Sammanfattning av webbinariet: Vart tar AI rekryteringssystemet härnäst?

Nästan 200 HR-proffs och rekryterare anmälde sig till vårt webbinarium den 21 oktober 2026. Ämnet väckte tydligt intresse: vart tar AI rekryteringssystemet (ATS) härnäst?

Webbinariet leddes av TalentAdores marknadschef och tidigare rekryterare Janne Malmisaari tillsammans med Oskari Valkama, vår produktchef (Head of Product). Här hittar du huvudpunkterna, resultaten från omröstningarna och de frågor som kom in. Titta först på hela inspelningen eller hoppa till det som intresserar dig.

”Modeordet kring AI och utvecklingsarbete är smak. Med AI är det väldigt lätt att tappa smaken, och allt känns som AI-slop. Så frågan är hur man får det man bygger att ge värde.”

Kurvan är brant: därför går utvecklingen av rekryteringssystem allt snabbare

AI har varit ett hett ämne i några år, men skiftet under ytan är större än en trend. Forskning från METR visar att längden på de uppgifter som de mest avancerade AI-modellerna klarar av har fördubblats ungefär var sjunde månad. Mjukvaruutveckling visar effekten tydligast: enligt 2025 års DORA-rapport använder 90 % av utvecklarna redan AI-verktyg i jobbet.

Oskari ser det i det dagliga produktarbetet. Under 2023 och 2024 kom nya modeller med några månaders mellanrum. Nu kommer de nästan varje vecka, och det är inte längre en handfull leverantörer som sätter takten. Modeller med öppen källkod har gjort det möjligt att kombinera flera modeller: en som är snabb, en som är stark på ett visst språk och en som hanterar en specifik uppgift.

”Modeordet kring AI och utvecklingsarbete är smak. Med AI är det väldigt lätt att tappa smaken, och allt känns som AI-slop. Så frågan är hur man får det man bygger att ge värde.”

För rekryterare är den praktiska följden lätt att se. Så här säger Oskari:

”Vi kan göra samma mängd arbete som förut tog två–tre veckor på en vecka, eller på ännu kortare tid.”

Idéer som legat på hyllan med etiketten ”kanske någon gång” blir snabbt en proof of concept, och en funktion i rekryteringssystemet som inte finns i produktplanen i dag kan dyka upp nästa kvartal. Smart bokning av intervjuer, flerspråkig rekrytering och verkligt kompetensbaserad AI-matchning var för några år sedan utopi, men är i dag vardag.

De AI-användningsområden som kommer att växa mest

Vi inledde webbinariets första interaktiva del med en fråga: vilket AI-användningsområde kommer att växa mest i din rekrytering de kommande 12 månaderna?

Screening fick flest omnämnanden, följt av headhunting, sourcing och att ta bort manuellt arbete. Övriga svar spände från anteckningar och schemaläggning till återkoppling till kandidater, utkast till meddelanden och jobbannonser, marknadsbevakning och en ”rekryteringsagent”.

Jannes tolkning var tydlig: de flesta svaren pekar på rekryteringens tidskrävande flaskhalsar, samma som frustrerade honom som rekryterare innan generativ AI fanns. Oskari lade till idén om en sparringpartner inne i systemet, till exempel en som jämför lönenivåer i Sverige, Finland eller Tyskland så att du slipper ta fram dem för hand:

”Ungefär som att ha en sparringpartner inne i systemet som kan hjälpa en med mycket.”

Hur ser den verkliga användningen ut i dag? Enligt Aptitude Research använder 69 % av företagen AI någonstans i rekryteringen, men bara 18 % använder den i hela processen, och 46 % säger att de använder eller planerar att använda agentisk AI. Oskari är försiktig med den sista siffran. Enligt hans erfarenhet är verkligt agentisk AI i rekrytering fortfarande ovanligt i dag, men han räknar med ett skifte snart:

”Jag är lite tveksam till den siffran. Jag tror att agentisk AI under det kommande året redan kommer att ta över en betydande del av rekryterarens vanliga arbete.”

