Et sted i huset ligger der en beslutning om at vente. Nogen har hørt at rekruttering er høj-risiko under EU’s AI Act, og så er der sagt stop indtil vi ved mere. Imens screener konkurrenten videre, og jeres egen HR-medarbejder læser 300 ansøgninger i hånden.
Beslutningen var fornuftig med den viden der var. Den er bare truffet på et grundlag der ikke længere passer. Her er hvad der faktisk gælder for CV-screening med AI i dag, og hvor grænsen reelt går.
Den korte version: I må mere end I tror. Til gengæld er den grænse der findes, ufravigelig, og den handler ikke om værktøjet. Den handler om hvem der træffer beslutningen.
Reglen I satte det på pause for, gælder ikke endnu
Det er rigtigt at rekruttering er klassificeret som høj-risiko. Systemer til at screene ansøgninger og udvælge kandidater står i AI-forordningens bilag III, og det er ikke til diskussion.
Men klassifikationen og forpligtelserne er to forskellige ting, og det er dér de fleste danske gengivelser stopper for tidligt. Digital Omnibus-pakken, der blev underskrevet 8. juli 2026, udskød reglerne for høj-risiko-systemer efter bilag III fra 2. august 2026 til 2. december 2027. For AI indlejret i regulerede produkter er datoen 2. august 2028.
Sætter I rekrutteringen på pause i august 2026 med henvisning til høj-risiko-reglerne, beskytter I jer altså mod noget der ikke er trådt i kraft. I har halvandet år til at lære det ordentligt, og det er præcis den periode hvor det er billigt at lave fejl.
Høj-risiko betyder ikke forbudt. Det betyder dokumenteret, gennemsigtigt og med et menneske på beslutningen. Og forpligtelserne gælder først fra 2. december 2027.
Vi har skrevet den fulde gennemgang af hvad der reelt trådte i kraft, og hvad der blev overdrevet, i AI Act artikel 4 og kravet om AI-kompetencer.
Det der faktisk gælder i dag, hedder GDPR
Her er pointen der er værd at tage med til næste ledermøde: den regel der binder jer lige nu, er ikke ny, og den er ikke fra AI-forordningen. Det er databeskyttelsesforordningens artikel 22, og den har stået der siden 2018.
Den siger, kort fortalt, at en person ikke skal kunne gøres til genstand for en afgørelse der alene bygger på automatisk behandling, når afgørelsen har betydelig virkning for vedkommende. Et afslag på et job er sådan en afgørelse.
Bemærk ordet alene. Reglen forbyder ikke at bruge maskinen. Den forbyder at maskinen får det sidste ord. Det er en helt anden ting, og det er hele forskellen mellem et lovligt og et ulovligt setup. Det er også derfor CV-screening med AI kan sættes lovligt op i dag, uden at vente på noget som helst.
Der er også et krav om åbenhed: ansøgerne skal kunne få at vide at der indgår automatisk behandling, og hvad der lægges vægt på. Det er sværere end det lyder, men det er en oplysningsopgave, ikke en forhindring.
Bemærk: Vi er ikke advokater, og det her er ikke juridisk rådgivning. Det er den praktiske udlægning vi arbejder ud fra, når vi hjælper HR-funktioner i gang. Skal jeres opsætning kunne holde i en tilsynssag, så få den vurderet af en der har papir på det.
De fire grænser for CV-screening med AI
Al den jura kan koges ned til fire beslutninger. De tager en formiddag at træffe, og de holder resten af vejen.
| Grænsen | Hvad det betyder i praksis |
|---|---|
| Maskinen sorterer aldrig nogen fra | AI må rangere, opsummere og gøre bunken sammenlignelig. Den må ikke afvise. Et menneske ser hver eneste ansøgning der bliver fravalgt, også dem der ligger nederst |
| Beslutningen skal kunne begrundes | Den der siger nej, skal kunne sige hvorfor uden at henvise til at systemet gjorde det. Kan I ikke det, er beslutningen reelt automatisk uanset hvem der klikkede |
| Kriterierne skrives ned før bunken åbnes | Hvad skal personen kunne den første måned, hvad kan læres, hvad er reelt et krav. Fastlagt inden I ser navnene, ikke bagefter |
| Ansøgerne får det at vide | En sætning i opslaget om at der indgår automatisk behandling i den indledende gennemgang, og at et menneske vurderer. Det koster intet og fjerner det meste af risikoen |
Læg mærke til at ingen af de fire handler om hvilket værktøj I bruger. De handler om processen omkring det. Det er også derfor de er til at leve op til uden at købe noget.
