Opslå et job i dag, og du gennemgår ikke længere ansøgninger — du overlever en flodbølge. LinkedIn behandler nu omkring 11.000 ansøgninger hvert minut, og antallet af indsendte ansøgninger er steget med cirka 45 % år for år. For konkurrenceprægede stillinger inden for tech, marketing og fjernarbejde er det blevet normalt at modtage 1.000+ ansøgere på få dage.
Og her kommer det værre: de fleste af disse CV'er er fremragende. Eller i det mindste ser de sådan ud. AI har gjort det trivielt let for enhver kandidat at generere et poleret, søgeordsperfekt, "tilpasset" CV på tredive sekunder. Det gamle signal — denne person tog sig tid til at skrive en stærk ansøgning — er væk. Alle opfylder det krav nu.
Så hvordan finder du det ægte match i en bunke, hvor hvert CV læses som den ideelle kandidat? Ikke ved at læse hurtigere.
Hvorfor flere ansøgninger ikke hjalp nogen
Man skulle tro, at en større pulje betyder bedre ansættelser. I praksis er det det modsatte. Trods eksplosiv vækst i mængden når kun 4–6 kandidater normalt interviewstadiet — det samme som før. Flodbølgen udvidede ikke tragten; den begravede bare de gode kandidater dybere i den.
Værre endnu steg AI-adoptionen i HR markant — men omkostning pr. ansættelse og tid til ansættelse er begge steget i de år, hvor AI blev mainstream. Omkring 90 % af HR-chefer siger, at deres arbejdsbyrde er steget på grund af bølgen af AI-genererede ansøgninger. De værktøjer, som skulle spare tid, skabte et nyt, større problem: manuelt at skille ægte match fra AI-polering ved 1.000 CV'er pr. stilling.
Instinktet, der slår fejl: søgeordsfiltrering
Når mængden stiger, er den fristende løsning at filtrere hårdere på søgeord. Men det er netop det spil, AI-genererede CV'er er skabt til at vinde. En model kan spejle hver eneste sætning i din jobbeskrivelse perfekt — hvilket betyder, at søgeordsfiltrering nu fremhæver de bedste prompts, ikke de bedste kandidater. Du ender med at afvise en stærk ansøger, der beskrev sit arbejde med egne ord, og promovere en svagere, der lod ChatGPT spejle dit opslag.
Søgeordsfiltrering var en svag indikator allerede før AI. Nu er den aktivt vildledende.
Hvad der virkelig virker: score efter match, og verificer
Vejen gennem flodbølgen handler ikke om at læse hurtigere — men om at ændre, hvad du måler, og hvornår. To tiltag er afgørende:
1. Scor hvert CV efter stillingens reelle krav, ikke blot søgeord. I stedet for "indeholder dette CV de rigtige ord", bliver spørgsmålet "matcher erfaringen her faktisk det, stillingen kræver – senioritet, domæne, specifikke ansvar?" Det er en vurdering, AI kan hjælpe dig med at udføre konsekvent for 1.000 CV'er på få minutter — fremhæve de ægte matches og skubbe de generiske men polerede ned, hvor de hører til.
2. Verificer med et struktureret interview tidligt. Et CV — AI-assisteret eller ej — er et påstand. Den hurtigste måde at teste det på er et kort, struktureret interview, hvor hver kandidat besvarer de samme stillingsspecifikke spørgsmål ud fra den samme rubrik. AI-polering kan ikke simulere et mundtligt svar om et reelt projekt. At flytte en let struktureret screening tidligere i processen er, hvordan du skelner reel erfaring fra et velformuleret sammendrag.
Bemærk, hvad arbejdsgivere rent faktisk reagerer på: i en undersøgelse med 925 HR-professionelle sagde 62 % at AI-genererede CV'er uden personalisering har større sandsynlighed for at blive afvist, og 78 % sagde, at personaliserede, specifikke detaljer signalerer ægte interesse og match. Arbejdsgivere er ikke anti-AI — de er anti-generiske. Din screening bør belønne det samme: ægte, specifikt og verificerbart match.
Sådan håndterer ResReader flodbølgen
Dette er præcis det problem, ResReader er skabt til. Du uploader alle CV'er på én gang — hundredvis i ét hug — og AI scorer og rangerer hver enkelt efter stillingens reelle krav, ikke kun søgeords-overlap. Din rekrutterer gennemgår topkandidaterne i stedet for hele bunken, og bruger timer i stedet for dage på den del, maskiner gør bedre.
Derefter kan du adskille reel erfaring fra AI-polering ved at gennemføre strukturerede AI-interviews — de samme spørgsmål og rubrik for hver kandidat — så udvælgelsen baseres på, hvordan folk faktisk svarer, ikke bare hvor godt deres CV er skrevet. Det er screening designet til en verden, hvor et flot CV ikke længere betyder, hvad det plejede.
Ofte stillede spørgsmål
Kan man opdage et AI-genereret CV?
I stigende grad skiller generiske AI-CV'er sig ud, fordi de spejler jobopslaget uden specifik, verificerbar detalje. Men det er ikke det væsentlige — det væsentlige er match. Score kandidater på, om deres faktiske erfaring matcher stillingen, og verificer med et struktureret interview i stedet for at forsøge at opfange, hvordan CV'et er skrevet.
Hvordan screener man hundreder af ansøgninger hurtigt?
Upload dem samlet og lad AI score og rangere hver enkelt efter stillingens krav, hvorefter rekruttereren kun gennemgår topkandidaterne. Manuel gennemgang én for én skalerer ikke til mere end et par dusin ansøgninger, langt mindre tusind.
Skal kandidater straffes for at bruge AI til deres CV?
Ikke for at bruge AI — men for at være generisk. Undersøgelser viser, at arbejdsgivere afviser AI-CV'er uden personalisering og belønner specifik, tilpasset detalje. Screen for ægte match, ikke efter hvilket værktøj kandidaten brugte.
Konklusionen
Flodbølgen af CV'er forsvinder ikke — AI har gjort det let at søge, så mængden vil kun stige. Men mængde var aldrig målet; det er match. Stop med at forsøge at læse hurtigere eller filtrere hårdere på søgeord, som nu favoriserer de bedste prompts, ikke de bedste kandidater. Scor hver kandidat efter stillingens reelle krav, verificer udvalget med et struktureret interview, og beløn specifikt, ægte match fremfor generisk polering. Så finder du den rette person i en bunke på tusind.
Screening flere CV'er, end dit team kan læse? Se hvordan ResReader scorer og rangerer dem på få minutter.