Fyra användningsområden kom upp i diskussionen:

AI-stödd profilering. Innan du skriver en jobbannons kan AI kombinera tre saker: vad den rekryterande chefen efterfrågar, vad marknaden erbjuder (utbud, lön, konkurrens) och vad teamet redan har. Resultatet blir en mer realistisk profil och, som Janne uttryckte det, mindre lust att jaga enhörningar. Oskari har sett samma mönster hos kunder: den första sökomgången gick förr åt till att ta reda på om profilen var rätt, och först i den andra omgången kom resultaten. Bra marknadsdata kan minska antalet omgångar, särskilt för nischade roller. AI kan också avgöra vilka kompetenser som är lätta att lära upp, så att den som anställs blir produktiv snabbare.

AI-baserad kompetensmatchning. När du går igenom hundratals eller tusentals ansökningar kan AI lyfta fram de kompletterande kompetenser som de flesta andra sökande saknar. Oskari tog upp strukturerad matchning byggd på det europeiska ramverket ESCO.

Prediktiv analys. Den används för att förutsäga till exempel hur lång tid en tjänst tar att tillsätta, vilka kanaler som kommer att fungera och hur många anställningar nästa år kräver, vilket är viktigt när budgeten läggs. Oskari påpekade att erfarna rekryterare redan gör det i huvudet:

”En rekryterare med 15, 20 års erfarenhet har en magkänsla för hur det kommer att gå. De har sin egen prediktiva analys inne i huvudet.”

AI hjälper nyare kollegor, varnar utifrån historiska data när en tjänst har för få sökande och låter en chef be om lägesbilden utan att behöva störa en rekryterare. Haken är datakvaliteten: i en Deloitte-studie bedömde 83 % av 924 företag att deras förmåga inom people analytics var låg, och AI har inte mycket att förutsäga utifrån svaga data.

AI-sourcing är ett annat användningsområde som redan är utbrett inom talent acquisition, men som först i närtid kommer att utvecklas och bli normaliserat. Att hitta passiva kandidater är viktigt på vilken talangmarknad som helst, och med AI kan sourcing ske från LinkedIn och jobbportaler till de talanger som redan finns i det egna systemet. Det som kommer att skilja företag och rekryterare åt är hur du kombinerar personlig kandidatkontakt av hög kvalitet med hög volym: när vem som helst enkelt kan nå kandidater blir det allt viktigare att sticka ut i deras ögon på ett positivt sätt.

Fråga, klicka inte: konversationellt gränssnitt och headless ATS

Tänk dig en vanlig tisdag i ett traditionellt rekryteringssystem: du öppnar systemet, hittar tjänsten, öppnar kandidaterna en och en, läser CV:t, klickar dig igenom flikar, kollar anteckningarna, öppnar mejlen och kopierar och klistrar. Med ett konversationellt gränssnitt ser verkligheten helt annorlunda ut: du frågar bara, och AI:n gör sökandet. Sedan ställer du följdfrågor och går djupare in i datan.

Oskari pekade på en andra grupp som tjänar på det: rekryterande chefer.

”Rekryterande chefer loggar in i systemet en gång om året och minns inte hur det fungerar.” Med ett konversationellt gränssnitt kan de säga till AI:n vad de vill göra, och den gör det åt dem.

”För rekryterare är det i stället en kraftförstärkare: under screeningen kan du säga ’skicka en intervjuinbjudan till alla kandidater jag flyttar till den här gruppen’, och AI:n stämmer av med dig innan den går vidare.”

Janne la till en brasklapp från sin tid som rekryterare. Screening är delvis visuellt arbete: du tittar på ansökningar och bilagor för att se hur kandidaterna formulerar sig och vad de förmedlar, och han skulle inte vilja att allt sammanfattas till ren text. Konversationell AI bör lämna utrymme för att också tillbringa tid i gränssnittet.

Två vägar: AI inbyggd i rekryteringssystemet eller ett headless ATS

Det finns två sätt att ta sig dit.

1. Konversationell AI inbyggd i rekryteringssystemet. Assistenten ser samma data och har samma behörigheter som du.
2. Ett headless ATS. Rekryteringssystemet, här utan fast användargränssnitt, gör sina data och funktioner tillgängliga via API:er och MCP, och du arbetar via en tredjepartsassistent som Claude eller ChatGPT. Det har redan hänt inom CRM och ERP och börjar nu ske inom rekryteringsteknik.

