Rekrutacja przez AI w Polsce: kiedy algorytm decyduje za HR-owca

Algorytm na rozmowie kwalifikacyjnej: jak AI przejęło rekrutację w Polsce

Ogłoszenie o pracę, wysyłka CV, a potem cisza. Albo automatyczna wiadomość zwrotna w kilka sekund. Coraz częściej po drugiej stronie nie ma człowieka, tylko system, który przesiewa kandydatów według kryteriów wpisanych w formularz. W polskich firmach takie narzędzia przestały być ciekawostką z działu innowacji. Stały się codziennością działów HR.

Uważam, że wczesne etapy rekrutacji lepiej oddawać maszynie niż ludziom, ale tylko pod jednym warunkiem: firma wie, czego szuka, i potrafi to opisać. System nie zgadnie intencji. Przetworzy to, co mu podano.

Mechanizm bywa prosty. Algorytm analizuje słowa kluczowe w CV, testy kompetencyjne, czas reakcji na pytania, a czasem nagranie odpowiedzi i ton głosu. Na tej podstawie wystawia ocenę. Kandydat z dobrym doświadczeniem, ale nietypowym CV, wypada słabiej niż ktoś, kto po prostu trafił w słownictwo.

Problem pojawia się tam, gdzie granica się zaciera. Jeśli rekruter ślepo ufa rankingowi, algorytm faktycznie decyduje za niego. A wtedy powtarza te same uprzedzenia, które siedzą w danych treningowych. Brzmi technicznie. Skutki bywają zwyczajne: odrzucony kandydat, który nigdy nie dowie się dlaczego.

Cały proces ma drugą stronę, o której opowiem w kolejnych częściach. Bo pytanie nie brzmi, czy AI weszło do rekrutacji. Pytanie brzmi, kto ponosi odpowiedzialność, gdy system się myli.

Jak działa rekrutacyjne AI: od parsowania CV do analizy mimiki i głosu

Pierwszy etap rekrutacyjnego AI wygląda niewinnie. System dostaje twoje CV i zamienia je na dane: wykształcenie, stanowiska, lata pracy, słowa kluczowe. Parsowanie dokumentów to najstarsza i najprostsza część całego procesu. Algorytm nie czyta twojego życiorysu jak człowiek. Wyłuskuje wzorce i porównuje je z profilem, który ktoś wcześniej zdefiniował.

Dopiero potem robi się ciekawiej. Nowoczesne narzędzia rekrutacyjne sięgają dalej niż treść CV. Analizują sposób pisania, dobór słów, a w wersjach wideorozmów także mimikę i barwę głosu. System może ocenić, jak często się uśmiechasz, jak szybko mówisz i czy twoja intonacja brzmi pewnie.

Analiza mimiki i głosu to najbardziej ryzykowny element całego łańcucha. Powód jest prosty: te technologie mierzą cechy, które słabo przekładają się na jakość pracy, a mocno na pochodzenie, zdrowie i osobowość kandydata. Parsowanie CV ma sens, bo porządkuje dane. Kamera oceniająca uśmiech już nie.

Większość firm w Polsce nadal stoi na pierwszym etapie. Ale granica się przesuwa, a przepisy nie nadążają. O tym, co mówi prawo, za chwilę.

Kogo i jak odrzuca algorytm: ukryte filtry, które kosztują kandydatów pracę

Systemy rekrutacyjne rzadko mówią wprost: "nie". Zamiast tego milczą. Aplikacja znika w bazie, status zmienia się na "w trakcie analizy" i tak zostaje tygodniami. Kandydat nie wie, czy coś poszło nie tak, czy po prostu wypadł z gry.

Filtry działają na kilku poziomach i nie zawsze chodzi o kompetencje. Algorytm parsujący CV potrafi odrzucić dokument, bo ma nietypowy układ kolumn, grafikę zamiast tekstu albo nazwę stanowiska, której nie ma w słowniku. Twarde kryteria, jak brak konkretnego słowa kluczowego, potrafią wyciąć kogoś, kto realnie tę pracę wykonywał, tylko opisał ją innymi słowami.

