Talentchef fortæller, hvordan AI kan integreres i hele talentanskaffelsesforløbet

Da Greg Russell blev ansat som VP for Talent hos Cover Genius, var funktionen overoptimeret med fokus på effektivitet. Han brugte AI til at redesigne deres talentprocesser med "ansættelseskvalitet" som deres vigtigste målepunkt.

Vi talte med Greg for at finde ud af, hvordan det ser ud i praksis. Her er, hvad han havde at sige.

At gøre "ansættelseskvalitet" til det vigtigste pejlemærke

Jeg hedder Greg Russell og er VP for Talent hos Cover Genius, en global virksomhed inden for forsikringsteknologi, som integrerer beskyttelse i de platforme, folk allerede bruger. Mit job er at opbygge det team, der gør denne vision til virkelighed.

Som de fleste inden for rekruttering fandt jeg lidt tilfældigt vej til området. Men det, der fik mig til at blive, og som jeg oprigtigt kom til at holde af, var, at rekruttering grundlæggende handler om historiefortælling. De bedste rekrutteringsmedarbejdere fortæller en autentisk historie om en virksomhed og en rolle på en måde, der rammer præcis den rigtige person på præcis det rigtige tidspunkt.

Jeg tilbragte fire år hos Snapdocs, hvor jeg var optaget af kultur, kandidatoplevelsen, rekrutteringshåndværket og af, hvordan man coacher nogen til at blive en god samarbejdspartner for ansættende ledere.

Da jeg kom til Cover Genius, overtog jeg en funktion, der var overoptimeret med fokus på effektivitet og hastighed. Det hjalp med den indledende opskalering, men jeg kunne se, at hastighed alene ikke ville være nok til at opbygge den virksomhed, vi virkelig ønskede at være. Derfor foretog vi et bevidst skifte: "ansættelseskvalitet" (QoH) blev vores vigtigste pejlemærke. Vi genopbyggede processen fra bunden og sagde: "Vi kommer til at ansætte mere bevidst, og det kommer til at være det værd.”

Processen med at gøre tingene mere grundige åbnede døren til AI for mig. Når man kortlægger hele sin tragt og identificerer friktionspunkterne, begynder man at se alle de steder, hvor manuelle processer skaber unødvendig modstand eller får en til at miste værdifulde signaler. Så dukker AI op og siger: "Det kan jeg hjælpe med."

Rejsen frem til dette punkt gik fra håndværk over systemtænkning til teknologi. Jeg holdt aldrig op med at interessere mig for den menneskelige side af ansættelser. Jeg begyndte blot at interessere mig langt mere for, om infrastrukturen omkring dem var de mennesker værd, som træffer beslutningerne.

Global talentanskaffelse med et lille team

Cover Genius er en virksomhed med 600 medarbejdere, men talentanskaffelsesteamet er bevidst lille. Jeg har syv rekrutteringsmedarbejdere fordelt på vores vigtigste regioner: Nordamerika, APAC med udgangspunkt i Sydney, EMEA med udgangspunkt i London samt to rekrutteringsmedarbejdere og en koordinator for kundeorganisationen med base i Uruguay.

Vi skalerer op med indlejrede kontraktansatte ressourcer under rekrutteringsbølger i stedet for at tilføje permanente medarbejdere, som vi senere ville være nødt til at afskedige. I løbet af dette regnskabsår (10,5 måneder) har teamet stået for omkring 230 ansættelser, og vores travleste måned bød på 38 ansættelser.

Mit ansvarsområde spænder fra strategi og procesdesign til den daglige rekrutteringsdrift. Understøttelse af ansættende ledere, udvikling af rekrutteringsmedarbejdere, værktøjer og arbejdsgiverbrand hører alt sammen under mig. Jeg refererer til vores øverste personalechef og arbejder tæt sammen med direktionen om planlægning og prioritering af medarbejderstaben.

Kort sagt: lille team, stort mandat, globalt ansvarsområde.

