Rekrytering “känns” som att det borde vara enkelt. Men granskningsverktygslådan i de flesta företag är ett lapptäcke: ostrukturerade intervjuer, vaga bedömningsmallar, inkonsekventa referenstagningar och beslut som tas på halva bevisunderlaget. Resultatet är förutsägbart – felrekryteringar, långsamma cykler och mycket intern skuldbeläggning som aldrig åtgärdar grundorsaken.
Det här Topgrading-baserade rekryteringssystemet är byggt för ansvariga inom Talent Acquisition som behöver ett repeterbart sätt att skilja signal från brus, HR business partners som städar upp inkonsekventa intervjuvanor hos chefer, och avdelningschefer som är trötta på resultatet “bra intervju, svag prestation på jobbet”. Leveransen är en fler-stegs, interaktiv rekryteringsgranskning och ombyggnad som tar fram strukturerade guider för beteendebaserade intervjuer, disciplinerade manus för referenstagning, scorecards och mätbara uppföljningsindikatorer.
Vad gör den här AI-prompten och när ska du använda den?
| Vad den här prompten gör | När du ska använda den här prompten | Vad du får |
|---|---|---|
|
|
|
Hela AI-prompten: Topgrading-baserad byggare för rekryteringssystem
Fyll i fälten nedan för att anpassa prompten efter dina behov.
| Variabel | Vad du ska ange | Anpassa prompten |
|---|---|---|
[KONTEXT] |
Ge en kort översikt över organisationens nuvarande rekryteringssituation, inklusive eventuella tydliga utmaningar eller särskilda omständigheter. Till exempel: "Företaget skalar snabbt efter en Serie B-finansieringsrunda och rekryterar inom flera avdelningar med fokus på teknik/utveckling och försäljning."
|
|
[BRANSCH] |
Ange vilken bransch eller sektor organisationen verkar inom så att rekommendationerna kan anpassas efter behoven. Till exempel: "Utveckling av enterprise-mjukvara för företag inom finansiella tjänster."
|
|
[HUVUDMAL] |
Beskriv huvudsyftet med att förbättra rekryteringsprocessen, med fokus på önskade resultat som anställningskvalitet, snabbhet eller rättvisa. Till exempel: "Öka anställningskvaliteten för seniora utvecklarroller samtidigt som time-to-hire minskas med 20 %."
|
|
[REKRYTERINGSVOLYM] |
Ange ungefär hur många rekryteringar organisationen planerar inom en viss tidsperiod (t.ex. per månad, kvartal eller år). Till exempel: "50 rekryteringar per kvartal, med toppar under Q2 och Q4."
|
|
[ROLLDIVERSITET] |
Beskriv bredden av roller som rekryteras, inklusive variation i funktioner, nivåer och specialistområden. Till exempel: "Främst mjukvaruutvecklare, produktchefer och Customer Success-specialister, från juniora roller till seniora ledarpositioner."
|
|
[URVALSVERKTYG] |
Lista de verktyg och metoder som i dag används för att göra urval av kandidater, till exempel ATS-system, tester eller intervjupplägg. Till exempel: "Greenhouse (ATS), HackerRank-kodtester och ostrukturerade panelintervjuer."
|
|
[FRAMGANGSNYCKELTAL] |
Identifiera de viktigaste mätetalen som används för att följa upp hur effektiv den nuvarande rekryteringsprocessen är. Till exempel: "Time-to-hire, kandidatnöjdhet och retention efter 90 dagar."
|
|
[UTMANING] |
Beskriv de främsta utmaningarna eller problemen i den nuvarande rekryteringsprocessen som behöver åtgärdas. Till exempel: "Hög personalomsättning i utvecklarroller på grund av bristande kulturell matchning och avsaknad av strukturerade intervjuer."
|
|
[TILLGANGLIGA_RESURSER] |
Lista vilka resurser som finns tillgängliga för att stödja omarbetningen, till exempel budget, personal eller teknik. Till exempel: "En budget på 50 000 USD, ett HR-team på 3 personer och tillgång till LinkedIn Recruiter."
|
|
[TIDSRAM] |
Ange tidsplanen för att implementera den omarbetade rekryteringsprocessen. Till exempel: "3 månader för att genomföra initiala förändringar, med full utrullning i slutet av Q2."
|
|
[EFTERLEVNADSKRAV] |
Beskriv eventuella juridiska, regulatoriska eller etiska krav som måste följas under rekryteringsprocessen. Till exempel: "Måste följa GDPR för kandidatdata och EEOC-riktlinjer för icke-diskriminerande rekrytering."
|
Proffstips för bättre resultat med AI-prompten
- Ta med verkliga artefakter, inte sammanfattningar. Klistra in din nuvarande kravprofil, dina intervjufrågor och (om du har det) ditt scorecard. Även ett stökigt dokument hjälper. När AI:n har inventerat din verktygslåda kan du fråga: “Markera vilka frågor som är ledande, redundanta eller inte evidensbaserade.”
- Definiera “A-spelare” utifrån resultat. Om du säger “vi vill ha en stark kommunikatör” får du generiska intervjufrågor. Beskriv i stället observerbara utfall: “Kan driva veckovisa intressentuppdateringar, de-eskalera scope creep och få fram beslut med ofullständiga data.” Följdprompt: “Skriv om framgångsprediktorerna som mätbara beteenden för de första 90 dagarna.”
