Av: Viktoria Simmingsköld
Det har gått från att vara ett undantag till att vara regel. I nästan varje rekryteringsuppdrag vi tar in inom ekonomi och finans dyker det upp, kravet på att kandidaten ska ha ”AI-kompetens”, ”digital förståelse” eller ”vana vid moderna analysverktyg”. Ibland är det en punkt bland många i kravprofilen, ibland är det, det första som nämns.
Men när vi börjar ställa följdfrågor visar det sig att bilden sällan är lika klar hos uppdragsgivaren som formuleringen antyder. Vad är det egentligen kandidaten ska kunna göra? Vilka verktyg? I vilket syfte? Det är frågor som ofta saknar tydliga svar och det är en utmaning som påverkar hela rekryteringsprocessen.
Den här texten är vår bild av vad AI-kompetens faktiskt innebär inom ekonomi och finans, vad bolagen egentligen efterfrågar, och varför otydligheten kring begreppet kan leda till fel rekrytering.
“Bristen på kandidater med djup AI-kompetens är inte ett tecken på att kraven är fel, utan på att marknaden fortfarande håller på att mogna. Därför blir potential, nyfikenhet och utvecklingsförmåga avgörande i rekryteringen.”
Begreppet är brett och det är ett problem
”AI-kompetens” rymmer i dag allt från att kunna använda ChatGPT för att effektivisera sin mailkorrespondens, till att tex ha byggt prediktiva modeller för kassaflödesprognoser. Det är en enorm spridning och ändå används begreppet som om det vore en enda, avgränsad egenskap.
Det vi ser i vår dialog med rekryterande chefer är att efterfrågan egentligen handlar om flera olika saker, beroende på var bolaget befinner sig i sin digitala mognad och vad funktionen faktiskt behöver:
Nivå 1 — Verktygsanvändning: Kandidaten förväntas kunna använda de AI-stödda verktyg som redan finns i organisationen. Det handlar om Power BI, Copilot i Microsoft 365, automatiserade rapporteringsflöden eller liknande. Det ses nu mer som ett grundläggande krav, ungefär som Excel-kunskaper var för tio år sedan.
Nivå 2 — Analytisk tillämpning: Kandidaten ska kunna använda AI aktivt i sitt analytiska arbete. Det handlar om att använda AI för prognoser, scenarioplanering och avvikelseanalys och lika viktigt, kunna bedöma och ifrågasätta det AI-genererade underlaget. Att förstå vad modellen säger, och vad den inte säger.
Nivå 3 — Bryggan mellan finans och teknik: Kandidaten förväntas kunna fungera som en länk mellan ekonomifunktionen och IT eller externa leverantörer. Det kräver en förståelse för vad som är tekniskt möjligt, förmåga att kommunicera affärsbehov till tekniska team, och erfarenhet av att ha drivit eller deltagit i digitaliseringsprojekt.
Det är tre väldigt olika nivåer. En kandidat som är stark på nivå ett är inte nödvändigtvis stark på nivå tre och tvärtom. Problemet uppstår när kravprofilen säger ”AI-kompetens” utan att specificera vilken av dessa nivåer som faktiskt behövs.
Bolagen vet inte alltid vad de letar efter
Det här är något vi ser återkomma, och vi väljer att säga det rakt ut: många bolag som efterfrågar AI-kompetens har inte själva definierat vad de menar.
Det är inte en kritik utan en naturlig konsekvens av att AI-utvecklingen går snabbare än organisationers förmåga att ta in vad det innebär för deras specifika funktion. Ledningen ser att AI förändrar spelplanen. CFO:n vill ha en organisation som hänger med. Rekryteringsbehovet formuleras därefter men utan att ha gjort det grundläggande arbetet med att definiera vad ”hänga med” faktiskt innebär i praktiken för just den här rollen.
En stor del av vårt arbete i den här typen av uppdrag handlar därför om att hjälpa kunden att konkretisera sitt faktiska behov innan vi börjar söka. Det är egentligen inte rekrytering utan rådgivning, men det är nödvändigt för att processen ska landa rätt.
Vad ska en ekonom med AI-kompetens faktiskt kunna?
Baserat på vad vi ser i marknaden, och i dialog med både uppdragsgivare och kandidater, är vår bild att en ekonom med relevant AI-kompetens i dag bör kunna kombinera tre saker:
En stark finansiell grund. AI-verktyg kan producera analyser, men de kräver en person som förstår vad siffrorna betyder i ett affärssammanhang. En ekonom som inte kan läsa ett resultat kritiskt kommer inte heller att kunna bedöma om ett AI-genererat underlag är rimligt.
Förmågan att arbeta datadrivet. Det handlar om att kunna strukturera data, förstå datakvalitet och använda analytiska verktyg för att hitta mönster och insikter — inte som en teknisk specialist, men som en kompetent användare.
Nyfikenhet och vilja att lära. Det är kanske den egenskap vi värderar högst när vi möter kandidater. AI-landskapet förändras snabbt. Den som har rätt attityd och förmåga att ta till sig nya verktyg kommer att hänga med oavsett vad som är aktuellt just nu.
Det är kombinationen av dessa tre som skapar värde. Tekniken ensam räcker inte. Den finansiella grunden ensam räcker inte längre. Det är i skärningspunkten som de starka kandidaterna finns.
Vad innebär det för dig som rekryterar inom ekonomi?
Om du befinner dig i ett läge där du ska rekrytera en ekonom och vet att du vill ha ”någon som kan AI”, ta dig då tid att ställa dig dessa frågor innan du skriver kravprofilen.
Vilka konkreta arbetsuppgifter ska kandidaten lösa med hjälp av AI? Vilka system och verktyg har vi redan på plats? Förväntar vi oss att kandidaten ska använda befintliga verktyg, eller att de ska bidra till att bygga nya arbetssätt? Och hur ser funktionen ut om två år? Rekryterar vi för rollen som den ser ut idag, eller för den vi tror att vi behöver imorgon?
Svaren på de frågorna gör kravprofilen skarp. Och en skarp kravprofil är det enskilt viktigaste verktyget för att hitta rätt kandidat.
Det innebär att potential blir avgörande. Att rekrytera med potential handlar om att leta efter kandidater som har rätt grund, rätt nyfikenhet och rätt förmåga att utvecklas, snarare än att kryssa av en lista med erfarenheter de ännu inte kan ha hunnit skaffa sig. De kandidaterna finns, men de kräver ett annat sätt att utvärdera. Vi hjälper gärna till att tänka igenom hur den processen kan se ut.
Vill du förstå hur de här förändringarna påverkar rekrytering inom ekonomi och finans?
I vår fullständiga trendrapport för Q2 2026 går vi djupare in på hur AI-kompetens, nya kravprofiler, juniora ekonomiroller och interimmarknaden formar framtidens ekonomifunktion.
Ladda ner rapporten och få fler insikter inför din nästa rekrytering.
