Hur mäter du din rekryteringsframgång?

Du sitter i ett sista samtal med en kandidat och allt känns rätt. Samtalet flyter, magkänslan är bra och beslutet känns ganska enkelt.

Några veckor senare är rollen tillsatt och på pappret ser det ut som en lyckad rekrytering.

Men om du stannar upp och tänker efter: Hur lång tid tog processen egentligen? Vilka kandidater föll bort längs vägen, och varför? Och vad i din bedömning säger faktiskt något om hur personen kommer fungera när vardagen väl börjar?

Det är inte självklart att du har svaren och det är inte konstigt heller. För de flesta av oss jobbar på det här sättet och inte minst inom IT-rekrytering där tempot är högt och konkurrensen om toppkandidater är stor.

Rekrytering styrs fortfarande av magkänsla

I många delar av verksamheten har vi blivit vana vid att mäta, följa upp och justera. Inom marknadsföring, sälj och produktutveckling är det självklart att förstå vad som fungerar och vad som inte gör det. Där tas sällan beslut utan någon form av data i ryggen och arbetssätten utvecklas kontinuerligt baserat på insikter.

Rekrytering fungerar ofta annorlunda. Här väger erfarenhet, magkänsla och personligt omdöme fortfarande tungt, vilket i grunden är rimligt, för att bedöma människor är inte samma sak som att optimera en kampanj.

Samtidigt uppstår en intressant spänning här. Rekrytering, och särskilt IT-rekrytering, är ett av de mest affärskritiska besluten en organisation tar men det är ofta svårt att svara på ganska grundläggande frågor som: Vad i vår process fungerar faktiskt bra? Var tappar vi kandidater? Vad i vår bedömning spelar egentligen roll på sikt?

Utan den typen av återkoppling blir varje rekrytering i praktiken en ny startpunkt. Erfarenheten finns där men det är svårt att sätta fingret på exakt vad som gör att vissa beslut blir bättre än andra. Risken är att vi fortsätter fatta liknande beslut utan att veta om de faktiskt fungerar bättre eller sämre över tid.

Vad datadriven rekrytering egentligen innebär

När vi pratar om datadriven rekrytering, och särskilt inom IT-rekrytering där volymer och specialisering ofta är höga, hamnar fokus ofta direkt på AI, automatisering eller nya verktyg. Men i praktiken börjar det någon annanstans.

Det handlar mindre om teknik och mer om ett förhållningssätt om att försöka förstå vad som faktiskt driver bra rekryteringar och att ta med sig lärdomar från varje process.

Ett sätt att se på det är att börja med processen i sig. Hur ser den ut i verkligheten och inte bara i teorin? Hur lång tid tar den, var uppstår friktion och hur upplever kandidaterna den?

Nästa steg handlar om själva bedömningen. Vad i er utvärdering säger faktiskt något om hur en person kommer prestera? Är det intervjun, ett case, referenser eller något annat?

När vi har gjort tillräckligt många rekryteringar och börjat följa upp dem går det också att se mönster. Vissa bakgrunder eller erfarenheter fungerar bättre i just er miljö och vissa arbetssätt leder oftare till träffsäkrare beslut.

Det är där värdet uppstår. Inte i att göra rekrytering mer teknisk utan i att göra den mer medveten och lärande över tid.

Vad ni faktiskt behöver börja mäta

Det är lätt att tänka att man behöver ha perfekta system och heltäckande data för att börja mäta sin rekrytering. I praktiken räcker det långt att börja med några enkla frågor som ger en tydligare bild av hur processen faktiskt fungerar. Till exempel:

• Hur lång tid tar det för er att rekrytera? Vad påverkar den tiden och varierar den mellan olika roller?
• Var i processen tappar ni kandidater? Finns det steg där ovanligt många faller bort eller tackar nej, och vad kan det i så fall bero på?
• Varifrån kommer de kandidater ni faktiskt anställer? Inte bara var ansökningarna kommer ifrån utan vilka kanaler som leder hela vägen till en anställning.
• Hur går det för era nyanställda när de väl är på plats? Vad kännetecknar de som fungerar riktigt bra och går det att koppla tillbaka till hur de rekryterades?
• Vad händer när ni väl ger ett erbjudande? Hur upplevs ni i slutet av processen när kandidaten faktiskt ska fatta sitt beslut?

Det viktiga är inte att ha exakta svar direkt utan att börja ställa frågorna konsekvent och följa utvecklingen över tid. Det handlar inte om att mäta allt utan om att börja mäta något och faktiskt använda insikterna.

Det här gäller oavsett roll men det blir särskilt tydligt inom ”svårare” rekryteringar där små förbättringar får stor effekt.

AI i rekrytering kräver eftertanke

AI har blivit en naturlig del av diskussionen kring rekrytering och det finns tydliga möjligheter i hur tekniken kan effektivisera och stödja olika delar av processen.

Samtidigt är det ett område där det är lätt att underskatta komplexiteten. AI bygger alltid på data, historik och de beslut som redan har fattats i organisationen.

Det väcker några viktiga frågor att tänka på:

• Vad är det egentligen vi lär systemen att identifiera?
• Vilka mönster förstärks, och vilka utmanas?
• Hur säkerställer vi att vi fortfarande förstår och kan stå bakom de beslut som fattas?

Det finns inga enkla svar här men en sak blir tydlig: värdet av AI uppstår inte i själva tekniken utan i hur den används, ifrågasätts och följs upp i praktiken.

Att använda AI som stöd kan det vara väldigt värdefullt. Men som ersättning för omdöme blir det snabbt problematiskt, särskilt om vi slutar reflektera över hur besluten faktiskt tas.

Vad händer om ni inte gör något?

Det är lätt att se datadriven rekrytering som något som kan vänta och särskilt om nuvarande arbetssätt fungerar tillräckligt bra.

Samtidigt sker det förändringar som gör frågan allt mer relevant. Tempot i kompetensmarknaden ökar och organisationer som blir bättre på att förstå sin process och fatta beslut snabbare får ett tydligt försprång.

Det här märks särskilt inom IT-rekrytering  där konkurrensen om rätt kompetens redan är hög och där ineffektiva processer snabbt blir kostsamma.

Parallellt ökar kraven på transparens och särskilt kopplat till användning av AI. EU:s AI Act är beslutad och börjar successivt tillämpas de kommande åren och rekrytering lyfts ofta som ett område där användningen behöver ske med särskild eftertanke. Det handlar bland annat om att kunna förklara beslut, förstå hur verktyg används och säkerställa att det finns ett mänskligt ansvar i processen.

Det betyder inte att alla behöver göra allt på en gång men det betyder att frågor som tidigare varit “bra att ha koll på” gradvis blir viktigare att kunna svara på. Framför allt för organisationer som vill kunna motivera sina beslut internt och externt.

Det handlar om att bli mer medveten

Rekrytering kommer alltid innehålla en mänsklig dimension för att det handlar om att bedöma potential, motivation och sammanhang och det kommer aldrig vara helt rationellt.

Men utan återkoppling är det svårt att utveckla det omdömet över tid.

Det är kanske där datan gör störst skillnad. Inte i att tala om vad som är rätt eller fel utan i att hjälpa oss förstå våra egna beslut lite bättre.

Och när vi väl börjar se de mönstren blir det också tydligt hur mycket bättre besluten kan bli över tid. Det behöver inte börja stort men det behöver börja någonstans.