- Börja med en roll och mallifiera sedan. Starta med en roll med stor påverkan (en försäljningschef, en lead engineer, en nyckelrekrytering inom operations). Låt arbetsflödet bygga om den end-to-end och återanvänd sedan strukturen. Fråga: “Gör om detta till en återanvändbar mall för tre närliggande roller med olika framgångsprediktorer.”
- Tvinga fram kalibrering med ett kontrollerat test. När du har den strukturerade intervjun och scorecardet, kör det på två nyliga rekryteringar: en stark och en svag (eller en finalist som tackade nej). Fråga sedan: “Var hade det nya scorecardet ändrat beslutet, och vilka frågor skapade den största evidensluckan?”
- Hoppa inte över ombyggnaden av referenstagningen. Ärligt talat behandlar de flesta rekryteringsteam referenser som en formsak, vilket urholkar hela systemet. Använd promptens disciplinerade valideringsvinkel och lägg sedan till: “Skriv en samtalsplan för referenstagning för 3 referenser och 1 backchannel, inklusive vad man gör när svaren krockar.”
Vanliga frågor
Talen Acquisition Managers använder detta för att standardisera screening över rekryterare och rekryterande chefer, så att kvaliteten inte varierar kraftigt mellan team. HR business partners förlitar sig på den när de behöver en försvarbar struktur (intervjupaket, scorecards, dokumentation) som fortfarande känns praktisk för chefer. Avdelningschefer får värde när de rekryterar till roller med hög påverkan och vill ha färre rekryteringar av “bra snackare” som underpresterar senare. People Operations-ledare använder den för att minska bias genom att skärpa framgångsprediktorerna och göra evidenskraven konsekventa mellan kandidater.
SaaS-bolag gynnas när rekryteringen skalar snabbt och flera chefer intervjuar för samma roll, eftersom det strukturerade beteendeflödet minskar oenighet i debriefen. Sjukvård och reglerade verksamheter använder den för att få mer processdisciplin och mätbara indikatorer utan att hamna i riskfyllda, inkonsekventa screeningmetoder. Konsult- och professional services-bolag får hävstång eftersom rigorös referenstagning och evidensbaserade intervjuer är starka prediktorer för kundnära prestation och pålitlighet. Snabbväxande e-handelsvarumärken använder den ofta för att snabba upp rekrytering och samtidigt skydda kvaliteten när de bygger ut roller inom operations, paid media och kundupplevelse.
En typisk prompt som “Skriv en intervjuprocess för mitt företag” misslyckas eftersom den: saknar en inledande granskning av ert nuvarande arbetsflöde, så rekommendationerna matchar inte er verklighet; inte ger någon strukturerad Topgrading-stomme (framgångsprediktorer, beteendebaserade bevis, disciplinerade referenser); ignorerar cykeltidsbegränsningar som panelstorlek, schemaläggning och beslutsgates; tar fram generiska frågor i stället för förankrade bedömningskriterier kopplade till utfall; och missar mätbara indikatorer, så du kan inte avgöra om kvalitet vid anställning eller rättvisa faktiskt förbättrades.
Ja, anpassningen sker genom de indata som arbetsflödet efterfrågar under den stegvisa “systemkartläggningen” och preanalysen, som er rekryteringsvolym, nuvarande intervjusteg, beslutsfattare och de mått ni följer i dag. Den största hävstången är hur tydligt du beskriver framgångsprediktorerna och hur “bra evidens” ser ut för dem. När AI:n pausar, lägg till begränsningar som är viktiga för dig (till exempel “vi måste hålla intervjuerna till totalt 3,5 timmar” eller “vi rekryterar över tre tidszoner”). En stark följdfråga är: “Utifrån våra begränsningar, designa om stegen för att kapa cykeltiden med 20 % samtidigt som vi behåller samma evidenstäckning.”
Det största misstaget är att ge vaga mål i stället för mätbara utfall – “rekrytera bättre personer” är svagt, medan “minska nyanställdas misslyckanden inom 90 dagar från 18 % till under 8 %” ger arbetsflödet något att optimera mot. Ett annat vanligt fel är att hoppa över inventeringen av nuvarande verktyg och steg; “vi gör en telefonscreen och intervjuer” räcker inte, men “30 min rekryterarscreen, 60 min chefintervju, hemuppgift, panel, sedan referenser efter beslut” går att använda. Många specificerar också framgångsprediktorer för vagt: “ledarskap” är diffust, medan “sätter kvartalsprioriteringar, hanterar konflikt och coachar två chefer” ger bättre beteendefrågor. Till sist glömmer team att definiera vad de följer i dag (time-to-hire, genomflödesgrader, avböjda erbjudanden), vilket gör det svårare för prompten att ta fram meningsfulla indikatorer och kontroller för förbättring.
Den här prompten är inte idealisk för enstaka rekryteringar där du inte kommer återanvända systemet eller iterera på det efter första körningen. Den passar heller inte perfekt om du inte är villig att göra strukturerad referenstagning, eftersom det är en kärndel i Topgrading-inspirerat arbetssätt. Och om rollkraven fortfarande är otydliga (ni har inte definierat hur framgång ser ut) kan ni behöva validera rollens scope först innan ni designar om hela verktygslådan. I de fallen: börja med att tydliggöra rollen och utfallen, och kom sedan tillbaka för att bygga om screeningsystemet.
En bättre rekryteringsprocess är inte fler intervjuer. Det är bättre evidens, insamlad på samma sätt och poängsatt med disciplin. Klistra in den här prompten i din modell, följ stegen och bygg om ert screeningsystem med trygghet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.