NextScale
CareerTech / RecruitmentTech

Meetra — från kandidatdata till ett jobbanpassat CV

Generiska CV:n visar ofta samma sak oavsett jobb. I Meetra utvecklar jag ett flöde som analyserar jobbkrav, kontrollerar kandidatens underlag och hjälper till att skriva ett relevant CV utan att hitta på erfarenhet. Produkten är under utveckling.

Eget produktPågående utveckling
Produkten

Relevanta produktområden

Kandidatdata
Jobbdata
Matchning
Jobb-CV
mRA Engine
mRA Writer
Skillgap
Arbetsgivarportal
mRA visualisering

Hela flödet — från input till jobbanpassat CV

Klicka på ett steg för att se hur underlaget behandlas innan ett CV kan skapas.

Kandidat
  • B2B-erfarenhet
  • Leverantörsförhandling
  • Affärsutveckling
  • Ledarskap
Jobbkrav
  • Strategisk kundutveckling
  • B2B
  • Partnerskap
  • Kommersiellt ansvar
mRA Engine

Analyserar kravprofilen mot kandidatens faktiska erfarenhet och avgör vad som är relevant och överförbart.

Kravanalys
Requirement Plan

Vad kräver jobbet egentligen?

Kandidatbevis
Candidate Digest

Vilken erfarenhet och fakta finns i profilen?

Relevans & matchning
Evidence Plan

Vilken evidens stödjer vilka krav?

Prioritering
Claim Plan / Block Plan

Vad får användas — och hur ska det prioriteras?

AI i praktiken

AI inne i ett kontrollerat system

AI används inte fritt i Meetra. Kravanalys och kontrollerat underlag avgör vilken information skrivsteget får använda.

Det är inte hela mRA Engine som är generativ AI. Endast mRA Writer-steget formulerar text, och det gör det utifrån ett redan filtrerat och godkänt underlag — inte från kandidatens rådata.

Läs om hur jag utformar lösningar
Utveckling & governance

AI-assisterad utveckling — inom tydliga ramar

Utvecklingsarbetet följer samma princip som produkten: strukturerat, verifierat och med mänskligt godkännande innan något går i drift.

00

Work Order / Problem

Ett konkret problem eller behov definieras innan något byggs.

01

AI-assisterad utveckling

Utvecklingen sker med stöd av verktyg som ChatGPT, Claude och Codex — inom tydliga ramar.

02

Scope & regler

Omfattning, gränser och regler för vad lösningen får och inte får göra sätts explicit.

03

Testning & verifiering

Resultatet testas och verifieras innan det går vidare.

04

Mänskligt godkännande

Ett faktiskt godkännande krävs innan något släpps till produktion.

05

Produktion

Lösningen sätts i skarp drift och följs upp löpande.

Läs om hur jag leder genomförandet
Vad projektet visar

Fyra områden i praktiken

AI & automation

Strukturerad AI-användning där genererat innehåll är begränsat av verifierad evidens, inte fri text.

Produkt- & systemutveckling

Ett sammanhängande produktflöde byggt i flera steg — från kravanalys till färdigt resultat.

Data & strukturerad analys

Kandidat- och jobbdata bryts ner, matchas och prioriteras innan något formuleras.

Affär & kommersialisering

Ett eget produktbygge som utvecklas mot en faktisk marknad, inte bara ett tekniskt experiment.

Läs om hur jag börjar med problemet