Når alle kan skrive den perfekte søknaden,
hvem får jobben?
AI kan gjøre mye av jobben rundt en ansettelse. Men blir vi bedre til å ansette? Her er mine vurderinger av hva som skjer frem mot 2030, og hva kandidater, arbeidsgivere og rekrutterere bør gjøre nå.
Jeg jobber med rekruttering. Nå ser jeg at stadig mer av det vi bruker tid på, kan gjøres av AI.
Skrive annonser. Finne kandidater. Oppsummere intervjuer. Lage forslag til vurderinger.
Det er mye å hente her. Men jeg er mer opptatt av et annet spørsmål: Blir vi bedre til å ansette?
For det er fullt mulig å gjennomføre en dårlig rekruttering raskere.
Kandidaten kan få hjelp til å fremstå som den perfekte medarbeideren. Arbeidsgiveren kan få hjelp til å fremstå som den perfekte arbeidsplassen. Men noen skal fortsatt møte på jobb mandag morgen. Da må det være sammenheng mellom det begge har lovet, og det de faktisk kan levere.
Se for deg en ansettelse i 2030. AI har skrevet annonsen, tilpasset søknaden og foreslått hvem som passer best. Tekstene er gode. Rangeringen ser presis ut. Men hva vet vi egentlig om mennesket, jobben og lederen som skal få dette til å fungere?
Det er utgangspunktet mitt for denne artikkelen. Hva har allerede skjedd? Hva er rimelig å forvente frem mot 2030? Og hva bør vi gjøre nå, enten vi søker jobb, ansetter eller lever av å hjelpe andre med rekruttering?
Min vurdering er at det blir billigere å presentere kompetanse, men mer verdifullt å dokumentere den. Det gjelder kandidaten. Og det gjelder arbeidsgiveren.
Dette har allerede skjedd
Den første, synlige bølgen var tekst: annonser, søknader, intervjuspørsmål og e-poster. Den neste bølgen handler om handling. En AI-agent kan få en oppgave, bruke tilgjengelige systemer og utføre flere steg innenfor rammene den har fått.
LinkedIn presenterte Hiring Assistant 2 i september 2026. Løsningen skal kombinere kandidatinformasjon, verifiseringer og data fra rekrutteringssystemer, med mer omfattende støtte i arbeidsflyten. Dette er en produktlansering, ikke dokumentasjon på at AI har lært å velge den beste medarbeideren.[1]
Workday fullførte kjøpet av Paradox i oktober 2025. Sammen med HiredScore og Workday Recruiting knyttes kandidatsøk, samtaler, søknadsflyt og intervjuavtaler tettere sammen. SAP kjøpte SmartRecruiters i september samme år og annonserte integrasjonen med SuccessFactors i mars 2026.[2][3]
Endringen er kommersielt viktig: Arbeidsgiveren trenger ikke nødvendigvis å kjøpe et nytt «AI-verktøy». Funksjonene kommer i systemene virksomheten allerede bruker. Dermed kan praksis endres før ledelsen har bestemt hvordan den ønsker å rekruttere.
På kandidatsiden skjer det samme. Indeed lanserte Career Scout og Talent Scout i september 2025: én agent som hjelper jobbsøkeren med blant annet karrierevalg og søknadsarbeid, og én som hjelper arbeidsgiveren å finne og kontakte kandidater.[4] Begge sider får sterkere verktøy. Det betyr ikke automatisk at de forstår hverandre bedre.
Forsvinner jobbene, eller endrer de seg?
