Publicerar du en tjänst idag så granskar du inte ansökningarna – du överlever en flodvåg. LinkedIn hanterar nu omkring 11 000 ansökningar varje minut, och antalet ansökningar har ökat med ungefär 45 % år från år. För konkurrenskraftiga roller inom tech, marknadsföring och distansarbete har det blivit normalt att få över 1 000 sökande på några dagar.
Och här är vändningen som förvärrar det hela: de flesta av de där cv:na är utmärkta. Eller åtminstone ser de ut så. AI har gjort det trivialt för varje kandidat att generera ett polerat, nyckelordsperfekt och "skräddarsytt" cv på trettio sekunder. Den gamla signalen – den här personen tog sig tid att skriva en stark ansökan – är borta. Nu klarar alla den nivån.
Så hur hittar du verklig passform i en hög där varje cv låter som den perfekta kandidaten? Inte genom att läsa snabbare.
Varför fler ansökningar inte hjälpte någon
Man skulle kunna tro att en större pool betyder bättre rekryteringar. I praktiken är det tvärtom. Trots volymexplosionen är det bara 4–6 kandidater som vanligtvis når intervjuets steg – precis som förut. Flodvågen breddade inte tratten; den begravde bara de bra kandidaterna djupare i den.
Värre är att AI-användning inom HR har skjutit i höjden – ändå har kostnad per anställning och tid till anställning ökat under samma period som AI blivit mainstream. Cirka 90 % av HR-cheferna säger att deras arbetsbörda har ökat på grund av vågen av AI-genererade ansökningar. De verktyg som skulle spara tid skapade ett nytt, större problem: att manuellt skilja äkta passform från AI-polering, vid 1 000 cv:n per roll.
Den instinkt som backar: nyckelordsfiltrering
När volymen skjuter i höjden är frestelsen att filtrera hårdare på nyckelord. Men det är precis spelet som AI-cv:n är byggda för att vinna. En modell kan spegla varje fras i din platsannons perfekt – vilket innebär att nyckelordsfiltrering nu plockar fram de bästa prompterna, inte de bästa kandidaterna. Du riskerar att avslå en stark sökande som beskrivit sitt arbete med egna ord och istället gå vidare med en svagare som låtit ChatGPT ekotera din annons.
Nyckelordsfiltrering var en svag indikator redan före AI. Nu är den aktivt missledande.
Vad som faktiskt fungerar: poängsätt för passform, sedan verifiera
Vägen genom floden är inte att läsa snabbare – det är att ändra vad du mäter och när. Två åtgärder är viktiga:
1. Poängsätt varje cv mot rollens verkliga måste-krav, inte bara nyckelord. Istället för "innehåller det här cv:t rätt ord" blir frågan "matchar erfarenheten här verkligen vad rollen kräver – senioritet, område, specifika ansvarsområden?" Det är ett omdöme AI kan hjälpa dig att göra konsekvent över 1 000 cv:n på några minuter – plocka fram genuina matchningar och skjuta ner generiska men polerade cv:n där de hör hemma.
2. Verifiera med en strukturerad intervju tidigt. Ett cv – AI-assisterat eller ej – är ett påstående. Det snabbaste sättet att testa det är en kort, strukturerad intervju där varje kandidat svarar på samma rollspecifika frågor enligt samma bedömningsmall. AI-polering kan inte fejka ett muntligt svar om ett verkligt projekt. Att flytta en lätt strukturerad granskning tidigare i processen är hur du skiljer verklig erfarenhet från välskriven sammanfattning.
Notera vad arbetsgivare faktiskt reagerar på: i en undersökning av 925 HR-proffs sa 62 % att AI-genererade cv:n utan personalisering är mer benägna att avvisas, och 78 % sa att personliga, specifika detaljer signalerar genuint intresse och passform. Arbetsgivarna är inte anti-AI – de är anti-generiska. Din sortering bör belöna samma sak: verklig, specifik och verifierbar passform.
Hur ResReader klarar floden
Det här är precis det problem ResReader är byggt för. Du laddar upp alla cv:n på en gång – hundratals i ett svep – och AI poängsätter och rankar varje cv mot rollens faktiska måste-krav, inte bara nyckelordsöverensstämmelse. Din rekryterare granskar de främsta kandidaterna istället för hela högen, och sparar timmar istället för dagar på den delen som maskiner gör bättre.
För att skilja verklig erfarenhet från AI-polerade sammanfattningar kan du sedan köra strukturerade AI-intervjuer – samma frågor och mall för varje kandidat – så att shortlistan bygger på hur människor faktiskt svarar, inte bara hur väl deras cv var skrivet. Det är screening utformat för en värld där ett snyggt cv inte längre betyder vad det brukade.
Vanliga frågor
Kan man upptäcka ett AI-genererat cv?
Mer och mer sticker generiska AI-cv:n ut eftersom de speglar platsannonsen utan konkreta, verifierbara detaljer. Men det är inte upptäckt som är målet – utan passform. Poängsätt kandidater efter om deras faktiska erfarenhet matchar rollen, och verifiera med strukturerad intervju, istället för att försöka kontrollera hur cv:t skrevs.
Hur sorterar man snabbt hundratals ansökningar?
Ladda upp dem i bulk och låt AI poängsätta och ranka varje mot rollens måste-krav, låt sedan en rekryterare granska bara de främsta. Manuell granskning av en och en skalar inte för hundratals eller tusentals ansökningar.
Bör kandidater straffas för att använda AI på sitt cv?
Inte för att använda AI – utan för att vara generiska. Undersökningar visar att arbetsgivare avvisar AI-cv:n utan personalisering men belönar specifika, skräddarsydda detaljer. Sortera för verklig passform, inte för vilket verktyg kandidaten använde.
Slutsatsen
Cv-floden försvinner inte – AI har gjort ansökningar enkla, så volymen kommer bara att öka. Men volym har aldrig varit målet; passform är det. Sluta försöka läsa snabbare eller filtrera hårdare på nyckelord, vilket nu gynnar bäst prompter, inte bästa rekrytering. Poängsätt varje kandidat mot rollens verkliga krav, verifiera kortlistan med en strukturerad intervju och belöna specifik, genuin passform framför generisk polering. Så hittar du rätt person i en hög av tusen.
Sorterar du fler cv:n än ditt team hinner läsa? Se hur ResReader poängsätter och rankar dem på några minuter.