Sztuczna inteligencja w rekrutacji 2026: co naprawdę działa, a co to tylko marketing

Każdy dostawca oprogramowania rekrutacyjnego dziś chwali się "AI". Parsowanie CV? AI. Screening kandydatów? AI. Nawet automatyczna odpowiedź w skrzynce odbiorczej dostała nową etykietkę. Przez ten szum trudno odróżnić, co faktycznie przyspiesza pracę rekrutera, a co jest wyłącznie chwytem marketingowym.

W tym artykule nie będę sprzedawać wizji przyszłości. Zajmę się konkretnymi funkcjami — jak działają pod maską, gdzie naprawdę pomagają, a gdzie AI po prostu nie zastąpi człowieka. Plus kilka słów o tym, co AI Act i RODO oznaczają dla polskich agencji rekrutacyjnych w praktyce.

Zacznijmy od definicji: co "AI w rekrutacji" naprawdę oznacza

Branża używa terminu "sztuczna inteligencja" bardzo swobodnie. W rzeczywistości mamy tu do czynienia z kilkoma różnymi technologiami, które działają zupełnie inaczej i rozwiązują różne problemy.

Uczenie maszynowe oparte na regułach — starsza generacja "AI". System uczy się wzorców z historycznych danych (np. "kandydaci z tytułem X są zatrudniani częściej"). Prosto, przewidywalnie, ale podatne na błędy wynikające z uprzedzeń w danych.

Modele językowe (LLM) — GPT-4, Claude i podobne. Rozumieją kontekst zdania, parafrazują, generują. Dobre do pisania, streszczania, wyciągania informacji z nieustrukturyzowanego tekstu. Ale halucynują — to znaczy, że mogą wymyślać fakty, których nie ma.

Modele wektorowe (embeddingi) — tu jest serce nowoczesnego matchingu kandydatów. O tym za chwilę, bo to akurat działa naprawdę dobrze.

Matching wektorowy — wyjaśnienie bez żargonu

Wyobraź sobie, że każde CV i każda oferta pracy to punkt w przestrzeni trójwymiarowej. Bliskość punktów oznacza podobieństwo znaczeniowe. W rzeczywistości te przestrzenie mają setki lub tysiące wymiarów, ale zasada jest ta sama.

Model wektorowy zamienia tekst na liczby — tzw. embeddingi. "Kierownik projektu IT" i "project manager software" lądują blisko siebie, mimo że słowa są inne. Tradycyjne wyszukiwanie słów kluczowych tego nie umie: albo jest dokładne dopasowanie, albo nic.

W praktyce rekrutacyjnej oznacza to jedno: system może wyciągnąć kandydata, który ma wszystkie potrzebne kompetencje, ale opisał je innymi słowami niż rekruter w ofercie. Dla agencji, które mają w bazie tysiące CV, to ogromna różnica. Zamiast przeglądać 400 profili, dostajesz 15 naprawdę pasujących.

Gdzie to działa najlepiej? Na stanowiskach technicznych, gdzie terminologia jest ustandaryzowana — DevOps, finanse, prawo, inżynieria. Im bardziej niszowe i specjalistyczne stanowisko, tym lepiej matching wektorowy wypada w porównaniu z wyszukiwaniem frazowym.

Gdzie zawodzi? Na stanowiskach, gdzie liczy się "dopasowanie kulturowe" lub miękkie kompetencje wyrażone bardzo subiektywnie. "Entuzjasta" i "samodzielny" to słowa, które każdy interpretuje inaczej. Model wektorowy tego nie rozgryzie — po prostu nie ma jak.

Yena używa właśnie matchingu wektorowego w swojej bazie kandydatów. Narzędzie do wyszukiwania wektorowego opisujemy szczegółowo na stronie AI Semantic Matching. eRecruiter i Traffit oferują wyszukiwanie słów kluczowych z filtrami — bardziej przewidywalne, ale ograniczone do dosłownych fraz.