ILO anslo i 2025 at én av fire arbeidstakere globalt har et yrke med en viss eksponering for generativ AI. Det er ikke det samme som at én av fire jobber forsvinner. Analysen måler hvilke oppgaver teknologien kan påvirke, og peker på omforming av arbeid som et mer sannsynlig hovedutfall enn full erstatning.[5]
Men «jobbene endres» kan også bli en behagelig måte å snakke rundt reelle tap på. Forskere ved Stanford har funnet en svakere sysselsettingsutvikling for unge arbeidstakere i særlig AI-eksponerte yrker i USA. I oppdateringen fra august 2026 understreker de at dette er beskrivende mønstre, ikke et sikkert mål på hvor mange jobber AI har fjernet.[6]
Det er likevel et varsel arbeidsgivere bør ta på alvor. Hvis førstegangsanalyser, utkast og enklere saksarbeid automatiseres, kan også inngangen til et fag bli smalere. Da må virksomheten bygge andre veier til erfaring. En bedrift som bare ansetter erfarne folk, lever på opplæringen noen andre har betalt for.
Norske tall gir også grunn til å holde igjen på de største overskriftene. PwCs norske AI Jobs Barometer for 2026 viser at andelen utlysninger som etterspør AI-ferdigheter, lå rundt 0,8–0,9 prosent i perioden de beskriver. Det måler eksplisitte krav i annonser, ikke all bruk av AI på jobb.[7] Amerikanske teknologibedrifter er ikke en fasit for et oppdrettsselskap i Vesterålen eller en entreprenør i Harstad.
Når teksten blir billigere, må bevisene bli bedre
Hvem flytter markedet?
Jeg tror det er lett å bli for opptatt av hvilken AI-modell som er smartest akkurat nå. I rekruttering er et annet spørsmål minst like viktig: Hvem har tilgang til kandidatene, stillingene og arbeidsgiverens arbeidsflyt?
Dette er aktørene jeg mener det er særlig viktig å følge. Listen er ikke en rangering etter markedsandel. Produktfunksjoner og tilgjengelighet varierer mellom land og avtaler.
| Aktør | Dokumentert bevegelse | Hvorfor den betyr noe |
|---|---|---|
| Microsoft / LinkedIn | LinkedIn utvikler Hiring Assistant og kobler flere kandidatsignaler inn i prosessen. [1] | Den som organiserer kandidatsøket, påvirker hvem arbeidsgiveren oppdager. |
| Indeed | Career Scout og Talent Scout hjelper hver sin side av arbeidsmarkedet. [4] | Jobboppdagelse og kandidatsøk kan bli samtaler med en agent, ikke bare søk i en liste. |
| Workday | Paradox, HiredScore og Recruiting samles i et bredere tilbud. [2] | AI kan bygges inn fra første kontakt til videre ansettelsesflyt. |
| SAP | SmartRecruiters integreres med SuccessFactors. [3] | Rekruttering knyttes tettere til kompetansedata og øvrig personalarbeid. |
| Oracle | Dokumenterer agenter som finner kandidater og oppretter kandidatgrupper fra stillingsbehov. [8] | Flere administrative steg kan utføres i det eksisterende HR-systemet. |
| OpenAI, Anthropic og Google | OpenAI har annonsert jobbplattform og sertifiseringsinitiativ; Anthropic kartlegger faktisk AI-bruk; Google beskriver Gemini-støtte gjennom HR-arbeidsflyten. [9–11] | Generelle modeller gjør analyse, tekst og assistanse tilgjengelig også uten et spesialisert rekrutteringsprodukt. |
| Spesialister som Eightfold | Tilbyr AI-basert kompetansematching og løsninger for rekruttering og intern mobilitet. [12] | Utfordrer stillingstittel og CV som eneste utgangspunkt for å finne relevante mennesker. |
Leverandørene dokumenterer hva de tilbyr. Det er noe annet enn uavhengig dokumentasjon på bedre ansettelser. Påstander om «bedre match» må følges av spørsmål om hva som ble målt, hvem som ble sammenlignet, og om resultatet holder i den jobben du faktisk skal besette.
Her ligger også en utvikling jeg mener vi bør følge nøye: Plattformene kan bli portvakter på begge sider. Kandidaten får anbefalt noen jobber, arbeidsgiveren noen kandidater. De som ikke blir vist, kan forsvinne fra vurderingen uten et uttrykkelig avslag. Det gjør innsikt i utvalg og søk viktig, ikke bare kontroll av sluttavgjørelsen.
