av Simon Bodych
Uppdaterad 02 sep. 2026
13 min läsning
De flesta större arbetsgivare använder redan ett ATS, alltså ett applicant tracking system, för att hantera ansökningar. För storbolag är det mer regel än undantag. Jobscan har tidigare uppskattat att omkring 98 procent av Fortune 500-bolagen använder ett ATS, och samma utveckling syns hos nordiska arbetsgivare som rekryterar i hög volym.
Många kandidater tänker på ATS som “roboten som sorterar bort CV:n”. Det är en rätt trubbig bild. För en rekryterare eller TA-chef är systemet i första hand en databas, en arbetsyta, ett godkännandeflöde, ett sökverktyg, ett rapportpaket och ett dokumentationssystem för regelefterlevnad. Allt på samma gång.
Vill man förstå hur ett ATS faktiskt fungerar räcker det inte att prata om nyckelord i CV:t. Man behöver titta på hur information kommer in i systemet, hur den tolkas, hur kandidater rankas, hur ansvariga chefer arbetar i processen och hur verktyget kopplas ihop med jobbportaler, kalender, HR-system och ibland bakgrundskontroller.
Den här guiden går igenom hela kedjan, från kravprofil till anställning. Jag går också igenom vad som händer tekniskt bakom kulisserna, vilka begränsningar systemen har och varför ett ATS kan vara både ett stöd och ett irritationsmoment beroende på hur företaget använder det.
Ett ATS är i grunden ett rekryteringssystem som samlar kandidatdata i en central databas och styr processen genom olika steg. Det används för att skapa jobbannonser, publicera dem i flera kanaler, ta emot ansökningar, lagra CV:n, söka fram kandidater, boka intervjuer, samla feedback och följa upp statistik.
Det låter enkelt. I praktiken är det ofta navet i hela rekryteringsarbetet. Om ett företag har 200 öppna roller, 15 rekryterare och flera hundra ansökningar i veckan går det inte att driva arbetet i mejltrådar och Excelark utan att tappa kontrollen.
Vanliga plattformar internationellt är Greenhouse, Lever, Workday Recruiting, SmartRecruiters och iCIMS. På den svenska marknaden syns även Teamtailor, ReachMee och flera HR-sviter där rekrytering är en modul bland andra. Gränssnitten skiljer sig åt, men kärnan är nästan alltid densamma.
Typiska delar i ett ATS är:
Tekniskt är ett modernt ATS nästan alltid en molntjänst. Under ytan ligger ofta en relationsdatabas, ett sökindex och ett API-lager som gör att systemet kan prata med andra verktyg. För ett medelstort bolag är det inte ovanligt att samla på sig 100 000 kandidatprofiler på några år, särskilt om man återanvänder tidigare sökande i framtida rekryteringar.
Tänk CRM, fast för kandidater i stället för kunder. Den liknelsen är inte perfekt, men den hjälper. Systemet behöver ta emot data från många håll, strukturera den, göra den sökbar, låta användare agera på informationen och spara allt som hänt i processen.
En förenklad arkitektur brukar innehålla fem lager.
Kandidatdata kommer sällan in via en enda kanal. Ett och samma jobb kan ta emot ansökningar från företagets karriärsida, LinkedIn, nischade jobbsajter, interna tips, spontanansökningar och externa sökverktyg som används av rekryterare.
Vanliga inflöden är:
För att det här ska fungera använder många system REST API:er. En jobbportal kan skicka över strukturerad information, ofta som JSON, med kandidatens kontaktuppgifter, svar på urvalsfrågor och bifogade filer. I enklare upplägg slussas kandidaten vidare till arbetsgivarens egen ansökningssida där formuläret fylls i direkt i ATS:et.
Här uppstår också den första flaskhalsen. Om integrationen mellan kanal och ATS är dålig får arbetsgivaren trasiga fält, dubbla profiler eller ofullständiga ansökningar. Det drabbar både kandidatupplevelsen och datakvaliteten.
När ansökan kommit in försöker systemet omvandla ostrukturerat innehåll till användbara fält. Ett CV i PDF eller Word är till stor del fri text. För att rekryteraren ska kunna filtrera på kompetenser, utbildning eller ort måste informationen först brytas upp och sorteras.
Det här lagret letar typiskt efter:
Många ATS-leverantörer licensierar teknik från specialister som Sovren, DaXtra eller Textkernel. Vissa bygger egna modeller. Resultatet varierar mer än många tror. Ett välstrukturerat CV med tydliga rubriker fungerar ofta fint. Ett kreativt utformat CV med tabeller, ikoner, textfält och ovanliga rubriker kan däremot ge riktigt stökiga tolkningar.
