Agenty AI prowadzą już rozmowy z kandydatami. Czy twoja firma też powinna?

AI może wspierać analizę zgłoszeń, planowanie rozmów, transkrypcję i przeszukiwanie nagrań. Końcową decyzję o kandydacie powinien podejmować człowiek. W opisanym niżej badaniu analizy opinii pracowników modele zaliczały jasne, weryfikowalne zadania w 76–82% przypadków, a przy subiektywnej syntezie wynik spadał nawet do 33%. Osobne badanie dopasowywania CV wykazało uprzedzenia związane z imionami kojarzonymi z rasą i płcią.

Czy AI powinno rozmawiać z twoimi kandydatami? Krótka odpowiedź

W czerwcu 2026 szwedzki startup Fika Jobs zebrał 4 miliony dolarów na budowę platformy, w której rozmowę prowadzi agent AI, a nie rekruter. Taki produkt wymaga od zespołu rekrutującego decyzji, które etapy procesu powierzy maszynie.

Rozmowa ma pomóc ocenić, czy kandydat pasuje do stanowiska. Przytoczone badania pokazują trudności modeli z interpretacją subiektywnych informacji. AI może natomiast wspierać analizę, planowanie, transkrypcję, wyszukiwanie i streszczanie. Dobieraj automatyzację do zadania i skutków ewentualnego błędu.

Duża liczba zgłoszeń pisanych przez AI skłania zespoły do rozważania automatyzacji rozmów. Źle wyznaczona granica może oznaczać błędną decyzję rekrutacyjną. Może kosztować cię pozew o dyskryminację i reputację pracodawcy.

Zakład za 4 mln dolarów: co naprawdę buduje Fika Jobs

Fika Jobs pozyskała 4 miliony dolarów w rundzie pre-seed, której przewodziło Luminar Ventures, z udziałem Alliance VC oraz aniołów biznesu, współzałożycieli King (Candy Crush): Sebastiana Knutssona i Riccarda Zacconiego, według relacji TechCrunch z 23 czerwca 2026. Założyciele, bracia Jakob i Alexander Dubois, wcześniej stworzyli aplikację społecznościową Gaff.

Produkt to platforma rekrutacyjna oparta na wideo. Kandydat łączy swój profil LinkedIn, agent AI napędzany modelami Gemini od Google generuje spersonalizowane pytania i przeprowadza mniej więcej 10-minutową rozmowę wideo. Platforma automatycznie zamienia odpowiedzi na krótkie klipy tworzące profil wideo kandydata, łatwy do przeglądania. Zamiast aplikować osobno na każdą rolę, kandydaci utrzymują stały profil, po którym poruszają się pracodawcy. Dla szukających pracy jest za darmo, a Fika bierze 10% pensji z pierwszego roku zatrudnionej osoby, co założyciele przedstawiają jako tańsze niż 20–30% pobierane przez tradycyjnych rekruterów. Ponad 100 firm jest na liście oczekujących, ponad 50 przetestowało platformę, a szersze uruchomienie (najpierw w Szwecji) zapowiedziano na jesień 2026.

Relacja TechCrunch o finansowaniu zaznacza, że profile wideo „niosą realne ryzyko uprzedzeń”, bo pracodawcy widzą rasę, wiek, płeć, wygląd i akcent zanim ocenią kwalifikacje.

Gdzie AI naprawdę wygrywa w lejku rekrutacyjnym

AI jest mocne w pracy masowej, obiektywnie sprawdzalnej i organizacyjnej. W cytowanym badaniu wyniki dla takich zadań sięgały 76–82%.

Te same badania, które obnażają słabość AI w osądzie (więcej o tym niżej), wykazały, że czołowe modele zaliczają jasne, weryfikowalne zadania w 76–82% przypadków. W rekrutacji warto ocenić przydatność AI między innymi do następujących zadań:

• Triaż. Analiza i usuwanie duplikatów zgłoszeń oraz szeregowanie ich względem obiektywnych wymogów koniecznych, takich jak wymagany certyfikat, prawo do pracy czy lata doświadczenia w konkretnym stacku.
• Planowanie rozmów. Ustalanie terminów może wymagać wielu e-maili. Powolne planowanie samo w sobie jest realnym kosztem, bo opóźnienia w planowaniu rozmów powodują odpływ kandydatów, zanim w ogóle poznasz najlepszych ludzi.
• Czytanie. Transkrypcja rozmów, streszczanie historii kandydata oraz przeszukiwanie nagrań wielu kandydatów.
• Streszczanie. Zamiana rozwlekłego zgłoszenia i transkrypcji w zwięzłe podsumowanie dla osoby prowadzącej rekrutację.