Parsowanie CV — gdzie AI faktycznie oszczędza czas

To chyba najbardziej dojrzała technologia AI w rekrutacji. Parsery CV istnieją od lat 2010., ale modele językowe wyraźnie podniosły poprzeczkę. Dobry parser dziś potrafi:

• Wyciągnąć dane kontaktowe, doświadczenie, wykształcenie z dowolnego formatu pliku
• Rozpoznać strukturę nawet niestrukturyzowanego dokumentu (np. CV w formie narracyjnej)
• Obsłużyć CV w różnych językach — polskim, angielskim, niemieckim
• Zmapować tytuły stanowisk na ustandaryzowane kategorie

W realnym środowisku dokładność parserów waha się między 85% a 95%, zależnie od jakości CV i formatu pliku. PDFy skanowane (zdjęcia dokumentów) wciąż sprawiają problemy. Każde CV wymaga krótkiej weryfikacji — nie możesz po prostu ufać parserowi w 100%.

Dla agencji obsługujących duże wolumeny kandydatów — kilkadziesiąt lub kilkaset CV tygodniowo — parsowanie to realne oszczędności. Zamiast ręcznie przepisywać dane, rekruter spędza 30 sekund na weryfikacji zamiast 5 minut na wpisywaniu. Szczegóły możesz sprawdzić na naszej stronie produktowej AI Resume Parser.

Automatyczny screening — potencjał i pułapki

Screening oparty na AI to obszar, gdzie różnica między "dobrą implementacją" a "marketingowym bullshitem" jest największa. Warto tu być ostrożnym.

Co naprawdę działa: automatyczne filtrowanie na podstawie twardych kryteriów — konkretne certyfikaty, lat doświadczenia, znajomość języków. Jeśli rekruter wymaga "minimum 3 lata w Pythonie + certyfikat AWS", system może to sprawdzić automatycznie z dużą dokładnością.

Co działa gorzej, niż obiecują: ocena "potencjału" kandydata na podstawie profilu. Modele trenowane na historycznych decyzjach zatrudnieniowych dziedziczą uprzedzenia tych decyzji. Kobiety, osoby po karierze nielinearnej, kandydaci z uczelni niższej rangi — mogą być systematycznie niedoceniani, choć nikt tego celowo nie zaprogramował.

Amazon słynnie wycofał swój system screenigu AI w 2018 roku właśnie z tego powodu — uczył się, że kandydaci mężczyźni (bo takich firma historycznie zatrudniała więcej na stanowiskach technicznych) są "lepszymi" kandydatami. Reuters opisał cały przypadek. To nie był błąd systemu — to był błąd w danych treningowych.

Chatboty rekrutacyjne — uczciwa ocena

Chatboty w rekrutacji mają bardzo konkretne zastosowanie i bardzo konkretne ograniczenia. Zacznijmy od tego, do czego się nadają.

Automatyczne odpowiedzi na najczęstsze pytania kandydatów ("Kiedy spodziewać się odpowiedzi?", "Czy stanowisko jest zdalne?", "Jakie dokumenty przygotować?") — tu chatbot działa nieźle. Redukuje liczbę maili i telefonów, kandydat dostaje odpowiedź natychmiast, rekruter nie musi odpowiadać na te same pytania po raz dwudziesty.

Zbieranie podstawowych danych (dostępność, oczekiwania finansowe, lokalizacja) przed rozmową z rekruterem — też sensowne zastosowanie, szczególnie przy dużych wolumenach.

Ale chatbot nie zastąpi rekrutera w rozmowie merytorycznej. Kandydat na stanowisko dyrektora finansowego rozmawiający z botem natychmiast to wyczuje i zrezygnuje. W rekrutacji executive search chatboty są praktycznie bezużyteczne jako pierwszy punkt kontaktu — tam liczy się relacja od pierwszej sekundy.

Według badania LinkedIn z 2024 roku, 67% kandydatów woli mieć pierwszy kontakt z żywym człowiekiem, a nie z botem. W Polsce, gdzie rekrutacja wciąż opiera się mocno na relacjach i bezpośrednim kontakcie, ten odsetek jest prawdopodobnie wyższy.

