Zalew aplikacji AI ukrywa prawdziwe kompetencje

Mały pracodawca może dziś dostać pięknie napisaną aplikację od kogoś, kto nigdy nie wykonywał tej pracy. Te same narzędzia mogą pomóc zdolnej osobie, mało pewnej na piśmie, wyjaśnić drogę zawodową, którą sztywny formularz by zakrył. Oba dokumenty mogą wyglądać równie starannie. Ktoś nadal musi zdecydować, kto potrafi wykonywać tę pracę.

To jest problem rekrutacji, który tworzy tani i obfity tekst. Generatywna AI ułatwia składanie aplikacji. Nie sprawia automatycznie, że zdolności stają się łatwiejsze do zobaczenia. Użyteczna odpowiedź to nie wyścig między automatycznymi autorami CV a automatycznymi wykrywaczami CV. To proces, który zbiera niewielką ilość porównywalnych dowodów o pracy i zostawia człowieka odpowiedzialnego za decyzję.

Więcej aplikacji nie znaczy więcej informacji

W raporcie Resourcing and Talent Planning z września 2026 r. Chartered Institute of Personnel and Development (CIPD) stwierdził, że 58% pracodawców zgłosiło wzrost liczby nieodpowiednich kandydatów w poprzednim roku, a 33% zgłosiło wzrost liczby odpowiednich. Duże organizacje częściej niż MŚP zgłaszały wzrost nieodpowiednich aplikacji (61% wobec 52%).¹

Jednocześnie 53% organizacji, które próbowały rekrutować, mówiło, że przyciąganie kandydatów jest trudne, zwłaszcza na stanowiska wymagające kwalifikacji i starsze role. 18% zgłaszało też trudność przy rolach o niższych kwalifikacjach. Pracodawca może tonąć w aplikacjach i nadal nie mieć osób, które odpowiadają rzeczywistej potrzebie. To nie są sprzeczne ustalenia.

YouGov przeprowadził badanie online od 2 kwietnia do 2 maja 2026 r. Odpowiedziało 1 014 brytyjskich specjalistów HR i menedżerów odpowiedzialnych za rekrutację i planowanie talentów. Próba wyklucza samozatrudnionych bez pracowników i jest ważona tak, by odzwierciedlać brytyjskie zatrudnienie według wielkości organizacji i sektora. W tym roku CIPD zawęził próbę do osób, których rola obejmuje rekrutację, więc porównania z 2024 r. wymagają ostrożności. Liczby opisują to, co zgłosili pracodawcy. To nie jest eksperyment, który izoluje skutek generatywnej AI. Płace, ogłoszenia, niepewność gospodarcza i rozbieżność między wymaganiami a dostępnym doświadczeniem mogą poruszać te same liczby.¹

Raport, przygotowany z firmą rekrutacyjną Omni RMS, traktuje użycie generatywnej AI przez kandydatów jako część presji na selekcję. Wśród organizacji, które próbowały rekrutować, 27% powiedziało, że kandydaci najczęściej albo zawsze nadmiernie używali AI w CV i aplikacjach (wykres 34, podstawa 791). Osobno 35% pracodawców powiedziało, że próbuje to użycie monitorować (42% dużych organizacji; 11% nie wiedziało). Spośród monitorujących 75% powiedziało, że odrzuca kandydatów za użycie generatywnej AI przynajmniej przez część czasu. Pytanie o odrzucenie ma podstawę wykresu 280. To nie jest wskaźnik odrzuceń dla każdego kandydata ani każdego pracodawcy. Około 21% organizacji powiedziało, że zmieniło metody oceny, aby ograniczyć użycie AI przez kandydatów, a 10% nie wiedziało.¹

Traktowanie pomocy AI jako dowodu nieuczciwości jest realnym ryzykiem. Jedna osoba może użyć narzędzia, aby przetłumaczyć prawdziwy opis swojej pracy, poprawić pisownię albo uporządkować skomplikowaną drogę zawodową. Inna może wymyślić osiągnięcia. Narzędzie, które przygotowało stronę, samo nie odróżnia tych dwóch przypadków. Filtrowanie dopracowanego stylu albo karanie za niego może chybić w obie strony.

