Tre rader krav kommer in för en roll. Någonstans i andra änden byggs en kortlista för hand, och ingen kan riktigt rekonstruera varför ett namn kom med och ett annat inte. Det självklara draget är att lämna över hela skiten till AI och låta den sortera högen.
Låt bli. Inte hela.
Två sorters krav, två olika verktyg
Varje gallringsproblem delar upp sig i två sorters krav, och de vill ha motsatta verktyg. Hårda krav är icke förhandlingsbara: certifieringen, orten, det juridiska måstet. Mjuka krav är en gradfråga: hur väl den här personen passar, hur nära den här delen kommer.
Hårda krav hör hemma i kod. De är regler, och regler ska upprätthållas av något som inte blir kreativt. En modell som “mestadels” respekterar ett måste är ingen funktion. Det är en risk som väntar på det enda fall där mestadels inte räcker.
Låt modellen bedöma passform. Låt den aldrig avgöra reglerna.
Belägg under allt
Mjuk matchning är där modellen förtjänar sin plats. I ett gallringsverktyg vi byggde blir fritextkrav en redigerbar idealprofil, kandidater rankas 0-100 efter semantisk matchning, och varje svar backas upp av belägg hämtade ur CV:t, eller ett uttryckligt “inget belägg”. Modellen får aldrig påstå något den inte kan peka på.
Hårda regler i kod, mjuk bedömning i modellen, belägg under allt. Hela grejen byggdes från början till slut på ungefär en månad, och du kan läsa exakt varför en kandidat hamnar där den hamnar.