AI sorterar bort andra ansökningar än människor – och ger olika svar varje gång samma CV prövas

Maskinen väljer — men efter vilka regler?

Föreställ dig att din ansökan aldrig når en mänsklig rekryterare. Inte för att du saknar rätt kompetens, utan för att ett AI-system — konstruerat för att företräda arbetsgivaren — mötte ett annat AI-system som företrädde dig, och att mötet inte föll ut till din fördel. Det låter futuristiskt. Men det är precis den verklighet som nu utforskas i akademiska laboratorier.

En ny studie från arXiv visar att ett så kallat tvåagentsystem — där en AI representerar arbetsgivaren och en annan kandidaten — ger märkbart annorlunda utfall jämfört med traditionell automatiserad CV-granskning. I försöken, som byggde på 600 konstruerade par av CV och jobbannonser med modellerna GPT-5.5 och Claude Opus 4.7, steg godkännandegraden från 33,3 till 39,3 procent när tvåagentsystemet användes istället för ensidigt automatiserad granskning.

Men siffran är inte det mest anmärkningsvärda. Det som verkligen bör få rekryterare och HR-ansvariga att stanna upp är detta: de två metoderna godkänner inte bara olika många ansökningar — de godkänner olika ansökningar. Samma kandidat kan alltså passera grindarna i ett system men sorteras bort i ett annat. Och tvåagentsystemet uppvisade dessutom lägre upprepningsbarhet, vilket innebär att samma CV inte alltid genererar samma beslut vid upprepade körningar.

Det är en fundamental rättvisefråga. Om utfallet varierar beroende på vilken procedur som används — och om proceduren kan ge olika svar på identiska indata — på vilken grund kan vi då hävda att processen är rättvis eller transparent?

Ledarskapets nya karta

Samtidigt som rekryteringsprocessen automatiseras, ställs nya krav på dem som ska leda organisationerna som tar AI i bruk. En forskargrupp har tagit sig an den utmaningen på ett strukturerat sätt och presenterar ett mätinstrument de kallar AI Leadership Battery — ett ramverk med 36 beteendespecifika underdimensioner fördelade på 11 innehållsområden.

Verktyget är inte framtaget i luften. Det har genomgått noggrann vetenskaplig granskning med bland annat faktoranalys och reliabilitetstester, och resultaten visar att det tillför verklig information utöver vad traditionella ledarskapsmått fångar. Särskilt intressant är att instrumentet mäter dimensioner som beslutsfattandets hastighet, riskhantering kopplad till AI, och ansvarstagande — egenskaper som sällan ryms i klassiska ledarskapsmodeller men som blir avgörande när algoritmer är med och styr.

För mig som affärsutvecklare är det här ett välkommet steg. Vi har länge talat om att AI kräver ett nytt ledarskap, men saknat ett gemensamt språk för vad det faktiskt innebär i praktiken. Nu får vi ett.

Två sidor av samma mynt

De här två studierna berör till synes olika frågor — den ena handlar om hur ansökningar sorteras, den andra om hur ledare mäts. Men de är djupt sammanlänkade.

Om AI-system avgör vem som ens når en intervju, och om dessa system kan ge olika svar på samma fråga utan att vi vet varför, då måste de chefer som ansvarar för rekrytering ha en helt annan typ av kompetens än tidigare. De behöver förstå hur algoritmerna fungerar, kunna ställa rätt frågor och ta ansvar för utfall de kanske inte fullt ut kan förklara.

Det är just den typen av förmåga som AI Leadership Battery försöker fånga: omdöme, öppenhet och ansvarsskyldighet i en AI-intensiv miljö.

Jag ser inte detta som ett dystopiskt scenario. Jag ser det som en inbjudan. En inbjudan till organisationer att ta proceduren på allvar — inte bara tekniken. Att inte bara fråga vilken modell som används, utan hur den används, när och av vem. Och att inse att transparens inte är en lyx — det är ett affärsmässigt krav när maskinen börjar avgöra vem som får chansen.