W USA weryfikacja kompetencji trwa dłużej

Osobne badanie, zlecone przez firmę rekrutacyjną Robert Half i opublikowane 10 marca 2026 r., wskazuje ten sam kierunek, nie dowodząc jednej przyczyny. Niezależna firma przepytała w listopadzie 2025 r. ponad 2 000 amerykańskich osób odpowiedzialnych za zatrudnianie. 67% liderów HR powiedziało, że przeglądanie aplikacji generowanych przez AI spowolniło zatrudnianie, a 20% zgłosiło opóźnienia dłuższe niż dwa tygodnie. 65% osób zatrudniających powiedziało, że wzrost liczby aplikacji, z których wiele zostało ulepszonych lub wygenerowanych przez AI, utrudnił weryfikację kompetencji. 84% liderów HR powiedziało, że ich zespoły dźwigają większe obciążenie.²

Ten sam komunikat mówi, że pracodawcy dodali kroki, które mogą jeszcze wydłużyć terminy: 42% poświęca więcej czasu na przegląd aplikacji, 38% prowadzi więcej rozmów na kandydata, a 32% przepisało opisy stanowisk, aby zniechęcić do ogólnych odpowiedzi generowanych przez AI. Robert Half zaznacza też, że nie każda aplikacja wsparta przez AI jest nieścisła. Wiele osób używa narzędzi, aby poprawić jasność albo gramatykę. To samoopisy percepcji od komercyjnego dostawcy, a nie zmierzona zmiana czasu zatrudnienia w rejestrach administracyjnych.

Sygnał rekrutacyjny słabł już wcześniej

Rozróżnienie ma znaczenie, bo rekrutacja stawała się głośniejszym rynkiem jeszcze przed generatywną AI. US AI Labor Market Tracker Revelio Labs za wrzesień 2026 r., opublikowany 1 października 2026 r., stwierdza, że liczba ogłoszeń na zaobserwowane zatrudnienie zewnętrzne rośnie od sześciu lat. Szereg łączy ogłoszenia i zatrudnienia w tej samej firmie, w tym samym stanie, na tym samym szczeblu i w tej samej roli, licząc zatrudnienia od miesiąca ogłoszenia przez dwa kolejne miesiące. To wskaźnik z 12 miesięcy dla dopasowanych amerykańskich firm z Russell 3000, a nie dosłowny wskaźnik obsadzenia wakatu. Ogłoszenie może pasować do zera, jednego albo kilku zatrudnień, a części ogłoszeń lub zatrudnień nie da się dopasować wcale.³⁴

To samo wydanie ostrzega przed dramatycznymi nagłówkami. Wzmianki o ghostingu rekruterów w opiniach o rozmowach, które nie doprowadziły do oferty, wróciły blisko poziomu z października 2022 r.: około 1% poniżej, po odczycie z lipca na poziomie 3% powyżej. Strona mówi też, że te wzmianki wzrosły nawet o 9% w poprzednich dwóch latach, zanim spadły. To indeks udziału wzmianek, wygładzony na 12 miesięcy. Narysowana wartość 10% znaczy, że udział opinii używających języka ghostingu jest o 10% wyższy niż w październiku 2022 r. Nie znaczy, że 10% kandydatów zostało zignorowanych.³⁴

Sam Revelio czyta te problemy dopasowania jako starsze niż ChatGPT, więc nie można ich w całości przypisać generatywnej AI. AI nadal może dodawać szum, ułatwiając wysyłanie bardziej dopracowanych aplikacji i osłabiając sygnały, których używają pracodawcy. To prawdopodobny mechanizm, a nie zmierzona przyczyna. Skargi na słabą komunikację to osobny szereg, a wrześniowa strona mówi, że rosną, podczas gdy skargi na wolne procesy spadają.

Nic z tego nie czyni aplikacji pisanych przez AI nieszkodliwymi. Znaczy to, że dowody szerszej słabości sygnałów rekrutacyjnych są mocniejsze niż dowody jednej technologii jako jedynej przyczyny. Publikacja wakatu stała się słabszym znakiem, że zatrudnienie nastąpi. Dopracowana aplikacja stała się słabszym znakiem samodzielnej zdolności.