Analityka predyktywna — co mówią liczby

"Przewidujemy, który kandydat zostanie zatrudniony" — to jedno z najśmielszych twierdzeń sprzedawców oprogramowania rekrutacyjnego. Ile w tym prawdy?

Analityka predyktywna naprawdę działa w kilku konkretnych przypadkach. Prognozowanie rotacji pracowników (modele oparte na danych HR, takie jak staż pracy, wyniki ocen, absencja) mają udokumentowaną skuteczność na poziomie 70-80% dokładności w dużych organizacjach z bogatymi danymi historycznymi. McKinsey opisuje kilka przypadków z dużych korporacji.

Problem: agencje rekrutacyjne rzadko mają wystarczająco dużo danych, żeby takie modele działały dobrze. Potrzebujesz setek lub tysięcy historycznych decyzji zatrudnieniowych z mierzalnymi wynikami. Większość agencji tego nie ma.

Dla mniejszych firm (20-100 rekruterów) analityka predyktywna to na razie bardziej aspiracja niż praktyczne narzędzie. Lepiej skupić się na prostszej analityce: czas do zatrudnienia, koszt na stanowisko, skuteczność źródeł kandydatów. To są dane, które każda agencja może zbierać od pierwszego dnia. Więcej o mierzeniu efektywności piszemy w artykule o kluczowych KPI dla polskich agencji rekrutacyjnych.

AI Act i RODO — co musisz wiedzieć jako agencja rekrutacyjna w Polsce

Dwa przepisy mają bezpośredni wpływ na to, jak możesz używać AI w rekrutacji. Ignorowanie ich jest ryzykowne — nie tylko finansowo, ale też reputacyjnie.

RODO, artykuł 22 — zautomatyzowane decyzje

Art. 22 RODO zakazuje podejmowania decyzji opartych wyłącznie na zautomatyzowanym przetwarzaniu, jeśli wywołują one skutki prawne lub w podobny sposób istotnie wpływają na osobę. Odrzucenie kandydata to właśnie taki skutek.

W praktyce oznacza to: jeśli system AI automatycznie odrzuca CV bez udziału człowieka, naruszasz RODO. Kandydat ma prawo zażądać wyjaśnienia decyzji i interwencji ludzkiej. Musisz to zapewnić.

Polskie firmy coraz częściej to ignorują, bo systemy AI są "za kulisami". Urząd Ochrony Danych Osobowych (UODO) zaczął jednak przyglądać się temu obszarowi — pierwsze postępowania dotyczące zautomatyzowanego przetwarzania w HR już się toczą.

AI Act — nowe kategorie ryzyka od 2025 roku

Unijne rozporządzenie AI Act, które wchodzi w życie etapami od 2025 roku, klasyfikuje systemy AI używane w rekrutacji jako "wysokiego ryzyka". To oznacza konkretne obowiązki: dokumentacja techniczna systemu, ocena ryzyka, rejestracja w unijnej bazie danych, możliwość nadzoru ludzkiego.

Jeśli korzystasz z zewnętrznego oprogramowania rekrutacyjnego, sprawdź, czy dostawca jest gotowy na AI Act. Pytania, które warto zadać: Czy system jest zarejestrowany w unijnej bazie AI? Czy udostępniają dokumentację techniczną? Jak obsługują prawo do wyjaśnienia decyzji algorytmicznej?

Uczciwa uwaga: większość polskich agencji rekrutacyjnych nie jest jeszcze gotowa na te wymagania. To nie jest ocena — to po prostu stan faktyczny. Przepisy są nowe, interpretacje się kształtują. Warto jednak zacząć pytać dostawców o ich plany.

Porównanie: Yena vs eRecruiter vs Traffit — co naprawdę oferują w zakresie AI

Oceniam to możliwie obiektywnie. Yena to platforma, którą tworzę, więc mam oczywisty interes — ale będę szczery o ograniczeniach.

eRecruiter i Traffit to dobre, sprawdzone systemy z silną pozycją na polskim rynku. Jeśli prowadzisz agencję z prostymi procesami i nie potrzebujesz zaawansowanego matchingu semantycznego, będą solidnym wyborem. Ich przewaga: długa historia na polskim rynku, lokalne wsparcie, znajomość polskich specyfik prawnych.

