Chefsrekrytering i AI-tider: så hittar du rätt chef

Många bolag har redan bestämt sig för att satsa på AI. Färre har en chef som faktiskt kan driva den satsningen i praktiken. Det gapet syns tydligt när vi pratar med kunder om chefsrekrytering just nu.

Vi ser samma mönster i vår egen statistik. AI driver just nu ett tydligt skifte i arbetssätt och vilka kompetenser som skapar värde, och det påverkar i sin tur hur kandidater behöver bedömas i rekryteringsprocessen. Kravprofilen har fått ett nytt lager. Utöver klassiskt ledarskap och branschkunskap behöver dagens chef också visa att hen kan få ett team att faktiskt ändra sitt arbetssätt, inte bara prata om det.

Frågan är hur man testar det i en rekryteringsprocess. Svaret ligger sällan i CV:t.

Varför förmågan redan syns på lönebeskedet

Vår senaste lönestatistik ger en tydlig fingervisning om hur mycket marknaden redan värderar AI-kompetens. Roller med AI-inriktning lönesätts 8–15 procent över snittet för jämförbara erfarenhetsnivåer. Den skillnaden är ett bevis på att efterfrågan redan överstiger tillgången, och den logiken gäller även på chefsnivå. En chef som kan omsätta AI-satsningen i faktiskt förändrat arbetssätt är en bristvara, inte en självklarhet.

Vad kännetecknar en chef som kan leda AI-arbetet?

En chef som lyckas med AI-adoption gör sällan det genom att själv vara mest teknisk i rummet. Istället handlar det om tre saker: förmåga att sätta tydliga ramar för nya arbetssätt, tålamod att driva förändring över tid, och vilja att själv gå före med nya verktyg.

Det sista är inte bara vår egen erfarenhet. McKinseys forskning visar att ledare som själva synligt använder AI-verktyg i sitt eget arbete driver fram en förändring som sprider sig mer organiskt genom organisationen, snarare än att bara komma uppifrån eller underifrån. Det är precis den typen av beteende som är svårt att läsa av ett CV, men fullt möjligt att testa i en rekryteringsprocess.

Varför traditionell chefsrekrytering missar AI-förmågan

Standardfrågor om ledarskap fångar sällan detta. En kandidat kan berätta imponerande om tidigare resultat utan att egentligen ha drivit ett team genom en förändring i arbetssätt. Därför behöver chefsrekrytering med AI-fokus kompletteras med frågor som testar praktisk erfarenhet, inte bara ambition.

Det räcker heller inte att fråga om kandidaten ”gillar AI”. Nästan alla svarar ja på den frågan idag. Mer relevant är att fråga hur de konkret har infört ett nytt arbetssätt i ett team som var skeptiskt från början.

Frågor att ställa vid chefsrekrytering av en AI-mogen chef

Några exempel som ger bättre underlag än generella ledarskapsfrågor:

• Berätta om ett tillfälle du införde ett nytt arbetssätt i ett team som inte var övertygat. Vad gjorde du konkret?
• Hur säkerställer du att ett nytt verktyg faktiskt används, inte bara testas en gång?
• Vilket motstånd stötte du på senast du drev en förändring, och hur hanterade du det?
• Hur mäter du om en förändring i arbetssätt faktiskt gett effekt?

Frågorna fungerar oavsett om chefen ska driva AI-adoption, eller någon annan förändring i teamets vardag. Det är förändringsledarskapet som är kärnan, AI är bara dagens mest aktuella exempel.

Så testar du AI-ledarskap i caseintervjun

Ett bra sätt att gå djupare är att bygga in scenariot i caseintervjun. Låt kandidaten presentera hur de skulle introducera ett AI-verktyg i en avdelning med blandad inställning, från entusiaster till skeptiker. Det tvingar fram konkret tänkande kring kommunikation, uppföljning och motstånd, snarare än allmänna visioner om AI.

Kombinerat med strukturerad referenstagning går det att stämma av om kandidatens tidigare kollegor beskriver samma förändringsförmåga som kandidaten själv gör. Det är ofta i just den avstämningen som skillnaden mellan retorik och verklighet blir tydlig.

Vanliga varningstecken att se upp för

Var uppmärksam på kandidater som pratar mycket om AI i stora ord men saknar konkreta exempel på genomförd förändring. Samma sak gäller kandidater som lutar sig helt på att ”teamet kommer förstå värdet själva”. Adoption sker sällan av sig själv. Den kräver aktivt ledarskap, uppföljning och tålamod.