AI-screening vid brittisk rekrytering av akademiker

Data i korthet: En stramare marknad för nyutexaminerade

När Institute of Student Employers (ISE) publicerade sin undersökning för 2025, fångade en siffra läget för brittiska anställningar av nyutexaminerade: 140 ansökningar för varje enskild tjänst. Den kvoten, baserad på 155 medlemsföretag som totalt tog emot över 1,8 miljoner ansökningar för cirka 31 000 tjänster för unga talanger, representerar den högsta nivån på två år. Ökningen är delvis en konsekvens av AI-drivna verktyg och funktioner för ansökan med ett klick som har gjort massansökningar nästan friktionsfria för kandidater.

Samtidigt minskade utbudet av tjänster för akademiker. ISE-undersökningen noterade en nedgång på 8 % under 2024/25, det svagaste året för akademikerrekrytering sedan nedgången på 12 % under pandemiåret 2020. Bland de tillfrågade arbetsgivarna minskade 42 % sitt intag, medan 25 % höll nivån stabil och 33 % rapporterade en ökning. Utsikterna förblir försiktiga: ISE-data pekar på en ytterligare minskning på 7 % för cykeln 2025/26, främst driven av kraftiga nedskärningar hos ett fåtal stora arbetsgivare.

Higher Education Statistics Agency (HESA) rapporterar, baserat på sin undersökning av 917 610 utexaminerade från årskullen 2022/23, att 82 % av respondenterna var i arbete eller obetald verksamhet 15 månader efter examen. Heltidsarbete för personer med en grundexamen sjönk dock från 57 % till 54 %, medan arbetslösheten steg med en procentenhet till 6 %. Detta är modesta förändringar isolerat, men de speglar en bredare avkylning på arbetsmarknaden för akademiker som gör det ännu viktigare att förstå screeningsystem.

Så fungerar AI-screening i praktiken

Mekaniken bakom automatiserad CV-screening missförstås ofta, och förvirringen börjar med en flitigt citerad statistik: att 75 % av alla CVn sorteras bort av system innan en människa läser dem. Detta påstående, som cirkulerar på karriärplattformar och sociala medier, har spårats av analytiker till Preptel, ett numera nedlagt rekryteringsföretag. Ingen metod för siffran har någonsin offentliggjorts. Enkätsvar från rekryterare ger en väsentligt annorlunda bild.

Myten om automatisk bortsortering

En undersökning från 2025 bland 25 rekryterare publicerad av Enhancv fann att 92 % granskar ansökningar manuellt, även i scenarier med hög volym. Endast 8 % (två av 25 respondenter) rapporterade att de konfigurerade sina system för att automatiskt avvisa CVn baserat på poängmatchning. HR.com publicerade liknande resultat i slutet av 2025 och rapporterade att den stora majoriteten av rekryterare använder filtreringsfunktioner för att prioritera och sortera ansökningar snarare än att eliminera dem helt. Den verkliga flaskhalsen, enligt dessa undersökningar, är mänsklig kapacitet. När en rekryterare möter 140 ansökningar för en tjänst kommer även de som granskar varje bidrag oundvikligen att lägga begränsad tid på varje person.

Med det sagt använder praktiskt taget alla arbetsgivare så kallade knockout-frågor: obligatoriska fält som arbetsrättslig status, miniminivå på utbildning eller vilja att flytta. Kandidater som inte uppfyller dessa hårda kriterier filtreras vanligtvis bort innan manuell granskning. Detta är en binär kontroll, inte en bedömning av CVts kvalitet.

Från sökordsmatchning till semantisk förståelse

Den tekniska arkitekturen i programvara för screening har utvecklats avsevärt. Tidigare generationers system förlitade sig på enkel sökordsmatchning och skannade efter exakta termer från arbetsbeskrivningen. Enligt branschanalyser använder den nuvarande generationen verktyg, inklusive plattformar som Workday, Greenhouse, Lever och iCIMS, i ökande grad naturlig språkbehandling (NLP) och ibland stora språkmodeller (LLM) för att bedöma kontext snarare än att bara räkna förekomsten av sökord.

I praktiken innebär detta att en kompetensbeskrivning som utvecklade automatiseringsskript i Python för att minska manuell processtid med 40 % sannolikt väger tyngre än att bara lista Python i en kompetenssektion. Systemet kan tolka verbet, verktyget och resultatet och känna igen en demonstrerad kompetens istället för ett fristående sökord. Brittiska plattformar är också en del av detta landskap: Trac används flitigt inom NHS, SuccessFactors är vanligt inom bankväsendet och Oleeo hanterar en stor del av myndigheternas rekryteringsprocesser.