Hva er mest sannsynlig frem mot 2030?
Mer automatisert koordinering er den tryggeste forventningen. Møtebooking, statusoppdateringer, dokumentinnhenting og førsteutkast har avgrensede oppgaver og synlige resultater. Her finnes allerede produkter. Hvor raskt de virker hos deg, avhenger blant annet av integrasjoner, datakvalitet og hvem som håndterer unntakene.
Jeg tror søknadsbrevet vil få mindre vekt i mange prosesser. Når velformulert motivasjon kan produseres på sekunder, er teksten svakere dokumentasjon på kandidatens egen formuleringsevne og innsats. Den kan fortsatt være nyttig, særlig når kandidaten beskriver konkrete valg. Men den bør ikke bære mer av vurderingen enn den tåler.
Arbeidsprøver og dokumenterte resultater kan få større plass. Det er en utvikling jeg forventer, men den kommer ikke av seg selv. En oppgave kandidaten løser hjemme med ukjente hjelpemidler, kan være like vanskelig å tolke som søknaden. Derfor må arbeidsgiveren avklare tillatt AI-bruk, gi like vilkår og be kandidaten forklare arbeidet.
Skillet mellom rekruttering og utvikling av ansatte blir mindre nyttig. Før man lyser ut, kan man undersøke om behovet kan løses gjennom opplæring, intern flytting eller endring av oppgaver. Jeg tror flere arbeidsgivere vil trenge hjelp til å svare på et mer grunnleggende spørsmål: Hvordan får vi arbeidet gjort godt?
Utviklingen blir ujevn. Et stort antall like stillinger gir andre muligheter for standardisering enn rekruttering av én nøkkelperson. Og bedre kandidatsøk løser ikke et jobbtilbud som er lite attraktivt. Lønn, ledelse, turnus, bosted og utviklingsmuligheter blir ikke borte fordi annonsen er bedre skrevet.
Mer kapasitet. Tydelig ansvar.
AI håndterer koordinering og forarbeid. Fagfolk undersøker usikkerhet og tar reelle beslutninger.
Forutsetter: Gode krav, kontroller og tid til vurdering.
Se etter: Kortere ventetid, færre feil og bedre oppfølging etter oppstart.
Mer volum. Mindre tillit.
Automatiserte søknader møter automatisert sortering. Dårlige kriterier skaleres opp.
Utløses av: Ensidig press på kostnad og fart.
Se etter: Flere klager, uforklarlige avslag og behov for å kontrollere alt på nytt.
To ulike rekrutteringsmarkeder.
Standardiserte roller blir sterkt automatisert. Vanskelige og kritiske ansettelser får mer personlig oppfølging.
Forutsetter: Ulike behov og ulik betalingsvilje.
Se etter: Prispress på standardleveranser og større krav til spesialister.
Hva kommer neppe til å skje?
Jeg ville vært forsiktig med å si «aldri» om AI. Men disse fire påstandene ville jeg ikke lagt til grunn for veien videre.
At AI fjerner alle rekrutterere. Oppgaver og stillinger kan forsvinne, og små team kan håndtere mer. Det betyr ikke at behovsavklaring, forhandling og ansvar for vanskelige vurderinger forsvinner. Det finnes heller ingen garanti for at alle dagens rekrutterere automatisk blir strategiske rådgivere. Det krever en annen kompetanse og kunder som vil betale for den.
