Lästid: 3 minuter
Publicerad:
Senast redigerad:
AI-kompetens – vad, hur och varför?
Därför missar chefer AI-kompetens i rekrytering och vad du behöver göra annorlunda
Åtta av tio VD:ar säger att AI-kompetens är avgörande för deras framtida tillväxt. Trots det saknar många organisationer ett tydligt sätt att identifiera den i praktiken. Konsekvensen blir rekryteringar som bygger på antaganden istället för insikt och att affärskritisk kompetens riskerar att missas. Hur förändrar du det?
I den här artikeln reder vi på TNG ut vad AI-kompetens faktiskt innebär, varför den är svår att fånga i rekrytering och vad du behöver göra annorlunda.
Efterfrågan ökar, men urvalet hänger inte med
Efterfrågan på AI-kompetens ökar snabbt, både globalt och i Sverige.
Enligt KPMG:s CEO Outlook ser över 80 procent av svenska VD:ar AI som avgörande för affärens framtid under de kommande tre åren. Undersökningen omfattar över 1 000 vd:ar globalt, där de svenska respondenterna representerar några av de största bolagen på Stockholmsbörsen.
Samtidigt visar LinkedIn att efterfrågan på ”AI literacy” i jobbannonser ökade med 70 procent mellan 2024 och 2025. Parallellt lägger allt fler yrkesverksamma tid på att utveckla sina AI-färdigheter, något som även bekräftas av World Economic Forum.
Dessutom visar en undersökning från TechSverige att AI-inslag i platsannonser har ökat med över 300(!) procent sedan 2016.
På TNG ser vi samma utveckling i vår egen data och i dialogen med kunder. Allt fler efterfrågar AI-kompetens, men bara 29 procent av chefer uppger att de faktiskt väger in det i sina rekryteringsbeslut.
Med andra ord, viljan finns. Men metoden saknas.
Vad är AI-kompetens i praktiken?
Det är lätt att tro att AI-kompetens handlar om verktyg. I praktiken är det betydligt bredare än så.
Det handlar om att förstå, använda och samtidigt kunna ifrågasätta AI. Det handlar om nyfikenhet, kritiskt tänkande och förmågan att lära nytt i takt med att tekniken förändras.
World Economic Forum pekar i samma riktning. Analytiskt tänkande, flexibilitet och lärförmåga lyfts som avgörande kompetenser fram till 2030.
På TNG definierar vi AI-kompetens som förmågan att förstå, använda och utveckla AI genom teknisk kunskap, praktisk tillämpning och kognitiv anpassningsförmåga.
Det innebär att verklig AI-kompetens inte uppstår i tekniken i sig, utan i hur människor använder den.
Tre nivåer av AI-kompetens
För att göra begreppet mer konkret kan det delas upp i tre nivåer:
- AI Know-How handlar om den tekniska förståelsen för hur AI fungerar.
- AI Literacy handlar om den praktiska användningen i vardagen.
- AI Mindset handlar om förmågan att anpassa sig när tekniken förändras.
De flesta roller kräver alla tre, men i olika proportioner. En ekonom behöver till exempel inte förstå hur en språkmodell tränas, men behöver tillräcklig förståelse för att använda AI i sitt arbete och samtidigt värdera resultatet.
Problemet är inte kandidaterna, det är frågorna
Trots att AI diskuteras i nästan alla organisationer syns det förvånansvärt lite i själva rekryteringsarbetet.
Enligt TNG:s rapport AI Insights har bara 12 procent av kandidater fått frågor om AI i en intervju det senaste året. Inom vissa roller är siffran ännu lägre, exempelvis inom teknik och försäljning.
Det här är inte unikt för Sverige. Enligt Harvard Business Review förekommer konkreta frågor om AI i så lite som 2,2 procent av intervjuer globalt.
Det brukar beskrivas som ett AI Blind Spot. AI är en naturlig del av arbetsvardagen, men när det kommer till bedömning och urval blir den i princip osynlig
Dina frågor avgör vad du hittar
Här ligger en avgörande skillnad. Många intervjuer bygger fortfarande på generella frågor som:
“Har du jobbat med AI?”
Frågor som ger generella svar, men väldigt lite faktisk insikt. Du får inte veta hur kandidaten resonerar, hur hen granskar resultat eller när hen väljer att inte använda AI.
Det är först när du börjar ställa mer genomtänkta frågor som bilden förändras. Att identifiera AI-kompetens handlar därför inte om fler frågor, utan om bättre frågor. Frågor som fångar beteende, omdöme och verkliga situationer.
Här blir också skillnaden mellan AI-entusiasm och AI-omdöme tydlig. Den som okritiskt använder varje nytt verktyg kan i vissa fall skapa risk snarare än värde. Det du vill identifiera är istället kognitiv resiliens. Det vill säga förmågan att tänka självständigt, ifrågasätta resultat och fatta välgrundade beslut även när AI finns tillgängligt. Det är där den verkliga affärsnyttan uppstår.
Tre vanliga misstag vid bedömning av AI-kompetens
Trots goda intentioner gör många organisationer samma misstag:
- Fokuserar på verktyg istället för förmåga
Att någon använder ett specifikt AI-verktyg säger väldigt lite om hur personen tänker. - Tolkar entusiasm som kompetens
En positiv inställning till AI är inte samma sak som att kunna använda den på ett genomtänkt sätt. - Ställer generella frågor oavsett roll
AI-kompetens ser olika ut beroende på kontext, och därför måste också frågorna göra det.
Resultatet blir ofta detsamma. Du får svar, men inte den insikt du behöver för att fatta rätt beslut.
Ställer du rätt frågor om AI i dina intervjuer?
De flesta vet att AI är viktigt. Få vet hur de ska rekrytera för det. Ladda ner vår chefsguide och få konkreta intervjufrågor och verktyg för att bedöma AI-kompetens i praktiken.
Välj din guide:
Framtidssäkra din organisation genom bättre beslut
Vill du ta nästa steg hjälper TNG dig att identifiera och mäta AI-kompetens i varje rekrytering och konsulttillsättning? Hör av dig så tar vi ett första samtal om era behov framåt.
- KPMG: KPMG 2025 Global CEO Outlook,
- LinkedIn: AI Labor Market Update,
- World Economic Forum: World Economic Forum,
- TechSverige: AI och arbetsmarknaden,
- TNG: AI Insights 2025,
- Harvard Business Review: Job Interviews Aren’t Evaluating the Right Skills,
