Åpenhet om evalueringer

Slik vurderer Talent Autopilot en match

Fem korte svar forklarer hva systemet gjør, hva scoren betyr og hvor mennesker beholder kontrollen.

Scoren støtter en beslutning. Den er ikke beslutningen. Et menneske bestemmer hva som skjer videre.

Sist kontrollert mot den aktive evalueringsflyten25. august 2026

Det viktigste

Fem ting du bør vite.

Åpne en seksjon for flere detaljer.

Hva gjør en evaluering i Talent Autopilot?

En evaluering sammenligner kravene til en jobb eller et prosjekt med informasjonen i hver kandidatprofil. Den hjelper rekrutterere med å velge hvilke profiler de bør se på først.

Når det er mange kandidater, kan systemet velge en mindre gruppe for full evaluering. Kandidater som ikke velges, er ikke avvist og har ikke fått en lav score.

Slik evalueres kandidater

En evaluering kan skje i to steg. Når det er mange kandidater, kan Talent Autopilot først velge profilene som virker mest relevante. Deretter evalueres de valgte profilene grundigere.

Velg profiler for full evaluering
Talent Autopilot bruker den tilgjengelige jobb- og profilinformasjonen til å finne en mindre gruppe som virker mest relevant. Dette steget hjelper rekruttereren med å gå gjennom en stor kandidatliste.
En kandidat som ikke velges i dette steget, er ikke avvist og har ikke fått en lav score. Kandidaten har ennå ikke fått en full evaluering.
Evaluer de valgte profilene
Talent Autopilot sammenligner hver valgte profil med de bekreftede kravene og lager en score med en forklaring. Rekruttereren kan også velge å kjøre denne fulle evalueringen for alle kandidatene.
En profil kan fortsatt stå uten score hvis informasjonen ikke kan evalueres eller det oppstår en teknisk feil. Rekruttereren kan se informasjonen bak et fullført resultat, undersøke uklare punkter og kjøre evalueringen på nytt.

Hvilken informasjon bruker den?

Det bruker jobbkrav som rekruttereren har bekreftet, og relevant informasjon fra kandidatprofilen, som ferdigheter og arbeidserfaring. Talent Autopilot kontrollerer ikke profilinformasjonen uavhengig.

Systemet kan bare vurdere informasjonen som er registrert i profilen. Manglende informasjon betyr ikke at kandidaten mangler en ferdighet eller erfaring.

Nøyaktig hvilken informasjon som brukes

Den fulle evalueringen sammenligner bekreftede jobb- eller prosjektkrav med informasjon som er lagret i bestemte felt i kandidatprofilen. Andre skriftlige beskrivelser kan hjelpe systemet med å velge profiler eller kontrollere om evalueringen kan gjennomføres, men de bestemmer ikke sluttscoren direkte.

Fra jobben eller prosjektet

Rekruttererbekreftede ferdighetskrav
Bekreftede krav til minste erfaring og ledererfaring, når de er oppgitt
Merking av må-krav og foretrukne bekreftede ferdigheter
Et uttrykkelig, bekreftet utdanningskrav når det er relevant
Hvor mye vekt rekruttereren velger å gi ferdigheter sammenlignet med erfaring

Fra kandidatprofilen

Registrerte ferdigheter og teknologier
Teknologier, datoer, lengde på erfaring og senioritetsnivå registrert i arbeids- og prosjektoppføringer
Registrert utdanning, men bare når jobben eller prosjektet har et relevant utdanningskrav

Slik endrer maskering det som blir sett

Når maskering er aktiv, skjuler eller reduserer systemet identifiserende informasjon før profilen vurderes. Det kan begrense tilgangen til informasjon som kan avsløre kandidatens identitet, men kan ikke garantere en vurdering uten skjevhet. Tilgang til den skjulte informasjonen er fortsatt kontrollert og loggført.

Hvordan beregnes scoren?

Systemet vurderer kandidatens ferdigheter og erfaring hver for seg og sjekker dem mot kravene rekruttereren har bekreftet. Utdanning påvirker bare scoren når rekruttereren har bekreftet at jobben eller prosjektet krever det.

Se detaljene i scoringen

Systemet scorer først ferdigheter og erfaring hver for seg. Utdanning scores bare når rekruttereren har bekreftet et utdanningskrav. Deretter kombineres de relevante resultatene til én score fra 0 til 100.

Steg 1

Beregn hver relevante del

70 %Vurdering av belegg

30 %Sjekk av krav

70 % vurdering av belegg + 30 % sjekk av bekreftede krav

Vurderingen av profilinformasjonen ser på de relevante opplysningene i kandidatprofilen. Kravsjekken måler hvor mange av de rekruttererbekreftede kravene denne informasjonen dekker.

