Portrett av Kristoffer Gjøsund
Portrett av Kristoffer Gjøsund
Laster referanser...
- GET Academy

Kristoffer Gjøsund

LogicMeetsCreativeSolutions

Forener min akademiske reise fra bygg, helse og IT. Til å skape løsninger gjennom samarbeid. For meg er utfordringer en felles reise

Sosial media Linker / Kontakt

Søknadsundersøkelsen: Kunsten å Fange en Tech Lead på 5 Sekunder

Ved hjelp av kunstig intelligens ble 77 historiske søknadsdokumenter systematisk analysert for å kartlegge hvorfor tradisjonelle tekstblokker og kulepunkter underpresterer i tekniske ansettelsesprosesser. Arbeidet resulterte i et skannbart salgsprinsipp forankret i verdidrevet og forkortet tekst, tekniske årsaksforklaringer og en to-prosjektsregel. Dette sikrer maksimal lesbarhet og at kjernekompetansen oppfattes på under fem sekunder i førstegangsscreeningen.

Skrevet i samarbeid med KI - Gemini 3.7 Flash

Dagens aktiviteter

  • Benytte kunstig intelligens til å skanne 77 historiske søknadsdokumenter for mønstergjenkjenning.
  • Kartlegge fem strukturelle årsaker til lav lesbarhet i førstegangsscreening.
  • Implementere salgsprinsippet om verdidrevet og forkortet tekst, høy verditetthet og minimal kognitiv motstand.
  • Utforme fire nye hypoteser for skannbar formidling av utviklerkompetanse.
  • Integrere kildekodebevis og arkitekturlogger direkte mot webapp-Portfolio.
  • Implementere automatisert to-modell evaluering i Karriere-KI.

Motivasjon & Energi - 10 / 10

Dagen har vært strukturert og lærerik.

Utfordring & Løsninger

Gjennom analyser av tidligere utsendelser oppsto det et behov for å forstå hvorfor tradisjonelle søknadstekster ofte forsvinner i rekrutteringsprosessens innledende fase. Erfaringen viser at rekrutterere og tekniske ledere har høyt arbeidspress og store søknadsmengder. Dette forsterker beslutningstrettheten ved gjennomgang av kandidater, noe som gjør lange avsnitt og oppramsende lister lite hensiktsmessige.

Hensikten er å øke sannsynligheten for å få et intervju innen teknologibransjen ved hjelp av kunstig intelligens for å identifisere mønstre som svekker lesbarheten, samt etablere et skannbart og verdidrevet salgsformat med forkortet tekst og konkrete tekniske forklaringer koblet direkte til utviklerprofilen.

  • Benyttet kunstig intelligens til å analysere 52 sendte søknader og 25 utkast for å avdekke strukturelle svakheter.
  • Kartla at tekstmengder på over 400 ord skaper unødig lesetid og gjør at nøkkelkompetanse overses i innledende screening.
  • Identifiserte at punktlister i løpende tekst bryter leseflyten og hindrer forklaring av tekniske mekanismer.
  • Tok i bruk et moderne salgsprinsipp basert på konkret, verdidrevet og forkortet tekst, høy verditetthet og lav kognitiv motstand for å sikre umiddelbar lesbarhet.
  • Definerte en to-prosjektsregel som begrenser søknadsteksten til to relevante leveranser, mens full kildekode forankres i vedlagt portefølje og webapp-Portfolio.
  • Etablerte webapp-Portfolio som det sentrale bevisankeret for teknisk kompetanse og leveranseevne.
  • La ved arkitekturdiagrammer og kort forklaring av prosjekter i et eget vedlegg sammen med CV. Dette begrunnes med at oppdelingen gir en naturlig overgang for rekruttereren mellom søknad og CV.
  • Integrerte den nye modellen i ATS-tilpassede maler i Karriere-KI for å automatisere prosessen.

Som en konsekvens av undersøkelsen ble søknadsstrukturen strammet inn til et presist hovedavsnitt i fulle setninger, hvor svarene på kvalifikasjonskravene er eksplisitt uthevet. Arbeidet reduserte den estimerte lesetiden fra to minutter til under 45 sekunder, samtidig som teksten svarer direkte på kompetansen rekruttereren ser etter. Dette etablerer en klar ansvarsfordeling: Søknadsteksten matcher stillingsannonsen deterministisk, mens teknisk dybde og prosjektleveranser forankres i porteføljedelen av CV-vedlegget.

Gjennom arbeidet med undersøkelsen og analyseloggen fremgår det at etablerte prinsipper fra programvareutvikling og systemarkitektur har direkte overføringsverdi til rekrutteringsprosesser og strategisk formidling.

Ved å anvende prinsippet om SoC settes det en klar ansvarsdeling: Søknadsteksten tar seg utelukkende av deterministisk kravmatching og rask oppmerksomhetsfangst, mens formell historikk ivaretas av CV-en og dyp teknisk bevisføring forankres i porteføljedelen.

Dette understøttes av en Lazy Loading-tilnærming, hvor den innledende datamengden i selve søknadsteksten minimeres for å optimalisere lesetiden på under 45 sekunder, samtidig som dype kodelogger gjøres tilgjengelig gjennom hjemmesiden, mens arkitekturdiagrammer og tekniske detaljer gjøres tilgjengelige i porteføljen.

På denne måten fungerer porteføljen og kodeloggene som en SSOT for den faktiske utviklerkompetansen, mens den enkelte søknad opptrer som en skreddersydd og optimalisert projeksjon.

Avslutningsvis bidrar tankegangen til at søknadsflaten fungerer som et fokusert grensesnitt med minimal kognitiv motstand, noe som effektivt motvirker beslutningstretthet hos rekrutterer og teknisk leder under førstegangsscreeningen.

Nye hypoteser for empirisk testing

  • Hypotese 1 (Salgsprinsippet & Verdidrevet tekst): Verdidrevet og forkortet tekst i tre til fire stramme avsnitt med fet skrift på kjernekompetanse fanger oppmerksomheten umiddelbart under førstegangssortering ved å fjerne kognitiv motstand.
  • Hypotese 2 (Årsaksforklaringer): Tekniske forklaringer på arkitekturmekanismer og testdekning etablerer høyere faglig tillit enn tradisjonelle påstander.
  • Hypotese 3 (To-prosjektsregelen & Porteføljeanker): To spissede prosjekter i teksten kombinert med dyp dokumentasjon i webapp-Portfolio tilfredsstiller både rekruttererens behov for korthet og teknisk leders krav til bevis.
  • Hypotese 4 (1:1 Kravmatching): Deterministisk innretting mot stillingens kravprofil uten støtteordningsstøy i ordinære søknader maksimerer treffsikkerheten i automatiske søknadssystemer.