Du har en tjänst att tillsätta. Du öppnar den delade enhetens mapp, hittar en mall från för två år sedan, uppdaterar titeln, lämnar resten mestadels oförändrat och klistrar in den i ditt ATS. Annonsen går live med förmåner som företaget slopade förra kvartalet och krav som ingen har bekräftat med den anställande chefen.
Mallar känns trygga eftersom de är bekanta. Men bekantskapen döljer den verkliga kostnaden: inaktuella kriterier, en screening som inte hänger ihop med annonsen och en jobbannons som lockar volym i stället för matchning.
Frågan är om vanan fortfarande gör nytta för dig.
Varför mallar fortfarande är standard
Mallar fungerar eftersom de tar bort problemet med den tomma sidan. Du har en struktur: titel, översikt, arbetsuppgifter, krav, förmåner och en kort presentation av företaget. Fyll i luckorna så har du en annons.
För team som rekryterar en eller två roller om året är en mall i Google Docs fullt rimlig. Formatet är stabilt, insatserna är låga och ingen behöver ett specialiserat verktyg för att få det att fungera.
Mallar känns också neutrala. De är ingens åsikt, utan ett uttryck för “så har vi alltid gjort det”. Den samsynen gör dem lätta att försvara på ett möte där ingen har tid att diskutera processen för jobbannonser.
Där mallar brister
Mallar förfaller i tysthet. Så här går det till:
- Gamla förmåner överlever: Policyn för distansarbete ändrades för sex månader sedan, men mallen säger fortfarande “flexibelt distansarbete”. Förmånsavsnittet listar en tandförsäkring som du har bytt leverantör för.
- Kraven glider: Mallen innehåller “5+ års erfarenhet” eftersom någon skrev den för en seniorroll för tre år sedan. Ingen kontrollerade om den aktuella tjänsten verkligen kräver fem år eller om tre skulle räcka.
- Ingen koppling till screeningen: Mallen ligger i ett Google Docs-dokument. Screeningkriterierna ligger i ditt ATS. De två är inte kopplade, så en anställande chef kan screena mot kriterier som skiljer sig från vad kandidaten läste i annonsen.
Enligt JobScore (2026) är medianen för ansökningsgraden bara 5,19 %, vilket innebär att ungefär 95 av 100 besökare lämnar utan att ansöka. När din annons innehåller inaktuell eller felaktig information filtrerar du bort fel personer redan innan de klickar på Ansök.
Corporate Navigators (2026) rapporterar att antalet ansökningar ökade upp till nio gånger mellan 2022 och 2025, men att rekryteringsresultatet låg kvar på samma nivå. Adway (2026) fann att endast 0,5 % av de sökande till slut får ett jobberbjudande. Det här signal-brusproblemet gör att din jobbeskrivning har dubbel uppgift: den ska locka rätt personer och avskräcka fel personer. En inaktuell mall gör ingetdera särskilt bra.
Vad AI-generatorer för jobbeskrivningar gör annorlunda
En AI-generator tar ett kort underlag (titel, viktigaste arbetsuppgifter, must-have-krav och lönespann) och producerar ett strukturerat första utkast.
Skillnaden handlar inte bara om hastighet. Den handlar om koppling. När generatorn finns inne i ditt ATS kan utkastet ärva screeningkriterierna från samma system där kandidaterna senare utvärderas. Annonsen och screeningen är i linje från början, i stället för att glida isär mellan två verktyg som inte är kopplade.
Risken med generatorer är överdrivet förtroende. Om du publicerar AI-utkastet utan att granska det får du en polerad annons som kanske inte speglar dina verkliga förväntningar. Den här genomgången av hur JobCraft fungerar beskriver vad du bör kontrollera före publicering: skärp must-have-kraven, se till att senioriteten stämmer med lönespannet och bekräfta att företagsblocket är aktuellt.
Var JobCraft passar in
JobCraft är Canviders AI-skrivare för jobbeskrivningar. Du anger ett kort underlag (rollens titel, viktiga krav och lönespann) och det genererar en fullständig, redigerbar annons som är kopplad till din ATS-pipeline.
Tre saker skiljer det från en fristående generator eller en mall:
- Kopplad till screeningen: Kriterierna du definierar i annonsen flödar in i CriteriaMatch och AI Score, så det kandidaterna läser är det de utvärderas mot.
- Redigerbar, inte slutgiltig: Resultatet är ett utkast. Du granskar det, justerar kraven och publicerar när det stämmer med den anställande chefens verkliga förväntningar.
- Ingen mapp med inaktuella filer: Varje annons genereras på nytt för rollen. Du behöver inte underhålla ett mallbibliotek som glider ur takt en glömd uppdatering i taget.
När mallar fortfarande är rätt val
Mallar är inte alltid fel. De passar när:
- Du rekryterar samma roll upprepade gånger med minimala ändringar, till exempel säsongsanställd butikspersonal eller återkommande praktikantkullar, och tjänstebeskrivningen verkligen inte har ändrats.
- Din organisation kräver juridiskt granskad text som inte kan vara AI-genererad utan en efterkontroll av regelefterlevnaden.
- Du har ett dedikerat innehållsteam som aktivt underhåller och uppdaterar mallarna varje kvartal.
Om något av detta gäller kan en väl underhållen mall prestera bättre än ett genererat utkast som ingen anpassar. Nyckelordet är “väl underhållen”. De flesta mallmappar är det inte.
En praktisk beslutsram
Ställ tre frågor innan din nästa annons:
- När uppdaterades mallen senast? Om svaret är “jag är inte säker” är mallen en risk.
- Kopplas annonsen till dina screeningkriterier? Om kraven i annonsen skiljer sig från vad ditt ATS faktiskt utvärderar kommer du att attrahera kandidater som inte matchar din nivå, och avvisa kandidater som gör det.
- Hur lång tid tar det från tom sida till publicerad annons? Om svaret är mer än trettio minuter för en okomplicerad roll lägger du tid på formatering och formuleringar som en generator hanterar på några sekunder.
Mallar vinner på bekantskap. AI-generatorer vinner på hastighet och koppling till screeningprocessen. Det bästa resultatet är att använda generatorn för att skapa utkastet och att människan skärper kriterierna innan annonsen går live.
Canvider JobCraft omvandlar ett kort underlag till en redigerbar jobbannons, så att HR-team kan publicera snabbare och hålla screeningen i linje med vad kandidaterna faktiskt läser.