Dla pięcioosobowej organizacji społecznej, która szuka koordynatora programu, płynny list nie jest tym samym co umiejętność ustalania priorytetów wobec osób korzystających ze wsparcia, ochrony informacji poufnych albo rozwiązania konfliktu terminarza w ostatniej chwili. Dla małego biura rachunkowego lista nazw programów nie jest tym samym co zauważenie niespójnej faktury i wyjaśnienie następnego sprawdzenia. To scenariusze ilustracyjne, a nie relacje o konkretnych pracodawcach. Ich sens jest taki, że właściwą kompetencję można zaobserwować w krótkim ćwiczeniu podobnym do pracy. Ta sama luka, między wykonaniem zadania a opanowaniem pracy, która za nim stoi, wyjaśnia, dlaczego AI może pozwolić uczniom wyjść poza szkolenie, nie czyniąc z tego mistrzostwa.

Ustrukturyzowane pytania pomagają. Nieprzejrzystość kasuje zysk

Są dowody, że bardziej stały sposób zbierania informacji może poprawić decyzje o zatrudnieniu, i są one węższe niż język marketingu wokół „rozmów z AI”. W roboczym artykule opublikowanym po raz pierwszy 30 lipca 2026 r. Brian Jabarian i Luca Henkel opisują eksperyment terenowy z firmą rekrutacyjną PSG Global Solutions, częścią Teleperformance. Otoczenie to rekrutacja na stanowiska początkujące w obsłudze klienta na Filipinach, dla klientów z USA i Europy. Artykuł obejmuje 70 884 aplikacji. Osoby, które przeszły pierwsze sito, przydzielano do rekrutera-człowieka, głosowego agenta AI albo wyboru między nimi. W każdym przypadku rekruterzy-ludzie przeglądali rozmowę i podejmowali decyzję o zatrudnieniu.⁵

W porównaniu przydzielonych rozmów ofertę dostało 8,70% osób w grupie z człowiekiem (1 179 z 13 557), wobec 9,73% w grupie AI (3 904 z 40 103). To 1,03 punktu procentowego, co autorzy opisują jako prawdopodobieństwo wyższe o 12%. Zgłaszają też wyższe rozpoczęcia pracy i retencję, a dla podzbioru zatrudnionych brak statystycznie istotnej albo ekonomicznie znaczącej różnicy w średnim czasie obsługi, satysfakcji klienta albo ocenach jakości. Część wyniku dotyczącego ofert przypisują bardziej ustrukturyzowanym, stałym rozmowom, które nadal odpowiadały osobie. Rekruterzy wiedzieli, czy rozmowę prowadził agent AI, czy człowiek.⁵

To preprint, a nie ustalony konsensus, i jedna rodzina zawodów na jednym rynku pracy. To nie jest dowód, że oprogramowanie powinno podejmować ostateczną decyzję o zatrudnieniu. Nie przenosi się automatycznie na pielęgniarki, dyrektorów szkół, pracowników socjalnych ani każdą małą firmę. Dostęp do języka, gotowość rozmowy z agentem głosowym, jakość pytań i ryzyko nierównego traktowania mają znaczenie.

Zaufanie kandydatów jest drugim ograniczeniem. W badaniu Greenhouse opublikowanym 1 maja 2026 r. 63% aktywnie poszukujących pracy w USA powiedziało, że było przepytywanych przez AI, o 13 punktów procentowych więcej w sześć miesięcy. 38% powiedziało, że już opuściło proces, bo zawierał rozmowę z AI, a kolejne 12% powiedziało, że by to zrobiło. 70% powiedziało, że nie powiedziano im jasno z góry, że AI będzie ich oceniać, a 21% dowiedziało się dopiero w trakcie rozmowy. Badanie objęło 2 950 osób w Stanach Zjednoczonych, Wielkiej Brytanii, Niemczech, Australii i Irlandii. O ile komunikat nie mówi inaczej, liczby nagłówkowe dotyczą 1 200 respondentów z USA. Opisują percepcje, a nie uczciwość albo dokładność konkretnego systemu. Greenhouse sprzedaje oprogramowanie rekrutacyjne: to badanie dostawcy.⁶

Pozorna sprzeczność jest użyteczna. Wystandaryzowane pytania mogą poprawić to, czego uczy się pracodawca. Ukryta automatyzacja może zniszczyć zaufanie do tego, jak ta nauka przebiega. Praktyczne pytanie nie brzmi, czy zastąpić każdego rozmówcę maszyną. Brzmi, czy każda osoba ma uczciwą szansę pokazać te same istotne zdolności, rozumie proces i ma drogę do ludzkiej decyzji.

