Vad ska AI stödja i CV-granskningen?
AI ska ordna belägg som är relevanta för rollen inför granskningen, inte avgöra vem som går vidare. Den kan utvinna information, koppla den till godkända krav och flagga luckor. Beslutsgränsen flyttas när ett resultat direkt avslår, väljer ut, rangordnar eller kontaktar kandidater utan någon meningsfull granskning.
Rekrytering påverkar människors möjligheter till arbete. EU:s AI-förordning räknar AI som är avsedd att analysera eller filtrera platsansökningar och bedöma kandidater till de användningsområden inom anställning som kan utgöra hög risk. Artikel 6.3 innehåller begränsade undantag som beror på omständigheterna i det enskilda fallet, medan system som profilerar personer fortfarande räknas som AI-system med hög risk. Enligt Europeiska kommissionens aktuella vägledning gäller reglerna för AI-system med hög risk inom anställning från och med den 2 december 2027. ICO:s rapport från granskningar av rekryteringsverktyg pekar också på brister i dataskyddet och rekommenderar förbättringar hos de granskade leverantörerna. Den här guiden är praktisk vägledning, inte en juridisk bedömning av ett visst införande.
Skilltages vägledning: använd den här uppdelningen som praktisk utgångspunkt:
| Arbete som AI stöder | Beslut eller åtgärd som en människa äger |
|---|---|
| Utvinna information som kandidaten har lämnat och koppla den till ett godkänt krav | Godkänna kraven och avgöra om beläggen räcker |
| Gruppera utdrag ur källan och flagga belägg som saknas, är ofullständiga eller motsäger varandra | Låta kandidaten gå vidare, välja ut, avslå eller be om förtydligande |
| Visa osäkerheter, fel i tolkningen och skillnader mellan källor | Reda ut osäkerheter och avgöra vilken uppföljning som är rimlig |
| Förbereda en granskningsvy eller ett utkast till meddelande som ska kontrolleras | Godkänna ändringar av kandidatens status och skicka meddelanden |
Vad måste godkännas innan den AI-stödda granskningen börjar?
En människa måste godkänna grunden för urvalet innan kandidatmaterialet behandlas. En AI-stödd granskning blir aldrig mer sammanhängande än de kriterier den får. Notera:
- ska-krav och varför de är nödvändiga
- önskemål som kan stärka en kandidat men inte är skäl för avslag
- vilka belägg som kan styrka varje krav
- information som ska lämnas utanför eftersom den saknar betydelse för rollen.
Då finns en synlig grund att kontrollera systemets resultat mot.
Vilka belägg måste granskaren se?
Granskaren måste kunna kontrollera källan bakom varje bedömning, inte bara se en poäng. För varje krav ska gränssnittet visa:
- vilka belägg om kandidaten som användes
- var beläggen kommer ifrån
- om beläggen är direkta, indirekta, saknas eller motsäger varandra
- osäkerheter eller begränsningar i utvinningen.
En poäng trycker ihop sammanhanget. Belägg gör det möjligt för granskaren att ifrågasätta poängen.
Belägg för kraven före varje åtgärd
Raderna för kraven visar om varje krav är uppfyllt, delvis uppfyllt, inte uppfyllt eller saknar belägg i CV:t, tillsammans med kravets prioritet – utan att granskningen blir ett automatiskt beslut om kandidaten.
Beläggen går att granska
Granskaren kan öppna beläggen bakom ett krav, läsa resonemanget och jämföra det med utdrag ur det material kandidaten har lämnat.
Hur skiljer man på belägg som saknas, är svaga eller motsäger varandra?