Sådan er AI integreret i hele ansættelsesforløbet

Vores ansættelsesproces begynder, før den første samtale med en kandidat finder sted. Når en ansættende leder starter en ny rekruttering, hjælper AI med at skrive og finpudse jobbeskrivelsen. Det lyder måske grundlæggende, men en velformuleret jobbeskrivelse er fundamentet for alt det efterfølgende, herunder effektiviteten af værktøjet til AI-baseret vurdering. Skidt ind, skidt ud.

Når rollen er slået op, og ansøgningerne begynder at komme ind, bruger vi vores ATS bygget med AI som kerne, Kula, og dets AI-baserede vurderingsfunktion til at hjælpe os med at prioritere kandidatfeltet. Jeg vil gerne være præcis omkring, hvordan det fungerer, fordi jeg tror, det er let at misforstå.

Dette er ikke AI, der autonomt rangerer kandidater. Rekrutteringsmedarbejdere og ansættende ledere opbygger iterativt et meget justerbart filter, der præcist afspejler det, de søger. Det fremhæver de bedst kvalificerede kandidater baseret på de kriterier, vi giver det. Det foretager ingen selvstændige handlinger. Det er et værktøj til at anvende vores dømmekraft i stor skala, ikke en erstatning for den.

Derefter går vi i gang med interviewene. AI-notetagning kører under alle telefonscreeninger og panelinterviews og leverer ordrette transskriptioner, AI-genererede noter og kandidatresuméer.

Det skaber et langt mere omfattende grundlag for vurdering af hver kandidat, end vi havde før. Efterbehandlingerne er mere indholdsrige, fordi alle arbejder ud fra den samme detaljerede dokumentation i stedet for mangelfulde personlige noter.

Når det gælder tilbud, og hvis vi ansætter uden for et af vores etablerede kontorcentre, bruger vi AI til at indsamle og sammenfatte data om markedsbaseret løn. Og vi står foran en fuldstændig opdatering af vores lønintervaller, hvor AI vil udføre en stor del af analysen.

Efter at vi har ansat en medarbejder, rapporterer vi ved hjælp af Kulas samtalefunktion. I stedet for at opbygge forespørgsler eller navigere i et BI-værktøj stiller du bare et spørgsmål i almindeligt sprog. "Hvad var vores gennemsnitlige tid til besættelse af ingeniørstillinger i første kvartal?" og så finder den svaret. Det er en betydningsfuld ændring i, hvor tilgængelige data er for personer, der ikke er dataspecialister.

Sådan forbedrer en AI-baseret ATS interviewene

Jeg vil gerne se lidt nærmere på, hvordan Kulas AI ændrer vores interviews.

Den indbyggede interviewoptager og notetager har gjort den største forskel for os. For dem, der kender lignende værktøjer, er det som at have BrightHire indbygget direkte i værktøjet. For dem, der ikke kender det, kan man tænke på Gong, men til interviews. AI optager, transskriberer og opsummerer automatisk hvert interview. Denne ene funktion har skabt en afsmittende effekt på hele vores proces:

1. Interviewerne kan være til stede i samtalen. Før sad nogen febrilsk og skrev noter, mens de kun lyttede halvt til kandidaten. Nu er de engagerede, stiller bedre opfølgende spørgsmål og har en reel samtale. AI registrerer det hele.
2. De ansættende ledere kan gennemgå optagelsen. Det lyder enkelt, men det ændrer alt. Når man diskuterer en vanskelig afgørelse under en efterbehandling, kan man se interviewet i stedet for at stole på nogens hukommelse eller et resumé med punktform. Kvaliteten af disse samtaler bliver markant bedre.
3. Dette begejstrer mig mest som leder inden for talentanskaffelse: Det giver en hidtil uset indsigt i interviewernes præstationer. Vi kan nu se, hvad der sker i rummet. Stiller folk de rigtige spørgsmål? Sælger de virksomheden godt? Giver de kandidaterne en god oplevelse? Vi kan vejlede ud fra det med specifik og målrettet feedback. Det er en helt ny funktion for de fleste TA-teams.

