74% kandydatów pisze CV z AI, 7% firm ma na to zasady — a od sierpnia obowiązuje Cię informowanie o AI w rekrutacji

Co naprawdę weszło 2 sierpnia, a co przesunięto

Warto rozdzielić trzy rzeczy, bo w komunikacji rynkowej zlały się w jedną. Po pierwsze: klasyfikacja. AI Act od początku traktuje systemy używane do rekrutacji, selekcji kandydatów, filtrowania zgłoszeń, oceny aplikujących i wspierania decyzji kadrowych jako systemy wysokiego ryzyka z załącznika III. Ta klasyfikacja się nie zmieniła — zmienił się termin, od którego trzeba spełnić pełen zestaw wymogów: dokumentację techniczną, zarządzanie ryzykiem, nadzór człowieka, rejestrację. Digital Omnibus, opublikowany w Dzienniku Urzędowym 24 lipca i obowiązujący od 27 lipca 2026, przesunął go na 2 grudnia 2027, a dla AI wbudowanej w produkty objęte odrębnymi przepisami na 2 sierpnia 2028.

Po drugie: to, co weszło mimo przesunięcia. Artykuł 50 — obowiązek poinformowania człowieka, że wchodzi w interakcję z systemem AI, chyba że jest to oczywiste z kontekstu — obowiązuje od 2 sierpnia 2026 i nie został ruszony. Tak samo artykuł 4, czyli obowiązek zapewnienia, że osoby obsługujące system AI mają wystarczające kompetencje do jego używania. W praktyce oznacza to, że rekruter, który klika „oceń dopasowanie” w module ATS-a, powinien wiedzieć, na jakiej podstawie ta ocena powstaje i gdzie jest jej granica. Przesunięcie dotyczyło ciężkiej części zgodności, nie przejrzystości.

Po trzecie: prawo pracy, które istniało wcześniej i nie czekało na AI Act. Przed wdrożeniem systemu wpływającego na sytuację pracowników pracodawca powinien poinformować załogę i jej przedstawicieli. Do tego dochodzi RODO i zasady dotyczące decyzji podejmowanych automatycznie. Firma, która wpuściła do procesu narzędzie punktujące CV bez żadnej informacji dla kandydatów, była w niekomfortowej sytuacji już w 2025 roku. Szerszy kontekst tych obowiązków opisaliśmy w tekście o AI Act w małej firmie — tutaj skupiamy się na jednym procesie.

Prawdziwy problem: sitko przestało filtrować

Rekrutacja przez ostatnie dwadzieścia lat opierała się na cichym założeniu, że CV i list motywacyjny są kosztowne w przygotowaniu. Kandydat, któremu chciało się dopasować dokument do ogłoszenia, sygnalizował tym samym zainteresowanie. Cała konstrukcja pierwszego etapu selekcji — odsiew po dokumencie — żyła z tego kosztu.

Ten koszt właśnie spadł do zera. Odsetek kandydatów korzystających z generatywnej AI przy aplikowaniu wzrósł z 27% w 2024 roku, przez 47% w 2025, do 73–74% w 2026. Dopasowanie CV do ogłoszenia zajmuje dziś minutę i jest darmowe. Skutek jest arytmetyczny: rośnie liczba aplikacji, rośnie ich średnia jakość językowa, spada zaś zawartość informacyjna — bo wszystkie zaczynają brzmieć tak samo i wszystkie zawierają dokładnie te słowa kluczowe, które były w ogłoszeniu.

Reakcją większości firm jest sięgnięcie po AI po swojej stronie, żeby przerobić większy wolumen. To działa arytmetycznie i nie działa jakościowo. Jeżeli obie strony używają modelu na tym samym tekście, wynikiem nie jest lepsza selekcja, tylko szybszy przepływ tego samego szumu. Według badań Deloitte 67% dużych polskich firm używa już przynajmniej jednego narzędzia AI na którymś etapie rekrutacji — i coraz częściej odkrywa, że technologia wdrożona bez ustalonego celu i sposobu weryfikacji proces komplikuje, a nie usprawnia.

Najbardziej wymowna liczba w całym tym zestawieniu to jednak 7%. Tyle polskich firm zakomunikowało kandydatom zasady korzystania z AI w procesie: co wolno, co jest wsparciem, a co jest już wprowadzaniem w błąd. Reszta rynku ocenia kandydatów według reguły, której im nie podała — i jednocześnie dziwi się, że dostaje dokumenty pisane pod algorytm.