Oskari förklarade MCP som AI:s USB-C: en gemensam kontakt, i grunden ett API byggt för agenter, så att AI-verktyg vet hur de hämtar och använder dina data. (Janne meddelade att han tänker norpa den formuleringen.)

Båda vägarna fungerar, men de kommer med olika hemläxor. Oskaris största oro med headless-vägen gäller GDPR:

”Det täcker inte dina GDPR-skyldigheter. Om du flyttar kandidatdata till Claude eller ChatGPT måste du komma ihåg i vilken chatt du använde den kandidatens data.”

En kandidat har rätt att få veta vilka uppgifter du har om kandidaten och att få dem raderade. Inuti ett rekryteringssystem stannar datan i systemet. Med externa assistenter, och även med externa anteckningsverktyg, ligger den på många ställen, och radering blir en detektivhistoria. Oskari vet hur det är från sitt eget skrivbord: ”Jag har själv hundratals diskussioner varje vecka med min AI. Om du frågade mig i vilken konversation jag använde något för just det här ämnet skulle jag ha svårt att minnas.”

Han noterade också att många leverantörer av rekryteringssystem uppger att de inte tar något ansvar för vad du gör med en MCP-anslutning, så ansvaret ligger hos dig som användare. En enterprise-licens hjälper, men den svarar inte på frågan om var du har använt datan.

Sex frågor att ställa innan du driver rekrytering i Claude, ChatGPT eller en annan assistent:

1. Var behandlas och lagras kandidatdata, och sker det inom EU?
2. Används datan för att träna modeller?
3. Använder medarbetarna företagskonton med avtal eller privata konton?
4. Tar anslutningen hänsyn till behörigheter, och finns det en revisionslogg?
5. Filtreras personuppgifter bort innan de når modellen?
6. Finns det ett personuppgiftsbiträdesavtal, och vilka är underbiträdena?

Janne tog också upp shadow AI: många kontorsanställda använder AI-verktyg som arbetsgivaren inte har tillhandahållit, vilket är lika mycket en fråga om datasäkerhet som om policy.

Filtrera bort personuppgifter och bias

Oskari beskrev ett skydd som TalentAdore använder: en liten lokal modell tar bort personuppgifter innan något går vidare till en större språkmodell, och datan flyttas inte över på en gång. En grundläggande MCP-anslutning, noterade han, flyttar allt, inklusive kandidatens namn och adress, så att AI:n kan bli partisk. Inte all data bör flyttas för en viss vägledning eller ett visst beslut.

En sak består: hur en modell tränas, och vad den matas med, spelar roll även när tekniken utvecklas.

”Målet är att ha en rekryteringspraktikant eller rekryteringsansvarig inne i systemet som parhäst.”

Så arbetar vi med det på TalentAdore

TalentAdore har valt den konversationella vägen med AI inne i systemet. I stället för många enskilda funktioner kan Taika, vår AI-assistent, öppna en tjänst och ställa frågor för att fylla i den, boka intervjuer, skriva anteckningar och agera på dina vägnar. Runt den finns specifika verktyg som AI Notetaker och ESCO-baserad kompetensmatchning (AI Skills Matching).

”Målet är att ha en rekryteringspraktikant eller rekryteringsansvarig inne i systemet som parhäst”, beskrev Oskari.

TalentAdore Hires AI har inbyggd kontroll: administratörer kan stänga av AI-funktioner helt (till exempel kandidatsammanfattningar) och begränsa funktioner utifrån användarroller. Kunder börjar vanligtvis med AI Notetaker och mindre funktioner och går med tiden över till det konversationella gränssnittet.

TalentAdores AI Service Hub har skyddsmekanismer som privata språkmodeller, human in the loop och begränsning av hur mycket data som flyttas. En viktig faktor är också att Taika föreslår men aldrig beslutar: användaren fattar det slutliga beslutet.

Rekryterarens nya ansvar: teamledare för digitala kollegor

När AI är en del av ditt dagliga arbetsflöde förändras din roll. Med Jannes ord blir du teamledare för dina egna små digitala rekryteringsassistenter. Loopen är enkel: sätt målet och ramarna, delegera, granska resultatet och äg beslutet. Jannes regel är tydlig:

”Låt dem under inga omständigheter fatta beslut om urval eller avslag.”