Przepisy UE już wyznaczają granicę

Dla organizacji zatrudniających w Unii Europejskiej rama prawna jest konkretniejsza niż ogólne ostrzeżenie o „AI w HR”. Według załącznika III unijnego aktu o AI systemy AI przeznaczone do rekrutacji albo selekcji osób są wymienione jako wysokiego ryzyka. Lista obejmuje w szczególności systemy używane do umieszczania ukierunkowanych ogłoszeń o pracę, analizowania i filtrowania aplikacji oraz oceniania kandydatów. Krótkie ćwiczenie oceniane przez człowieka według pisemnej rubryki nie jest, przez sam ten opis, takim systemem. Klasyfikacja zależy od tego, co technologia naprawdę robi, i od prawnej definicji systemu AI.⁷

Biuro obsługi Komisji dotyczące aktu o AI mówi, że zasady dla systemów wysokiego ryzyka z załącznika III stosuje się od 2 grudnia 2027 r. Mówi też, że zakazane praktyki AI są egzekwowalne od 2 sierpnia 2026 r. Jeden z tych zakazów, tak jak wyjaśnia to samo biuro, obejmuje systemy AI używane do wnioskowania o emocjach osoby w miejscu pracy albo w placówkach edukacyjnych, z wyjątkiem systemów przeznaczonych do celów medycznych albo bezpieczeństwa.⁸⁹ Narzędzie rekrutacyjne, które ocenia ton głosu albo „entuzjazm” z nagrania wideo, może więc rodzić inne pytanie niż ustrukturyzowana próbka pracy. Ten artykuł nie jest poradą prawną. Obowiązki ochrony danych już dotyczą informacji o kandydatach, niezależnie od kalendarza aktu o AI. Bliższe spojrzenie na ludzki nadzór, gdy oprogramowanie wpływa na ludzi w pracy, daje tekst kto nadzoruje algorytmicznego menedżera.

Lepszy proces zaczyna się od dowodu pracy

Najprostsza poprawa często jest niskotechnologiczna. Zanim organizacja ogłosi rolę, warto nazwać trzy albo cztery zdolności, które naprawdę przewidują w niej sukces. Potem zaprojektuj krótki, proporcjonalny sposób ich obserwacji. Osoba pracująca z klientami może wyjaśnić, jak zajęłaby się skargą. Asystent projektu może uporządkować mały zestaw konkurujących próśb. Analityk może spojrzeć na wadliwą tabelę i powiedzieć, czego nie da się bezpiecznie wywnioskować. Kandydat powinien wiedzieć, co jest oceniane. Ćwiczenie powinno przypominać pracę, a nie łamigłówkę, która nagradza trening rozmowy kwalifikacyjnej.

Są kompromisy. Nieodpłatne próbki pracy mogą obciążać osoby opiekujące się innymi, z niepełnosprawnością albo z małą ilością wolnego czasu. Powinny być krótkie, dostępne i naprawdę diagnostyczne, a nie prośbą o darmową pracę dla klienta. Wspólna rubryka zmniejsza arbitralne wrażenia, ale ktoś nadal musi sprawdzić, czy sama rubryka jest trafna i uczciwa. Zostaw człowieka odpowiedzialnego za wynik i zaproponuj rozsądną alternatywę, gdy format tworzy barierę.

Organizacje potrzebują też jasnego stanowiska wobec użycia AI, zgodnego ze stanowiskiem. Jeśli rola będzie używać AI do szkicowania rutynowych wiadomości, zakaz dla każdego kandydata może testować przestarzałą wersję pracy. Bardziej wymowne ćwiczenie może pozwolić na pomoc, a potem poprosić osobę, aby znalazła błąd faktograficzny, wyjaśniła osąd i powiedziała, co sprawdziłaby samodzielnie. Tam, gdzie samodzielne rozumowanie jest niezbędne, drugie ćwiczenie bez pomocy może być właściwe. Warunki powinny być jawne i takie same dla wszystkich.

To ma znaczenie dla osób zmieniających zawód. Kierownik sklepu może mieć realną kompetencję rozwiązywania konfliktów i układania grafiku bez tytułu, którego oczekuje organizacja społeczna. Rodzic wracający do pracy może mieć świeże doświadczenie w organizowaniu złożonych zadań i nietypowe CV. Osoba, której dawne zadania zostały częściowo zautomatyzowane, może wykonywać nową pracę bez oczekiwanego dyplomu. Żadnej nie należy zatrudniać na podstawie niesprawdzonego twierdzenia. Żadnej nie należy wykluczać tylko dlatego, że jej doświadczenie trudno streścić w standardowym języku rekrutacji.