Efter parsning lagras informationen i en databas. Där skapas en kandidatprofil med både rådata och strukturerade fält. Systemet sparar ofta mer än man först tänker på. Inte bara CV och personuppgifter, utan också status i processen, intervjufeedback, mejlhistorik, taggar, svar på urvalsfrågor och ibland kopplingar till tidigare ansökningar.
Vanliga fält i databasen är:
Tekniskt kombineras ofta en relationsdatabas, till exempel PostgreSQL, med ett sökindex som Elasticsearch eller OpenSearch. Databasen håller ordning på relationer och historik. Sökindexet gör det möjligt att få träffar snabbt även när man söker genom hundratusentals profiler.
Det här är lagret rekryterare märker mest av i vardagen. De använder filter, fritext, boolesk sökning och ibland automatiska rekommendationer för att hitta rätt kandidater. Systemet bestämmer också ofta i vilken ordning profiler visas.
Bra sökfunktion sparar enormt mycket tid. Dålig sökfunktion skapar irritation direkt. Om systemet inte hittar kandidater med relevanta synonymer, eller om rankningen premierar fel saker, blir processen seg och snedvriden.
Varje kandidat rör sig genom fördefinierade steg. Det kan vara allt från “inkommen ansökan” till “telefonintervju”, “chefens bedömning”, “slutintervju”, “erbjudande” och “anställd”. Systemet loggar varje förflyttning.
Vanliga steg är:
Den här loggen är viktig av flera skäl. Dels för att teamet ska veta vad som hänt. Dels för rapportering, kvalitetsuppföljning och juridiska krav. I Sverige och EU finns dessutom tydliga krav kring personuppgiftshantering, lagringstid och åtkomst enligt GDPR. ATS:et blir därför också ett kontrollverktyg.
Det enklaste sättet att förstå ett ATS är att följa en rekrytering från start till mål.
Allt börjar inte med annonsen, utan med behovet. En chef vill anställa, men det måste först översättas till en rekvisition i systemet. Där registreras avdelning, roll, anställningsform, ort, budget, chef, prioritet och ofta mål för när personen ska vara på plats.
I större organisationer krävs godkännanden innan rekryteringen får starta. HR, ekonomi eller ledning kan behöva säga ja till headcount, löneram och organisatorisk placering. Ett bra ATS skickar automatiska notifieringar och visar tydligt var ärendet fastnat.
När rekvisitionen är godkänd publicerar rekryteraren annonsen. Samma underlag kan skickas till karriärsidan, stora jobbportaler, Google Jobs och nischade kanaler för till exempel utvecklare, vårdpersonal eller säljare.
Kanalerna varierar efter målgrupp. För en redovisningsekonom kan breddkanaler fungera fint. För en erfaren embedded-utvecklare kan det krävas helt andra forum och ett mer aktivt search-arbete. Ett ATS gör inte strategin åt dig, men det gör distributionen snabbare och mer spårbar.
När kandidater söker skapas en post i systemet. Varje ansökan kopplas till rätt jobb, källa och tidpunkt. Har kandidaten svarat på urvalsfrågor, till exempel “har du B-körkort?” eller “har du rätt att arbeta i Sverige?”, sparas även det som strukturerade fält.
Ett välkonfigurerat system kan redan här sortera fram kandidater som uppfyller absoluta krav. Det kan också flagga dubbletter, till exempel om samma person redan finns i databasen från en tidigare process.
Nu körs parsningen. Säg att en kandidat laddar upp ett CV där det står att hon arbetat som ekonomiassistent 2019 till 2021 och sedan som redovisningsekonom 2021 till 2024, med erfarenhet av Fortnox, Visma och månadsbokslut. Systemet försöker då översätta det till separata datapunkter som kan användas senare i sökning och rapportering.
Ett exempel på extraherad profil kan se ut så här:
Den här översättningen är användbar, men den är inte alltid exakt. Om kandidaten skrivit “arbetade nära bokslutsprocessen” kan systemet ibland tolka det som full bokslutserfarenhet trots att rollen varit junior. Därför behöver människor fortfarande läsa.
När det finns många ansökningar måste någon prioritera. Här använder ATS:et ofta en kombination av knockout-frågor, filter och rankning. För en kundtjänstroll med 350 ansökningar på sju dagar är det helt rimligt att först sortera på språkkrav, arbetstider och plats. För en specialistroll med 18 ansökningar kanske man läser allt manuellt direkt.