Hvad angår resultater, er vores interview om ledelse og værdier (L&V) det afsluttende interview, hvor vi tester kulturelt match, og det omfatter en indbygget vetoret. Kulas AI-optager gør denne vetoret mulig. Hvis nogen er et "Nej", læser jeg transskriptionen og ser de relevante dele af interviewet. Derefter diskuterer vi det.

På samme måde beder en interviewer mig om at se den del af interviewet og komme med min vurdering, hvis vedkommende er usikker på noget. I de første to måneder efter at have styrket denne proces med optagelser som fundament resulterede L&V i otte beslutninger om ikke at ansætte ud af i alt 56 ansættelser. Det er ikke støj. Det er filteret, der virker.

Det gennemgående tema i det hele er signaler. Vores filosofi om kvaliteten af ansættelser bygger på idéen om, at bedre signaler fører til bedre beslutninger. Kulas AI-værktøjer giver flere og bedre signaler samt flere måder at handle på baggrund af dem. Ændringen handler ikke kun om systemet; systemet ændrede den måde, folk engagerer sig på.

Sådan ændrer AI strategisk arbejde

En anden ting, der bliver påvirket, er mit strategiske arbejde. Det plejede at tage dage, nogle gange uger, på tværs af flere udkast og arbejdssessioner at skrive en forretningsbegrundelse eller et strategipapir. Nu færdiggør jeg det arbejde på et par timer. Det plejede at være en heldagsopgave at sammensætte dias, grafer og infografikker til præsentationer for ledelsen, men nu tager det minutter. Det er ikke en overdrivelse, det er ganske enkelt det, der skete.

Fordi AI-værktøjer opretter forbindelse til vores systemer — Slack, Gmail, Google Docs — kan jeg bede dem om at hente kontekst fra dem alle på én gang. De kan opsummere nylige samtaler om et emne, finde et dokument og sammenholde en tråd med andre oplysninger. Det arbejde krævede tidligere, at jeg ledte på tværs af fire faner; nu er det en forespørgsel.

Ærligt talt har jeg endnu ikke set væsentlige, kvantificerbare ulemper ved at integrere AI. Vi var nødt til at hjælpe nogle ansættende ledere med ikke at stole for meget på AI, når de dannede sig holdninger, men det var let at opdage og rette.

Jeg ved, at det lyder for godt til at være sandt, og det er stadig tidligt. Jeg holder nøje øje med problemer som forringet signalkvalitet, hvis folk holder op med at forholde sig kritisk til resultaterne. Der findes reelle risici, men vi er endnu ikke stødt på dem i væsentlig grad.

Hvor AI skal begrænses i forbindelse med ansættelser

Greg deler

AI kan hjælpe os med at matche profiler, finde de stærkeste kandidater og opsummere, hvad der skete under en samtale. Det kan ikke træffe beslutningen.

Jeg vil være tydelig omkring, hvor vi trækker grænsen, fordi jeg føler stærkt for det.

Evaluering og udvælgelse forbliver altid fuldt ud menneskelige. AI kan hjælpe os med at matche profiler, finde de stærkeste kandidater og opsummere, hvad der skete under en samtale. Det kan ikke træffe beslutningen.

Vores regel for notetageren er tydelig: AI kan udfylde noter, men den menneskelige interviewer skal bedømme kandidaten og skrive sin egen feedback, der forklarer vedkommendes overvejelser. AI vil aldrig automatisk afvise en kandidat hos Cover Genius. Punktum.

Årsagen er ikke teknologiforskrækkelse. Ansættelse er en menneskelig beslutning om et menneske. Vi beslutter, hvem der bliver en del af denne virksomhed, hvem der bliver en del af denne kultur, og hvem der får denne mulighed. Det er ikke en beslutning, der skal overlades til en algoritme, uanset hvor god den bliver.

AI er et utroligt nyttigt værktøj, og det bliver kun mere effektivt. Men når alt kommer til alt, er det mennesker, der udgør denne virksomhed. Mennesker bør beslutte, hvilke andre mennesker der skal være en del af den.

Sådan opstiller du værn for AI i ansættelsesprocesser

Jeg undervurderede, hvor villige nogle mennesker ville være til at overlade deres dømmekraft til AI. Ikke på dramatisk vis, men stille og gradvist, hvilket er let at overse, hvis man ikke holder øje med det.

