AI og rekruttering

Hvad er den vigtigste pointe?

HR-sporet hænger sammen med bogens adgangsperspektiv: Når AI bruges i rekruttering, flytter teknologien ikke bare en administrativ opgave. Den kan flytte døren ind til organisationen og dermed spørgsmålet om, hvem der får mulighed for at begynde.

I Viden-universet til bogen Hvad skal vi lave nu? er AI anledningen til at tale om arbejde, ansvar, adgang, faglighed og menneskers plads i danske organisationer.

Hvad ændrer AI her?

• AI kan støtte rekruttering med jobopslag, søgning, screening, interviewforberedelse og mønstergenkendelse, men den kan også gøre afvisninger mere uigennemsigtige.
• AI i rekruttering er en bred kategori. Risikoen afhænger af, om værktøjet hjælper med tekst og overblik, eller om det påvirker screening, rangering, test og frasortering.
• EU AI Act placerer visse AI-systemer til rekruttering og udvælgelse blandt højrisiko-områderne, fordi de kan påvirke adgang til arbejde og selvstændig beskæftigelse.
• Databeskyttelse er ikke et bilag. CV’er, ansøgninger, test, noter og interviewdata handler om konkrete mennesker og må kun bruges med tydeligt formål og passende sikkerhed.
• Bias kan skjule sig i data, kriterier og historiske mønstre. Hvis et system er trænet, kalibreret eller evalueret på historiske ansættelsesmønstre, kan tidligere skævheder blive gentaget i ny form.
• Menneskelig vurdering skal være reel. Det er ikke nok, at et menneske kan klikke godkend, hvis systemets score, anbefaling eller frasortering i praksis styrer beslutningen.
• Begyndelsesopgaver og entry-level-jobs er særligt vigtige: Hvis AI sorterer hårdt efter erfaring, kan unge, nyuddannede og brancheskiftere miste adgang til de første læringsmuligheder.

Hvad bør HR og ledelse gøre før AI skaleres i rekruttering?

• Kortlæg præcist hvor AI bruges i rekrutteringen: jobopslag, søgning, screening, test, rangering, interview, kommunikation, afslag eller onboarding.
• Beslut hvilke beslutninger AI aldrig må tage alene, og hvordan kandidater kan få en forståelig forklaring, hvis AI har påvirket processen.
• Test for skævhed, før systemet bliver hverdag. Se på hvem der sorteres fra, hvilke kriterier der vægtes, og om begyndere får en reel chance.
• Hold fast i faglig og menneskelig vurdering: AI kan give struktur, men organisationen skal selv stå på mål for adgang, fairness og ansvar.

En god rekrutteringsproces må gerne bruge teknologi, men den må ikke miste sit menneskelige formål. Kandidaten søger ikke kun en plads i et system. Hun søger adgang til arbejde, læring, indkomst, tilhør og faglig udvikling.

Derfor bør AI i rekruttering altid have et dobbelt regnskab: Hjælper den organisationen med at arbejde mere ordentligt, og giver den kandidaterne en fairere eller i det mindste mere forståelig vej ind? Hvis svaret på det sidste er uklart, er processen ikke klar til at blive skaleret.

Rekruttering er adgang, ikke kun administration

Det er let at forstå, hvorfor AI frister i rekruttering. Der er mange ansøgninger, mange gentagelser og mange tekster, som skal skrives, læses og vurderes. AI kan hjælpe med struktur, formuleringer og overblik.

Men rekruttering er ikke en almindelig backoffice-opgave. Den afgør, hvem der får lov til at begynde. I bogens sprog er det et adgangsspørgsmål. Derfor skal en hurtigere proces også være en mere ansvarlig proces — ellers risikerer organisationen bare at gøre afvisningen hurtigere og mindre gennemskuelig.

