Julebrev fra Kvant 2025

[ News ]

Julebrev fra Kvant 2025

Kjære venn av Kvant

Året nærmer seg slutten og vi benytter anledningen til å sende en liten hilsen til alle våre venner, og kanskje så noen frø for et fruktbart 2026.

Under følger noen refleksjoner om utviklingen i vår sfære slik vi har opplevd det i 2025, samt litt tanker rundt hvor ting beveger seg og et par tips til deg som ansetter talenter.

Bare så det er sagt skulle vi gjerne vært mer avant garde enn å snakke om AI, men samtidig hadde det vært det samme som å fokusere på stikkelsbær-priser i april 1940, så here goes;

Tema 1 (favoritten som alltid): Management Consulting

“Digg å slippe å betale en gjeng MBAs for å lage powerpoint slides, thanks Chat GPT“

- alle som kjøper konsulenttjenester

Flere av oss i Kvant har brukt formative år på å finpusse bokser i PPT, sørge for at alt er rett, lage 100 sider appendix slides, svette over streker som tilsynelatende er rette, men ikke er det allikevel und so weiter. Eksempelvis, i Accenture hadde man et eget team av utviklere som vedlikeholdt en egen plug-in til PPT som sparte brukeren et par trykk på å rette tekstbokser - det ble sannsynligvis ganske mange sparte sekunder globalt. Sykt å tenke på i retrospekt kun få år etter.

Det er dermed ikke uten en viss nostalgi og egeninteresse vi følger med på de enorme skiftene som nå skjer i rådgivende bransjer på tvers av næringslivet. Mye av innholdet i begrepet “core consulting skills” er nå snart en knapp. En partner kan snakke inn i mobilen på vei til hytta og ikke til en analytiker som sitter igjen på kontoret. Og slippe å betale for overtidsmat samt bli hengt ut i DN som en utnytter av stakkars unge arbeidstakere på kjøpet.

Ok, det er kanskje ikke 100% helt slik enda, men man trenger ikke være oraklet fra Omaha for å skjønne at dette er realiteten any day nå for alle som fortsatt har en jobb i disse bransjene. Oss inkludert.

“Top consultancies freeze starting salaries as AI threatens ‘pyramid’ model” skriver FT på førstesiden mandag 3. desember i år (link under). Kort oppsummert har MBB over dammen hatt samme startlønner i tre år nå, både på undergrad og MBA-nivå (Analyst og Associate nivåer respektivt). Nå er fortsatt disse startlønningene på nivåer enhver sulten NHH student hadde flyttet selv til Trondheim for med hhv 140k og 285k usd årlig, hvilket jo kjøper en hakket hvassere entry-level klokke enn en vanlig sliter i Oslo kan regne med i sitt første år, men det er fortsatt et sterkt signal;

Det forteller oss at disse selskapene a) får de samme talentene billigere eller b) uansett taper topp-talentene til FAANG eller c) det er faktisk ikke like lønnsomt lenger å ansette like mange top grads. (Hint, svaret er a og c).

Samtidig har flere av de store konsulenthusene for første gang bremset eller redusert antall hoder. Både i US og UK har både konsulent- og revisjonsvirksomhetene til Big4 sagt opp tusenvis av ansatte og samtidig redusert antallet graduates med så mye som 29% (KPMG UK) siden 2023 og ser på en halvering av inntaket av graduates i år. Med andre ord; noe er i emming i de store økonomiene, og det er i ferd med å treffe et konsulenthus nær deg innen kort tid.

So, why should I care? Jo; som en lojal eller potensiell Kvant-kunde er du mulig opptatt av å ansette folk med tidligere erfaring fra “Professional Services”. Hvis så er tilfellet har du potensielt fått en økt risiko og samtidig en mulighet;

Risikoen er å overbetale for profiler som har hatt lite faktisk eksponering mot reell problemløsning fordi AI tok jobben før de lærte det, eller hvis relevans ikke lenger er verdt “premiumen” de kunne hentet ut i et pre-AI arbeidsmarked hvor hard skills hadde høyere verdi. Muligheten ligger i å kapre en ny generasjon konsulenter som kombinerer refleksjon og god dømmekraft med teknologisk edge og sterk relasjonskompetanse; nøyaktig den kombinasjonen fremtidens roller innen finans, operasjonell strategi og forretningsutvikling krever.

Det som historisk var “nice to have” sammenliknet med hard skills (evnen til å bygge tillit, skape klarhet og drive beslutninger i rom med lav struktur) blir nå selve konkurransefortrinnet.

Ok, cool. Hva gjør jeg nå? Hvordan skal jeg vurdere kandidaters egnethet fremover? Godt spørsmål, la oss snakke litt om:

Tema 2: Caseintervjuers validitet i seleksjonsprosesser (blytung overskrift, beklager);

Vår eminente nye Director, Kent Haga, ytret i idemyldringsmøtet til dette julebrevet at vi måtte holde oss langt unna diskusjonen om Cover Letters. Først og fremst fordi det ikke er vårt domene (vi driver primært søk, ikke søknads-mottak), men også fordi det er et tema alt for mange mener alt for mye om. Eksemplifisert med de følgende 2 artiklene, begge fra Forbes;

“The Cover Letter Is (Almost) Dead” - Forbes 11 Juni 2025

“Hiring Experts Reveal Why Cover Letters Aren’t Dead (Yet)” - Forbes 11 November 2025

Nettop….