Te zadania przygotowują materiał do decyzji. Ich przydatność oceniaj także po jakości materiału i czasie potrzebnym na jego sprawdzenie.

Trudności z syntezą subiektywnych informacji

Interpretowanie niepełnych, subiektywnych informacji było trudnym zadaniem dla modeli w badaniu PYX Labs.

Laboratorium badawcze PYX Labs (sponsorowane przez firmę Perceptyx zajmującą się doświadczeniem pracowników) przetestowało siedem czołowych modeli AI od OpenAI, Google, Anthropic i xAI na 84 zadaniach z zakresu analizy nastrojów i opinii pracowników, ocenianych według kryteriów opracowanych przez psychologów i specjalistów od zachowań organizacyjnych, jak podaje HR Dive. Przy jasnych, weryfikowalnych zadaniach modele zaliczały 76–82% przypadków. Ale kiedy musiały zinterpretować otwartą, subiektywną informację zwrotną i sprowadzić ją do spójnego wniosku, skuteczność spadała nawet do 33%. Synteza była najniżej ocenianą zdolnością we wszystkich modelach bez wyjątku, w przedziale od 14 do 57%.

Opis trudnego zadania brzmiał: „ważenie niepełnych, emocjonalnych lub zależnych od kontekstu sygnałów i sprowadzanie ich do jednego jasnego wniosku”. Podobne trudności mogą wystąpić przy ocenie rozmowy rekrutacyjnej. Badanie dotyczyło jednak analizy opinii pracowników, więc jego wyniki nie są pomiarem trafności rozmów prowadzonych przez AI.

Dla kontekstu, jak szybko to się rozprzestrzenia: 37% respondentów badania WTW z 2025 roku już używa AI w zarządzaniu wynikami pracy, według HR Dive. Samo rozpowszechnienie narzędzi nie potwierdza trafności ich ocen.

Uprzedzenia w automatycznej ocenie CV

Kiedy AI podejmuje decyzję oceniającą, nie tylko myli się w osądzie. Może systematycznie powielać dyskryminację, czego nie widać bez pomiaru.

Badanie z University of Washington autorstwa Kyry Wilson i Aylin Caliskan przetestowało trzy otwartoźródłowe modele LLM na ponad 550 prawdziwych CV i ponad 500 prawdziwych ogłoszeniach o pracę w dziewięciu zawodach, przeprowadzając ponad trzy miliony porównań z użyciem 120 imion. Wyniki, przedstawione na konferencji AAAI/ACM Conference on AI, Ethics, and Society w październiku 2024:

Systemy ani razu nie faworyzowały imion kojarzonych z czarnymi mężczyznami nad imionami kojarzonymi z białymi mężczyznami. To szkoda intersekcjonalna, która nie sprowadza się do zwykłego zsumowania uprzedzeń rasowych i płciowych. I to ta sama klasa wniosków co największe dotychczasowe badanie wdrożonego AI w rekrutacji, które wykazało wyraźne dysproporcje rasowe na milionach prawdziwych aplikacji. Wyniki dotyczą badanych modeli i warunków. Pokazują, dlaczego skutki oceny trzeba mierzyć także we własnym procesie.

Błędy mogą prowadzić do dyskryminacji, gdy model sam podejmuje decyzje o kandydatach. Wynik w zadaniach weryfikowalnych nie potwierdza trafności takiej decyzji.

Granica zaufania i granica prawna

W momencie, w którym AI podejmuje decyzję, zbiegają się dwa rodzaje ryzyka: kandydaci przestają ci ufać, a regulatorzy zaczynają zwracać uwagę.

Asynchroniczne rozmowy z AI ograniczają potrzebę uzgadniania terminów, pozwalają odbyć rozmowę o 23:00 i niektórym aplikującym mogą wydawać się mniej stronnicze niż nieuważny rozmówca. Ale wielu kandydatów mówi, że czują się odczłowieczeni, rozmawiając z botem, nie wiedzą, jak są oceniani, i nie mają jak odwołać się od odrzucenia przez czarną skrzynkę. Wygodny produkt może więc budzić nieufność. Wyjaśnij, jakie decyzje podejmuje AI, kto je sprawdza i jak kandydat może zakwestionować wynik.

