Hvad er Hiring Intelligence?

Definition

Begrebet dækker ikke et enkelt værktøj eller en enkelt score. Det dækker en praksis: at indsamle sammenlignelige signaler, dokumentere beslutninger, følge outcomes og bruge sammenhængen som feedback til næste rekruttering.

Modellen: fra signal til bedre beslutning

Hiring Intelligence kan beskrives som et loop med fem trin:

• Pre-hire signals - hvad ved vi om kandidaten, og er signalerne indsamlet på samme grundlag for alle?
• Hiring decision - hvad besluttede vi, hvem besluttede det, og hvilke signaler vægtede vi?
• Employee outcomes - hvad skete der faktisk: onboarding, performance, progression, fastholdelse, trivsel, ledervurdering.
• Learning - hvilke signaler viste sig at hænge sammen med de outcomes, vi ønsker i netop denne rolle og kultur?
• Better next decision - hvordan justerer vi spørgsmål, kriterier og vægtning i næste forløb?

Hvorfor emnet er vigtigt

De fleste organisationer træffer ansættelsesbeslutninger på CV, ansøgning, interview og erfaring. Beslutningen bliver truffet, personen starter - og derefter forsvinder forbindelsen. Performance-data, onboarding-forløb og fastholdelse lever i HR-systemer, mens rekrutteringsdata lever i et ATS. Ingen af dem taler sammen.

Konsekvensen er, at organisationen ikke lærer systematisk af sine egne ansættelser. Man gentager de samme vurderinger med de samme blinde vinkler, fordi der aldrig er en målt tilbagemelding på, om vurderingen holdt.

Hvilke data indgår

• Kandidatsignaler: strukturerede samtalesvar, konkrete eksempler, motivation, arbejdspræferencer, faglige svar, sprog og kommunikation.
• Procesdata: hvornår kandidaten fik svar, hvor i forløbet der falder kandidater fra, hvem der vurderede hvad.
• Beslutningsdata: hvilke kriterier der blev vægtet, og hvilke forbehold der blev noteret.
• Outcome-data: onboarding, opnåede resultater, progression, fastholdelse, ledervurdering og medarbejderens eget billede af rollen.

Outcome-data er den vanskelige del - og præcis derfor er det den, der skaber værdi. Læs mere om, hvad der kan måles, i medarbejder-outcomes og Quality of Hire.

Hvordan man måler det

Hiring Intelligence måles ikke i én tal-værdi. I praksis følger man tre lag: hvor ensartet grundlaget er (samme signaler for alle kandidater), hvor godt processen fungerer (svartid, gennemførelse, time-to-shortlist) og hvad ansættelserne fører til over tid (outcomes). Det tredje lag er det afgørende - og det er også det, der tager længst tid at opbygge.

En praktisk gennemgang findes i måling af ansættelseskvalitet og Hiring Accuracy.

Eksempel

En virksomhed ansætter otte servicemedarbejdere over et halvt år. Alle otte har været gennem den samme strukturerede samtale, så svarene kan sammenlignes. Efter tolv måneder er fem stadig ansat og har fået udvidet ansvar, mens tre er stoppet inden for fire måneder.

Uden Hiring Intelligence er det en tilfældig erfaring, nogen husker. Med Hiring Intelligence kan man se, hvad de fem havde til fælles i deres svar om vagtplanlægning, tempo og feedback - og bruge det til at skærpe spørgsmålene og forventningsafstemningen i næste opslag. Det er ikke et bevis. Det er et bedre udgangspunkt.

Hiring Intelligence sammenlignet med relaterede begreber

Dybere sammenligninger: AI-screening vs Hiring Intelligence og ATS vs Hiring Intelligence.

Fordele

• Vurderinger sker på et mere ensartet grundlag på tværs af kandidater.
• Beslutninger bliver dokumenterede og dermed mulige at evaluere bagefter.
• Organisationen får en feedback-sløjfe i stedet for løsrevne erfaringer.
• Rollebeskrivelser og kriterier kan justeres ud fra det, der faktisk sker.
• Kandidater møder en proces, der er mere gennemsigtig og hurtigere at komme igennem.

Begrænsninger

• Datamængde: mønstre kræver et rimeligt antal ansættelser. Små volumener giver usikre konklusioner.
• Tid: outcomes modnes langsomt. De vigtigste signaler kan først vurderes efter måneder eller år.
• Outcome-kvalitet: hvis performance-vurderinger i sig selv er skæve, arver læringen den skævhed.
• Kontekst: ledelse, teamsammensætning og onboarding påvirker outcomes mindst lige så meget som kandidatens egne forudsætninger.
• Persondata: at koble rekrutterings- og medarbejderdata kræver et klart lovligt grundlag, dataminimering og gennemsigtighed over for medarbejderen.

Hvad Hiring Intelligence ikke betyder

• Det er ikke en forudsigelse af fremtidig performance.
• Det er ikke en automatisk afvisning eller udvælgelse af mennesker.
• Det er ikke en garanti mod fejlansættelser.
• Det er ikke overvågning af medarbejdere.
• Det er ikke bias-frit - men det kan gøre grundlaget mere ensartet.

Indsigter er beslutningsstøtte - ikke en forudsigelse af fremtidig performance. Den endelige beslutning ligger altid hos mennesker.

RoleWise' tilgang

RoleWise er bygget som en AI-native hiring intelligence-platform. Platformen har fire dele: Search (finde og tiltrække kandidater), Select (forstå kandidaten gennem en struktureret AI-samtale), Hire (beslutning, booking og forløb) og Learn (koble ansættelsen til faktiske outcomes). Select og Learn er intelligenslaget; Search og Hire udvider platformen omkring kernen.

Samtalen føres af Louise, RoleWise' AI-samtalelag, der møder kandidaten på kandidatens eget sprog og indsamler samme type signaler for alle. Metodologien bag koblingen mellem Select og Learn er under udvikling, og RoleWise offentliggør ikke aggregerede resultater, før datagrundlaget kan dokumenteres. Status findes på RoleWise Research.