Ändå är avancerade NLP-system beroende av att kunna läsa och tolka dokumentinnehåll korrekt. Formateringsval som hindrar ren tolkning, som inbäddade textrutor, layout med flera kolumner eller bildbaserade rubriker, kan fortfarande orsaka informationsförlust oavsett hur sofistikerad den underliggande AI-tekniken är.

Metod och datakällor

Denna analys baseras främst på tre datakällor. ISE Student Recruitment Survey 2025 täcker 155 medlemsföretag inom ett antal sektorer med data om över 31 000 tjänster för unga talanger och mer än 1,8 miljoner ansökningar. Det är det mest citerade riktmärket för trender inom akademikerrekrytering i Storbritannien, även om det lutar åt större, strukturerade arbetsgivare och kanske inte helt representerar rekryteringsmönster hos små och medelstora företag.

HESA Graduate Outcomes-undersökning omfattar svar från 917 610 utexaminerade från läsåret 2022/23, undersökta mellan december 2023 och november 2024. Från mitten av 2025 har detta dataset integrerats i utbildningsdepartementets officiella statistik.

Arbetsmarknadskontext kommer från Office for National Statistics (ONS), som rapporterade 2,0 arbetslösa personer för varje ledig tjänst under perioden december 2024 till februari 2025. Data för rekryteringssystem bygger på enkäter publicerade av Enhancv, HR.com och Select Software Reviews, med reservationer för urvalsstorlek.

Vårens rekryteringscykel: Tidpunkt och konkurrens

Den brittiska rekryteringscykeln för akademiker följer vanligtvis ett mönster med två huvudsakliga toppar. Enligt data från TargetJobs och GRB fångar höstcykeln (september till november) de största strukturerade programmen, särskilt inom sektorer som finans, konsultverksamhet, juridik och teknik. Vårcykeln, som pågår ungefär från mars till juni, representerar en andra betydande våg av rekryteringsaktivitet.

Under våren hålls bedömningscenter generellt i mars och april, med jobberbjudanden som vanligtvis sträcker sig genom april, maj och juni. Tjänster för direktanställning tenderar att annonseras ut från omkring påsk och framåt. Vissa strukturerade program som inte fyllde alla positioner under hösten kan också öppna ansökningar igen under denna period.

För internationella akademiker i Storbritannien har vårcykeln särskild betydelse. Kandidater som avslutade sina studier under föregående läsår kan verka inom tidskänsliga ramverk, och våren representerar ofta en av de sista stora rekryteringsvågorna före sommaren. Liknande mönster finns på andra europeiska marknader; vårrekrytering i Frankrike följer till exempel en snarlik tidslinje.

Konkurrensnivåerna under våren kan variera avsevärt beroende på sektor. Enligt ISE-data tenderar roller inom teknik, finans och professionella tjänster att locka till sig flest sökande per tjänst, medan roller inom offentlig sektor, utbildning och välgörenhet kan se lägre men fortfarande betydande volymer.

Vad detta innebär för arbetssökande på den brittiska marknaden

Dokumentformatering och tolkning

Med tanke på att huvudfunktionen hos system för ansökningshantering är att tolka och organisera ansökningsdata är dokumentformatering en praktisk fråga snarare än en estetisk. Enligt optimeringsguider från Jobscan och Resume.io förblir .docx (Microsoft Word) det mest universellt läsbara filformatet. Även om många moderna system hanterar textbaserade PDF-filer utan svårighet, kan vissa äldre eller sektorspecifika system ha problem med PDF-filer som innehåller flera kolumner eller grafiska element.

Standardrubriker som Erfarenhet, Utbildning, Färdigheter och Kontaktinformation tolkas mer tillförlitligt än kreativa alternativ. Systemen är generellt konfigurerade för att känna igen dessa konventionella etiketter, och rekryterare föredrar också att navigera i strukturerade CVn. Layout i en kolumn, standardtypsnitt (Arial, Calibri eller Times New Roman i 10 till 12 punkter) och att undvika textrutor, tabeller och inbäddade bilder citeras ofta som formateringspraxis som stöder ren tolkning.

Kontextualisering av färdigheter och sökordsstrategi

Skiftet från ren sökordsmatchning till semantisk analys har implikationer för hur färdigheter presenteras. Branschvägledning från flera systemleverantörer tyder på att kontextualiserade beskrivningar, de som parar ett verb med ett verktyg eller en kompetens och ett mätbart resultat, tenderar att väga tyngre i modern screening än isolerade sökordslistor.

