AI w rekrutacji IT: 3 błędy, które odstraszają programistów
Rekrutacja w IT to pole bitwy. Wysyłasz setki wiadomości na LinkedIn, płacisz za ogłoszenia, a kandydaci i tak odpadają po pierwszym kontakcie. Coraz częściej winowajcą jest AI – narzędzia, które miały pomóc, a w praktyce eliminują najlepszych, zanim jeszcze zdążą pokazać swoje umiejętności.
Pracuję z firmami, które wdrażają automatyzacje i widzę ten schemat regularnie. Oto trzy błędy, które popełniasz – i jak je naprawić.
1. Ślepe dopasowanie do kluczowych słów
AI skanuje CV w poszukiwaniu technologii, z których ktoś korzystał przez ostatnie 5 lat. Problem w tym, że programiści często uczą się nowych narzędzi szybciej, niż firmy aktualizują wymagania.
Przykład z życia: Młodszy developer z doświadczeniem w React i TypeScript aplikuje na stanowisko, gdzie wymagany jest Vue. AI odrzuca CV, bo nie widzi odpowiedniego tagu. Tymczasem ten programista w trzy miesiące ogarnąłby Vue lepiej niż facet, który przez 10 lat klepał w jQuery.
Rozwiązanie: Ustaw ranking umiejętności zamiast sztywnych filtrów. Zamiast „musi znać” – „mile widziane”. AI powinna sugerować, a nie decydować za Ciebie. W praktyce oznacza to, że nadzorujesz proces, a nie wrzucasz CV w czarną skrzynkę.
2. Automatyczne testy, które testują tylko cierpliwość
Wysyłasz formularz z zadaniami algorytmicznymi lub quizem z teorii. Programista dostaje link, przechodzi 20 pytań o składnię i… rezygnuje. Dlaczego? Bo takie testy nie weryfikują realnych umiejętności. Pokazują jedynie, jak ktoś radzi sobie z nudną, frustrującą formą rekrutacji.
Widziałem projekty, gdzie AI generowała zadania, które nie miały związku z codzienną pracą. Zamiast testować umiejętność integracji API czy obsługi błędów, kandydaci dostawali abstrakcyjne łamigłówki. Efekt? Odrzucano osoby, które świetnie radziły sobie z realnymi problemami.
Rozwiązanie: Daj zadanie praktyczne – np. naprawienie buga w kodzie, który faktycznie wystąpił w Twoim systemie. Niech AI sprawdza podpowiedzi i czas, ale ostateczna ocena należy do człowieka. Przykład: zamiast quizu z teorii kopiowania w shallow vs deep, daj do przeanalizowania fragment kodu z błędem. To wyłapie programistów myślących, a nie tylko wyuczonych.
3. Personalizacja, która jest bezosobowa
AI potrafi wygenerować spersonalizowaną wiadomość, która brzmi… jak wygenerowana. „Widzę, że ma Pan doświadczenie w Javie i Spring, idealnie pasuje Pan do naszej oferty” – to zdanie może wysłać do 500 osób dziennie. Kandydaci to widzą i czują się jak w maszynce do mięsa.
Kolejny przykład: System rekomendacji ofert często poleca stanowiska, które nie mają związku z faktycznym profilem. Programista zajmujący się blockchainem dostaje propozycję pracy w e-commerce z Magento. To irytujące i pokazuje brak zrozumienia rynku.
Rozwiązanie: AI powinna pomagać w pierwszym screeningu, ale wiadomość musi być autentyczna. Napisz kilka zdań od siebie, nawiąż do konkretnego projektu lub wpisu na blogu kandydata. Zamiast: „Twoje CV jest imponujące”, napisz: „Podobał mi się Twój artykuł o WebAssembly – my też wdrażamy to w naszym produkcie”. To zajmuje minutę, a robi różnicę.
Dlaczego to ważne?
Według badań, programiści spędzają średnio 2-3 godziny na proces rekrutacyjny. Jeśli pierwsze wrażenie jest negatywne, odpadają. AI ma przyspieszać, ale często tworzy bariery, które odstraszają najlepszych.
Podsumowanie
AI w rekrutacji to potężne narzędzie, ale nie może działać w oderwaniu od rzeczywistości. Kluczowe jest:
- Unikanie sztywnych filtrów i stawianie na ocenę potencjału.
- Zastąpienie sztampowych testów praktycznymi zadaniami.
- Autentyczna komunikacja, która buduje zaufanie.
Jako praktyk IT i właściciel agencji JurskiTech, widzę, że firmy, które przestają traktować rekrutację jak proces produkcyjny, zbierają lepszy zespół. Inwestycja w ludzki kontakt zwraca się wielokrotnie, a AI powinna być narzędziem, nie strategią.