Screening kan virke neutral, selv når den ikke er det

Et AI-system kan give en score, foreslå en shortlist eller fremhæve bestemte kandidater. Det kan føles mere objektivt end en travl recruiter. Men neutralitet kommer ikke af, at vurderingen er maskinel. Den afhænger af data, kriterier, målemetode og den måde mennesker bruger anbefalingen på.

Hvis historiske data afspejler et snævert billede af, hvem der tidligere blev ansat, kan systemet lære netop det mønster. Hvis jobopslaget er skrevet med bestemte signalord, kan nogle kandidater sortere sig selv fra. Hvis et menneske altid følger systemets første anbefaling, bliver den menneskelige vurdering svagere end den ser ud.

AI til rekruttering skal vurderes efter opgaven

Den samme overskrift kan dække meget forskellige brugssituationer. AI til at skrive et første udkast til et jobopslag er ikke det samme som AI til at rangere kandidater, vurdere en video, foreslå afslag eller opsummere interviewnoter. Risikoen vokser, jo tættere værktøjet kommer på adgang, frasortering og bedømmelse.

Derfor bør en arbejdsplads ikke spørge, om den er for eller imod AI i rekruttering. Den bør spørge, hvilken opgave teknologien skal løse, hvilke data der indgår, om kandidaten kan forstå processen, og hvor den menneskelige vurdering faktisk ligger.

Fem forskellige former for AI i rekruttering

• Jobopslag og kommunikation: AI kan hjælpe med sprog og struktur, men krav, tone og forventninger skal stadig vurderes af mennesker.
• Søgning og overblik: AI kan finde mønstre i kandidater eller ansøgninger, men kriterierne skal være fagligt relevante og forklarlige.
• CV-screening og shortlist: Her bliver risikoen større, fordi systemet kan påvirke, hvem der overhovedet bliver set af et menneske.
• Test, cases og interviewnoter: AI kan støtte dokumentation og forberedelse, men må ikke skjule, hvad kandidaten faktisk kan, eller hvad arbejdsgiveren vurderer.
• Afslag og opfølgning: Effektiv kommunikation må ikke gøre processen mindre ordentlig, mindre forklarlig eller sværere at gøre indsigelse mod.

En stopregel før AI sorterer kandidater fra

Jo tættere AI kommer på at sortere mennesker fra, desto tydeligere skal organisationen kunne svare på tre spørgsmål: Kan kriterierne forklares? Kan et menneske reelt ændre vurderingen? Og kan kandidaten forstå, hvad der er sket, hvis processen bliver anfægtet?

Hvis svaret er uklart, bør AI ikke bruges som frasorterende mekanisme endnu. Den kan måske stadig støtte overblik, sprog eller intern struktur, men adgangsbeslutningen skal vente, til ansvar, data og menneskelig kontrol er på plads.

En praktisk kontrol før systemet tages i brug

• Formål: Hvilken konkret del af rekrutteringen skal AI støtte, og hvad må den ikke bruges til?
• Data: Hvilke kandidatoplysninger, testdata og interviewnoter behandles — og i hvilken sikker ramme?
• Kriterier: Kan organisationen forklare, hvorfor et krav eller en score er relevant for arbejdet?
• Bias: Hvem bliver frasorteret, og er mønstret fagligt begrundet eller historisk skævt?
• Menneskelig kontrol: Kan et menneske reelt ændre, tilsidesætte og forklare systemets forslag?
• Kandidatens rettigheder: Ved kandidaten, hvis AI har betydning for processen, og hvor kan fejl eller særlige forhold håndteres?

AI Act gør ansættelse til et særligt risikoområde

EU AI Act nævner AI-systemer til rekruttering og udvælgelse af personer i Annex III om højrisiko-områder. Det er ikke en teknisk detalje, men en vigtig markering: Når AI påvirker adgang til arbejde, påvirker den menneskers muligheder i samfundet.