Systemet kan ge poäng för match mot kravprofilen, men poäng är bara en signal. De blir farliga när organisationen börjar behandla dem som sanning. Jag har sett kandidater med låg systempoäng gå till anställning för att de hade rätt branschkännedom, stark motivation eller ovanligt relevant erfarenhet som modellen inte förstod.
När kandidater går vidare blir ATS:et processens gemensamma arbetsyta. Rekryteraren bokar intervjuer, ansvarig chef lämnar feedback i standardiserade formulär, teamet jämför bedömningar och eventuella tester eller arbetsprover kopplas till kandidatens profil.
Det här är en underskattad del av systemet. Utan struktur tenderar intervjuer att bli spretiga och subjektiva. Med tydliga scorecards, fasta frågor och dokumenterad feedback blir besluten både snabbare och mer rättvisa. Inte perfekta, men bättre.
När företaget bestämt sig registreras beslutet i systemet. Kandidaten markeras som anställd, övriga får avslag och data skickas ibland vidare till HRIS eller lönesystem för onboarding. I mer mogna uppsättningar skapas användarkonton, arbetsflöden för introduktion och dokumentpaket automatiskt.
Det är här ett ATS visar sitt värde som mer än en CV-bank. Det avslutar inte bara processen, utan lämnar över korrekt information till nästa system i kedjan.
CV-parsning bygger oftast på en kombination av regler, språkmodeller och sannolikhetsbedömningar. Det är mindre magi än många tror, och betydligt mer beroende av format och datakvalitet än leverantörernas säljpresentationer brukar antyda.
Tre tekniker är särskilt vanliga.
Vissa uppgifter följer tydliga mönster. E-postadresser, telefonnummer, datum och postnummer går ofta att hitta med regelbaserade uttryck. Det här är den mest stabila delen av parsningen. Om telefonnumret står i vanlig text hittar systemet det nästan alltid.
Här försöker modellen avgöra vad ett ord eller en fras representerar. Är “SEB” en arbetsgivare, är “Head of Growth” en titel och är “Power BI” en kompetens? Det här kräver träningsdata och fungerar bäst när uttrycken är vanliga och kontexten är tydlig.
Exempel på hur systemet kan klassificera text:
CV:n är inte skrivna på ett enda standardiserat sätt. Därför försöker systemet känna igen sektioner som arbetslivserfarenhet, utbildning, certifieringar och språk. Rubriker som “Arbetslivserfarenhet”, “Utbildning” eller “Kompetenser” hjälper mycket. Egna kreativa rubriker gör det ofta svårare.
Det är precis därför vissa kandidater upplever att ATS “inte läser CV:t rätt”. De har ofta rätt. Om dokumentet är byggt med kolumner, grafik och ovanliga layoutval kan textordningen bli fel redan när PDF-filen tolkas. Då hjälper ingen smart modell i världen särskilt långt.
När datan väl finns i systemet måste den användas till något. Det vanligaste är att ATS:et räknar fram någon form av relevanspoäng eller sorterar kandidater utifrån matchning mot kravprofilen.
En förenklad modell kan väga samman flera faktorer, till exempel:
Säg att ett företag söker en dataanalytiker i Stockholm. Kandidat A har Python, SQL, Power BI och tre års erfarenhet. Kandidat B har stark analysbakgrund men saknar SQL i CV:t. Kandidat A kommer nästan alltid rankas högre, även om kandidat B i verkligheten kan vara bättre på jobbet. Det här är både styrkan och svagheten i algoritmisk sortering. Den är snabb, men ganska bokstavlig.
Relevanspoäng kan också påverkas av hur jobbannonsen är skriven. Om annonsen listar 25 krav, varav 8 egentligen bara är plus, riskerar systemet att ge för låg poäng till kandidater som är fullt tillräckliga. Då blir tekniken ett eko av en dåligt prioriterad kravprofil.
Bra rekrytering bygger därför inte på att lita blint på poäng, utan på att använda dem som ett första sorteringsstöd. Punkt.
Ett ATS används inte bara för inkommande ansökningar. Rekryterare söker också aktivt i den befintliga databasen efter kandidater som redan varit i kontakt med företaget. Där blir boolesk sökning ovärderlig.
Boolesk logik använder operatorer som AND, OR och NOT för att kombinera ord och fraser. Det låter tekniskt, men i praktiken är det bara ett smart sätt att tala om exakt vad man vill hitta.
Ett exempel för en analytikerroll kan vara:
För en säljroll i Sverige skulle en rekryterare kanske söka efter:
Det fina med detta är att man kan återupptäcka kandidater som sökte för sex månader sedan, var bra men inte fick jobbet då. Många företag sitter på guld i sin egen databas och använder det ändå knappt. Det är ett slöseri.