Hvis det ikke finnes nok informasjon til å sjekke de bekreftede kravene, bruker systemet bare vurderingen av profilinformasjonen. Det finner ikke opp en verdi for den manglende sjekken.

Steg 2

Sett delene sammen

Uten relevant utdanningskrav

Ferdigheter og erfaring deler hele scoren i forholdet rekruttereren har valgt.

Eksempel med lik vekting

Ferdigheter: 50 %
Erfaring: 50 %
Utdanning: 0 %

Med relevant utdanningskrav

Utdanning får en fast andel på 20 %. Ferdigheter og erfaring deler de resterende 80 %.

Eksempel med lik vekting

Ferdigheter: 40 %
Erfaring: 40 %
Utdanning: 20 %

Bekreftede må-krav teller mer enn foretrukne krav i kravsjekken.
Et utdanningsresultat fjerner ikke en kandidat og begrenser ikke kandidatens samlede score.
En utdanning som tydelig er på et lavere nivå, merkes som lavere enn kravet. Manglende utdanning, eller utdanning systemet ikke kan tolke, merkes i stedet som ubekreftet.

Se et kort regneeksempel

Dette fiktive eksempelet viser en stilling som backend-utvikler uten utdanningskrav. Ferdigheter og erfaring bidrar like mye til sluttscoren.

Forenklet eksempel: ikke en ekte kandidat eller et lovet resultat.

Krav til en backend-utvikler

Fem teknologier, blant annet TypeScript og PostgreSQL, er bekreftede må-krav
Relevant erfaring vurderes fra strukturerte teknologi- og datofelt
Rollen har ikke utdanningskrav, og ferdigheter og erfaring har lik vekt

Registrert kandidatprofil

Tre av de fem nødvendige teknologiene er registrert
Strukturerte teknologi- og datofelt er registrert på to prosjektoppføringer
Skriftlige beskrivelser av migreringsarbeidet påvirker ikke denne eksempelscoren direkte. Profilen viser ikke lederansvar for vaktordning, så en rekrutterer må undersøke dette.

Forenklet regnestykke

Ferdigheter
74
Vurdering av belegg: 80 · sjekk av bekreftede krav: 60
70 % × 80 + 30 % × 60
Erfaring
76
Vurdering av belegg: 70 · sjekk av bekreftede krav: 90
70 % × 70 + 30 % × 90

Samlet score for rollen

50 % × 74 + 50 % × 76

En score på 75 havner i området Sterk match. En rekrutterer vurderer fortsatt profilinformasjonen og bestemmer hva som skjer videre.

Hva betyr scoren?

Scoren fra 0 til 100 viser hvor godt informasjonen i kandidatprofilen passer med kravene til denne jobben eller dette prosjektet. Den er ikke en sikkerhetsprosent. Den forutsier ikke om kandidaten vil lykkes, måler ikke kandidaten som person og forteller ikke rekruttereren hvem som bør ansettes. Den samme kandidaten kan få en annen score for en annen jobb eller et annet prosjekt.

70–100Sterk match
45–69Mulig match
25–44Svak match
0–24Lav match

Dette er merkelapper for sortering, ikke ansettelsesbeslutninger. «Lav match» betyr aldri automatisk avvisning.

Derfor kan en lagret score endre seg

En lagret score gjenspeiler jobb- eller prosjektkravene, informasjonen i kandidatprofilen, scoringsvektene og scoringsmetoden som ble brukt på det tidspunktet.

Rollebeskrivelsen eller de bekreftede kravene endres.
Relevant informasjon legges til i eller fjernes fra kandidatprofilen.
Balansen mellom ferdigheter og erfaring endres.
Et relevant utdanningskrav legges til, endres eller fjernes.
Scoringsmetoden eller reglene endres.

Alle disse endringene kan gjøre en tidligere score utdatert. Kjør evalueringen på nytt før du stoler på den. En ny kjøring er en ny vurdering, og resultatet er derfor ikke garantert å bli helt likt.

Hva skjer når systemet ikke kan gi et svar?

Hvis Talent Autopilot ikke kan fullføre en gyldig evaluering, kan systemet be om menneskelig vurdering, hoppe over profilen eller la være å vise en score. Det kan skyldes at informasjon mangler eller ikke kan brukes, at et krav må vurderes av et menneske, eller at det oppstår en teknisk feil. Systemet finner ikke opp en score.

Et manglende resultat er ikke en skjult lav score.

Derfor kan et resultat være utilgjengelig

Noen ganger kan ikke Talent Autopilot fullføre en evaluering eller lage en score. Dette er de viktigste årsakene.

