AI i ansettelser: hva HR-ledere trenger å vite om styring og tillit

De fleste HR-ledere som bruker AI i ansettelser, vil fortelle deg at de gjør det ansvarlig. Færre kan forklare nøyaktig hva det betyr i praksis – hvem eier beslutningene, hvordan konsistens håndheves, hva kandidatene får beskjed om og hvorfor. Det er dette gapet mellom trygg implementering og faktisk styring som er det Assessios Maturity Gap-forskning satte seg fore å måle.

I vår presenterer vi funnene for to personer som lever virkeligheten fra svært forskjellige synspunkter.

Kasper Abrahamsen, global rekrutteringssjef hos IO Interactive, deltok i den første økten for å snakke om hvordan ansvarlig implementering ser ut fra innsiden av et rekrutteringsteam.

I andre økt argumenterte Katrina Collier, forfatter av The Robot-proof Recruiter og Reboot Hiring, for at de menneskelige kostnadene ved å gjøre dette feil allerede begynner å slå gjennom. Begge samtalene var ubehagelige på de riktige måtene. Her er det som ble igjen i oss.

Begynn å stille spørsmål ved hvordan du bruker AI

De fleste organisasjoner har ikke gjort dette skiftet ennå. Det Kasper Abrahamsen beskriver som en «drop in, drop out»-virkelighet vil være gjenkjennelig for de fleste rekrutteringsteam: individer som bruker forskjellige verktøy, forskjellige oppfordringer, produserer inkonsekvente resultater, uten at noen er ansvarlige for det samlede resultatet. AI gjør jobben, men arbeidet er ikke styrt.

«Vi må slutte å snakke om 'bruker vi AI' og begynne å snakke om hvordan vi bruker det – og hvordan vi bruker det konsekvent og ansvarlig, og hvordan vi skalerer det.» – Kasper Abrahamsen

Hos IO Interactive var svaret å jobbe bakover fra prosessen i stedet for fremover fra teknologien. Hvilken beslutning må tas i hvert trinn av rekrutteringen? Hva prøver hvert trinn egentlig å vurdere? Først når disse spørsmålene har reelle svar, gir det mening å spørre hvordan AI kan support dem, alltid som en kilde til innsikt, aldri som den som foretar avgjørelsen.

Søknadsflommen er allerede her

I løpet av julen utlyste Kaspers kollega Lucas to designstillinger, og i januar kom han tilbake med 1300 søknader. Alle var velprøvde. Alle var i praksis identiske. Et team på fire rekrutterere, hvorav én var i fødselspermisjon, sto overfor en umulig oppgave.

«Vi har i årevis lært folk å skreddersy CV-en og søknadsbrevet sitt til stillingsbeskrivelsen. Det gjør de nå ved hjelp av kunstig intelligens.» – Kasper Abrahamsen

Konsekvensen er en prosess under reelt press. AI-skrevne søknader blir gjennomgått av AI-screeningsystemer, uten noe meningsfullt signal i midten. Volumet har brutt modellen som de fleste rekrutteringsprosesser ble bygget rundt, og få organisasjoner har et klart svar på hva som erstatter den.

AI forsterker dårlige orienteringer

De fleste ansettelsesprosesser mislykkes før en eneste kandidat har søkt. Det er Katrina Colliers argument, og hun sporer det til et spesifikt punkt der det mislykkes. Inntakssamtalen mellom rekrutterer og ansettelsesansvarlig er konsekvent den delen av prosessen som får minst oppmerksomhet.

En leder som mister noen på et team, vil ofte få panikk, gripe etter en gammel stillingsbeskrivelse eller generere en ny med ChatGPT. Rekruttereren går til markedet med et utgangspunkt som allerede er feil. Legg til AI i den prosessen, og du løser ikke problemet, du bare skalerer det.

«Du må vite hva du leter etter før du går ut og velger verktøyene dine for å finne noen.» – Katrina Collier

«Men mennesker er også partiske» er ikke et svar

AI-verktøy som lover å fjerne menneskelige skjevheter, er trent på menneskegenererte data, og bærer med seg de implisitte skjevhetene til den som skapte dem og den som oppfordret dem. Når Katrina presser verktøyleverandører til å si hvordan de reduserer dette, får hun ofte svaret: «Men mennesker er partiske.» Hennes reaksjon: «Nøyaktig – det er derfor jeg spør.»

Bekymringen er både spesifikk og generell. Det finnes dokumenterte eksempler på at store språkmodeller ser ut til å favorisere søknader skrevet av den samme modellen som utfører screeningen – en ChatGPT-skrevet CV skårer bedre med en ChatGPT-drevet screener.

Begge gjestene kommer uavhengig av hverandre frem til samme prinsipp: AI skal foreslå, ikke bestemme. Mennesker er fortsatt ansvarlige for følgevalg. Det er designkravet, ikke en midlertidig posisjon.

👉 For en dypere titt på hvordan skjevheter kommer inn i AI-ansettelsessystemer og hva organisasjoner kan gjøre med det, se Assessios veiledning om AI-skjevhet i ansettelser.

86 % av kandidatene som ikke får svar blir nedfor eller deprimerte

Dette tallet kommer fra Tribepads «End Ghosting»-kampanje, og Katrina brukte det til å anslå hva automatiserte, uansvarlige ansettelsesprosesser koster de som blir rammet. Rekrutteringsteam har hatt verktøyene til å lukke alle søknader i årevis. Problemet har aldri vært kapasitet – det er at mange rekrutterere ikke har blitt trent til å håndtere fiendtlige reaksjoner på avslag, så de unngår å gi dem i det hele tatt.

Oppskriften hennes er praktisk: gi alle en avslutning, selv når budskapet er kort. Når du gir personlig tilbakemelding, bruk ordet «demonstrere», lånt fra ledercoach Sue Ingraham. Ikke si til en kandidat at de mangler en ferdighet, si til dem at de ikke demonstrerte den i intervjuet. Det er vanskeligere å bestride, mer nyttig for kandidaten, og mindre sannsynlig å provosere frem den defensive holdningen som gjør rekrutterere motvillige til å gi tilbakemelding i utgangspunktet.

Når det gjelder automatiske avslag, er det bedre å ta ansvar for dem. Erkjenn at de er kalde, forklar hvorfor de eksisterer, og bruk rom for å gi kandidatene noe de kan handle ut fra. Målet er å være gjenkjennelig menneskelig, selv i en mal.

Veien videre er tydeligere enn den ser ut til

Begge øktene avdekket reelle problemer – uregulerte verktøy, ødelagte inntaksprosesser, kandidater uten avslutning. Men verken Kasper eller Katrina var pessimistiske. Forstyrrelsen, som Kasper uttrykte det, tvinger frem en fullstendig nytenkning av rekrutteringsmetoder som i mange tilfeller ikke har blitt meningsfullt utfordret på flere tiår. Det er ubehagelig, men det er også en mulighet.

Organisasjonene som vil få dette til å fungere er ikke de med de mest sofistikerte AI-verktøyene. Det er de som fikser prosessen først, styrer teknologien bevisst og er ærlige med kandidatene om hvordan og hvor automatisering spiller en rolle. Åpenhet og ansvarlighet er ikke hindringer for bruk av AI i ansettelser – det er det som gjør det virkelig bærekraftig.

Hvis du vil gå dypere inn i hva HR-ledere over hele Europa gjør med AI for tiden, hvor gapene er størst, og hvordan veien til ansvarlig implementering ser ut i praksis, er hele hvitboken vår tilgjengelig nå.

👉 Last ned Modenhetsgapet: HR-lederens veiledning til AI-adopsjon, styring og tillit