Så hanterar vi AI

Varför den här sidan finns

AI finns numera i de flesta rekryteringsflöden, och felmönstren är inte längre hypotetiska. Språkmodeller generaliserar från tunt underlag och kan därför bilda stereotyper snabbare än de människor de skulle hjälpa. System som lär sig av rekryteringsutfall kan förvandla ett tidigt avslag till ett bestående mönster mot en hel grupp. Minnesfunktioner som gör assistenter mer personliga låter också snedvridningar växa. Och den vanligaste skyddsåtgärden — att säga åt en modell att ”vara rättvis” — håller mätbart inte vad den lovar, eftersom instruktioner inte sätter ur spel vad ett system är optimerat för att göra.

Vi byggde SkillCorts AI-arkitektur mot de här felmönstren, inte runt dem. Den här sidan förklarar utformningen i detalj: vad vår AI gör, vad den strukturellt inte kan göra och hur du kan kontrollera bådadera. Inget av det är en avsiktsförklaring — varje mekanism som beskrivs här är aktiv i produkten, och vår offentliga governance-rapport följer upp underlaget.

Den enda regel som allt annat följer av

AI stöttar. Människor beslutar. I SkillCort är en AI-utdata alltid indata till ett mänskligt omdöme, aldrig omdömet i sig. AI:n utkastar bedömningsuppgifter och bedömningsmatriser, genomför strukturerade intervjuer som en öppet redovisad persona, transkriberar och sammanfattar svar, lyfter fram citerat underlag och föreslår poäng på kriterienivå. En namngiven mänsklig bedömare bekräftar varje poäng; en namngiven människa fattar varje beslut i flödet — gå vidare, vänta, avslå. Det finns ingen inställning, ingen prisnivå och inget tröskelvärde som ändrar på det.

Det är genomdrivet i databasen, inte i ett styrdokument: tabellerna för poäng och beslut går bara att skriva till via kontrollerade vägar som registrerar en mänsklig aktör. Knappen som låter en algoritm sålla bort en människa finns inte i vår kodbas — och vår offentliga governance-spärr är byggd för att den aldrig ska kunna läggas till i tysthet.

Vår AI har inget minne av människor — av arkitektur

Snabbaste sättet för ett AI-system att utveckla snedvridning är att låta det lära sig av sin egen rekryteringshistorik: en kandidat från en grupp presterar svagt, systemet nedgraderar i tysthet nästa. SkillCorts bedömnings-AI är tillståndslös från grunden. Varje AI-anrop — ett utkast, en sammanfattning, en intervjuomgång, en föreslagen poäng — börjar från noll, ser bara materialet framför sig och behåller ingenting efteråt.

Konkret: vår AI lär sig aldrig av rekryteringsutfall. Beslut som fattas på Beslutstavlan matas aldrig tillbaka in i någon modell. Ingen modell finjusteras, tränas om eller ”förbättras” på dina kandidaters data. Det finns inget kandidatminne mellan kunder, ingen delad svartlista och ingen ryktespoäng som följer en person mellan arbetsgivare — det är permanenta produktgränser, inte punkter på en roadmap. Den som söker två gånger är, för vår AI, två arbeten utan samband.

AI:n ser arbetet, inte människan

Modeller kan inte stereotypisera utifrån signaler de aldrig får. När SkillCorts AI sammanfattar eller föreslår en poäng är dess indata kandidatens arbetsresultat — det skrivna svaret, koden, transkriptet — tillsammans med den bedömningsmatris den ska poängsätta mot. Den får inte kandidatens namn, foto, demografiska uppgifter, CV eller någon gruppsignal som bedömningsindata.

Två besläktade förbud är absoluta. Vår AI härleder aldrig personlighet, känslor eller sanningshalt ur en kandidats ansikte, röst eller skrivmönster — video finns för människors provsäkerhetsgranskning, inte för ett algoritmiskt karaktärsomdöme. Och provsäkerhetssignaler (ett flikbyte, en inklistring, en kameraflagga) läggs aldrig fram för AI för ett utslag: de landar på en tidslinje som en person granskar, och ingen enskild signal kan sålla bort någon automatiskt.

Identitetsgranskningen är medvetet enbart mänsklig. När den är påslagen visas sessionens selfie, det tagna id-fotot och ett valfritt referensfoto från organisationen sida vid sida för en behörig granskare. SkillCort beräknar ingen ansiktslikhet, söker inte i bildarkiv, ställer inte kandidater mot varandra och lagrar inga biometriska ansiktsmallar. Kandidaterna får veta det före sessionen, och granskarens identitet, beslut och tidsstämpel registreras utan att påverka bedömningens poängsättning eller rangordning.