At AI gjør vurderingene objektive. En konsekvent feil er fortsatt en feil. Historiske data kan inneholde tidligere skjevheter, og et tilsynelatende nøytralt kriterium kan være irrelevant for jobben. SIOP anbefaler at AI-baserte vurderinger møter samme grunnleggende krav som andre seleksjonsmetoder: jobbrelevans, pålitelighet, rettferdighet, dokumentasjon og evne til å forutsi relevante utfall.[13]
At kompetansemangel forsvinner. En bedre algoritme kan gjøre det lettere å oppdage noen som allerede finnes. Den gir ikke kandidaten et fagbrev, en autorisasjon eller lyst til å flytte. AI kan redusere enkelte bemanningsbehov og endre andre, men matching er ikke det samme som å utvikle kompetanse.
At mennesker automatisk gir tryggere vurderinger. Det er heller ingen god begrunnelse for å bevare en ustrukturert samtale og kalle den kvalitet. Den relevante sammenligningen er mellom faktiske arbeidsmåter: Hvilken gir best beslutningsgrunnlag, rimelig ressursbruk og forsvarlig behandling av kandidatene?
Som kandidat: Gjør det lett å se hva du kan
Jeg ville ikke brukt mest tid på å gjette hvilke ord som får deg gjennom et AI-filter. Du vet sjelden hvordan systemet vekter dem. Du risikerer samtidig å gjøre det vanskeligere for et menneske å forstå deg.
Lag heller en liten bevisbank. Velg tre til fem oppdrag som viser relevant kompetanse. Beskriv utgangspunktet, ditt ansvar, det du gjorde og resultatet. Ta med tall der de finnes. Ikke finn på tall der de mangler. Skill ditt bidrag fra teamets.
En prosjektleder kan vise hvordan en forsinkelse ble håndtert. En driftsleder kan forklare en endring som reduserte feil. En nyutdannet kan bruke et studieprosjekt, frivillig arbeid eller en realistisk arbeidsprøve. Poenget er å gi arbeidsgiveren noe konkret å undersøke.
Bruk gjerne AI til å finne svakheter i argumentasjonen, øve på intervju og gjøre språket tydeligere. Du må kunne stå inne for hver setning. Følg arbeidsgiverens regler for hjelpemidler, og forklar bruken når det er relevant for vurderingen. Fortrolige kundeopplysninger hører ikke hjemme i et åpent verktøy.
Tren også på å vise hvordan du bruker AI: Hvilken oppgave ga du den? Hva oppdaget du var feil? Hva valgte du å gjøre selv? For jobber der AI inngår i arbeidet, kan det si mer enn et kursbevis alene.
Og vurder arbeidsgiveren like grundig tilbake. Be om konkrete eksempler på opplæring, lederoppfølging og forventninger de første seks månedene. Også arbeidsgiverens presentasjon kan være maskinskrevet.
Som arbeidsgiver: Bestem hva dere vil vite før dere kjøper et system
Start med jobben. Hvilke oppgaver må løses? Hva må kandidaten kunne ved oppstart? Hva kan læres? Hvilke resultater skal personen ha mulighet til å levere etter seks måneder?
Her ville jeg brukt tid før jeg brukte penger. Hvis dere ikke er enige om hva dere trenger, hjelper det lite at systemet lager en rangering på sekunder.
Del deretter prosessen i støtte og vurdering. Booking og standardinformasjon er noe annet enn rangering, avslag og slutninger om personlighet. Også støttefunksjoner må håndtere personopplysninger forsvarlig, men konsekvensene av feil er forskjellige.
For vurderingsverktøy bør leverandøren kunne forklare hva som måles, hvilke data som brukes, hvordan feil undersøkes, og hvilken dokumentasjon som finnes for deres type stillinger. Et samsvarsmerke eller en lovnad om «ansvarlig AI» er ikke i seg selv dokumentasjon på bedre seleksjon.
Test i liten skala før utrulling. Sammenlign med en dokumentert arbeidsmåte, og undersøk også kandidater systemet prioriterer lavt. Ellers lærer dere bare om menneskene algoritmen allerede har sluppet gjennom. Avklar lovlig databruk og nødvendige personvernvurderinger før testen.