Det farligste er ikke modellen. Det er kriteriet ingen har skrevet ned.
Diskussionen om bias i rekruttering bliver næsten altid ført som om problemet opstår når AI kommer ind i lokalet. Det passer ikke. Den usaglige forskelsbehandling var der i forvejen, den var bare fordelt på tolv forskellige mennesker der hver især havde en fornemmelse.
Det AI gør, er at gøre den systematisk. Det skærer begge veje. En model der vægter forkert, gør det på alle 300 ansøgninger i stedet for på de fyrre en enkelt medarbejder nåede. Til gengæld kan et skævt kriterium der er skrevet ned, faktisk findes og rettes. En fornemmelse kan ikke.
De typiske skævheder er ikke dem folk forventer. Det er sjældent noget så åbenlyst som køn eller alder. Det er:
- Sproglig sikkerhed forveksles med faglighed. En velskrevet ansøgning rangeres højere, også når stillingen ikke kræver at man skriver. Det rammer alle der ikke har dansk som modersmål, uanset hvor gode de er til jobbet.
- Huller i cv’et vægtes negativt uden at nogen har bedt om det. Barsel, sygdom og videreuddannelse ser ens ud i en tidslinje.
- Genkendelige arbejdsgivere slår ukendte. Modellen har set de store navne før, og lighed med det den har set, ligner kvalitet.
- Jeres eget kriterium, spejlet tilbage. Beder I om nogen der ligner dem der klarer sig godt hos jer i dag, får I præcis det. Inklusive de træk der ikke har med arbejdet at gøre.
Modgiften mod alle fire er den samme, og den er billigere end at droppe CV-screening med AI igen: skriv kriterierne ned først, hold dem op mod hvad jobbet faktisk kræver, og bed eksplicit modellen om at se bort fra alt der ikke står på listen.
Anonymisering løser mindre end I tror
Det oplagte svar er at fjerne navn, alder og billede før ansøgningen går ind. Det er ikke en dårlig idé, og det er nemt at gøre. Men det er en delvis løsning, og det er værd at vide hvorfor, inden I sætter alt på det ene kort.
Signalerne bliver nemlig hængende i teksten. Uddannelsesinstitutionens navn, årstal der afslører alder, en formulering der røber at dansk er andetsproget, foreningsarbejde der peger på baggrund. En sprogmodel er god til at samle den slags op, også når den ikke bliver bedt om det.
Anonymisering fjerner de nemme signaler, og den er stadig værd at gøre. Den erstatter bare ikke arbejdet med kriterierne. Har I kun tid til det ene, så vælg kriterierne.
Hvad CV-screening med AI faktisk kan, når rammen er på plads
Når de fire grænser står fast, er der reel tid at hente. Ikke i at afgøre hvem der skal ind, men i alt det omkring.
- Bunken gøres sammenlignelig. Hver ansøgning stillet op mod den samme kravprofil i den samme skabelon, så I læser det samme sted hver gang i stedet for at lede.
- Det der mangler, bliver synligt. En liste over hvilke krav ansøgningen ikke siger noget om, i stedet for at I selv skal holde styr på det.
- Samtalen forberedes. Spørgsmål til den enkelte ud fra det de rent faktisk har skrevet, i stedet for det samme sæt til alle.
- Alle får svar. Ordentlige afslag i jeres egen tone, også til dem der ikke kom videre. Det er tit dét der ryger når der er travlt, og det er dét ansøgerne fortæller andre om.
Bredere end rekrutteringen, altså onboarding, personalepolitikker, referater og MUS, har vi samlet under AI til HR-afdelinger.
Sådan starter I igen efter en pause
CV-screening med AI kræver ikke et projekt for at komme i gang. Det kræver fem skridt, og de to første kan tages i denne uge.
- Skriv de fire grænser ned som en halv side. Ikke en politik på fyrre sider. En halv side som HR og ledelsen er enige om, og som kan vises frem.