Rättvisa är en struktur, inte en instruktion

Att instruera en modell att vara fördomsfri kostar nästan ingenting — och ger nästan ingenting. Vi behandlar rättvisa på promptnivå som en artighet, inte som en åtgärd. De åtgärder som betyder något är strukturella: arbetsprovsunderlag i stället för ersättningssignaler, poängsättning förankrad i bedömningsmatriser i stället för fritt formulerade intryck, och AI-utdata som kommer som märkta utkast en människa aktivt måste bekräfta.

Sedan mäter vi. Bedömningar redovisar samstämmigheten mellan bedömare (ICC) och den interna konsistensen, så att opålitlig poängsättning blir synlig i stället för tyst förutsatt. Blueprintsidor följer gruppskillnader med fyrafemtedelsregelns impact ratio och effektstorlekar över vilket fält en organisation än väljer att följa — och vi säger uttryckligen att en flagga där startar en utredning som människor gör, aldrig en automatisk korrigering som själv kan slå fel. Där vi saknar underlag säger vi det: vi påstår ingen prediktiv förmåga som vi inte har mätt.

Varje AI-utdata lämnar ett spår

Ogenomskinlighet är det som gör AI-misstag till misstag utan ansvarig. Varje AI-stött resultat i SkillCort bär sin härkomst: vilken modell, vilken version, när och över vilken indata — registrerat i en liggare som din organisation kan granska och exportera. Bedömningssessioner låser sin AI-konfiguration vid start, så att ett modellbyte mitt i provet inte i tysthet kan ändra hur kandidater behandlas inom en kohort.

Samma öppenhet gäller mot kandidaterna. När kandidater talar med vår AI-intervjuare redovisas det öppet som AI — en utformad persona, aldrig en påhittad människa. Genomföranden kan erbjuda kandidater ett uttryckligt val om AI-medverkan, och ingen enskild integritetssignal väljer bort en kandidat på egen hand — en flaggad session når fram till en människa. Kandidater framför sina invändningar via organisationen som genomför bedömningen; SkillCort lotsar dit men ersätter den inte. Samtyckestexterna anger vad som samlas in, varför och hur länge; lagringstiden är en inställning organisationen sätter, och radering verkställs på begäran.

Människor kan alltid dra i bromsen

Automatisering värd att lita på behöver en avstängning som fungerar mitt i flykten. Ägare av en organisation kan pausa AI-ytor omedelbart — per yta, per leverantör — och produkten faller kontrollerat tillbaka på sitt mänskliga flöde: bedömningen fortsätter, poängsättningen fortsätter, besluten fortsätter. AI är i SkillCort ett lager ovanpå ett fullständigt mänskligt förfarande, inte ett beroende som förfarandet inte kan köras utan.

Ändringar i allt det här är själva reglerade. De delar av vår kodbas som rör ansvaret för AI-beslut, kandidaternas samtycke, inspelning eller just de här löftena ligger bakom en ändringsspärr som kräver uttryckligt mänskligt godkännande — granskat, märkt och loggat. I vår governance-rapport publicerar vi vad som är verifierat, vad som är begränsat och vad som föll — för en förtroendesida där det alltid bara står ”allt är i sin ordning” är marknadsföring, inte ansvarstagande.

Det vi inte kommer att bygga

Gränser är verkliga bara om de håller mot incitament. Det här är våra, oförändrade sedan första kodraden, och det är de som gör resten av den här sidan trovärdig:

• Inga rekryteringsbeslut fattade av AI — en namngiven person äger varje poäng och varje beslut
• Inget lärande av rekryteringsutfall — beslut tränar och styr aldrig våra modeller
• Inget kandidatminne mellan kunder, inga delade svartlistor, inga flyttbara ryktespoäng
• Ingen avläsning av personlighet, känslor eller lögn ur ansikte, röst eller tangenttryck
• Ingen dold AI — kandidater vet alltid när de talar med en maskin
• Inga tysta ändringar — ändringar i AI-governance-kod kräver granskat mänskligt godkännande

Vadet vi håller på

Branschens vad är att mer autonom AI ska göra rekrytering billigare. Vårt vad är ett annat: att AI:ns verkliga värde i rekrytering är att göra det mänskliga omdömet bättre — snabbare fram till underlaget, svårare att snedvrida, lättare att stå för. Det innebär att acceptera friktion som den autonoma varianten slipper: en människa bekräftar varje poäng, härkomsten loggas även när ingen frågar efter den, och vissa funktioner är permanent uteslutna.

Vi menar att den bytesaffären inte bara är säkrare utan träffsäkrare — ett beslut som någon kan förklara brukar vara det bättre beslutet. Om du bedömer människor för ditt levebröd förtjänar du verktyg byggda på den premissen. Den här sidan är vårt stående åtagande att fortsätta bygga dem så.