AI-poängsättning av kandidater använder AI för att jämföra varje ansökan mot rollens krav och ta fram en matchningspoäng plus en förklaring. Den används bäst för att prioritera granskningen, inte för att automatiskt avvisa människor.
Så fungerar AI-poängsättning av kandidater
De flesta system följer samma mönster:
- Ta in signaler: CV, svar på ansökningsfrågor, screeningfrågor, portföljlänkar
- Extrahera strukturerad data: kompetenser, års erfarenhet, verktyg, certifieringar, platser, arbetstillstånd
- Matcha mot rollens kriterier: måste-ha kontra bra-att-ha, senioritet, domänpassning
- Poängsätt och förklara: ta fram en poäng (ofta 0–100) och motiveringen bakom den
- Rangordna och jämför: lägg kandidaterna i en sorterad kortlista för mänsklig granskning
De bästa poängsättningssystemen är granskningsbara (du kan se vad som drev poängen) och justerbara (du kan ändra kriterier och vikter per roll).
Vad man ska poängsätta: en praktisk bedömningsmatris
1) Måste-ha-kompetenser (godkänt/underkänt)
Om jobbet kräver en specifik certifiering, ett språk, en säkerhetsklassning eller ett arbetstillstånd, behandla det som godkänt/underkänt först.
2) Rollpassning (viktad poäng)
- Belägg för resultat (mätvärden, levererade projekt, ansvarsområden)
- Erfarenhet från branschen eller domänen (om den verkligen krävs)
- Centrala verktyg och tekniker som används i produktion
- Relevant erfarenhet från samma eller närliggande roll
3) Villkor (tydliga filter)
- Lönebehov, startdatum, tillgänglighet
- Begränsningar kring arbetstillstånd eller sponsring
- Krav på plats (distans, hybrid eller på plats)
4) Svar på screeningfrågor
Gör om svar på frågeformulär till strukturerade indata. Det gör poängsättningen mer konsekvent än att enbart förlita sig på CV:n.
Fördelar när den används rätt
- Samstämmighet: rekryteringsansvariga granskar en kortlista med gemensamma förväntningar
- Förklarbarhet: det syns varför en kandidat rankas högre
- Konsekvens: alla granskar samma kriterier, varje gång
- Snabbhet: gå från en full inkorg till en rangordnad kortlista snabbare
Vanliga misstag att undvika
Poängsättning på proxysignaler: Undvik att väga för tungt företagsvarumärke, skolnamn eller vaga titelmatchningar. Föredra kriterier som bygger på belägg.
Att dölja “varför”: Om en poäng inte kan förklaras kommer den inte att litas på. Visa vad som drev rangordningen och vilka kriterier som uppfylldes eller missades.
Att behandla AI som det slutliga beslutet: AI-poängsättning är beslutsstöd. Använd den för att prioritera granskningen, inte för att ersätta mänskligt omdöme.
Så passar Canvider in
Canvider hjälper rekryterare att röra sig snabbare samtidigt som besluten förblir granskningsbara:
- AI Score: poängsätt och rangordna kandidater mot jobbkrav
- CriteriaMatch: kontrollera egna krav (arbetstillstånd, språk, kompetenser) med förklaringar
- DecisionHelper: jämför kandidater sida vid sida med motivering
För vad forskningen säger om att dölja namn och personuppgifter under screeningen, se blindrekrytering.
Börja använda Canvider för att poängsätta och rangordna kandidater i din pipeline.