Yena jest skierowana przede wszystkim do agencji executive search i agencji doradztwa personalnego, które pracują z bazami kandydatów i potrzebują szybko znajdować właściwych ludzi w dużym archiwum. Dla agencji obsługujących masową rekrutację niespecjalistyczną — Yena może być przerostem formy nad treścią.

Czego AI w rekrutacji nie zrobi za ciebie

Warto to powiedzieć wprost, bo materiały sprzedażowe rzadko to robią.

Budowanie relacji z kandydatem. To jest i pozostanie domeną człowieka. Kandydat na poziomie C-suite nie zmieni pracy przez algorytm. Zmieni ją przez rozmowę z rekruterem, który rozumie jego sytuację, motywacje i obawy. AI może pomóc znaleźć tego kandydata — kontakt nawiązuje rekruter.

Ocena dopasowania kulturowego. Modele wektorowe świetnie radzą sobie z kompetencjami technicznymi. Przy "dopasowaniu kulturowym" napotykają ścianę — to pojęcie jest zbyt subiektywne, zbyt kontekstowe, żeby algorytm mógł je sensownie ocenić.

Negocjacje i zamknięcie procesu. Ostatni etap rekrutacji — oferta, kontroferta, decyzja — jest ze swojej natury ludzki. Żaden chatbot nie przekona pasywnego kandydata, który dostał kontrofertę od obecnego pracodawcy.

Budowanie marki agencji. To, dlaczego kandydaci i klienci wybierają właśnie twoją agencję, wynika z reputacji, relacji, referencji. AI nie zbuduje ci tej reputacji. Może co najwyżej nie zepsuć jej przez złe doświadczenie kandydata w procesie aplikacji.

Jak wdrożyć AI w rekrutacji — praktyczny plan dla agencji

Zamiast kupować najdroższe rozwiązanie z największą liczbą funkcji "AI", zacznij od diagnozy własnych wąskich gardeł. Gdzie rekruterzy spędzają najwięcej czasu na zadaniach, które nie wymagają ich wiedzy eksperckiej?

Dla większości agencji odpowiedź brzmi: przeszukiwanie bazy kandydatów i przepisywanie danych z CV. To są pierwsze obszary, gdzie automatyzacja przynosi zwrot. Resztę możesz budować stopniowo.

Więcej konkretnych kroków znajdziesz w naszym artykule o automatyzacji procesów rekrutacyjnych — tam opisujemy 7 konkretnych zadań, które można zautomatyzować bez ryzyka.

Jedno ostrzeżenie na koniec: nie wdrażaj AI bez jasnej polityki informowania kandydatów. Jeśli używasz zautomatyzowanego screeningu, powiedz o tym w regulaminie rekrutacji. To nie tylko wymóg RODO — to też buduje zaufanie. Kandydaci, którzy wiedzą, jak działa proces, rzadziej czują się niesprawiedliwie traktowani.

Podsumowanie: co warto zapamiętać

AI w rekrutacji nie jest ani rewolucją, ani pustym hasłem. Jest narzędziem — jak każde inne. Działa świetnie tam, gdzie zadania są powtarzalne, dane są ustandaryzowane, a wolumen jest duży. Zawodzi wszędzie tam, gdzie potrzebna jest ludzka ocena, relacja i kontekst.

Matching wektorowy i parsowanie CV to dziś dojrzałe technologie z realną wartością dla agencji. Chatboty i analityka predyktywna — to zależy od kontekstu i skali.

Przed wdrożeniem jakiegokolwiek systemu AI zadaj dostawcy trzy pytania: Jak system radzi sobie z art. 22 RODO? Czy jest gotowy na wymagania AI Act? Jakie dane treningowe były użyte i czy przeszły audyt pod kątem uprzedzeń? Odpowiedzi na te pytania powiedzą ci więcej niż jakakolwiek prezentacja sprzedażowa.