å jobbe fortere. Det er effektivisering. Men effektivisering av en prosess som starter med feil utvalg, løser ikke hovedproblemet.
God AI-matching starter før annonseteksten er skrevet. Den tar utgangspunkt i hva dere faktisk trenger: ansvar, kompetanse, erfaring, lønnsrom, arbeidsform og nivå. Deretter måler den dette mot kandidater og markedet rundt dere.
For en ansettende leder bør svaret være etterprøvbart. Hvem kan være aktuelle? Hva ligger lønnen på? Hvor mange andre selskaper konkurrerer om samme type person? Og hvor attraktiv er dere sammenlignet med alternativene kandidaten har?
Det siste er ofte ubehagelig. Hvis lønnsnivået er lavere enn medianen, bør dere få vite det. Hvis karrieresiden eller tilbudet deres ikke overbeviser erfarne kandidater, bør dere få vite det også. En rekrutteringsprosess blir ikke bedre av at noen skjermer dere fra markedets svar.
Mandag Match er bygget rundt akkurat dette prinsippet: Før dere publiserer en stilling, kan dere se fem anonyme kandidater, lønnsnivået for rollen og konkurransen i markedet. Da tar dere en beslutning på grunnlag av noe mer enn håp.
Rekruttererens jobb blir mer krevende, ikke mindre
Når AI finner relevante kandidater raskere, forsvinner ikke behovet for rekrutteringsfag. Tvert imot. Da blir det tydeligere hvem som bare administrerer en prosess, og hvem som faktisk kan rådgivning.
En rekrutterer må kunne utfordre oppdragsgiver. Er kravene realistiske? Er dere ute etter tre ulike roller i én stilling? Er tittelen riktig? Kan dere betale for nivået dere ber om? Det er ikke hyggelige spørsmål. Men de er bedre enn å love en kandidat som ikke finnes.
Rekruttereren må også kunne møte kandidaten med respekt. De beste folkene sitter ofte allerede i en jobb de trives godt i. De er ikke interessert i en vag henvendelse om en «spennende mulighet». De vil vite hvorfor rollen kan være relevant, hvem de skal jobbe med, hva som forventes og hva de får igjen.
AI kan bidra med presisjon. Den kan ikke skape tillit på egen hånd. Kandidater bytter ikke jobb fordi en algoritme ga dem høy score. De bytter når muligheten henger sammen med ambisjonene deres, hverdagen deres og livet deres.
Når AI kan gi feil svar
AI-matching er ikke nøytral bare fordi den regner raskt. Den blir aldri bedre enn dataene, spørsmålene og prinsippene bak. Hvis systemet er trent på historiske ansettelser uten å utfordre mønstrene, kan det gjenskape gamle skjevheter. Hvis det vektlegger tidligere stillingstitler for hardt, kan det overse kandidaten som har gjort jobben uten å ha fått riktig tittel.
Derfor må mennesket kunne se vurderingen og utfordre den. Kandidaten må også få innsyn i egne data, hva som er vurdert og hvorfor. Ingen skal velges bort av en maskin uten å vite at maskinen har vært med på vurderingen.
Det er en vesentlig forskjell på AI som anbefaler og AI som avgjør. Den første kan gi et bedre utgangspunkt. Den andre flytter makt til et system kandidaten ikke kan spørre, korrigere eller holde ansvarlig.
For virksomheter betyr dette at dere bør spørre mindre om hvor «AI-drevet» leverandøren er, og mer om hva teknologien faktisk gjør. Finner den kandidater utenfor den aktive søkergruppen? Gir den dere lønnstall og konkurransebilde? Kan dere forstå hvorfor en kandidat er foreslått? Og beholder et menneske ansvaret for beslutningen?
Når en rekrutterer alene kan være riktig
Ikke alle ansettelser krever samme modell. For en svært sensitiv lederrolle, en konfliktfylt situasjon eller en rolle der relasjonen til et lite fagmiljø er helt avgjørende, kan en erfaren rekrutterer med dyp bransjekunnskap være det riktige utgangspunktet.
Men også da er markedsdata verdifulle. Diskresjon er ikke det samme som å jobbe i blinde. Dere trenger fortsatt å vite om forventningene er realistiske, hvor kandidatene befinner seg og hva de vil koste.
For roller innen Tech, IT, Engineering, Salg og marked og Økonomi er behovet ofte tydeligere: Kandidatmarkedet er større, konkurransen er høyere, og mange aktuelle kandidater søker aldri. Da er det vanskelig å forsvare en modell som venter på innboksen.
Det beste spørsmålet før dere ansetter
Ikke spør om dere skal velge AI eller rekrutterer. Spør om dere får innsikt tidlig nok til å ta et godt valg.
Dere bør kunne se markedet før dere går til markedet. Dere bør vite hva rollen koster før dere lover noe. Og dere bør møte kandidater som mennesker med egne mål, ikke som treff i et system.
Rekruttering trenger ikke mer mystikk. Den trenger bedre svar, tidligere i prosessen. Når data gir oversikten og mennesker tar ansvar for vurderingen, får både dere og kandidaten et mer ærlig sted å starte.