For en dansk arbejdsplads betyder det, at HR, ledelse, jura, IT og medarbejderrepræsentanter bør behandle AI i rekruttering som et governance-spørgsmål. Hvilket system bruges? Til hvilket formål? Hvem kan forklare beslutningen? Hvordan dokumenteres kontrol, databrug og menneskelig vurdering?

Fire steder hvor rekrutteringsprocessen bør sænke tempoet

• Jobopslaget: Brug AI til at gøre sproget klart, men kontroller om kravlisten lukker gode begyndere ude.
• Screeningen: Brug kun kriterier, der kan forklares fagligt, og test om bestemte grupper systematisk forsvinder.
• Interviewet: Lad AI give struktur, men ikke erstatte den faglige samtale om motivation, læring, dømmekraft og potentiale.
• Afslaget: Kandidater bør mødes med ordentlighed. Effektivitet må ikke gøre processen mere uigennemsigtig eller umenneskelig.

Rekruttering hænger sammen med hele adgangsvejen

Rekruttering stopper ikke ved et jobopslag eller et CV-filter. Den hænger sammen med jobansøgningen, jobsamtalen, ansættelsestesten, onboarding og de første opgaver, hvor et nyt menneske skal lære sig ind i arbejdet.

Derfor bør HR se AI-rekruttering som en adgangsvej, ikke som en løs værktøjskasse. Hvis AI gør ét led hurtigere, men gør næste led smallere eller mindre forståeligt, er organisationen ikke blevet mere ansvarlig. Den har bare flyttet friktionen til kandidaten.

Begyndere skal kunne ses af processen

AI-rekruttering kan blive særligt hård ved dem, der endnu ikke ligner en sikker kandidat på papiret. Unge, nyuddannede, praktikere, brancheskiftere og mennesker med usædvanlige forløb har ofte brug for, at nogen kan se potentiale, læringsvilje og kontekst.

Det hænger sammen med bogens begreb begyndelsesopgaver. Hvis organisationer både automatiserer de første opgaver og sorterer kandidater hårdere efter færdig erfaring, bliver døren ind smallere. En ansvarlig AI-proces skal derfor spørge: Hvem får stadig lov til at begynde?

Hvad kilderne bidrager med

AI Act-kilderne viser, at rekruttering og udvælgelse er et område med særlig samfundsmæssig betydning. Datatilsynet minder om, at kunstig intelligens skal tænkes sammen med databeskyttelse, formål og rettigheder. Den juridiske analyse fra Rettid/Aarhus Universitet gør adgang til arbejde til den centrale linse.

Tilsammen peger kilderne samme vej som bogens arbejdslivsperspektiv: AI i rekruttering er ikke bare et spørgsmål om mere effektiv HR. Det er et spørgsmål om adgang, ansvar, forklarlighed og menneskers mulighed for at få en plads i arbejdslivet.

Spørgsmål der bør stilles lokalt

• Hvor i rekrutteringen bruger vi allerede AI — også uformelt i jobopslag, mails, screening eller interviewforberedelse?
• Hvilke data om kandidater må bruges, og hvilke data må aldrig indgå i et AI-værktøj?
• Kan en kandidat forstå, hvis AI har haft betydning for processen?
• Hvilke kriterier sorterer begyndere, nyuddannede eller brancheskiftere fra, før et menneske ser potentialet?
• Hvem har ansvar for at opdage skævhed, fejl og uretfærdige mønstre?
• Hvor er den menneskelige vurdering reel — og hvor er den kun en formel godkendelse af systemets anbefaling?

Hvordan hænger det sammen med bogen?

Bogen arbejder med fire positioner i AI-forandringen: de fortrængte, de transformerede, de udelukkede og de empowered. De er ikke faste typer, men steder mennesker kan befinde sig, når arbejdet flytter sig.

Derfor handler denne side også om AI-uro, kontroltab, orienteringstid og begyndelsesopgaver — de begreber, der gør samtalen mere konkret end enten begejstring eller panik.

FAQ