Gdzie AI w rekrutacji faktycznie pomaga

Odsiew po CV jest akurat najgorszym miejscem na model językowy — i regulacyjnie najdroższym, bo to właśnie tam ląduje się w kategorii wysokiego ryzyka. Miejsca, w których AI daje realny zwrot przy niskim ryzyku, są mniej efektowne i dlatego rzadziej sprzedawane.

• Pisanie i porządkowanie ogłoszeń. Ujednolicenie struktury, usunięcie żargonu wewnętrznego, sprawdzenie zgodności z wymogami jawności wynagrodzeń. Zero decyzji o człowieku, natychmiastowy efekt w liczbie trafnych zgłoszeń.
• Podsumowanie rozmowy i notatki rekrutacyjne. Rekruter przeprowadza wywiad, model porządkuje notatkę do wspólnego formatu. Decyzję nadal podejmuje człowiek, ale porównywalność ocen między rekruterami rośnie.
• Obsługa pytań kandydatów. Asystent na bazie dokumentów firmy odpowiada na pytania o benefity, tryb pracy i etapy procesu — to ten sam wzorzec, który opisywaliśmy przy asystencie AI na dokumentach firmy.
• Odpowiedzi odmowne. Brzmi trywialnie, ale to najczęściej porzucany etap procesu i najtańszy sposób, żeby nie palić marki pracodawcy. Automatyzacja tu nie wymaga modelu — wymaga decyzji, że to się dzieje zawsze.
• Porządkowanie bazy kandydatów z poprzednich procesów. Odszukanie osoby, która dwa lata temu doszła do ostatniego etapu na podobne stanowisko, jest tańsze niż nowa kampania i praktycznie nikt tego nie robi.

Model językowy nie jest tu domyślną odpowiedzią

Połowa problemów, które firmy chcą rozwiązać modelem w rekrutacji, to problemy przepływu, nie rozumienia. Kandydat nie dostaje odpowiedzi przez dziewięć dni, bo nikt nie wie, czyja jest teraz kolej. Rekruter przepisuje dane z formularza do arkusza. Manager dowiaduje się o zgłoszeniu z opóźnieniem, bo mail utknął. To są zadania dla zwykłej automatyzacji z regułami — deterministycznej, tańszej i takiej, która nie wymaga tłumaczenia się z decyzji. Rozróżnienie między jednym a drugim rozpisaliśmy w tekście o tym, czy potrzebujesz agenta AI, czy automatyzacji.

Model językowy zaczyna zarabiać dopiero tam, gdzie wejściem jest nieustrukturyzowany tekst, a wyjściem podsumowanie dla człowieka — nie ocena zamiast człowieka. Ta granica jest jednocześnie granicą regulacyjną: dopóki system streszcza i porządkuje, a decyzję podejmuje rekruter na podstawie pełnych materiałów, ryzyko jest inne niż wtedy, gdy system odrzuca zgłoszenia przed kontaktem z człowiekiem.

Cztery rzeczy, które trzeba mieć na papierze

Zakres minimalny jest krótki i da się go zamknąć w tydzień. Nie zastępuje pełnej zgodności wymaganej od grudnia 2027, ale zamyka wszystko, co obowiązuje dziś, i buduje fundament pod resztę.

1. Inwentarz narzędzi. Spisz, w których miejscach procesu rekrutacyjnego działa dziś AI — łącznie z funkcjami, które dostawca ATS-a włączył w aktualizacji i nikt tego nie zauważył. To najczęstsze źródło zaskoczenia: firma jest przekonana, że nie używa AI w rekrutacji, a używa jej od pół roku w module dopasowania kandydatów.
2. Informacja dla kandydata. Jedno zdanie w ogłoszeniu i w klauzuli: gdzie w procesie używamy AI, do czego, i kto podejmuje decyzję. To realizuje obowiązek z art. 50 i przy okazji odróżnia Was od 93% rynku, który tego nie ma.
3. Zasady dla kandydatów. Napisz wprost, że korzystanie z AI przy przygotowaniu dokumentów jest w porządku, i wskaż, gdzie kończy się wsparcie, a zaczyna wprowadzanie w błąd — na przykład przy zadaniu rekrutacyjnym albo rozmowie online. Kandydat, który zna regułę, zwykle jej przestrzega; kandydat, który jej nie zna, zgaduje.
4. Krótkie szkolenie rekruterów. To jest wypełnienie obowiązku kompetencji AI z art. 4 i jednocześnie jedyny skuteczny sposób, żeby ktoś w zespole zauważył, kiedy narzędzie zaczyna się mylić w powtarzalny sposób. Pół dnia wystarczy.