Et krav trenger menneskelig vurdering

Hvis en rolle ser ut til å bruke et vernet kjennetegn eller en erstatning for et slikt kjennetegn, settes scoringen på pause og et menneske bes om å vurdere kravet.

Jobben eller prosjektet er ikke klart

Jobben eller prosjektet kan mangle nok bekreftede krav til å gi en meningsfull sammenligning.

Profilen har for lite brukbar informasjon

Systemet kan hoppe over en kandidat når profilen ikke inneholder nok relevant informasjon. Dette er ikke en avvisning eller en negativ score.

En nødvendig score er ugyldig

Hvis et nødvendig scoringsresultat mangler eller er ugyldig, finner ikke systemet opp et erstatningstall.

Det oppstår en teknisk feil

En teknisk feil kan stanse evalueringen av én eller flere kandidater. Hvis andre kandidater har gyldige resultater, fullføres kjøringen med feil og beholder disse resultatene. Hvis ingen kandidat har et gyldig resultat, merkes kjøringen som mislykket. Systemet lager ikke en erstatningsscore for kandidaten.

Hvis scoren er gyldig, men den skriftlige forklaringen ikke kan lages, kan scoren fortsatt vises med en beskjed om at rekruttereren bør kontrollere den. Systemet finner ikke opp en forklaring.

Sikkerhetstiltak og menneskelig vurdering

Evalueringen er ett innspill i en rekrutteringsprosess. Den erstatter ikke faglig skjønn eller organisasjonens ansvar.

Mulig diskriminerende krav settes på pause

En rolle som ser ut til å bygge på et vernet kjennetegn eller en erstatning for det, sendes tilbake til menneskelig vurdering i stedet for å scores. Dette er en sikkerhetssjekk, ikke en juridisk vurdering.

Mennesker undersøker og bestemmer

En rekrutterer kan se profilinformasjonen som ble brukt, undersøke uklare punkter, endre de bekreftede kravene eller scoringsvektene og kjøre evalueringen på nytt. En høy score betyr ikke «ansett denne personen». En lav score betyr ikke automatisk avvisning.

Les mer om kontrollene rundt evalueringen og behandlingen av data:

Sikkerhet og tillit Personvernerklæring

Spørsmål og svar

Vanlige spørsmål

Korte svar på spørsmål rekrutterere og kandidater ofte stiller.

Er scoren en sannsynlighet for å lykkes?

Nei. Den beskriver match med rollen ut fra informasjonen som er tilgjengelig. Den er ikke en spådom om at noen vil lykkes, en sikkerhetsprosent eller en ansettelsesanbefaling.

Avviser en lav score noen?

Nei. Scoreområdene hjelper med å organisere resultatene. Programvaren tar ikke den endelige beslutningen om ansettelse eller avvisning på egen hånd. Et menneske vurderer belegget og bestemmer hva som skjer videre.

Beviser manglende informasjon at noe ikke finnes?

Nei. En profil kan være ufullstendig. Manglende belegg viser hva som bør undersøkes; det beviser ikke at kandidaten mangler ferdigheten eller erfaringen.

Får alle kandidater en detaljert evaluering?

Ikke nødvendigvis i en standardkjøring. En stor kandidatbase kan først begrenses etter foreløpig relevans. En grundig kjøring begrenser ikke den valgte basen, men enkeltprofiler kan fortsatt hoppes over eller mislykkes før det finnes en fullført score. Ingen av delene er en avvisning eller en negativ score.

Kan utdanning påvirke scoren?

Bare når rollen har et meningsfullt, uttrykkelig og rekruttererbekreftet utdanningskrav. Ellers har utdanning null effekt og brukes ikke i evalueringen. Manglende eller uklart utdanningsbelegg er ubekreftet, ikke bevis på at et krav ikke er oppfylt.

Hva skjer når maskering er aktiv?

Identitetsinformasjonen reduseres før evaluering. Det begrenser hvilke identitetssignaler evaluatoren ser, mens kontrollert avmasking fortsatt loggføres. Maskering lover ikke et resultat uten skjevhet.

Kan scoren endre seg?

Ja. Endringer i rollen, registrert kandidatbelegg, bekreftede krav, effektive vekter eller evaluator kan gjøre et tidligere resultat utdatert. Kjør på nytt før du stoler på at det er aktuelt.

Brukes kundedata til å trene delte modeller?

Nei. Kandidatdata brukes til å betjene den konkrete forespørselen og brukes ikke til å trene delte modeller. Sidene våre om sikkerhet og personvern forklarer kontrollene og databehandlingen rundt dette.