AI-stödd rekrytering i utbildning: hitta rätt forskare

Den 2025-11-07 gick Skolforskningsinstitutet ut med att de rekryterar flera forskare/projektledare, med sista ansökningsdag 2025-11-28. Det är en liten nyhet på pappret – men den säger något stort om läget i svensk skola och EdTech just nu: kompetens inom utbildningsforskning och projektledning är en flaskhals, och när flaskhalsen blir trång börjar alla leta efter smartare processer.

Här kommer min tydliga ståndpunkt: vi kommer inte lösa kompetensbristen genom att lägga fler timmar på traditionell rekrytering. Vi behöver bättre arbetssätt, bättre underlag – och ja, AI som stöd. Inte för att “ersätta” någon, utan för att minska brus, öka träffsäkerheten och göra det lättare att matcha rätt personer till rätt uppdrag.

Det här inlägget knyter ihop tre saker som ofta behandlas var för sig: rekrytering, projektledning och AI inom utbildning. För om fler myndigheter och huvudmän ska lyckas med praktiknära forskning och utveckling av digitala lärresurser, måste vi bli bättre på att bygga team – snabbt, rättvist och datadrivet.

Varför rekrytering av forskare/projektledare blir en EdTech-fråga

Rekrytering är numera en del av skolans innovationskapacitet. När organisationer som arbetar med utbildningsforskning och praktiknära utveckling söker fler forskare/projektledare handlar det inte bara om bemanning – det handlar om hur fort idéer kan bli till användbar kunskap för lärare och skolledare.

Under 2025 har AI i skolan fortsatt vara ett av de mest praktiska (och samtidigt mest polariserande) områdena: generativ AI i klassrummet, automatiserad bedömning, analyssystem för närvaro/kunskapsutveckling och stöd för särskilda behov. Men oavsett verktyg är grundproblemet ofta detsamma:

• För många initiativ startar utan tydliga mål, mätetal och etiska ramar
• För få projekt har en genomtänkt plan för implementering i verksamheten
• För mycket tid går åt till administration och samordning

En duktig forskare/projektledare i utbildningssektorn är därför en multiplikator: rätt person kan höja kvaliteten i allt från forskningsdesign och datainsamling till förändringsledning och effektuppföljning.

Projektledning i utbildning är ett eget hantverk

Utbildningsprojekt beter sig inte som IT-projekt i näringslivet. Skolans vardag är full av beroenden: läsårscykler, nationella prov, elevhälsa, schema, vikarier, upphandlingar och lokala arbetssätt. Lägg till GDPR, informationssäkerhet och ofta begränsad tid för kompetensutveckling.

Det gör att projektledaren behöver:

• kunna översätta forskning och data till praktisk undervisning
• kunna samordna intressenter (lärare, rektor, förvaltning, leverantörer)
• kunna följa upp effekter utan att skapa mer administration för lärarna

AI kan stötta mycket här – men bara om rekryteringen hittar personer som både förstår verksamheten och kan använda digitala verktyg klokt.

Så kan AI stötta rekrytering – utan att sänka kvaliteten

AI i rekrytering är bra på två saker: struktur och skala. Den är sämre på det som kräver mänsklig omdömesförmåga: kontext, potential, etik i svåra avvägningar. Därför fungerar AI bäst när den används som ett beslutsstöd i en tydlig process.

Här är en modell jag sett fungera i kunskapsintensiva organisationer (och som passar utbildningsforskning extra bra):

1) Först: definiera kompetens som beteenden, inte bara meriter

Svar först: Om kravprofilen bara är en lista på examina och “minst X års erfarenhet” blir urvalet ofta skevt.

Gör i stället en kompetenskarta som inkluderar beteenden, till exempel:

• Kan förklara komplexa resultat enkelt för lärare och skolledare
• Har drivit projekt där verksamhetsförändring faktiskt genomförts
• Kan arbeta med data på ett säkert sätt (GDPR, anonymisering, dataminimering)
• Har rutin för att dokumentera beslut, antaganden och risker

AI kan sedan hjälpa till att matcha CV och ansökningar mot detta – men först när ni gjort hemläxan.

2) Strukturerad screening med transparenta kriterier

Svar först: AI kan minska tid och godtycke i första urvalet – om kriterierna är tydliga och dokumenterade.

Praktiskt upplägg:

1. Skapa en poängmatris (t.ex. 0–3) för varje kompetensområde.
2. Låt ett AI-stöd föreslå preliminär poäng baserat på ansökan.
3. Låt två personer manuellt granska ett urval och jämföra med AI:s poäng.
4. Justera kriterierna om AI missar relevanta signaler.

Det här ger två vinster: snabbare urval och bättre intern samsyn kring vad “rätt kandidat” betyder.

3) Intervjuer som testar faktisk arbetsförmåga

Svar först: De bästa intervjuerna i utbildningssektorn är case-baserade.

