AI w rekrutacji: selekcja CV i RODO

Proces zaczyna się od listy kryteriów stanowiska. Oddzielcie wymagania konieczne od mile widzianych, a następnie opiszcie, jak wygląda dowód spełnienia każdego z nich. Model otrzymuje CV i tę listę, a jego zadaniem jest wskazanie fragmentów dokumentu, przypisanie oceny oraz krótkie uzasadnienie. Wynik nie jest werdyktem — to uporządkowana notatka dla rekrutera.

Ranking pomaga porównać dokumenty w jednym formacie, ale nie może ukrywać kryteriów. Rekruter powinien widzieć, czego model nie znalazł, gdzie informacja jest niejednoznaczna i dlaczego kandydat otrzymał określoną ocenę. Dzięki temu możliwa jest korekta błędu i spójna rozmowa w zespole.

Na początek wystarczy arkusz z kryteriami, folder z CV i zatwierdzona instrukcja dla modelu. Rekruter wkleja treść dokumentu lub pracuje w środowisku dopuszczonym przez firmę, otrzymuje ujednolicony wynik i zapisuje go w arkuszu. Ten etap pozwala sprawdzić, czy kryteria są zrozumiałe i czy zespół rzeczywiście korzysta z tych samych definicji.

Dopiero później można połączyć formularz rekrutacyjny, skrzynkę lub ATS z automatyzacją. Make albo n8n może utworzyć rekord kandydata, przygotować analizę i przekazać ją osobie odpowiedzialnej. System nie powinien sam wysyłać odmowy na podstawie oceny modelu. Praktyczne wdrożenie AI w firmie zawsze zaczynamy od procesu, który zespół potrafi sprawdzić.

AI nie powinno samodzielnie podejmować decyzji o odrzuceniu kandydata, awansie czy warunkach zatrudnienia. Model potrafi błędnie interpretować dokument, powielać niepożądane wzorce lub przypisać znaczenie informacji, która nie powinna wpływać na wybór. Człowiek musi mieć możliwość zakwestionowania wyniku i podjęcia własnej decyzji.

Nie warto też używać cech, które nie są potrzebne do oceny kompetencji. Jeżeli dane nie pomagają odpowiedzieć na pytanie o wymagania stanowiska, nie powinny trafiać do procesu. Ograniczenie zakresu danych poprawia zarówno jakość pracy, jak i bezpieczeństwo.

Dane kandydatów są danymi osobowymi, dlatego przed użyciem narzędzia trzeba ustalić podstawę przetwarzania, obowiązek informacyjny, zakres danych i miejsce ich przetwarzania. Sprawdźcie, do jakiego dostawcy trafiają dane, jakie ustawienia retencji są dostępne oraz czy potrzebna jest umowa powierzenia. Przy wdrożeniu warto włączyć osobę odpowiedzialną za ochronę danych lub prawnika.

Unijny AI Act zalicza systemy AI używane do rekrutacji i selekcji kandydatów do kategorii wysokiego ryzyka, co wiąże się z dodatkowymi obowiązkami, w tym nadzorem człowieka i przejrzystością. To ogólna informacja, a nie porada prawna: konkretny proces i jego dokumentację należy skonsultować ze specjalistą.

Poza selekcją CV AI może przygotować szkic ogłoszenia, zestaw pytań do rozmowy, opis stanowiska lub plan onboardingu. Każdy materiał wymaga weryfikacji przez osobę znającą kulturę organizacji i realia stanowiska. Model przyspiesza pierwszą wersję, lecz nie zna firmy tak jak zespół.

Najbezpieczniej wdrażać kolejne zastosowania po jednym, z właścicielem procesu i prostą instrukcją. Jeśli chcecie przećwiczyć selekcję i pozostałe zastosowania HR w grupie, zobaczcie zakres szkolenia AI dla firm.

Dla stanowiska handlowca można rozdzielić kryteria na wymagane i dodatkowe. Wymagane mogą obejmować doświadczenie w sprzedaży B2B, pracę z CRM, prowadzenie rozmów z klientem oraz gotowość do pracy w określonym modelu. Dodatkowe mogą dotyczyć znajomości branży, języka lub konkretnego typu produktu. Przy każdym kryterium zespół zapisuje, co ma być uznane za dowód w CV, a czego nie wolno dopowiadać.

Model otrzymuje polecenie, aby dla każdego kryterium wskazać fragment CV, ocenę punktową oraz oznaczenie „brak danych”, gdy dokument niczego nie potwierdza. Nie powinien wyciągać wniosków z wieku, zdjęcia, miejsca zamieszkania ani innych informacji niepotrzebnych do oceny stanowiska. Ta dyscyplina pozwala później wyjaśnić wynik rekruterowi i kandydatowi zgodnie z zasadami firmy.

Arkusz może mieć jeden wiersz na kandydata i kolumny odpowiadające kryteriom: doświadczenie B2B, CRM, branża, komunikacja oraz uwagi rekrutera. Obok każdej oceny zapisujcie krótkie uzasadnienie i odnośnik do fragmentu CV. Na końcu może znaleźć się suma punktów, lecz nie jako automatyczna decyzja o odrzuceniu — to kolejność do ręcznego przejrzenia.

Dobrym nawykiem jest dodatkowa kolumna „pytanie do rozmowy”. Jeśli CV wspomina o pracy z CRM, ale nie podaje zakresu, model może zasugerować pytanie doprecyzowujące zamiast obniżać ocenę. Rekruter widzi dzięki temu, co wymaga sprawdzenia, a rozmowa jest lepiej przygotowana.

Zanim proces zacznie działać na nowych zgłoszeniach, zespół powinien przetestować go na kilku CV, które rekruterzy już znają. Każdy z nich ocenia dokument niezależnie, a potem porównujecie wynik z propozycją modelu. Różnice pokazują, czy kryterium jest zbyt ogólne, czy waga nie jest przesadzona albo czy instrukcja pozwala modelowi na zbyt swobodne wnioski.

Po kalibracji zmieńcie jednoznacznie kryteria i przetestujcie je ponownie. Nie chodzi o to, by model zgadzał się z każdym odruchem człowieka, lecz by zasady oceny były spójne i możliwe do obrony. Takie ćwiczenie można przeprowadzić podczas szkolenia AI dla firm, zanim dane zaczną płynąć przez automatyzację.

Właścicielem procesu powinien być rekruter lub lider HR, który rozumie stanowisko i ma prawo zmieniać kryteria. Jego zadaniem jest okresowe przeglądanie wyników, zbieranie uwag osób prowadzących rozmowy oraz aktualizacja instrukcji, gdy zmienia się profil kandydata lub wymagania firmy. Zespół techniczny może utrzymywać automatyzację, ale nie powinien sam ustalać zasad oceny kandydatów.

Ustalcie też prostą ścieżkę na sytuacje wyjątkowe: co robimy, gdy CV jest nietypowe, wynik jest niejednoznaczny albo kandydat pyta o sposób przetwarzania danych. Taki zapis daje rekruterom pewność w codziennej pracy i ogranicza ryzyko, że narzędzie zacznie działać poza założonym zakresem.