Journal

Vi bygde vårt eget AI-rekrutteringsverktøy, og lærte mye om agentiske systemer på veien

Av Morten Brandanger · Tech Lead

Vi bygde vårt eget AI-rekrutteringsverktøy, og lærte mye om agentiske systemer på veien

Når vi ansetter folk i SkyeTec, går søknadene nå gjennom et verktøy vi har bygget selv. Det er et rekrutteringssystem (ATS) som tar imot søknader fra skyetec.ai, hjelper oss å vurdere kandidater med AI, og holder styr på prosessen helt fram til signert kontrakt.

Vi kunne kjøpt en hyllevareløsning. Vi valgte å bygge selv, og det var et bevisst valg.

Hvorfor bygge selv?

To grunner.

For det første er rekruttering et område der detaljene betyr noe. Hvordan en kandidat vurderes, hvilke krav som veier tyngst, hvor lenge data lagres, hvem som tar beslutningen. Dette er ting vi vil eie selv, ikke arve fra en leverandørs antakelser.

For det andre, og like viktig: vi lever av å bygge AI-løsninger for andre. Da må vi bygge dem for oss selv også. Dette prosjektet er dogfooding satt i system. Vi bruker våre egne metoder og verktøy på et ekte problem med ekte konsekvenser, slik at det vi anbefaler kundene våre er noe vi faktisk har stått i selv.

Hva vi har laget

Et komplett rekrutteringssystem som dekker hele løpet.

Søknadsinntak rett fra karrieresidene våre, med stillingsannonser som styres fra systemet selv.

AI-assistert kandidatvurdering der modellen leser CV og søknad, trekker ut strukturerte fakta, og systemet regner ut en score mot kravprofilen for stillingen. Rekruttereren får et kandidatkort med sammendrag, observasjoner og en begrunnet poengsum, som utgangspunkt, ikke som fasit.

Intervjupipeline fra første møte til teknisk runde, med et oppgavebibliotek og strukturert tilbakemelding mellom rundene.

Automatisk overlevering til HR. Når noen ansettes, opprettes den ansatte og kontrakten i HR-systemet vårt (Huma) automatisk.

Personvern bygget inn fra bunnen. Slettefrister settes ved mottak og justeres etter hvert som prosessen utvikler seg, og persondata fjernes fra teksten før den sendes til AI-modellen.

Alt kjører i vår egen sky-infrastruktur i Azure, med data og AI-prosessering holdt innenfor EU.

Hvordan vi bygde det, og hvorfor det er det egentlige poenget

Her ligger det vi er mest stolte av, og det vi tar med oss videre til kundeprosjekter.

Vi bygde det agentisk. Systemet er ikke bare en app med en AI-knapp. AI-en gjør et avgrenset, etterprøvbart stykke arbeid, den leser og strukturerer informasjon, mens selve poengberegningen skjer i vanlig, deterministisk kode. Samme CV gir samme score, hver gang, og vi kan alltid forklare hvorfor. Det er en arkitektur vi har stor tro på. Bruk språkmodellen til det den er god på, og la koden gjøre det som må være forutsigbart og sporbart.

Vi gikk også et skritt lenger og ga systemet et eget agent-grensesnitt, en MCP-server, slik at AI-agenter kan jobbe mot rekrutteringspipelinen på en kontrollert måte. De kan lese status, opprette stillinger og registrere kandidater, bak ordentlig innlogging. Det er den samme typen agentiske integrasjoner vi bygger for kunder, prøvd ut på vårt eget hus først.

Og vi bygde det med AI tett på selve utviklingen. Hele veien fra kravspesifikasjon til kode, infrastruktur og dokumentasjon har vi jobbet AI-sentrisk. Beslutninger diskuteres og dokumenteres, koden skrives i tett samspill mellom utvikler og AI-verktøy, og lærdommer skrives ned underveis slik at de blir gjenbrukbare i stedet for glemt. Resultatet er et lite team som har levert et fullverdig system raskt, uten å gå på akkord med sporbarhet og kvalitet.

Ansvarlig AI er ikke en ettertanke. Rekruttering med AI er høyrisiko etter EU-regelverket, og det har formet designet. Et menneske tar alltid den endelige beslutningen, modellen får aldri se personopplysninger den ikke trenger, og hvilken regelversjon en vurdering ble gjort etter er sporbart. Det er sånn vi mener AI bør settes i produksjon, også når ingen tvinger oss.

Hva vi tar med oss

Det vi sitter igjen med er ikke bare et rekrutteringsverktøy. Det er en arbeidsmåte. Hvordan man bygger agentiske applikasjoner som er raske å lage, trygge å stå i, og som faktisk tåler å møte virkeligheten, med persondata, regelverk og mennesker som skal ta beslutninger.

Det er den erfaringen vi tar med oss inn i prosjektene vi gjør for dere.