Rekrytering med hjälp av AI är ett växande område. Men samtidigt som det ger många fördelar och nya möjligheter till snabb och smidig handläggning kan det också vara förenat med vissa utmaningar.
Säkra att AI används på ett rättvist sätt
AI
Att överlåta delar av rekryteringsprocessen till AI öppnar upp för snabb och smidig rekrytering av rätt kandidat. Samtidigt gäller det att vara medveten om de risker som har med etik och moral att göra och säkra att rekryteringen sker på ett rättvist sätt.
– Fördomar har alltid funnits men smyger sig lätt in och förstärks med AI, säger Johan Holm, juris doktor och lektor i rättsvetenskap vid Umeå universitet.

Johan Holm är juris doktor och lektor i rättsvetenskap vid Umeå universitet och forskar kring AI i arbetslivet. Foto: Mattias Pettersson
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
VD-tidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Det finns till exempel risk för att de fördomar och diskriminerande element som finns med i den data som laddas in reproduceras och till och med förstärks i de svar som kommer ut.
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