Trzy błędy, które kosztują najwięcej

Pierwszy: automatyczne odrzucanie bez człowieka w pętli. To jest jednocześnie najgorszy jakościowo pomysł i ten, który za rok z niewielkim okładem wymaga pełnej dokumentacji systemu wysokiego ryzyka. Jeżeli dziś budujesz proces oparty na tym, że model odrzuca zgłoszenia samodzielnie, budujesz coś, co i tak trzeba będzie przebudować przed grudniem 2027.

Drugi: wklejanie CV do publicznego czatu. Aplikacja zawiera dane osobowe osoby, która powierzyła je Wam w konkretnym celu. Rekruter, który wrzuca ją do darmowego narzędzia, żeby „szybko streścić”, wykonuje transfer danych poza kontrolę firmy. To dokładnie ten mechanizm, który opisywaliśmy przy shadow AI, tylko na wyjątkowo wrażliwym zbiorze.

Trzeci, najmniej oczywisty: ignorowanie tego, co modele mówią o Was kandydatom. Kandydaci pytają dziś ChatGPT i Gemini, czy warto aplikować do konkretnej firmy, a odpowiedź powstaje z tego, co model znajdzie w sieci. Tylko 2% rekruterów kiedykolwiek sprawdziło, jak ta odpowiedź brzmi, a 61% firm nie robi w tym obszarze nic. Mechanizm i sposób sprawdzenia opisaliśmy w tekście o widoczności firmy w ChatGPT — w rekrutacji działa on identycznie jak w sprzedaży, tylko stawką jest kandydat, który nie zaaplikował.

Jak to poukładać w trzydzieści dni

Kolejność ma znaczenie, bo najczęstszy błąd to zacząć od wyboru narzędzia, a skończyć na tym, że nikt go nie używa — wzorzec, który rozłożyliśmy na części w tekście o tym, dlaczego zespół nie używa AI.

1. Tydzień pierwszy: inwentarz. Gdzie w procesie już jest AI, kto ją włączył, na jakiej podstawie działa. Zapytaj wprost dostawcy ATS-a, które funkcje są oparte na modelach i gdzie przetwarzane są dane.
2. Tydzień drugi: informacja i zasady. Zdanie w ogłoszeniu, akapit w klauzuli, pół strony zasad dla kandydatów. Najtańszy element całości i ten, który zamyka obowiązujący dziś wymóg przejrzystości.
3. Tydzień trzeci: jeden proces do automatyzacji, wybrany po czasie, a nie po atrakcyjności. Zmierz, ile dni trwa dziś droga od zgłoszenia do pierwszej odpowiedzi. Zwykle to właśnie tam leży największa strata i zwykle nie potrzeba do niej modelu.
4. Tydzień czwarty: szkolenie rekruterów i ustalenie, kto raz na kwartał sprawdza, czy narzędzie nie zaczęło się mylić systematycznie. Bez tej jednej osoby cała reszta jest jednorazowa.

Od czego zacząć

Najtańszy pierwszy krok zajmuje godzinę i nie wymaga niczyjej zgody: otwórz swój system rekrutacyjny i sprawdź, które funkcje oparte na AI są w nim dziś włączone. W większości firm, z którymi rozmawiamy, odpowiedź zaskakuje osobę odpowiedzialną za proces — bo część z nich pojawiła się w aktualizacji, o której nikt nie czytał. Ten jeden przegląd rozstrzyga, czy temat AI Act w ogóle Was dotyczy, czy nie.

Drugi krok jest równie prozaiczny: policz, ile dni mija u Was od aplikacji do pierwszej odpowiedzi i jaki procent kandydatów nie dostaje jej wcale. Ta liczba mówi o skuteczności rekrutacji więcej niż jakiekolwiek narzędzie do oceny CV — i zwykle da się ją poprawić bez sztucznej inteligencji.

Tak z tym pracujemy: najpierw audyt tego, co już działa i czego wymaga prawo, potem jedno usprawnienie z policzonym efektem, dopiero na końcu narzędzie dla całego zespołu. Zakres konsultingu i wdrożeń AI opisaliśmy osobno, widełki znajdziesz w tekście o kosztach wdrożenia i w cenniku, a jeśli chcesz sprawdzić, gdzie stoi Wasz proces rekrutacyjny — umów bezpłatną konsultację.