Ett ATS är sällan en isolerad ö. Ju större organisation, desto fler system behöver prata med varandra. Om integrationerna haltar får rekryterarna dubbelregistrera information, och då går vinsten med automatisering snabbt upp i rök.
Vanliga integrationer är:
I ett välbyggt flöde kan en rekryterare publicera ett jobb, ta emot ansökningar, boka intervju via kalendern, skicka personlighetstest, samla feedback och skicka kandidatdata vidare till onboarding utan att lämna huvudsystemet. Det är då tekniken verkligen sparar tid.
Ett ATS är också en rapportmotor. Ledningen vill veta hur lång tid rekryteringar tar, vilka kanaler som fungerar, var kandidater faller bort och om teamet håller budget och processdisciplin.
Vanliga nyckeltal är:
Det här är nyttig data, men bara om den tolkas rätt. Om en kanal genererar flest ansökningar betyder det inte att den ger bäst kandidater. Om ett team har kort time to hire kan det bero på effektivitet, men också på att man sållar för hårt eller anställer för snävt. Siffror utan kontext leder snabbt fel.
Många tänker inte på det, men ett ATS är också ett system för personuppgifter i stor skala. CV:n, kontaktuppgifter, anteckningar, testresultat och ibland känslig information finns samlat på ett ställe. Då räcker det inte att systemet är smidigt. Det måste också vara säkert och korrekt konfigurerat.
För svenska och europeiska arbetsgivare innebär det bland annat:
Integritetsskyddsmyndigheten, IMY, har tydlig vägledning kring personuppgiftsbehandling i arbetslivet, och EU:s GDPR sätter ramarna för hela upplägget. För den som vill läsa mer finns information hos IMY och på EUR-Lex om GDPR.
Många företag missar det här i praktiken. De köper ett system med fina funktioner men glömmer att sätta regler för hur länge kandidater sparas eller vem som får se vilka anteckningar. Då spelar det mindre roll hur modern plattformen är.
Det går att skylla mycket på systemen, men sanningen är att en stor del av problemen beror på dålig konfiguration, otydliga processer eller slarvigt skrivna kravprofiler.
Här är några klassiska missar:
Jag skulle säga att de två största misstagen är dessa. För det första tror företag att teknik löser en svag rekryteringsprocess. Det gör den inte. För det andra försöker man mäta allt, men definierar nästan ingenting. Då får man massor av dashboards och väldigt lite verklig styrning.
Det finns fortfarande många myter om att ett ATS automatiskt kastar bort alla CV:n som inte innehåller exakt rätt ord. Så enkelt är det sällan. Rekryterare läser fortfarande ansökningar, särskilt till kvalificerade roller och när ansökningsvolymen är rimlig. Däremot hjälper ett tydligt och strukturerat CV systemet att tolka informationen rätt.
För kandidater är några grundprinciper kloka:
Det handlar inte om att lura systemet. Det handlar om att göra ditt innehåll lätt att förstå, både för teknik och människor.
Om du är TA-chef, HR-chef eller rekryteringsansvarig och ska välja system, stirra dig inte blind på en snygg demo. Fråga i stället hur plattformen fungerar i verklig drift med höga volymer, många användartyper och svensk kontext.
Bra kontrollfrågor är:
Be också om att få se verkliga användarflöden. Inte bara hur man publicerar ett jobb, utan hur man hanterar dubbletter, avslag i batch, chefsfeedback, intern mobilitet och export av data. Det är där systemen avslöjar sina svagheter.
Ett ATS fungerar som en kombination av databas, sökmotor, arbetsflöde och kontrollsystem för rekrytering. Det tar emot ansökningar, tolkar CV:n, gör kandidater sökbara, stödjer urval och dokumenterar hela vägen fram till anställning. Tekniktungt, ja. Men i grunden handlar det om något väldigt mänskligt, att fatta bättre beslut om människor under tidspress.
Det bästa ATS:et i världen räddar inte en rörig kravprofil, en otydlig ansvarsfördelning eller en chef som inte ger feedback i tid. Samtidigt kan ett välkonfigurerat system kapa dagar eller veckor från rekryteringsprocessen, minska administrationen rejält och ge en bättre upplevelse för både kandidater och team.
Min korta slutsats är rätt enkel. Se inte ATS som en robot som ersätter omdöme. Se det som infrastruktur. Bygger du den rätt blir allt runtomkring snabbare, tydligare och mer hållbart. Bygger du den fel får du bara ett dyrt kaos med inloggning.
Dela:
No comments yet. Be the first to share your thoughts!
18 min läsning
18 min läsning
23 min läsning