En feilansettelse i en teknisk nøkkelrolle merkes lenge etter at kontrakten er signert. Teamet mister fart, ledere bruker tid på oppfølging, og de beste medarbeiderne må dekke opp for et valg som aldri burde vært tatt. Spørsmålet om hvordan redusere feilansettelser handler derfor ikke bare om å finne dyktige kandidater. Det handler om å bygge en prosess som gjør riktige valg mer sannsynlige – og dårlige valg vanskeligere å ta.
I teknologi, IT og engineering er dette ekstra krevende. Kompetanse er knapp, rollene endrer seg raskt, og et CV-format sier sjelden nok om hvordan en person faktisk vil fungere i et bestemt team. Tradisjonell rekruttering har ofte gitt for stor plass til tempo, kjemi i første intervju og magefølelse. Det er ikke en strategi. Det er risiko.
Reduser feilansettelser før søket starter
De fleste feilansettelser begynner før den første kandidaten er kontaktet. Når oppdragsgiver og rekrutterer ikke er helt enige om hva rollen skal løse, blir kandidatvurderingen basert på antakelser. Da er det lett å ansette den som ser riktig ut på papiret, fremfor den som kan skape resultater i rollen.
En god kravprofil starter ikke med en kopi av forrige stillingsannonse. Den starter med virksomhetens situasjon. Hva skal være annerledes om seks eller tolv måneder? Hvilke beslutninger skal denne personen ta? Hvilke tekniske problemer må vedkommende kunne løse selv, og hvor avgjørende er samarbeid på tvers av fagmiljøer?
Skill mellom krav som er nødvendige fra første dag, og kompetanse kandidaten kan bygge i rollen. En senior utvikler trenger ikke nødvendigvis erfaring med akkurat deres rammeverk dersom den tekniske grunnforståelsen, læringsevnen og domeneforståelsen er sterk. På den andre siden kan et manglende krav være reelt kritisk i roller med ansvar for sikkerhet, arkitektur eller regulerte systemer. Presisjon betyr ikke flere krav. Det betyr riktigere krav.
Definer også hva som ikke fungerer
Mange beskriver ønsket profil, men unnlater å avklare risikoen. Hvilken arbeidshverdag vil personen møte? Hvor høy er endringstakten? Hvordan tas beslutninger? Hvor mye struktur finnes, og hvor mye må kandidaten skape selv?
Dette er ikke detaljer som kan tas på slutten av prosessen. En kandidat som trives best med tydelige rammer kan være glimrende, men feil for et miljø der prioriteringer endres ukentlig. Å være ærlig om friksjonen i rollen gjør at flere feil matcher stopper før de blir kostbare ansettelser.
Vurder hele matchen, ikke bare CV-en
Teknisk kompetanse er inngangsbilletten. Den er ikke hele vurderingen. En feilansettelse oppstår ofte når virksomheten overvurderer det som er lett å måle og undervurderer det som avgjør om personen blir, presterer og bidrar over tid.
Det betyr ikke at kulturell match skal bli en vag jakt på folk som ligner teamet som allerede finnes. Tvert imot. Et sterkt fagmiljø trenger perspektiver som utfordrer det etablerte. Det som må vurderes, er om kandidatens verdier, samarbeidsform og forventninger kan fungere sammen med virksomhetens faktiske virkelighet.
Still konkrete spørsmål. Hvordan håndterer kandidaten faglig uenighet? Hva trenger vedkommende fra en leder for å lykkes? Hvordan prioriterer personen når kvalitet, fart og teknisk gjeld trekker i ulike retninger? Be om eksempler fra faktiske situasjoner, og følg opp til svarene blir spesifikke. Generelle svar skaper en generell vurdering.
Det samme gjelder motivasjon. En kandidat kan være kvalifisert og oppriktig interessert, men likevel ta rollen av feil grunn. Kanskje er det lønnen, tittelen eller behovet for å komme seg bort fra nåværende arbeidsgiver som driver prosessen. Slike forhold er ikke nødvendigvis diskvalifiserende, men de må forstås. En god match er gjensidig. Kandidaten skal velge virksomheten med åpne øyne, ikke bare bli valgt.
Slik reduserer du feilansettelser med strukturert vurdering
Intervjuet er fortsatt verdifullt, men ustrukturert intervju er et svakt beslutningsgrunnlag. Vi er raske til å tolke trygg kommunikasjon som kompetanse, likhet som kjemi og en god samtale som bevis på framtidig prestasjon. Det er menneskelig. Nettopp derfor må prosessen være bygget for å korrigere menneskelige skjevheter.