Vi så det først med jobbeskrivelser. Nogle mennesker har en tendens til at tage AI-resultatet, skimme det hurtigt og sende det ud. For at være fair er det sandsynligvis den samme impuls, der fik de samme mennesker til bare at kopiere en anden virksomheds jobbeskrivelse i tiden før AI. Værktøjet ændrede sig, men adfærden gjorde ikke.

En mere betydningsfuld version viste sig med samtaleresuméer. Kort efter at vi havde implementeret AI-notetageren, bemærkede vi, at mange var trygge ved at lade AI udfylde ikke bare noterne, men også den samlede kandidatopsummering og vurdering. De outsourcᴇde i praksis anbefalingen om, hvem der skulle ansættes, til værktøjet.

Vi opdagede det hurtigt og indførte værn. Reglen er nu tydelig: AI kan hjælpe med noter, men den menneskelige interviewer skal skrive sin egen vurdering og selv give scoren. Det kan ikke forhandles.

Men det, der faktisk overraskede mig, var, at det overhovedet var nødvendigt at sige det. For mig virker det så grundlæggende, at mennesket altid er beslutningstageren; jeg antog, at det var en bredt delt instinktiv forståelse. Det viste sig, at det ikke er så universelt, som jeg troede.

Jeg ville have fastlagt de værn før lanceringen, ikke efter. Og jeg ville fra starten have været langt mere bevidst om, hvad AI understøtter, og hvad det aldrig erstatter. Den tydelighed er vigtig, og det er bedre at etablere den, før vaner opstår, end at forsøge at rette dem bagefter.

Sådan ændrer AI CV-gennemgangen

AI skaber også nye udfordringer.

Her er et godt eksempel. Vi ser en strøm af det, jeg kalder "perfekte" CV'er. Kandidater bruger AI til at skræddersy deres ansøgninger præcis efter vores jobbeskrivelse. Vi får 100 ansøgere, og 50 scorer 95 eller derover ud af 100 i Kulas system. Præcise match, allesammen.

Så hvordan beslutter man, hvem man skal ringe til først? Det kan man ikke. CV-gennemgangen som screeningsværktøj er ved at forsvinde.

Og man kan ikke lave telefonisk screening af 50 eller 100 personer for hver stilling. Regnestykket går ikke op.

Vi løser et AI-problem med AI. Vi evaluerer AI-interviewere, der kan screene alle ansøgere med det samme og konsekvent. Alle får den samme første samtale, uanset hvornår de søgte, eller hvem der gennemgår deres CV. Helt ærligt er det mere fair for kandidaterne, ikke mindre. Vi starter med kundesupportstillinger med mange ansøgere, hvor anvendelsen er tydeligst, men vi ser også dette problem dukke op inden for teknik.

Bliver ingeniører begejstrede for at blive interviewet af AI? Sandsynligvis ikke i første omgang. Men jeg tror, at det ændrer sig hurtigere, end folk forventer. Min ærlige forudsigelse er, at man om 12 til 18 måneder ikke vil kunne se forskel på en AI-interviewer og en menneskelig interviewer. Måske tidligere. Så det ubehag, folk føler over det i dag, er sandsynligvis et langt kortere tidsrum, end det virker til.

Hvorfor ledere bør omfavne AI med mindfulness

Greg deler

Så kast dig ud i det. Men kast dig ud i det med åbne øjne…Vær ikke alarmist. Men vær heller ikke en søvngænger.

Bliv begejstret for AI-transformation. Vær ikke bange. Jeg ved, at det er nemmere sagt end gjort. Frygten er berettiget. Det er ikke svært at følge tråden til en verden, hvor hele jobkategorier bliver automatiseret væk, hurtigere end nogen kan nå at tilpasse sig, eller hvor AI blot forstærker de fordomme og ødelagte systemer, vi allerede har. Det er ikke irrationelle bekymringer. De er reelle.

Men sagen er den: Det er her. Det forsvinder ikke. Alle fagfolk inden for alle funktioner er nødt til at stige på toget eller blive kørt over af det, og jeg vil hævde, at det i mindst lige så høj grad gælder ledere som alle andre.