Ostatni wiersz tej tabeli to największy problem. Scoring predykcyjny nie ocenia, czy umiesz robić daną rzecz, tylko czy przypominasz osoby, które wcześniej na tym stanowisku sobie radziły. Efekt: system utrwala schematy z przeszłości. Jeśli w firmie dominowali absolwenci konkretnych uczelni albo osoby z określonym przebiegiem kariery, algorytm uzna to za wzorzec sukcesu. Nie z powodu złej woli, po prostu tak działa statystyka na danych historycznych.

Sytuacja czysto hipotetyczna: dwie osoby z identycznymi kompetencjami, jedna po rocznej przerwie na opiekę nad dzieckiem, druga bez przerwy. System scoringowy może dać wyższą ocenę tej drugiej, bo luka w CV obniża przewidywane prawdopodobieństwo zatrudnienia. Nikt tego nie powie kandydatce. Ona dostanie maila z formułką o "wysokiej konkurencji".

Pracodawcy w Polsce powinni mieć obowiązek informowania kandydata, gdy decyzję podjął w całości system automatyczny. Nie po to, żeby znieść algorytmy, bo przy setkach aplikacji na jedno ogłoszenie ręczna selekcja jest nierealna. Chodzi o jawność. Człowiek odrzucony przez filtr wie, na czym stoi, może poprawić CV albo odwołać się. Człowiek odrzucony w ciszy nie ma nawet punktu zaczepienia.

RODO, AI Act i polskie prawo: co wolno systemom rekrutacyjnym w 2026 roku

System rekrutacyjny, który analizuje twarz kandydata albo ocenia jego głos, przetwarza dane biometryczne. W świetle RODO to dane szczególnej kategorii, więc ich użycie wymaga wyraźnej podstawy prawnej i zgody samego kandydata. Firma nie może tego założyć milcząco. Musi zapytać i udokumentować odpowiedź.

AI Act dokłada drugą warstwę. Część systemów do rekrutacji i selekcji trafia do kategorii wysokiego ryzyka, co oznacza obowiązki: nadzór człowieka, dokumentacja techniczna, rejestracja w unijnej bazie i informowanie kandydatów, że z ich danymi pracuje algorytm. Uważam, że to rozsądny kierunek. Przejrzystość wobec kandydata działa lepiej niż zakaz samej technologii, bo nie da się skutecznie zablokować narzędzi, które i tak będą używane, ale można wymusić odpowiedzialność tego, kto je wdraża.

Co konkretnie musi spełnić pracodawca w 2026 roku?

• Poinformować kandydata, że w procesie działa system automatyczny, jeszcze przed rozpoczęciem oceny.
• Zapewnić realny nadzór człowieka nad decyzjami, które odrzucają kandydata na wczesnym etapie.
• Zagwarantować prawo do wyjaśnienia i zakwestionowania automatycznej decyzji.
• Udokumentować, na jakiej podstawie prawnej przetwarza dane i jak długo je przechowuje.
• Sprawdzić, czy dostawca systemu nie trenował modelu na danych, których nie powinien używać.

Praktyka bywa inna. Część firm kupuje gotowe narzędzia od zewnętrznych dostawców i nie wie dokładnie, jak działa algorytm, który podpisuje za nich decyzje. Taki scenariusz można sobie wyobrazić bez trudu: dział HR dostaje gotową listę rankingową, odrzuca kandydatów z dołu i nikt nie umie powiedzieć, dlaczego konkretna osoba wylądowała nisko. Odpowiedzialność za to i tak spada na pracodawcę, nie na dostawcę.