Start med et felles vurderingsskjema før intervjuene gjennomføres. Alle som deltar i ansettelsen, bør vurdere de samme kriteriene og kjenne definisjonen av et godt svar. Da blir det enklere å se forskjellen mellom dokumentert erfaring og en overbevisende fortelling.
For tekniske roller bør praktiske vurderinger ligne arbeidet kandidaten faktisk skal gjøre. En arkitekt kan drøfte en relevant systembeslutning. En data engineer kan forklare hvordan vedkommende ville håndtert kvalitet i en datapipeline. En leder kan få en case som tester prioritering, kommunikasjon og evne til å bygge et miljø. Oppgaven trenger ikke være stor. Den må være relevant, rettferdig og respektere kandidatens tid.
Referansesjekk bør heller ikke være et ritual på slutten. Den bør teste konkrete hypoteser. Hvis kandidaten beskriver seg selv som sterk på tverrfaglig samarbeid, spør referansen hvordan dette så ut i praksis, hva personen bidro med når det oppsto konflikt, og hvilken type miljø kandidaten fungerte best i. Et positivt referansesvar uten detaljer reduserer ikke risiko.
Bruk AI til å styrke dømmekraften, ikke erstatte den
AI kan gi rekruttering et nødvendig presisjonsløft, særlig når markedet er stort og kandidatdata er spredt på tvers av plattformer. Teknologien kan identifisere relevante profiler, avdekke kompetansemønstre og gjøre matchingen mer konsistent enn et rent manuelt søk. Men AI er ikke en snarvei til et bedre valg dersom kriteriene er uklare eller dataene brukes uten innsikt og kontroll.
Den riktige modellen kombinerer teknologiens skala med menneskelig vurdering. AI kan bidra til å vurdere harde og myke ferdigheter, erfaring, motivasjonsfaktorer og arbeidsform opp mot rollen. Mennesker må fortsatt forstå konteksten, utfordre funnene og ta ansvar for beslutningen.
Like avgjørende er transparens. Kandidaten bør få vite hvordan vedkommende ble identifisert, hvorfor matchen anses som relevant og hvilke data som er brukt. Det bygger tillit og gjør prosessen bedre for begge parter. Når kandidatene får innsyn, kan de også korrigere feil og ta et reelt, informert valg om de vil gå videre.
Dette er en ny standard for ansvarlig rekruttering. EUs AI Act gjør kravene til dokumentasjon, risikostyring og ansvar tydeligere, men virksomheter bør ikke vente på at regelverk tvinger frem bedre praksis. Teknologi som påvirker karrierer, må være forklarbar, etisk og under menneskelig kontroll.
Mandag.ai er bygget på dette prinsippet: AI-drevet matching skal gjøre beslutningen mer opplyst, mens kandidaten beholder innsyn og valgfrihet. Det er slik teknologi kan styrke tillit i stedet for å skape en ny svart boks.
Se på ansettelsen som starten, ikke slutten
Selv en grundig prosess kan ikke fjerne all usikkerhet. En ansettelse er en vurdering av framtidig samarbeid, ikke en fasit. Derfor er de første månedene en del av risikostyringen, ikke bare onboarding.
Avklar forventninger før oppstart. Hva betyr god prestasjon etter 30, 60 og 90 dager? Hvem har ansvar for faglig støtte, prioriteringer og tilbakemeldinger? Når en ny medarbeider ikke lykkes, skyldes det ikke alltid feil kandidat. Utydelig ledelse, svak onboarding eller et team uten kapasitet til å ta imot nye folk kan være den egentlige årsaken.
Følg opp systematisk, og vær villig til å lære av utfallet. Hvis kandidater ofte faller fra tidlig, hvis de samme kompetansegapene går igjen, eller hvis ledere opplever at nyansatte ikke innfrir, må virksomheten undersøke mønsteret. Rekrutteringskvalitet forbedres ikke av å gjenta prosessen med større hastverk. Den forbedres når data, erfaringer og menneskelig innsikt brukes til å gjøre neste beslutning bedre.
Den beste måten å redusere feilansettelser på er ikke å lete etter feilfrie kandidater. Det er å skape en prosess som er tydelig nok til å se potensial, ærlig nok til å avdekke misforhold og ansvarlig nok til at både virksomheten og kandidaten kan stole på beslutningen.