Jeśli chodzi o prawo, ryzyko rośnie i zależy od jurysdykcji. Nowojorska Local Law 144 wymaga niezależnego audytu uprzedzeń i powiadomienia kandydata, zanim użyjesz zautomatyzowanego narzędzia do decyzji zatrudnieniowych. Illinois Artificial Intelligence Video Interview Act wymaga ujawnienia, zgody i wyjaśnienia, kiedy AI analizuje rozmowy wideo. Colorado AI Act dokłada obowiązki wokół AI wysokiego ryzyka w decyzjach zatrudnieniowych i wchodzi w życie etapami, mniej więcej w latach 2026 i 2027. A amerykańska EEOC dała sygnał, że użycie stronniczego algorytmu nie chroni pracodawcy przed odpowiedzialnością na podstawie Title VII.

Praktyczny wniosek dla założyciela: „to model dostawcy tak zdecydował” nie jest linią obrony. Jeśli narzędzie AI nieproporcjonalnie często odrzuca kandydatów z grup chronionych, to ty odpowiadasz za skutek. Ślad decyzyjny, który człowiek może prześledzić i ocenić, to nie tylko dobra etyka. Zapis podstaw decyzji może być potrzebny przy kontroli lub w sporze.

Jak naprawdę wygląda nadzór człowieka nad decyzją

Nadzór człowieka nad decyzją oznacza, że decyzja oceniająca jest wyraźnym, przypisanym działaniem konkretnej, wskazanej z imienia i nazwiska osoby, a rola AI ogranicza się do wsparcia. To powinno być ograniczenie wpisane w twój system, a nie zdanie w tekście na stronie kariery.

Kit ma osobne typy etapów: screening (przegląd wstępny), team_review (ocena zespołu), live_interview (rozmowa na żywo) oraz code_assignment (zadanie programistyczne). W ocenie zespołu można ustawić próg głosów, wymagać udziału wszystkich recenzentów i włączyć veto_auto_rejects. Ta ostatnia opcja oznacza automatyczne odrzucenie po wecie, a nie cofnięcie automatycznego odrzucenia. Zgodny wynik głosowania może też automatycznie przenieść kandydaturę dalej. Gdy runda wymaga ręcznego rozstrzygnięcia, rekord Decision zapisuje osobę w polu decided_by oraz uzasadnienie. Nie oznacza to, że każde przejście w procesie wymaga osobnej decyzji człowieka.

AI pojawia się jako narzędzia, a nie jako decydent. Narzędzia Kit oparte na MCP, takie jak streszczenia kandydatów i aplikacji oraz semantyczne wyszukiwanie w transkrypcjach rozmów, pomagają twojemu zespołowi szybciej przebrnąć przez wielu kandydatów i godziny wideo. Wydobywają informacje; nie oddają głosu. (O tym, jak zbudowane są te narzędzia, przeczytasz w MCP w rekrutacji.) To różnica między „AI przeprowadziło z tobą rozmowę i cię odrzuciło” a „zdecydował człowiek, a AI pomogło mu czytać szybciej”.

Portal kandydata pokazuje postęp na etapach. Widoczny status pomaga kandydatowi śledzić proces; dokumentację podstaw decyzji zespół prowadzi osobno. To inny problem niż kandydaci, którzy oszukują screening AI. Pisaliśmy o tym w oszustwach na rozmowach z AI i przeprojektowaniu ocen. Ten artykuł jest o tym, kto ma ostatnie słowo, a nie o tym, kto próbuje pokonać test.

Reguła etap po etapie dla założycieli

Poniżej proponowany podział zadań między AI a zespół rekrutujący:

Wyjaśnij kandydatowi, co robi AI, a co człowiek, żeby nie musiał zgadywać, kto podjął decyzję.

Duża liczba zgłoszeń, opłaty rekruterów i czas potrzebny na planowanie rozmów uzasadniają automatyzację zadań administracyjnych. Decyzje o kandydatach wymagają osobnej kontroli. W Kit możesz zobaczyć szablony ról, sprawdzić reguły etapów i głosowania oraz wypróbować proces za darmo.