Følg både tid og resultat: ventetid, frafall, korrigerte feil, kandidatopplevelse og om den ansatte mestrer avtalte oppgaver etter tre og seks måneder. Slike utfall påvirkes også av lederen og opplæringen. De kan ikke uten videre brukes som karakter på kandidaten eller algoritmen.
Hver rute kombinerer graden av automatisering med kvaliteten i vurderingsgrunnlaget
Prioritet: Fjern venting og dobbeltarbeid.
Prioritet: Kontroller unntak, feil og resultater over tid.
Prioritet: Avklar jobben og vurderingskriteriene.
Prioritet: Stans skaleringen og rett metoden.
Reglene er ikke en parentes
Et navn på en godkjenningsknapp er ikke det samme som menneskelig kontroll. Datatilsynet presiserer at en avgjørelse er helautomatisk når et menneske ikke har reell innvirkning på den. GDPR artikkel 22 setter som hovedregel grenser for utelukkende automatiserte avgjørelser med rettslig eller tilsvarende betydelig virkning. Unntak finnes, men må vurderes konkret.[14]
Dette er særlig relevant hvis systemet i praksis bestemmer hvem som faller ut. En rekrutterer som bare godkjenner anbefalingen uten informasjon, tid eller myndighet til å utfordre den, gir svak beskyttelse.
Mange AI-systemer til rekruttering og utvelgelse vil omfattes av KI-forordningens høyrisikoregler. EU-kommisjonens oppdaterte tidsplan oppgir 2. desember 2027 for de aktuelle høyrisikoanvendelsene. Norsk gjennomføring må vurderes separat: Regjeringen har sendt forenklingene på høring, med frist 11. desember 2026, og arbeider med lovproposisjonen.[15][16]
Poenget for arbeidsgiveren er enkelt: Ikke vent på en ny lov med å få kontroll på formål, datatilgang, lagring, leverandøransvar og klagemuligheter. Eksisterende personvernregler gjelder allerede. Den konkrete løsningen og bruken avgjør hvilke krav som slår inn.
Som rekrutterer: Hva skal kunden betale deg for?
Hvis leveransen din først og fremst er en annonse, et kandidatsøk, noen avtaler og en oppsummering, bør du regne med prispress. Dette er arbeid leverandørene aktivt forsøker å gjøre enklere.
For oss som jobber med rekruttering, mener jeg verdien i større grad vil ligge her: Forstå behovet. Utfordre krav som ikke holder. Undersøke hva kandidaten faktisk kan. Og få frem hva arbeidsgiveren reelt har å tilby. Det krever bransjekunnskap og gode vurderingsmetoder. Det krever også at du tør å si at problemet ligger i jobben som tilbys.
For et mindre rekrutteringsmiljø ligger det en mulighet her. AI kan redusere tid brukt på forarbeid og koordinering. Men tiden må faktisk flyttes til bedre behovsavklaring, kandidatdialog og oppfølging. Hvis gevinsten bare tas ut som flere parallelle oppdrag, er det ikke gitt at kunden får bedre rekruttering.
Prisingen bør derfor følge en tydelig leveranse: Hva undersøkes? Hvilke beslutninger blir bedre belyst? Hvem følger opp etter oppstart? En fast HR-partneravtale kan være fornuftig når behovet er løpende. Den er ikke riktig for alle. Noen trenger et avgrenset oppdrag med en klar slutt.
Spart tid er ikke det samme som færre ansatte
Legg inn egne anslag for én rekruttering. Eksemplet sier ingenting om dokumentert effekt av et bestemt AI-verktøy.
20 × 40 % − 3 − 4 = 1 time.
Netto frigjort tid = spart administrasjon − ny kontroll − gjeninvestering. Lisens, innføring og opplæring kommer i tillegg. Kvalitetsgevinsten må undersøkes separat.
Den viktigste testen kommer etter signeringen
En kandidat kan komme inn med et for godt bilde av seg selv. En arbeidsgiver kan gjøre akkurat det samme.
