Wprowadzenie
Kiedy słyszę „AI w rekrutacji”, od razu myślę o dwóch rzeczach: ogromnym potencjale i jeszcze większym bałaganie, który widzę u klientów. Jako praktyk IT, który od lat buduje zespoły i rozmawia z CTO, widzę, jak narzędzia AI – od parserów CV po chatboty – są wdrażane na oślep. Efekt? Zamiast przyśpieszyć rekrutację, tworzą chaos. W tym artykule pokażę trzy konkretne błędy, które rujnują proces rekrutacji w firmach technologicznych. I co ważniejsze – jak ich uniknąć.
1. Selekcja CV na podstawie słów kluczowych – czyli jak AI odrzuca najlepszych
Większość systemów ATS (Applicant Tracking System) opartych na AI działa w prosty sposób: skanuje CV w poszukiwaniu fraz takich jak „React”, „AWS”, „microservices”. Problem polega na tym, że świetny developer często nie opisuje swojego doświadczenia listą technologii, tylko konkretnymi projektami. AI odrzuci kogoś, kto napisał „zbudowałem system obsługujący 10k requestów na sekundę” tylko dlatego, że nie pojawiło się słowo „scalability”.
Przykład z życia: Klient z branży fintech szukał senior developera z doświadczeniem w systemach transakcyjnych. AI odrzuciło CV kandydata, który prowadził zespół piszący silnik do mikropłatności, bo w CV nie było „transaction processing”, tylko „payment engine”. Stracił 3 tygodnie na znalezienie kogoś gorszego.
Konsekwencje dla firmy:
- Odrzucenie top talentu, który nie gra w grę „słów kluczowych”.
- Dłuższy proces rekrutacji – trzeba ręcznie przeglądać odrzucone CV.
- Gore – niska różnorodność zespołu, bo ludzie z niestandardową ścieżką kariery są eliminowani.
Jak to naprawić? Zamiast polegać na prostym matchowaniu słów, użyj AI do analizy semantycznej. System powinien rozumieć kontekst i wagę projektów. Jeszcze lepiej – niech AI tylko wstępnie kategoryzuje, a ostateczną selekcję zostawia człowiekowi.
2. Automatyczne testy techniczne – pułapka standaryzacji
Kolejny popularny błąd: AI generuje testy techniczne (np. zadania z algorytmami) i automatycznie ocenia odpowiedzi. Brzmi efektywnie? Tyle że to mija się z celem. Developerzy, którzy są świetni w rozwiązywaniu problemów biznesowych, często nie radzą sobie z abstrakcyjnymi zadaniami, które nie mają związku z rzeczywistością. AI ocenia według sztywnego klucza, nie widzi kreatywności ani podejścia do problemu.
Przykład z życia: Firma SaaS wdrożyła AI do oceny testów dla kandydatów na frontend. Zamiast zadań responsywnego UI, system sprawdzał znajomość rzadko używanej biblioteki. Kandydat z 10-letnim doświadczeniem odpadł, bo nie znał jej na pamięć. AI nie wychwyciło, że w CV miał projekty z React, Vue i Angular.
Konsekwencje dla firmy:
- Odrzucenie praktyków na rzecz „teoretyków” – ludzi, którzy dobrze wypadają w testach, ale gorzej w realnym projekcie.
- Utrata kandydatów, którzy mają dość bezsensownych testów – zniechęcasz najlepszych.
- Fałszywe poczucie obiektywizmu – AI jest tak samo stronnicze jak dane, na których je trenowano.
Jak to naprawić? Testy techniczne powinny być projektowane przez doświadczonych programistów i sprawdzać realne umiejętności (np. kodowanie na żywo, code review). AI może wspierać ocenę (np. analizować złożoność kodu), ale nie może być jedynym sędzią.
3. Chatbot rekrutacyjny – oszczędność czasu czy strata kandydata?
Coraz więcej firm używa chatbotów do wstępnych rozmów z kandydatami. Niestety, większość z nich jest zaprojektowana źle: zadają sztywne pytania, nie reagują na niuanse, a w razie problemów technicznych odrzucają rozmowę. Efekt? Kandydat czuje się jak w urzędzie, a nie jak w firmie technologicznej.
Przykład z życia: Start-up wdrożył chatbota, który zadawał pytanie: „Czy znasz Docker?”. Kandydat odpowiedział: „Tak, używam go codziennie do konteneryzacji mikroserwisów”. Chatbot nie zrozumiał i zadał to samo pytanie ponownie. Po 3 takich sytuacjach kandydat kliknął „koniec rozmowy”. Firma straciła osobę, która idealnie pasowała do zespołu.
Konsekwencje dla firmy:
- Złe doświadczenie kandydata – mówi o tym innym, psuje employer branding.
- Odrzucenie dobrych ludzi przez błędy w interpretacji.
- Utrata czasu – i tak trzeba potem rozmawiać ręcznie.
Jak to naprawić? Chatbot powinien być tylko wstępnym filtrem, a nie bramą. Zaprojektuj go tak, żeby zbierał podstawowe informacje, ale w razie niejasności od razu przełączał na człowieka. Ważne: testuj na prawdziwych kandydatach, zanim wdrożysz na pełną skalę.
Podsumowanie
AI w rekrutacji IT może być potężnym narzędziem, ale tylko jeśli używamy go z głową. Największe błędy to ślepa wiara w automatyczną selekcję słów kluczowych, standaryzacja testów technicznych i nieudolne chatboty. Klucz? Traktuj AI jak asystenta, a nie decydenta. Ostateczną ocenę zawsze powinien podejmować człowiek – najlepiej ktoś, kto rozumie technologię i biznes.
W JurskiTech.pl od lat pomagamy firmom wdrażać AI w sposób, który faktycznie przynosi wartość – bez utraty jakości i ludzkiego podejścia. Jeśli chcesz przemyśleć swój proces rekrutacji, daj znać.