Exempel på case för en forskare/projektledare i en AI-nära utbildningsmiljö:

• “En skola vill införa en AI-tjänst för skrivstöd. Hur designar du en pilot så att vi kan säga något om effekt och likvärdighet?”
• “Ni har tre datakällor (enkäter, provresultat, loggdata). Vad gör du de första två veckorna?”
• “En rektor vill ha snabba resultat, men dataskyddsombudet säger nej till viss insamling. Hur går du vidare?”

AI kan här användas för att:

• skapa konsekventa bedömningsmallar
• hjälpa intervjuare att fånga upp bias i efterhand (t.ex. “vi pratade mer om personkemi än om leveransförmåga”)
• sammanfatta anteckningar strukturerat

Men beslutet ska ligga hos människor – alltid.

AI i projektledning: det som faktiskt gör skillnad i vardagen

AI-stöd i projektledning handlar mindre om flashiga dashboards och mer om att få ordning på detaljerna. I utbildningsprojekt är det ofta det enkla som avgör: planering, riskhantering, kommunikation och uppföljning.

Snabbare planering och bättre möteskvalitet

AI kan hjälpa projektledare att:

• göra en första grovplan (faser, milstolpar, beroenden)
• föreslå risker typiska för skolmiljö (t.ex. terminsavslut, schemaförändringar)
• sammanfatta möten till beslut, åtgärder, ansvarig och deadline

Det låter banalt, men det frigör tid till det som bara människor kan göra: relationer, prioriteringar och problemlösning i realtid.

Dataanalys i utbildningsforskning – där AI är stark

Många forsknings- och utvecklingsprojekt sitter på mer data än de hinner analysera. Här kan AI bidra med:

• snabbare kvalitativ kodning av intervjuer (med mänsklig kontroll)
• mönsterigenkänning i loggdata från digitala lärplattformar
• bättre stöd för att formulera hypoteser och alternativa förklaringar

En bra tumregel: låt AI föreslå, men låt forskaren fastställa. Det håller kvaliteten uppe och minskar risken för att man “ser” effekter som egentligen är artefakter.

Likvärdighet, bias och GDPR – projektledarens verkliga test

När AI kommer in i utbildning ställs frågan om likvärdighet direkt på sin spets. Det är här jag tycker många organisationer slirar: man pratar pedagogik, men missar styrning.

För att undvika problem behöver projektledningen ha tydliga arbetssätt för:

• dataminimering (samla bara in det som behövs)
• behörighetsstyrning (vem får se vad?)
• modellrisker (vilka elevgrupper kan missgynnas?)
• dokumentation (så att beslut går att granska i efterhand)

Det här är inte bara juridik. Det är kvalitet.

En praktisk checklista: rekrytera för ett AI-drivet utbildningslandskap

Svar först: Rekrytering som matchar framtidens utbildningsprojekt kräver att ni testar tre saker: domänförståelse, leveransförmåga och teknisk mognad.

Här är en konkret checklista att använda i rekrytering av forskare/projektledare inom utbildning:

1. Domänförståelse: Kan kandidaten förklara hur skolan faktiskt fungerar (styrning, roller, läsårscykler)?
2. Forsknings- och utvärderingsförmåga: Kan kandidaten designa en rimlig effektuppföljning utan att belasta lärarna?
3. Projektledning: Kan kandidaten visa exempel på levererade resultat, inte bara deltagande?
4. AI- och datamognad: Förstår kandidaten skillnaden mellan modell, data, indikator och verklig effekt?
5. Etik och integritet: Kan kandidaten resonera om bias, dataskydd och transparens i praktiken?
6. Kommunikation: Kan kandidaten skriva och tala så att både forskare och lärare känner igen sig?

När ni hittar en person som klarar alla sex är chansen hög att ni också får en person som kan hålla ihop AI-relaterade utbildningsprojekt med både tempo och kvalitet.

Vad betyder det här för dig som jobbar med AI inom utbildning?

Skolforskningsinstitutets rekrytering är en påminnelse om att AI i utbildning inte är ett verktygsproblem. Det är ett kompetens- och genomförandeproblem.

Om du sitter på huvudmannanivå, i en EdTech-organisation eller i en forskningsmiljö: se rekrytering som en del av er AI-strategi. Rätt projektledare gör att piloter inte fastnar i PowerPoint. Rätt forskare gör att ni får resultat som går att använda – och stå för.

Vill du göra det konkret redan i januari 2026? Välj ett pågående projekt och ställ tre frågor:

• Vad är en mätbar effekt vi faktiskt bryr oss om?
• Vilken data behöver vi – och vilken data ska vi låta bli?
• Vilken del av projektet går att standardisera med AI-stöd utan att tappa kvalitet?

Om svaren är diffusa är det inte mer teknik ni saknar. Det är en process.

En bra AI-satsning i skolan börjar sällan med en upphandling. Den börjar med rätt kompetens och en plan som håller.

Nästa del i vår serie “AI inom utbildning och EdTech” kommer att handla om hur man sätter upp en utvärderingsdesign för AI-verktyg som både lärare och jurister accepterar. Frågan jag vill lämna dig med är enkel: om ni skalar ert AI-arbete nästa termin – har ni då rätt personer för att styra det?