Przepisy są po to, żeby tę lukę domknąć. Tylko że samo istnienie regulacji niczego nie zmienia, jeśli nikt nie sprawdza, czy firmy faktycznie je stosują. Warto pilnować, kto w Polsce realnie kontroluje systemy rekrutacyjne i jakie wyciąga wnioski. O tym w kolejnej części.

Ryzyko i bunt: stronniczość, black box i pierwsze pozwy pracowników w Polsce

Algorytm rekrutacyjny rzadko jest neutralny. Uczy się na danych z przeszłości, a jeśli przez lata do danego zespołu trafiali głównie ludzie z jednego środowiska, model utrwali ten wzorzec. Efekt? Kandydaci z podobnym CV wypadają różnie, choć nikt nie potrafi wyjaśnić dlaczego. I tu jest pies pogrzebany.

Problem z black box polega na tym, że odrzucony kandydat nie dostaje konkretnej odpowiedzi. System mówi "nie pasujesz do profilu", a rekruter sam nie wie, co to właściwie znaczy. W Unii Europejskiej rozporządzenie o sztucznej inteligencji (AI Act) ma to porządkować, bo systemy rekrutacyjne trafiają do kategorii wysokiego ryzyka. Tylko że przepisy wchodzą etapami, a praktyka wyprzedza literę prawa.

Dlatego uważam, że polskie firmy powinny same wymuszać przejrzystość, zanim zrobi to za nie regulator. Lepiej wdrożyć własny audyt algorytmu i logikę odwoławczą dla kandydata niż czekać na wezwanie z urzędu. Powód jest prosty: koszt pozwu i wizerunkowej wpadki bywa wyższy niż wdrożenie prostego mechanizmu kontroli.

• Kandydat nie wie, jakie dane zdecydowały o odrzuceniu jego aplikacji.
• Model może powielać uprzedzenia obecne w historycznych danych firmy.
• Rekruterzy często nie rozumieją logiki narzędzia, które sami wdrożyli.
• Pierwsze spory w Polsce dotyczą głównie dostępu do informacji o procesie.
• Odwołanie od decyzji algorytmu bywa iluzją, bo nie ma jasnej ścieżki.

Spór sądowy w takiej sprawie to wyzwanie. Trzeba wykazać, że system zadziałał krzywdząco, a dokumentacja bywa uboga. To nie znaczy, że pozwy są bez szans. Znaczy, że idą wolno.

Najczęściej zadawane pytania (FAQ)

Czy algorytm może odrzucić kandydata bez wiedzy rekrutera? W praktyce tak, choć skala zjawiska bywa wyolbrzymiana. Wiele systemów działa w trybie wsparcia, sortując zgłoszenia i podświetlając najlepiej dopasowane profile, a decyzję podejmuje człowiek. Inne narzędzia same odrzucają aplikacje, które nie przejdą progu dopasowania.

Pełna automatyzacja decyzji o zatrudnieniu działa gorzej niż model mieszany, w którym algorytm filtruje, a człowiek zatwierdza. Powód jest prosty: systemy uczą się na danych historycznych, więc powtarzają wzorce z przeszłości, także te krzywdzące. Człowiek w pętli wyłapuje część takich błędów.

Poniżej zestawienie najczęstszych pytań, które pojawiają się przy rekrutacji wspieranej przez AI.

Warto rozróżnić dwie sytuacje. Gdy algorytm tylko porządkuje zgłoszenia, ryzyko nadużyć jest mniejsze. Gdy sam odrzuca kandydatów, pojawia się pytanie o odpowiedzialność za błąd. Kto ją ponosi: dostawca narzędzia, firma czy rekruter?

Przepisy o ochronie danych, w tym unijne rozporządzenie RODO, dają kandydatowi prawo do informacji o zautomatyzowanym przetwarzaniu i do żądania udziału człowieka w decyzji. To nie teoria. To konkretne uprawnienie, o które można się upomnieć.

Moja rada: pytaj. Krótko, wprost, na piśmie. Jeśli odpowiedź jest wymijająca, to też jest informacja.