Screening CV z AI: jak rekrutować szybciej i nie tracić dobrych kandydatów

Gdzie naprawdę giną kandydaci

Problem rekrutacji rzadko polega na tym, że „nie ma ludzi”. Częściej chodzi o szybkość i przepustowość. Dobry kandydat jest na rynku średnio kilka dni: zanim rekruter dotarł do jego CV, ten ma już ofertę u innego pracodawcy.

Typowy lejek rekrutacji masowej wygląda tak: 200 aplikacji, 40 przejrzanych, 15 telefonów, 6 rozmów, 1 zatrudnienie. Zwróć uwagę na pierwsze przejście — osiemdziesiąt procent aplikacji w ogóle nikt nie otworzył. To nie niedbalstwo, to fizyczna granica: uważne przeczytanie jednego CV to 3–5 minut, przy 200 aplikacjach — cały dzień pracy, którego rekruter nie ma.

Drugie miejsce strat to czas odpowiedzi. Aplikacja, na którą odpowiedziano w ciągu godziny, konwertuje na rozmowę wielokrotnie lepiej niż ta, do której dotarto trzeciego dnia. Logika jest dokładnie ta sama co w sprzedaży: kto pierwszy nawiązał kontakt, ten rozmawia.

Jak działa screening AI: trzy poziomy

Automatyzacja rekrutacji rozkłada się na trzy niezależne warstwy i można je wdrażać osobno.

Poziom 1. Parsowanie i strukturyzacja

CV przychodzą w różnych formatach — PDF, doc, tekst w treści maila, link do profilu. Model sprowadza je do jednej struktury: doświadczenie po latach, stanowiska, narzędzia, języki, lokalizacja, oczekiwania finansowe. Już na tym poziomie rekruter oszczędza godziny, bo porównuje tabelę, a nie dziesięć różnych układów graficznych.

Poziom 2. Scoring według Twoich kryteriów

Każdy kandydat dostaje ocenę według wcześniej opisanych wymagań, z uzasadnieniem: dlaczego taki wynik, co się zgadza, czego brakuje. Ważne, że to nie „tak/nie”, tylko ranking — rekruter nadal ogląda ludzi, ale zaczyna od najbardziej trafionych i dochodzi do końca listy.

Poziom 3. Pierwszy kontakt

Automatyczna odpowiedź do kandydata w ciągu minut, pytania doprecyzowujące w korespondencji albo telefon z podstawowymi pytaniami. Tu zamyka się różnica w szybkości.

Jak opisać kryteria, żeby scoring miał sens

Jakość screeningu w 90% zależy od tego, jak opisano stanowisko dla modelu, a nie od tego, jakiego modelu się używa. Sprawdza się taka struktura:

• Twarde odcięcia. To, bez czego praca jest niemożliwa: prawo do pracy w kraju, kategoria prawa jazdy, konkretny język na poziomie roboczym, gotowość do grafiku. To filtr, a nie punkty.
• Wymagania ważone. Doświadczenie w branży, znajomość konkretnych systemów, skala, na jakiej ktoś pracował. Każde z własną wagą, bo nie wszystko jest tak samo ważne.
• Sygnały ryzyka. Częsta zmiana pracy bez wyjaśnienia, rozjazd między deklarowanym stanowiskiem a opisanymi zadaniami, szablonowe CV bez ani jednej liczby.
• Oznaki mocnego kandydata. Konkretne wyniki w liczbach, awans wewnątrz jednej firmy, trafiony projekt w pokrewnej dziedzinie.

Osobno opisz, czego w ocenie być nie może. Model nie powinien uwzględniać wieku, płci, narodowości, stanu cywilnego ani zdjęcia — to zarówno ryzyko prawne, jak i prosta droga do odsiania dobrych ludzi po cechach niezwiązanych z pracą.

Konfigurację sprawdza się prosto: uruchom scoring na poprzedniej rekrutacji, w której już wiesz, kogo zatrudniono i kto okazał się mocny. Jeśli realnie udane zatrudnienia trafiają do górnej jednej trzeciej rankingu — kryteria są opisane dobrze. Jeśli nie — poprawiaj opis, a nie model.

Wstępna rozmowa: bot zamiast telefonicznego screeningu

Screening telefoniczny to najbardziej mechaniczna część rekrutacji. Pięć tych samych pytań: czy poszukiwania są aktualne, jakie oczekiwania finansowe, gdzie mieszkasz, kiedy możesz zacząć, czy masz doświadczenie z X. Rekruter traci na to pół dnia i w 60% przypadków słyszy odpowiedź, po której rozmowa się kończy.

Agent głosowy robi to samo w jeden wieczór, od razu na całej bazie aplikacji, i oddaje ustrukturyzowany wynik: odpowiedzi na każdy punkt, transkrypcję rozmowy i oznaczenie zainteresowania. Rekruter zaczyna dzień od gotowej listy osób, z którymi warto porozmawiać osobiście. Jak takie rozmowy działają technicznie, opisaliśmy w tekście o głosowych agentach AI.

Ważny szczegół: kandydatowi trzeba od razu powiedzieć, że dzwoni automatyczny asystent, i dać możliwość przełączenia na człowieka. Próba udawania rekrutera psuje wizerunek firmy szybciej niż jakakolwiek odmowa.

Czego nie wolno powierzać AI

• Ostatecznej decyzji o odrzuceniu. Model porządkuje i wyjaśnia, odrzuca człowiek. To kwestia zarówno jakości, jak i odpowiedzialności wobec kandydata.
• Oceny osobowości i „dopasowania kulturowego”. Z treści CV się tego nie wyczyta, a próby takiej oceny to prosta droga do uprzedzeń.
• Ukrytego scoringu. Jeśli w firmie nikt nie potrafi wyjaśnić, dlaczego kandydat dostał niski wynik, system nie nadaje się do użytku. Uzasadnienie oceny jest obowiązkowe.
• Pracy na danych osobowych bez zasad. CV to dane osobowe. Potrzebna jest podstawa przetwarzania, okres przechowywania, możliwość usunięcia na żądanie i świadomość, dokąd trafiają dane przy korzystaniu z zewnętrznych API.

Wdrożenie w dwa tygodnie i co uznać za wynik

1. Dni 1–3. Zbieramy źródła aplikacji w jednym miejscu: poczta, formularz na stronie, portale pracy, komunikatory.
2. Dni 4–7. Opisujemy kryteria dla jednego stanowiska i kalibrujemy scoring na archiwalnych aplikacjach.
3. Dni 8–10. Podłączamy automatyczną odpowiedź i pytania doprecyzowujące.
4. Dni 11–14. Dodajemy wstępne obdzwanianie i raport z lejka rekrutacyjnego.

Wynik warto mierzyć czterema liczbami: udział przejrzanych aplikacji, czas do pierwszej odpowiedzi, liczba rozmów na jedno zatrudnienie i czas zamknięcia rekrutacji. Jeśli dwie pierwsze metryki się poprawiły, a liczba rozmów na zatrudnienie została taka sama lub spadła — automatyzacja działa prawidłowo: jesteś jednocześnie szybszy i celniejszy.

Gotowy moduł screeningu i scenariusze rozmów z kandydatami zebrane są na stronie AI dla HR.