Ledere føler sig måske relativt sikre på grund af deres erfaring og anciennitet, og jeg mener, at det til dels er rigtigt. AI automatiserer ikke uden videre den dømmekraft, der kommer af at navigere i virkelige udfordringer, virkelige fiaskoer og reel kompleksitet gennem en karriere. Nogen skal vejlede AI. Nogen skal beslutte, hvad den skal fokusere på, og om resultatet er troværdigt. Det er en lederopgave.

Men at være relativt mere sikker er ikke det samme som at være sikret. Og endnu vigtigere: At spille defensivt er helt den forkerte tilgang. De ledere, der trives i dette øjeblik, bliver ikke dem, der beskytter deres position. Det bliver dem, der griber fat i dette med begge hænder og giver sig selv superkræfter. Og muligheden for at gøre det er nu. Tingene bevæger sig for hurtigt til at vente på et mere belejligt tidspunkt.

Så kast dig ud i det. Men kast dig ud i det med åbne øjne.

Det er her, jeg vil inddrage mindfulness, og jeg mener det oprigtigt, ikke som et modeord. Gå til enhver interaktion med AI, enhver idé, den genererer, og hvert transformerende øjeblik, den muliggør, med klarhed, disciplin og intention. Vid, hvad du beder om, og hvorfor. Gransk det, du får tilbage.

Argumentet for denne form for bevidst engagement er stærkere med AI end i rent menneskelige sammenhænge, fordi resultatet kommer hurtigere, kan skaleres længere og kan gå galt på måder, der ikke altid er umiddelbart tydelige.

Vær ikke alarmist. Men vær heller ikke en søvngænger.

Sådan redesigner du talentanskaffelse med AI

Jeg vil hævde, at talentanskaffelse, selv hvis man ser bort fra min åbenlyse partiskhed, reelt er et af de bedste områder, enhver organisation bør fokusere på lige nu. Ikke kun TA-teams. Enhver virksomhed, der ansætter medarbejdere.

Muligheden er der. Det er det, der har ændret sig. Det er ikke længere teoretisk. AI er i dag god nok til at skabe meningsfulde, mærkbare forbedringer af, hvordan virksomheder ansætter, og de fleste organisationer kører stadig en proces, der grundlæggende ser ud, som den gjorde for fem år siden.

Rammen for en gennemgribende ændring af talentanskaffelsen er enkel:

1. Identificér og automatisér først alt det rutineprægede og gentagne i din ansættelsesproces. Udarbejdelse af jobbeskrivelser, planlægning, undersøgelser og opsøgende kandidatsøgning, gennemgang af CV'er, indledende screening, notetagning og grundlæggende rapportering. Fjern så meget af det som muligt fra dine rekrutteringskonsulenters bord, eller gør dem i det mindste mange gange mere effektive, end de er i dag.
2. Tænk grundigt over de dele af processen, der giver størst løftestang — hvor bedre signaler fører til bedre beslutninger — og spørg, hvordan AI kan hjælpe dig med at gå mere i dybden.
3. Vær bevidst om, hvad du frigør dine rekrutteringskonsulenter til at gøre med den tid og mentale kapacitet, de får tilbage, for målet er ikke effektivitet for effektivitetens egen skyld. Målet er at gøre dem til reelt rådgivende partnere for virksomheden i stedet for procesadministratorer.

Når du gør det godt, sker der tre ting. Du får stærkere, bredere og dybere signaler om hver kandidat. Dine rekrutteringskonsulenter får tid og værktøjer til at rådgive ansættende ledere i stedet for blot at føre kandidater gennem et procesforløb. Og kandidatoplevelsen forbedres, fordi processen er hurtigere, mere ensartet og mere menneskelig dér, hvor det tæller.

Alt dette er inden for rækkevidde i dag. Ikke om to år. Nu.

Følg med

Du kan komme i kontakt med Greg Russell på LinkedIn eller besøge Cover Genius for at få mere at vide.

Der kommer flere ekspertinterviews på People Managing People!