Slik fungerer AI-intervjuer — og slik holder du dem rettferdige

Hva et AI-intervju faktisk er (og hva det ikke er)

Skreller du bort markedsføringen, er et AI-intervju en samtale med struktur. Et AI-system stiller kandidaten et sett rollerelevante spørsmål, lytter til eller leser svarene, og stiller oppfølgingsspørsmål for å komme dypere — slik en god intervjuer ville gjort når et svar er tynt eller en påstand trenger et konkret eksempel. Kandidaten kan svare med stemmen eller skriftlig. Det som kommer ut i den andre enden, er en oppføring av hva som faktisk ble sagt: et referat, knyttet til spørsmålene som utløste det.

Den oppføringen er hele poenget. I et godt bygget AI-intervju er referatet leveransen — dokumentasjon en person leser og poengsetter mot en vurderingsmatrise. AI-en kjørte samtalen slik at et menneske slapp å planlegge og sitte gjennom hver eneste førstegangssamtale; den avgjorde ingenting.

Sett det opp mot versjonen som ga AI-intervjuer et dårlig rykte: systemer som analyserer ansiktsuttrykk, mikrogester eller stemmeleie og utleder personlighetstrekk eller en «kulturmatch»-poengsum. Den tilnærmingen har svak vitenskapelig støtte og et stort rettferdighetsproblem — den kan straffe en aksent, et flatt uttrykk, et dårlig webkamera eller en funksjonsnedsettelse som ikke har noe med jobben å gjøre. Den nyttige typen AI-intervju produserer dokumentasjon et menneske kan kontrollere. Den skadelige typen produserer et tall ingen kan forsvare. Alt under her forutsetter den første typen.

Slik fungerer samtalen: struktur først, oppfølginger innenfor grenser

Den enkeltfaktoren som betyr mest for om et intervju forutsier jobbprestasjon, er struktur — de samme kjernespørsmålene, knyttet til kompetansene rollen trenger, poengsatt likt for alle. Flere tiår med seleksjonsforskning peker i samme retning: strukturerte intervjuer er vesentlig bedre enn ustrukturerte, og det er strukturen som gjør jobben. En AI-intervjuers reelle fortrinn er at den bruker den strukturen konsistent. Den blir ikke sliten ved den tiende kandidaten, glir ikke over i småprat basert på kjemi, og stiller ikke lettere spørsmål til kandidaten med den sterke CV-en.

Men struktur alene kan føles som et skjema. Grunnen til å bruke AI framfor et statisk spørreskjema er den tilpassede oppfølgingen: når en kandidat gir et vagt svar på et situasjonsspørsmål, spør AI-en hvilket konkret grep vedkommende tok; når de nevner en beslutning, spør den hva de veide mot hverandre. Gjort riktig går dette dypere inn i de samme kompetansene uten at det blir et annet intervju for hver person.

Designrisikoen er en oppfølging som vandrer — bort fra rollen, inn i det personlige, eller ned i et sidespor som favoriserer den som prater mest. Derfor må oppfølgingene ha grenser: i SkillCort holder oppfølgingene i et AI-intervju seg innenfor rollens kompetansekart. Systemet graver dypere i det rollen faktisk trenger, og improviserer seg ikke fram til spørsmål du aldri ville godkjent at et menneske stilte. Strukturert ryggrad, tilpasset dybde, faste grenser.

Slik poengsettes AI-intervjuer — og slik bør det gjøres

Her vinnes eller tapes det meste av tilliten. I et AI-intervju du kan stå inne for, skjer poengsettingen ut fra referatet mot en vurderingsmatrise et menneske har skrevet: hver kompetanse har beskrivelser, og hvert svar bedømmes mot dem. AI-en kan hjelpe — oppsummere et langt referat, peke på passasjen der kandidaten anerkjente kunden eller veide en avveining, og til og med foreslå en matriseforankret poengsum per kompetanse. Det den ikke kan gjøre, er å avgjøre. Hver kriteriepoengsum står i vente til en navngitt bedømmer bekrefter eller overstyrer den, og å overstyre er like enkelt som å bekrefte.

Dette betyr mer for intervjuer enn for nesten noe annet, fordi en samtale er nettopp den typen rik, tvetydig dokumentasjon der en modell leser kompetent, men ikke fullstendig. Den kan gå glipp av at en kandidats «upolerte» svar beskrev nøyaktig riktig dømmekraft, eller at et flytende svar ikke sa noe. Mennesket som leser referatet, fanger det — og eier avgjørelsen.

Antimønsteret er den skjulte «intervjupoengsummen»: ett enkelt tall verktøyet tildeler og sender videre, med referatet begravd eller kastet. Kan du ikke åpne en kandidats intervju, lese hva vedkommende sa, og se hvilken passasje som ga hvilken kriteriepoengsum, har du ingen vurdering — du har en dom uten dokumentasjon bak seg. Og ingen kandidat skal bære med seg en AI-intervjupoengsum fra én arbeidsgiver til den neste; hver ansettelsesbeslutning er sin egen, bedømt på sin egen dokumentasjon.

Hva et AI-intervju kan og ikke kan måle

AI-intervjuer er sterke der dokumentasjonen er verbal og strukturert. De passer godt for situasjonsbestemt dømmekraft («en kunde sier X — hva gjør du, og hvorfor?»), kommunikasjonskvalitet, resonnering du kan høre en kandidat arbeide seg gjennom, og rollekunnskap undersøkt med oppfølgingsspørsmål. For tidlig siling i store volumer — kundeservice, kundesenter, innesalg — kan et strukturert AI-intervju samle langt mer sammenlignbar dokumentasjon enn en forhastet telefonsamtale med et menneske, uten flaskehalsen i kalenderen.