Ikke minst er det, med fare for å tråkke på tær, et kjedelig tema. Det som derimot er meget spennende, relevant og ikke minst nyttig for den tålmodige leser som har kommet helt hit, er hvordan man faktisk skal vurdere kandidater i et intervju.

Sackett (et al) argumenterer i sin meta-studie fra 2021 fortsatt for at en arbeidsprøve (kandidaten prøver å gjøre jobben) er seleksjonskritierie numero uno om man faktisk vil gjøre en god ansettelse. I vår white collar del av arbeidslivet er ikke dette nødvendigvis rett frem; de færreste vil slippe til potensielle kandidater bak spakene før de faktisk har fått jobben, naturlig nok. Det man dermed gjerne har gjort er et forsøk på å simulere dette ved å la kandidaten løse et case; Kandidaten får utdelt en problemstilling, business case eller liknende, og forbereder pliktskyldig en presentasjon etter beste evne som presenteres i intervju. Beste presentasjon = beste kandidat. Eller?

Når caset kan mates inn i en språkmodell som spytter ut en besvarelse basert på, i teorien, all menneskelig kunnskap akkumulert til nå, blir det åpenbart at caset ikke lenger står på egne ben. Du tester i beste fall evne til å skrive et prompt og å presentere. Supert om du driver casting til da-capo. Mindre så i en supply-chain rolle.

Det du faktisk kan og bør gjøre er derimot følgende: Hør på Sackett (et al) og kjør strukturert intervju. Dette betyr at du stiller de samme spørsmålene til alle kandidatene, og at du scorer dem på de samme kriteriene, basert på svarene på de samme spørsmålene (vanskeligere i praksis enn du tror). Videre må du gjerne bruke et case, men du bør forberede en rekke oppfølgingsspørsmål du stiller til kandidatene etter presentasjonen. Be kandidaten legge bort laptop og notater før du stiller disse (prøv å være litt hyggelig samtidig så kandidaten ikke psyker helt ut). Hard Mode: spør kandidaten nøyaktig om hvordan de har brukt AI i caset. Still oppfølgingsspørsmål. Extreme Mode: be om å få tilsendt promptet brukt der og da.

Videre; Evnetester, General Mental Abilty (GMA), har i metastudien fortsatt en forklaringsgrad (r) på 0.3-0.4 på “job performance” - veldig mye lavere enn man trodde tidligere, men fortsatt høyst relevant. “Men folk kan bruke AI på testene” tenker du nå. Ja, men de gjør sannsynligvis ikke det om du informerer om at kandidaten som får tilbud om rollen alltid må ta testene på nytt live hos deg fordi det er HR policy.

Siste høres kanskje strengt ut, spesielt gjennomføringen, men vår oppfatning er at vi beveger oss mot en seleksjonsprosess som i større grad innebærer reelle møter, samtaler og fysisk vurdering. Etter tiår med utvikling hvor man i høy grad måler evne til å ta i bruk teknologi er nå etter hvert teknologien så tilgjengelig at vi må fokusere sterkere på mennesket bak. På 70 tallet hadde du trolig blitt ytterst imponert om en kandidat klarte å trylle frem Schuberts andre messe fra en datamaskin. At man i 2025 klarer å trykke på det store note-ikonet på iphonen for å spille wagners valkyrieritt på vei hjem fra julebord er åpenbart ikke en flex. Appliser dette ressonementet til alt innen EDB og design seleksjonsprosessen deretter. Om ikke i dag, så veldig snart.

Moving on…

Tema 3: Analyse

Search-bransjen har tatt reisen fra “vi kjenner folk” til “vi kjenner folk og har data som beviser at de faktisk finnes”. Klienter (aka du) forventer nå innsikt, analyser og "talentkart" som om vi drev med geopolitikk, ikke rekruttering. AI hjelper oss å longliste smartere, raskere og mer presist, men det er fortsatt relasjonsarbeidet som får passive kandidater til å løfte røret og ikke bare henge på når de hører ordet “rekrutterer”. Datadrevet search betyr i praksis: mindre gjetting, mer fakta, og større sjanse for å gi et ærlig svar på om profilen de drømmer om faktisk eksisterer, eller om vi må inn i kategorien “enhjørninger”. Kort oppsummert: Search er fortsatt et håndverk, bare nå med flere dashboards.

Så: Under finner du en graf som viser andelen av konsulentene fra MBB (McK, Bain og BCG) som går til vekstselskaper, av oss definert som start- og scale-ups. Hva ser vi så? Jo: hele den kollektive Skrik&Hyl om hvor vanskelig det er å starte bedrift i Norge synes ikke å avskrekke noen av våre mest lovende forretningsstrateger fra å kaste seg helskinnet ut i det. Faktisk er trenden på vei opp mot Covid-høyder i 22/23, og stabilt stigende fra 2016.

Eller…..

Kan det faktisk være slik at det er begrenset hvor mange ganger man kan outsource økonomiavdelingen i Hydro, effektivisere samlebåndet for Grandiosa, eller slå sammen landets aviser? Kan det faktisk hende at de fleste av landets større selskaper er i svært modne industrier og at high-impact jobber nå helst har obligatorisk kailue og klistremerker på laptopen?

Om du faktisk lurer må du gjerne ringe oss - vi har dataen på hvor de resterende har gått, men det er på tide å runde av for denne gang og la deg igjen fokusere på mer aktverdige gjøremål i denne travle førjulstid.

Vi takker for at du velger å samarbeide med oss, og ser frem til å kunne bistå med rykende ferske talenter på nyåret.