Vad jag lärde mig av att bygga CVpiloten

Det mest uppenbara sättet att bygga en AI-CV-tjänst är ett stort textfält: "Klistra in ditt CV och be AI:n förbättra det." Jag har blivit mindre intresserad av den lösningen ju mer jag arbetat med CVpiloten.

Det användaren vill ha är inte bättre prompting. Det är ett bättre CV med så lite friktion och risk som möjligt.

AI UX är ofta att ta bort prompten

Om produkten redan vet att användaren vill matcha sitt CV mot ett jobb behöver användaren inte skriva "analysera mitt CV mot den här annonsen". En knapp kan uttrycka samma intent bättre.

Det gör också outputen lättare att standardisera och evalua.

Sanningslagret måste komma före textlagret

En av de viktigaste arkitekturprinciperna är att skilja på kandidatfakta och formulering. Modellen ska inte få äga båda samtidigt.

Det ger en bättre produkt även utanför säkerhetsfrågan: samma faktaprofil kan användas till flera CV-versioner, personligt brev, jobbmatchning och intervjuträning.

"Mer text" är sällan målet

Bra CV-arbete handlar ofta om urval. Europass rekommenderar att man anpassar CV:t till rollen, fokuserar på relevanta fakta och gör det lättläst. AI:s styrka är därför inte bara att generera fler bullets utan att hjälpa användaren prioritera vad som faktiskt ska vara med.

Verktyget måste kunna säga att underlag saknas

Om en jobbannons efterfrågar arbetsledning och CV:t inte visar det ska systemet inte kompensera med kreativ omskrivning. Det ska markera gapet och fråga användaren.

Abstention och clarification är produktfunktioner, inte misslyckanden.

Min största produktlärdom

Användaren ska inte behöva förstå LLM:er, embeddings eller prompts för att få värde av AI. Ju mer av den komplexiteten som kan kapslas i workflow, desto bättre blir produkten.

Det är den principen jag numera tar med mig även till andra AI-tjänster: bygg runt jobbet, inte runt chatbotten.