De er svake, eller rett og slett feil verktøy, andre steder. Et intervju ber en kandidat beskrive eller resonnere om arbeid; det ber dem ikke om å gjøre det. For alt praktisk — skrive det faktiske svaret til den sinte kunden, jobbe saken, bygge tingen — slår en arbeidsprøve ethvert intervju, fordi den måler den reelle leveransen framfor kandidatens beretning om den. Og ingen AI-intervju bør prøve å lese personlighet, følelser eller «match» ut av et ansikt eller en stemme; det er den avkreftede tilnærmingen fra første del, ikke en bonusfunksjon.

Det praktiske svaret er sjelden «intervju eller arbeidsprøve». Det er begge, i rekkefølge: et strukturert AI-intervju for å samle bred, sammenlignbar dokumentasjon effektivt, deretter en arbeidsprøve for finalistene for å se dem gjøre jobben. Intervjuet forteller deg hvordan noen tenker og kommuniserer; arbeidsprøven forteller deg hva de faktisk kan produsere.

Rettferdighet, skjevheter og loven

AI fjerner ikke skjevheter fra intervjuing; den flytter på hvor skjevheter kan komme inn og hvor synlige de er. De reelle risikoene i et AI-intervju som samler dokumentasjon, er konkrete: tale-til-tekst som transkriberer noen aksenter mindre nøyaktig enn andre, spørsmål som ikke er reelt jobbrelevante, og — verst av alt — automatisk poengsetting som siler folk ut uten at et menneske leser dokumentasjonen. Hver av dem har et mottiltak: jobbrelevante strukturerte spørsmål, referater et menneske gjennomgår, og et bekreft-eller-overstyr-punkt på hver poengsum, slik at ingen blir avvist av en maskin.

Regelverket konvergerer mot nøyaktig denne disiplinen. New York Citys Local Law 144 krever en uavhengig skjevhetsrevisjon av automatiserte verktøy for ansettelsesbeslutninger, og varsel til kandidaten før bruk. Illinois' Artificial Intelligence Video Interview Act krever at kandidater varsles, at det forklares hvordan AI-en fungerer, at det innhentes samtykke, og at opptak slettes på forespørsel. EU AI Act klassifiserer AI brukt i rekruttering som høyrisiko, med plikter rundt menneskelig oppsyn, åpenhet og dokumentasjon. Detaljene varierer mellom jurisdiksjoner og endrer seg over tid — behandle dette som orientering, ikke juridisk rådgivning, og sjekk reglene som gjelder for deg — men retningen er umiskjennelig: varsling, menneskelig oppsyn, sporbarhet.

Det beroligende er at designet som etterlever regelverket og designet som virker, er det samme designet. Jobbrelevante strukturerte spørsmål, et referat du kan vise fram, poengsetting eid av mennesker og et auditspor er det som gjør et AI-intervju både mulig å forsvare og godt til å forutsi prestasjon. Et verktøy som selger seg inn med «AI-en vår rangerer og siler kandidater for deg», selger deg arkitekturen loven beveger seg mot — og den som er minst sannsynlig å overleve en kandidats, eller et tilsynsorgans, spørsmål om «hvorfor».

En sjekkliste for et AI-intervju du kan stå inne for

Innfører du AI-intervjuer, eller gjennomgår du ett du allerede kjører, er dette spørsmålene som skiller et intervju som samler dokumentasjon, fra en svart boks. Kan du svare ja på alle sammen, har du en prosess du kan stå inne for.

• Strukturert ryggrad: får hver kandidat de samme jobbrelevante kjernespørsmålene, poengsatt mot den samme vurderingsmatrisen?
• Avgrensede oppfølginger: holder de tilpassede oppfølgingsspørsmålene seg innenfor rollens kompetanser i stedet for å vandre bort fra rollen?
• Referatet som dokumentasjon: kan du åpne et hvilket som helst intervju og lese nøyaktig hva som ble sagt?
• Poengsetting eid av mennesker: bekrefter eller overstyrer en navngitt bedømmer hver eneste kriteriepoengsum, med overstyring like enkelt som å godta?
• Ingen slutninger fra ansikt eller stemme: poengsetter systemet svar, aldri ansiktsuttrykk, følelser eller «match»?
• Åpenhet overfor kandidaten: får kandidatene vite at en AI intervjuer dem, hvordan den fungerer, og hvordan dataene deres håndteres?
• Kombinert med en arbeidsprøve: gjør finalistene også den faktiske jobben, ikke bare beskriver den?
• Gjennomgått for utslag: kontrollerer du utfallene for ulik virkning på tvers av grupper, og retter opp spørsmål som ikke holder?

Kilder og videre lesning

• Levashina, Hartwell, Morgeson & Campion (2014), «The Structured Employment Interview: Narrative and Quantitative Review of the Research Literature», Personnel Psychology
• McDaniel, Whetzel, Schmidt & Maurer (1994), «The Validity of Employment Interviews: A Comprehensive Review and Meta-Analysis», Journal of Applied Psychology
• Forordning (EU) 2024/1689 (EU AI Act) — Den europeiske unions tidende
• NYC Local Law 144 — Automated Employment Decision Tools (NYC DCWP)