AI gjør begge presentasjonene enklere å polere. Da blir samsvaret mellom løftet og virkeligheten mer interessant: Er utviklingsmulighetene reelle? Har lederen tid? Blir kompetansen brukt? Får den nyansatte det som trengs for å lykkes?
Derfor mener jeg at vi må følge rekrutteringen lenger enn til signert kontrakt. En rask ansettelse kan være en god ansettelse. Den kan også være starten på en dyr misforståelse.
Mitt råd til arbeidsgivere som vil stå sterkere i 2030, er å begynne her: Klargjør hva dere trenger. Vis ærlig hva dere tilbyr. Undersøk det som faktisk betyr noe for jobben. Følg opp det dere lovet.
Når alle kan skrive den perfekte søknaden, blir det viktigere å kunne vise arbeidet. Når alle kan skrive den perfekte stillingsannonsen, blir det viktigere å være en arbeidsplass som holder ord.
Teknologien kan gjøre det lettere å finne hverandre. Om det blir en god ansettelse, må fortsatt vise seg i arbeidshverdagen.
Les videre
Holder dere det dere lover kandidatene?
Fire nyttige nøkkeltall for rekruttering
Hvilke krav må kandidaten egentlig oppfylle?
Kilder og avgrensning
Kildesjekk: 15. november 2026. Fremtidsvurderingene og de fire modellene er artikkelens egne analyser, ikke validerte prognoser. Produktkildene dokumenterer lanseringer og beskrevne funksjoner, ikke uavhengig effekt. Internasjonale arbeidsmarkedsfunn er ikke norske prognoser. Rettslig status må oppdateres før senere publisering eller konkrete anskaffelser.
- LinkedIn: Hiring Assistant 2, 29.09.2026. Leverandørens produktbeskrivelse.
- Workday: Oppkjøpet av Paradox fullført, 01.10.2025. Beskriver sammenhengen med HiredScore og Workday Recruiting.
- SAP: Oppkjøpet av SmartRecruiters, 11.09.2025; integrasjon med SuccessFactors, 04.03.2026.
- Indeed: Career Scout og Talent Scout, 10.09.2025. Produktlansering.
- ILO: Generative AI and jobs, 2025 update, 20.05.2025. Eksponering på oppgavenivå, ikke observerte jobbtap.
- Stanford Digital Economy Lab: Oppdatering av Canaries in the Coal Mine, 12.08.2026. Amerikanske lønns- og sysselsettingsdata; beskrivende funn, ikke kausale estimater.
- PwC: 2026 AI Jobs Barometer, Norway analysis. Analyse av stillingsannonser basert på Lightcast. Omhandler etterspurte AI-ferdigheter, ikke total AI-bruk.
- Oracle: Find Candidates and Create and Populate a Candidate Pool Using AI Agent. Produktdokumentasjon, 26B.
- OpenAI: Expanding economic opportunity with AI, 2025. Annonserte initiativer; omtales ikke her som bevis på etablert markedsposisjon i rekruttering.
- Anthropic Economic Index. Bruk av Claude; ikke et representativt mål på alle arbeidsgivere.
- Google Workspace: Use Gemini for human resources. Bruksveiledning, ikke en effektevaluering.
- Eightfold: Talent Intelligence Platform. Leverandørbeskrivelse av matching, rekruttering og talentutvikling.
- SIOP: Recommendations for AI-Based Assessments. Faglige krav til validering og anvendelse av AI-baserte seleksjonsverktøy.
- Datatilsynet: Rettar ved automatiserte avgjerder. GDPR artikkel 22, hovedregel, unntak og reell menneskelig innvirkning.
- EU-kommisjonen: AI Act, oppdatert tidsplan. Skiller høyrisikoanvendelser fra øvrige ikrafttredelsesdatoer.
- Regjeringen: Forenklinger i KI-forordningen på høring, høsten 2026. Norsk lovarbeid og høringsfrist.