En vanlig rekommendation är att inkludera både förkortningar och deras fullständiga namn (till exempel SEO tillsammans med sökmotoroptimering) för att ta hänsyn till variation i hur sökfrågor konfigureras. För kandidater som innehar tekniska certifieringar kan det vara fördelaktigt att lista både certifikatets namn och utfärdande organ för att förbättra sökbarheten.

Det är värt att notera att skillnaden mellan automatisk screening och mänsklig granskning ofta är mindre tydlig än populära karriärråd antyder. I många organisationer rankar och sorterar systemet ansökningar snarare än att fatta binära beslut. Rekryteraren granskar sedan en prioriterad lista. Att utforma ett CV för att kommunicera tydligt med både programvaran och den mänskliga läsaren är i praktiken samma övning: klarhet, specificitet och relevanta bevis på färdigheter och prestationer.

Lön och efterfrågan per sektor

Att förstå var efterfrågan och ersättning koncentreras kan tillföra strategisk kontext till våren. Enligt ISE-data från 2025 är den genomsnittliga ingångslönen i strukturerade program cirka 35 170 GBP, även om denna siffra speglar större arbetsgivare och formella program. HESA:s bredare dataset, som inkluderar akademiker i ett bredare spektrum av anställningstyper, placerar genomsnittet närmare 28 731 GBP.

Variationer mellan sektorer är betydande. Ungefärliga medianingångslöner inkluderar följande:

• Juridik: cirka 43 500 GBP
• Finans och professionella tjänster: cirka 36 500 GBP
• Digitalt och IT: cirka 34 500 GBP
• Teknik och energi: cirka 31 700 GBP
• Media, journalistik och kommunikation: cirka 24 000 GBP

Regional variation tillför en annan dimension. Roller baserade i London erbjuder vanligtvis ingångslöner i intervallet 32 000 till 34 000 GBP, medan positioner i Skottland och sydöstra England ligger omkring 28 000 till 29 000 GBP. Dessa siffror är generellt konsekventa över flera datakällor.

För kandidater som väger möjligheter över gränserna får lönesiffror ytterligare kontext när de justeras för levnadskostnader. En ingångslön på 34 000 GBP i London representerar en annan levnadsstandard än en motsvarande nominell siffra i en stad med lägre kostnader.

Framtidsutsikter: Vart pekar datan härnäst?

Flera konvergerande trender tyder på att AI-rollens betydelse i screening av akademiker kommer att expandera avsevärt under de kommande åren. Enligt ISE-data förväntar sig 62 % av tillfrågade arbetsgivare att använda AI i rekrytering inom fem år, och 70 % förutser större automatisering i sina anställningsprocesser överlag. Bland dem som redan använder AI i urvalet rapporterar 94 % förbättrad hastighet och effektivitet.

Samtidigt skapar kandidaters användning av generativ AI nya spänningar. ISE rapporterar att 61 % av arbetsgivarna har upptäckt eller misstänkt att kandidater använt AI under intervjuer utan tillstånd, men 45 % har inte försett sökande med någon vägledning om vad som utgör lämplig AI-användning. Denna policyklyfta kommer sannolikt att minska när arbetsgivare i allt högre grad formaliserar sina förväntningar.

Den bredare banan pekar mot ett rekryteringslandskap där båda sidor av anställningsprocessen i allt högre grad medieras av AI. Hur denna dynamik utvecklas, särskilt när det gäller rättvisa, transparens och effektivitet, förblir en av de mest bevakade frågorna inom arbetsmarknadsanalys.

Kandidater som framgångsrikt navigerar initial screening kommer fortfarande att möta mänskliga bedömningsskeden. Förberedelse för beteendeintervjuer förblir till exempel en distinkt kompetens som ingen CV-optimering kan ersätta.

Begränsningar i datan

Flera viktiga reservationer gäller datan i denna analys. ISE-undersökningen täcker 155 medlemsföretag och lutar åt större, mer strukturerade organisationer. Små och medelstora företag, som kollektivt anställer en betydande andel akademiker, är underrepresenterade. Siffran 140 ansökningar per tjänst kan vara högre eller lägre hos arbetsgivare utanför ISE-urvalet.

Data för rekryteringssystem, särskilt enkäterna om automatisk bortsortering, förlitar sig på små urvalsstorlekar och självrapporterat beteende. Faktiska konfigurationer hos individuella arbetsgivare kan skilja sig från vad rekryterare rapporterar. HESA-data fångar anställningsstatus 15 månader efter examen. Den spårar inte karriärutveckling, jobbets kvalitet eller om akademiker arbetar inom sitt utbildningsområde. Siffran på 6 % arbetslöshet fångar inte heller undersysselsättning eller otrygga anställningsförhållanden.