”Man bör tänka på AI ur en ny vinkel: inte som ett verktyg utan som en kollega som kan göra saker på dina vägnar och ge dig möjlighet att göra mycket mer än du klarar av i dag. Ge den en tydlig uppgift, säg vad du inte vill ha, kontrollera vad den levererar och bestäm sedan själv”, lägger Oskari till.

Hans tumregel för AI i rekrytering är tydlig:

”Ge AI:n ditt rutinarbete och behåll det mänskliga arbetet där du måste sitta vid ratten.”

Det finns en förtroendetröskel. Enligt Oskaris erfarenhet måste du prova en överlämning några gånger, men det lönar sig, till exempel med schemaläggning av intervjuer:

”När du har delegerat uppgiften till AI två eller tre gånger inser du till slut att det inte finns något att grubbla över.”

Delegera till din digitala kollega: schemaläggning och påminnelser, anteckningar, transkriptioner och sammanfattningar, översättningar och flerspråkig rekrytering, första utkast till meddelanden och jobbannonser, att hitta kontakter och underlag över olika system samt att slippa filtren och de tiotals flikarna.

Behåll det mänskligt: beslut om shortlist, avslag och erbjudanden, samtal och återkoppling med kandidater, att sätta kriterier och ramar, specialfall och att ifrågasätta det AI säger.

Varför lägga tid på det? LinkedIns studie Future of Recruiting visar att team som använder generativ AI sparar upp till ungefär 20 % av arbetsveckan. Siffran bygger på de svarandes egna uppskattningar, men den motsvarar ändå ungefär en dag i veckan. Den bättre frågan är vart den sparade tiden tar vägen. Vi menar att den bör flytta rekryteringen från reaktiv till proaktiv: bygga kandidatflöden innan tjänsten har öppnats, lägga tid på kandidatrelationer och bedömning och personalisera kontakten där du förut skickade generiska meddelanden.

Trender att undvika

EU:s AI-förordning (EU AI Act) och vad som redan är förbjudet

AI-system som används vid rekrytering och bedömning av arbetstagare klassas som AI-system med hög risk enligt EU:s AI-förordning (AI Act), vilket gör ansvaret delat: leverantören bär en del, och hur du använder funktionerna i rekryteringssystemet och verktyg från tredje part bär resten. Tidplanen har ändrats. Det digitala omnibuspaketet för AI (Digital AI Omnibus, förordning (EU) 2026/1744, i kraft sedan 27 juli 2026) sköt upp skyldigheterna för AI med hög risk inom rekrytering från 2 augusti 2026 till 2 december 2027. Det ger mer tid att förbereda sig, inte mindre. Förbuden gäller redan:

• känsloigenkänning, till exempel att läsa av humör i en kandidats ansikte eller röst i en videointervju
• biometrisk kategorisering som härleder känsliga egenskaper
• social poängsättning och manipulativa tekniker
• enbart automatiserade beslut med betydande effekter, till exempel att avslå kandidater helt utan mänsklig inblandning (artikel 22 i GDPR)

Janne lyfte fram det som mest frestar rekryterare: att klistra in en lång lista med kandidater i ett AI-verktyg, be om en shortlist och lita på resultatet rakt av. Oskaris råd följde därefter:

”Om ert system är byggt kring automatiserat beslutsfattande bör ni fråga er leverantör rakt ut hur de förhåller sig till de här lagarna. Och eftersom AI gör misstag och kan hallucinera fram saker som får en kandidat att verka bättre än vad som är sant, kommer det att behövas en människa i loopen under överskådlig tid.”

Du kan läsa mer om EU:s AI-förordning och rekrytering i vår fullständiga genomgång (på engelska).

AI-intervjuer: publikens dom

Den andra omröstningen lade ett påstående inför publiken: ”En intervju som genomförs av AI är ett humant och ansvarsfullt sätt att möta en jobbsökande för första gången.”