Håll isär de här lägena i det praktiska arbetet:
| Läge | Vad det innebär | Hur granskaren hanterar det |
|---|---|---|
| Saknas | Det inskickade materialet tar inte upp kriteriet | Notera luckan och be om ett förtydligande senare om kriteriet är viktigt. Gör inte tystnad till ett negativt faktum |
| Svagt eller ofullständigt | Det finns relevant information, men den visar inte hela förmågan eller omfattningen | Granska källan, notera begränsningen och sök starkare belägg innan du förlitar dig på det |
| Motsägelsefullt | Informationen går isär mellan källor eller strider tydligt mot kriteriet | Visa båda sidorna, lös konflikten genom mänsklig granskning och dokumentera vilken tolkning som valdes |
Uppgifter som saknas kan motivera en fråga till kandidaten. Att automatiskt räkna dem som ett underkännande leder till att lämpliga kandidater sorteras bort i onödan.
Osäkerheten syns
Statusarna för källdokumenten visar vilka underlag som har analyserats, saknas eller behöver granskas, så att ofullständiga belägg inte i det tysta görs om till skäl för avslag.
Vilka åtgärder måste förbli under mänsklig kontroll?
Att en kandidat går vidare, får avslag, väljs ut eller kontaktas ska kräva en åtgärd av en inloggad person. Meningsfull mänsklig kontroll kräver att produkten faktiskt fungerar så, inte bara en etikett. Granskaren måste kunna göra en annan bedömning än den AI-stödda vyn och se tillräckligt med sammanhang för att kunna göra det.
Teamen bör också spara uppgifter om arbetsflödet i rimlig omfattning: vilken version av kriterierna som användes, när analysen gjordes och vilken mänsklig åtgärd som följde. Lagringstiden ska vara ett medvetet val, inte obegränsad.
Statusändringar kräver en granskare
Statuskontrollerna och spärrarna för kandidatkontakt gör att en kandidat bara går vidare eller får avslag genom en uttrycklig åtgärd av en inloggad person.
Hur bör teamet testa arbetsflödet innan det används?
Gå igenom den här checklistan med representativa syntetiska eller godkända exempel innan arbetsflödet används i en skarp rekrytering. Den går att återanvända:
- Belägg i källan: en stark kandidat som använder oväntade formuleringar ger ändå utdrag ur källan som går att granska.
- Ofullständiga belägg: belägg som är utspridda över flera tidigare roller förblir synligt ofullständiga tills en granskare har tagit ställning.
- Belägg som saknas: ett CV som saknar en viktig uppgift ger en lucka, inte ett påhittat negativt faktum.
- Irrelevant information: personuppgifter utanför de godkända kriterierna påverkar inte granskningsvyn.
- Fel: ett fel i tolkningen eller ett dokument som inte stöds hamnar i en synlig status för manuell granskning.
- Mänsklig åtgärd: ingen kandidat väljs ut, går vidare, får avslag eller byter status utan en åtgärd av en inloggad granskare.
- Gräns för kommunikation: inget meddelande till en kandidat skickas utifrån modellresultat som ingen har granskat.
Kontrollera att arbetsflödet visar osäkerhet och faller tillbaka på manuell granskning i stället för att hitta på säkerhet.
Vilka begränsningar och beslutsgränser gäller?
Mänsklig granskning gör inte automatiskt ett system rättvist eller lagligt. En granskare som har bråttom kan godkänna resultat utan eftertanke, och partiska kriterier förblir partiska även när de är strukturerade. Organisationen ansvarar fortfarande för sin rekryteringsprocess, den rättsliga grunden, informationen till kandidaterna, anpassningar och besluten.
Skilltages hållning är att AI-stödda belägg ska hållas åtskilda från den kandidatstatus som en människa väljer. Det är ett ställningstagande i produktens utformning, inte en garanti för regelefterlevnad eller ett skydd mot skadeståndsansvar.
Den uppdelningen börjar med tydliga krav för urvalet och vilka belägg som förväntas, kan tillämpas på AI-stödd CV-granskning för tillverkningsroller och kan testas med en praktisk checklista för leverantörer av AI för rekrytering.
Nästa steg
Rita upp ert nuvarande arbetsflöde för CV-granskning och ringa in varje punkt där programvara kan ändra en kandidats status, ordningsföljd eller kommunikation. Fråga för varje punkt vilka belägg granskaren ser och vilken uttrycklig mänsklig åtgärd som krävs.