Vidensbaggrund: hele evidensgrundlaget bag TrimHire

TrimHire er bygget på ét princip: brug de metoder, der beviseligt forudsiger gode ansættelser — og drop resten. Denne side samler hele evidensgrundlaget, så du kan se præcis hvorfor vi gør, som vi gør. Vi citerer primærkilderne og flager, hvor forskerne selv er uenige.

Vendepunktet: Sackett et al. (2022)

I årtier byggede alle på Schmidt & Hunter (1998), hvor intelligenstest (GMA) stod øverst med en validitet på .51. I 2022 viste Paul Sackett og kollegaer, at de tal var systematisk for høje — tidligere meta-analyser overkorrigerede for et statistisk fænomen (range restriction) og pustede validiteten op med ~.10–.20.

Da fejlen blev rettet, faldt GMA til ~.31, og den strukturerede samtale (.42) blev den stærkeste enkeltmetode. Rangordenen blev vendt på hovedet.

Det fulde billede — validitet for jobpræstation

Operationel validitet (0–1, højere = bedre forudsigelse). Tal fra Sackett et al. (2022) hvor muligt; øvrige fra de angivne meta-analyser:

Læs tabellen rigtigt: tallet er, hvor godt metoden forudsiger alene — ikke hvad den lægger oven i de andre. Flere metoder måler næsten det samme, så en høj score alene betyder ikke, at det kan betale sig at lægge den oven i resten. Se noten på hver række.

Det vi bygger ind

Struktureret samtale. Samme jobrelevante spørgsmål til alle, samme skala. Det forudsiger bedst og diskriminerer mindst. Situationsbestemte spørgsmål ("hvad ville du gøre hvis…") er stærkest.

Struktureret erfaring og et kort, objektivt kompetencetjek. Vi vægter reel, jobrelevant erfaring fra CV'et — og tilbyder et hurtigt tjek med ét rigtigt svar, der verificerer de vigtigste kompetencer objektivt. Ikke for at forudsige bedre (det gør samtalen), men for at bekræfte, at CV'et holder — og til at afgøre et dødt løb sagligt.

Kognitiv vurdering hvor jobbet er komplekst — med omtanke, fordi den bærer en kendt risiko for at ramme visse grupper skævt.

Det vi dropper — og hvorfor

Lange, overvågede fageksamener som adgangskrav. En fuld jobviden-test scorer højt alene (.40), men tilføjer næsten intet oven i den strukturerede samtale, tager tid, og straffer dem, der hurtigt kan lære jobbet — karriereskiftere, nyuddannede, de skæve profiler med potentiale. Vi bruger i stedet et kort, objektivt kompetencetjek som ét signal — aldrig som filter.

Personlighedstests som filter (.19). Svag forudsigelse; MBTI/DISC er slet ikke bygget til at forudsige præstation.

Fem samtalerunder med skiftende beslutningstagere. Panel-samtaler forudsiger ikke bedre end individuelle — flere øjne = mest spildtid og skæve vurderinger.

Assessment centers. Dyre dage med øvelser, der tilføjer ~.01 oven i en kognitiv vurdering.

Referencer som beslutningsgrundlag (.26). Svage, og i praksis endnu svagere: folk henviser kun til nogen, der siger noget pænt. Brug dem til at bekræfte fakta — ikke til at afgøre.

Kultur-fit som skjult dygtighedsfilter (.07). Det her er vigtigt: Kristof-Brown et al. (2005) viser, at "fit" forudsiger trivsel (.44), organisatorisk tilknytning (.51) og at folk bliver (−.35 opsigelses-ønske) — men næsten ikke jobpræstation (ρ ≈ .07). Det er værd at vide noget om. Men når "fit" bliver en mavefornemmelse i et lokale, skrider det over i "ligner os" og rammer mangfoldigheden uden at gøre ansættelsen bedre.

Compliance er en del af evidensen

Automatiske systemer, der filtrerer ansøgninger eller vurderer kandidater, er høj-risiko under EU AI Act (Annex III 4(a)) — med krav om transparens, menneskeligt tilsyn og datastyring fra august 2026. Og den danske forskelsbehandlingslov gælder allerede i annoncen: man må fx ikke spørge om alder under rekruttering. Derfor er hver afvisende beslutning hos os en logget menneskelig kontrol, og screeningen sker på udledte, jobrelevante kompetencer — aldrig på alder, køn eller etnicitet.

Sådan bruger vi usikkerhed

Tallene er ikke hugget i sten. Det reviderede GMA-tal (.31) er fagligt omdiskuteret, og for referencer advarer forskerne selv om, at tallet kan være forældet. Vi skjuler det ikke — vi citerer kilderne og siger, hvor evidensen er tynd. En platform, der påstår sikkerhed, hvor der ikke er nogen, er ikke evidensbaseret.