Av Maria Rabb, grundare EnHunt AB
Nyligen fick jag äran att föreläsa om AI och rekrytering. Det blev ett samtal som bekräftade något jag märker allt oftare i mitt dagliga arbete med teknikrekrytering: frågorna är många, osäkerheten är stor och utvecklingen går snabbare än de flesta hinner hänga med.
Det här inlägget samlar de viktigaste insikterna — inte som en allmän genomgång av AI-verktyg, utan som ett konkret underlag för dig som rekryterar ingenjörer och tekniska ledare och funderar på vad AI faktiskt innebär för din process just nu.
Siffrorna som förändrar bilden
Låt oss börja med fakta. AI i rekrytering är inte längre ett framtidsämne.
87 procent av bolag använder nu AI i sina rekryteringsprocesser, och 93 procent planerar att öka användningen under 2026. Det är en nästan fördubbling på bara ett år. Inom screening och CV-granskning är siffran ännu tydligare — 82 procent av bolag som använder AI applicerar det just där.
Samtidigt: bara 26 procent av jobbsökare litar på att AI utvärderar dem rättvist. Det är ett enormt gap mellan hur arbetsgivare och kandidater upplever samma verklighet.
För den som rekryterar ingenjörer och tekniska specialister — en målgrupp som är både efterfrågad och kräsen — är det gapet viktigt att förstå.
Det händer i intervjurummet — även om du inte ser det
En av de mest häpnadsväckande utvecklingarna just nu är fuskproblematiken i AI-genomförda intervjuer.
I en studie av nästan 20 000 AI-intervjuer flaggades 38,5 procent av kandidaterna för AI-assisterat fusk i januari 2026 — upp från 9 procent bara sex månader tidigare. I techroller var siffran 48 procent. Kandidaterna använder AI för att generera svar i realtid, läsa upp förberedda svar eller låta AI svara direkt via öronsnäcka.
Men det stannar inte där. Gartner spår att var fjärde kandidatprofil år 2028 kan vara helt fejkad — en person som aldrig existerat. Syftet varierar: från organiserat lönebedrägeri till industrispionage, där statssponsrade aktörer skapar falska identiteter med AI-genererade ansikten och deepfake-video för att ta sig in i techbolag.
Det är en ny dimension av rekryteringsrisker som få ännu har beredskap för.
EU AI Act slår till nu — inte i framtiden
Det juridiska landskapet förändrades den 2 augusti 2026, när EU AI Act fick full kraft för hög-risk-system. Rekrytering klassificeras som just det.
Det innebär konkreta krav för alla bolag som använder AI i sin rekryteringsprocess:
- Transparens mot kandidaterna om att AI används
- Mänsklig kontroll och möjlighet att granska automatiserade beslut
- Dokumentation av hur systemen fungerar
- Rätt för kandidaten att överklaga
Böterna är kännbara — upp till 15 miljoner euro eller 3 procent av global omsättning vid överträdelse av reglerna för hög-risk-system.
Och företag blir stämda. ”Det var algoritmens fel” fungerar inte som svar längre — ansvaret ligger hos bolaget som köper och driftsätter verktyget.
Bias: mänsklig och algoritmisk
En fråga som ofta dyker upp i dessa sammanhang är bias. AI kan diskriminera — det är väldokumenterat. En oberoende studie från University of Washington visade att AI-screeningverktyg föredrog namn med vit etnicitet 85 procent av gångerna jämfört med namn associerade med svart etnicitet.
Men här är en poäng som sällan lyfts: mänskliga rekryterare är inte neutrala heller.
I mitt arbete med teknikrekrytering har jag sett det upprepade gånger — en rekryterande chef väljer Kalle Svensson, 35 år, framför Mohammed Ali, 52 år, trots likvärdig eller ibland bättre kompetens hos den senare. Utan att vara medveten om det. Det kallas implicit bias, och det är lika utbrett i mänskliga rekryteringsprocesser som i algoritmiska.
Skillnaden är att algoritmisk bias kan spåras, mätas och korrigeras — om vi väljer att göra det. Det gör AI till ett potentiellt verktyg för rättvisare rekrytering, men bara om systemen designas med öppna ögon: bättre träningsdata, CV-blindning, strukturerade frågor och löpande testning.
Vad det betyder för rekrytering av ingenjörer och tekniska ledare
Techrekrytering är en arena där konsekvenserna av dessa frågor är extra påtagliga.
Konkurrensen om rätt kompetens är hård. Kandidatupplevelsen påverkar direkt om en ingenjör tackar ja eller nej. Felrekryteringar i tekniska nyckelroller kostar tid och pengar. Och techkandidater är ofta bland de första att använda AI — både i sin ansökan och för att genomskåda en process som känns opersonlig eller schablonmässig.
Att rekrytera en senior systemarkitekt eller en teknisk chef kräver ett möte mellan två människor. AI kan hitta personen — snabbare, bredare och med ett bättre underlag än vad som var möjligt för tio år sedan. Men beslutet att ta in den personen i teamet fattas bäst av en människa som förstår kontexten.
Det är den balansen EnHunt arbetar efter.
Tre saker att ta med sig
1. Kolla ert AI-verktyg mot EU AI Act. Om ni använder AI i rekrytering idag — vet ni om kandidaterna informeras? Finns det mänsklig kontroll på avslagsbesluten? Om svaret är nej är det dags att agera.
2. Tänk igenom kandidatupplevelsen. Bara 26 procent av jobbsökare litar på att AI bedömer dem rättvist. En techkandidat som upplever processen som opersonlig eller ogenomskinlig söker nästa tjänst — hos er konkurrent.
3. Använd AI för att hitta fler — inte för att sortera bort. Det är en enkel tumregel som håller. AI är utmärkt på att identifiera relevanta kandidater i en stor pool. Bedömningen, dialogen och beslutet tillhör fortfarande människan.
Har du frågor om hur AI förändrar teknikrekrytering, eller vill du diskutera hur er rekryteringsprocess kan bli mer träffsäker? Boka ett kostnadsfritt möte med oss så pratar vi vidare.
Maria Rabb är grundare av EnHunt AB och har 20 års erfarenhet av search och headhunting inom ingenjörs- och teknikrekrytering. Hon arbetar med bolag inom tillverkande industri, process- och energisektor, IT och bygg/infrastruktur.