Genomsnittet landade på 1,9 av 5. Det ligger nära de 2,0 vi såg i vårt webbinarium om ansvarsfull AI i juni (på engelska). Oskari är kluven. Den som söker har lagt verklig tid på att hitta ett jobb som betyder något och förväntar sig att få prata med en människa. Samtidigt skulle en kund som får tusentals ansökningar per tjänst kunna intervjua många fler med AI, vilket kanske vore rättvisare. Hans slutsats: båda sidor har en poäng, och upplevelsen är inte bra än.

Kandidaterna säger ifrån tydligare. I en undersökning från 2026 bland 2 950 jobbsökande (USA, Storbritannien, Irland, Tyskland och Australien) hade 63 % varit med om en AI-intervju och 38 % hade hoppat av en process på grund av en sådan. Det gemensamma i skräckhistorierna är att kandidaten inte hade väntat sig en AI-intervjuare. Om du använder en, säg det i förväg.

Dålig automatisering och överautomatisering

Dålig automatisering faller tillbaka på ditt arbetsgivarvarumärke. Janne visade exempel på en prompt som lämnats synlig i ett avslagsmejl och ett avslag som kom under pågående intervju, och Oskari berättade en anekdot från sin närmaste krets:

”En bekant till mig fick ett avslagsmejl från rekryteringssystemet två månader efter att ha börjat på jobbet.”

Samma sak gäller kandidatkontakt. Det har aldrig varit enklare att skicka meddelanden till hundratals kandidater, men tempo och volym gör inte meddelandet bra. Oskari föreslår en medelväg:

”Använd en mall och lämna avsiktliga platser för personalisering, till exempel de färdigheter som den här kandidaten är bäst på. När du har 600 personer att mejla håller det meddelandet i linje med varumärket och visar ändå att en människa har lagt tanke på det. Kandidater vet att automatiska och AI-stödda meddelanden finns. Det de lägger märke till är om det känns relevant för dem.”

AI är en bra tjänare men en dålig herre

AI Skills Matching är ett bra exempel på AI som en bra sparringpartner, men aldrig som självständig beslutsfattare. Ber du AI att rangordna kandidater får du en prydlig lista, så ifrågasätt den. Fyra frågor att ställa innan du litar på en poäng:

1. Vad bygger den på?
2. Vad saknas, till exempel bakgrund eller överförbara kompetenser?
3. Skulle jag fatta samma beslut utan poängen?
4. Vad händer med personen om bedömningen är fel?

Sex saker att ta med dig

1. Kurvan är brant. Produktplanerna för rekryteringssystem rör sig snabbare än någonsin. Planera i kvartal, inte i år.
2. Sourcing, kompetensmatchning och prediktion är de användningsområden med mest utrymme att växa, vid sidan av etablerade som kandidatkommunikation och att skriva utkast till jobbannonser.
3. Fråga, klicka inte. Rekryteringssystemet blir konversationellt och, för vissa, headless. Kolla vart dina data tar vägen.
4. Du är teamledaren. För dina digitala kollegor, och du äger resultatet av deras arbete.
5. Respektera förbuden. Inga enbart automatiserade beslut, ingen AI som läser av känslor, och känn till dina skyldigheter enligt GDPR och EU:s AI-förordning.
6. Tjänare, inte herre. Ifrågasätt resultatet och behåll den mänskliga touchen.

Oskaris tillägg till punkt tre: det här är riktningen många programvaruprodukter är på väg åt, och 2027 kommer att innebära en stor förändring: ”Att klicka, trycka på knappar och veta var man ska klicka kommer att försvinna med tiden.”

Frågor och svar i urval

Det kom in många frågor, och vi besvarade så många vi kunde live. Här är en sammanfattning.

Fråga: Det finns många produkter för automatiserad screening, men jag har hittills inte sett AI i hela rekryteringsprocessen. Finns det någon?

Oskaris svar: Det stämmer med vad forskningen visar: de flesta verktyg använder AI på specifika ställen. Vårt mål med Taika är att bygga in AI i hela flödet och hjälpa till i varje del av processen.

Fråga: Kan AI screena de gamla sökande som redan finns lagrade i systemet?