- Vælg én stilling, ikke hele processen. Helst en I rekrutterer til jævnligt, så I kan se forskellen anden gang.
- Kør den parallelt første gang. Screen som I plejer, og lad modellen gøre det ved siden af. Sammenlign hvem der ryger ud hvor. Det er den eneste måde at finde ud af hvad modellen faktisk vægter.
- Sæt sætningen i jobopslaget med det samme. Den om at der indgår automatisk behandling, og at et menneske vurderer. Vent ikke til processen er færdigtænkt.
- Lad den der rekrutterer bygge det. Ikke IT, og ikke en arbejdsgruppe. Det er detaljerne i faget der afgør om kriterierne er rigtige.
Skal hele afdelingen med, og ikke kun rekrutteringen, er et AI-firmakursus formatet. Der arbejder vi i jeres egne opslag og jeres egne ansøgninger i stedet for i eksempler.
Skal I i gang igen?
Vi kommer ikke med et standardprogram. Vi tager jeres egen rekrutteringsproces, jeres egne kravprofiler og de ansøgninger I sidder med, og arbejder i dem på dagen.
Paw Lundin
Stifter af Digital Forlomme. 15+ års erfaring med digitalisering, først som intern leder, nu som rådgiver. Underviser, implementerer og rådgiver.
Ofte stillede spørgsmål
Er det lovligt at bruge AI til at screene ansøgninger?
Ja, når mennesket træffer beslutningen. Databeskyttelsesforordningens artikel 22 forbyder afgørelser med betydelig virkning der alene bygger på automatisk behandling, og et afslag på et job er sådan en afgørelse. Ordet alene er det afgørende: AI må gerne rangere, opsummere og gøre bunken sammenlignelig, men den må ikke afvise nogen af sig selv. Ansøgerne skal desuden oplyses om at der indgår automatisk behandling.
Rekruttering er høj-risiko under AI Act. Betyder det at vi skal vente?
Nej. Rekruttering står i bilag III og er klassificeret som høj-risiko, men forpligtelserne for de systemer blev udskudt med Digital Omnibus-pakken fra 2. august 2026 til 2. december 2027. Klassifikationen gælder, kravene gør ikke endnu. Perioden frem til december 2027 er den billigste tid at lære det i, fordi I kan nå at finde ud af hvad der virker hos jer, inden dokumentationskravene lander.
Hvad er den vigtigste ene ting vi skal have styr på?
At maskinen aldrig sorterer nogen fra. AI må rangere og forberede, men et menneske skal se hver eneste ansøgning der bliver fravalgt, og skal kunne begrunde afslaget uden at henvise til systemet. Kan man ikke det, er beslutningen reelt automatisk, uanset hvem der trykkede på knappen. De øvrige tre grænser er nemmere at leve op til end den her.
Fjerner anonymisering af ansøgninger problemet med bias?
Kun delvist. At tage navn, alder og billede ud fjerner de nemme signaler og er værd at gøre. Men uddannelsessted, årstal, sprogtone og foreningsarbejde ligger stadig i teksten, og en sprogmodel samler den slags op uden at blive bedt om det. Det der virker bedre, er at skrive kriterierne ned før bunken åbnes og bede modellen se bort fra alt der ikke står på listen. Har I kun tid til det ene, så vælg kriterierne.
Bliver bias værre af at bruge AI i rekrutteringen?
Det bliver systematisk, og det er både problemet og muligheden. Usaglig forskelsbehandling fandtes i forvejen, den var bare fordelt på flere mennesker med hver sin fornemmelse. En model der vægter forkert, gør det på hele bunken. Til gengæld kan et nedskrevet kriterium findes og rettes, og det kan en fornemmelse ikke. Afgørende er at kriterierne er skrevet ned, holdt op mod hvad jobbet kræver, og testet ved at køre parallelt med den manuelle screening første gang.
Skal vi købe et særligt rekrutteringssystem for at gøre det her?
Nej, ikke for at komme i gang. De fire grænser handler om processen, ikke om værktøjet, og de kan lige så godt holdes med det I allerede har licens til. Et dedikeret system kan give mening når volumen er høj, men det er en beslutning der bør komme efter I har fundet ud af hvilke kriterier der virker hos jer. Køber I systemet først, køber I typisk en andens kriterier.