Oskaris svar: Ja, där kan Taika hjälpa till. Den arbetar med dina egna användarbehörigheter, så om du har tillgång till andra tjänster kan den lyfta fram dina kandidater där. En mer avancerad matchningsfunktion är under utveckling.

Fråga: Kommer AI att ersätta rekryterare?

Oskaris svar: ”Jag är ingen spåman, men jag tror inte att rollen som sådan försvinner.” Lagen är tydlig med att någon måste granska och godkänna, ändra eller fatta AI:ns beslut. ”Vad AI kommer att göra är att göra dig mycket snabbare”, vilket frigör tid till arbete som inte var möjligt förut, till exempel kommunikation med kandidater.

Fråga: Hur undviker man bias?

Oskaris svar: Genom att begränsa de data som skickas till AI. För en kandidatsammanfattning är namn, ort, e-postadress och telefonnummer irrelevanta, så du skickar bara vidare det personen har gjort. Ovanpå det bygger du spärrar och riktlinjer för vad AI:n får och inte får göra. Med Oskaris ord: ”I ungefär 98, 99 % av fallen är AI:n villig att följa de riktlinjerna. De gånger den inte är det måste man stoppa den innan den gör något mer.” Därför måste kontrollsteg finnas på plats.

Fråga: I USA har en leverantör av AI-screening dragits in i en grupptalan om automatiserade avslag. Finns det ett glapp mellan hur ansvaret för AI-baserade rekryteringssystem ses och hur lagen tillämpas?

Jannes och Oskaris svar: Det finns många gråzoner och hittills få rättsfall som visar hur lagstiftningen hanterar de här frågorna, och varje leverantör tolkar dem olika. Oskari: ”På TalentAdore har vi bestämt oss för att vara mycket strikta med var vi drar gränsen.” Beslutet ligger alltid kvar hos användaren: ”När allt kommer omkring är det något en människa avgör vem man anställer och vem man avslår, och så kommer vi att ha det nu och för alltid.” Janne la till att allt inte kommer från lagstiftningen: fråga dig vad ditt löfte till kandidaterna är. ”Ibland måste man offra en del effektivitet för att vara mänsklig, men med den nya tekniken behöver man inte göra lika många kompromisser.”

Fråga: Kandidater skriver korta CV:n utan de viktiga detaljerna, och AI kan bara arbeta med bra data. Vad kan vi göra?

Oskaris svar: I EU får du inte låta AI hämta mer data om en kandidat om kandidaten inte har tillåtit det. Vissa kunder lägger till ett steg för att ”samla in mer information”: efter den första ansökan ber de kandidaten om fler detaljer. Oskari rekommenderar också att låta AI hjälpa kandidater att presentera sina kompetenser: ”Vissa är helt enkelt bättre på att söka jobb än andra, och det gör spelplanen jämnare.” Jannes syn: sikta på bättre ansökningar i stället för fler sökande, särskilt när fler företag går över till strukturerad, kompetensbaserad rekrytering där ansökningar måste vara jämförbara.

Fråga: Räcker det med en enterprise-licens när jag använder en extern assistent med kandidatdata?

Oskaris svar: Det hjälper, men det löser inte frågan om radering enligt GDPR. När en kandidat ber om radering måste du veta på vilka ställen du har använt kandidatens data. Inuti rekryteringssystemet stannar datan i systemet. Med verktyg från tredje part sprids den, och det gör även ett anteckningsverktyg som används utanför systemet.

TalentAdores arbetssätt för människocentrerad AI

Vi har byggt in AI i rekrytering sedan 2016, och vår mission är att ta tillbaka det mänskliga i rekryteringen: tid som sparas på administration går till kandidatupplevelse, kvalitet i anställningarna och ett ordentligt svar till varje sökande, även de som får avslag.

• Taika, vår AI-assistent, föreslår och användaren bestämmer
• Administratörer väljer vilka AI-funktioner som är på, och för vilka roller
• Personuppgifter filtreras bort innan data når de stora språkmodellerna
• Privata språkmodeller och human in the loop är en del av designen

TalentAdore Hire är byggt kring en tumregel: AI är en bra tjänare men en dålig herre.

Vill du se Taika i praktiken? Boka en demo.

Vanliga frågor om AI och rekryteringssystem