Jest też skutek poza wakatem. Badanie CIPD wykazało, że 48% pracodawców zwiększyło w poprzednim roku wysiłki, aby rozwijać talenty wewnątrz, a podnoszenie kompetencji obecnych pracowników było najczęstszą odpowiedzią na trudności rekrutacyjne. Ta reakcja jest zrozumiała: gdy zewnętrzne aplikacje niewiele mówią o realnej zdolności, cenniejsze staje się to, co obecni pracownicy potrafią pokazać. Awans wewnętrzny nadal potrzebuje dowodów. Staż pracy to nie to samo co gotowość.¹

Rzadkim zasobem jest wiarygodny dowód

AI uczyniła obfitym tekst brzmiący profesjonalnie. Nie usunęła trudnych części pracy: radzenia sobie z niepewnością, zauważenia błędu, dostosowania się do człowieka, ochrony informacji albo wzięcia odpowiedzialności za wynik. Proces, który nagradza prezentację ponad te zdolności, czyni rynek pracy głośniejszym dla wszystkich, także dla kandydatów, którzy naprawdę potrafią wykonywać tę pracę.

Lekcja dla małego pracodawcy nie brzmi: kup najpierw kolejny algorytm przesiewania. Brzmi: zapytaj, czego obecny proces naprawdę uczy się o człowieku. Jeśli odpowiedź dotyczy głównie tego, jak dobrze ta osoba opisuje swoje kompetencje, proces jest wystawiony na tę samą technologię, którą próbuje opanować. Uczciwy, krótki pokaz pracy może być dziś wart więcej niż najstaranniej napisana aplikacja.

Pytania, które naprawdę zadają pracodawcy

Czy AI w aplikacji dowodzi, że kandydat jest nieuczciwy?

Nie. Liczby CIPD pokazują, że wielu brytyjskich pracodawców widzi to, co nazywają nadmiernym użyciem, i że niektórzy odrzucają za to kandydatów przynajmniej przez część czasu. Komunikat Robert Half sam mówi, że wiele osób używa AI, aby poprawić jasność albo gramatykę, podczas gdy inne mogą upiększyć albo wymyślić drogę zawodową. Sama pomoc nie jest dowodem. Dowodem jest to, co osoba potrafi zrobić w warunkach, które organizacja wyjaśniła.¹²

Czy generatywna AI spowodowała wzrost ogłoszeń na zatrudnienie?

Szereg Revelio rośnie od sześciu lat, co obejmuje lata przed ChatGPT. Firma mówi, że trendu nie można w całości przypisać generatywnej AI. Dopracowana aplikacja może dodać szum do problemu dopasowania, który już istniał. To hipoteza, a nie zmierzony udział wzrostu.³⁴

Czy mały pracodawca powinien zakazać AI w każdym teście?

Tylko jeśli sama rola tego zakazuje. Jeśli ludzie będą używać AI na stanowisku, całkowity zakaz może ukryć kompetencję, która będzie się liczyć: sprawdzenie wyniku, wyjaśnienie osądu i wiedzę, co zweryfikować. Jeśli rola zależy od rozumowania bez pomocy, należy to powiedzieć i ocenić osobno. W obu przypadkach każdy kandydat powinien dostać zasadę z góry.

Jak hilighter może pomóc

hilighter nie przesiewa zewnętrznych kandydatów, nie wykrywa CV napisanych przez AI i nie podejmuje decyzji o zatrudnieniu. Gdy aplikacje przestają ujawniać, kto potrafi wykonywać pracę, praktyczne pytanie wewnątrz organizacji brzmi, co obecni ludzie już potrafią pokazać i jakich kompetencji rola teraz wymaga.

hilighter pomaga zespołom mapować kompetencje według roli, porównywać ludzi z tymi wymaganiami w analizie kompetencji i talentów, zapisywać dowód zdolności w uznawaniu osiągnięć i ustalać indywidualne ścieżki rozwoju. Widok wpływu AI na stanowiska jest orientacyjny, a nie prognozą, że rola zniknie. Plan bezpłatny obejmuje do trzech ról zawodowych, z nieograniczoną liczbą pracowników. Bliższe omówienie daje bezpłatna macierz kompetencji.

Sources

1. Hogarth, A. i McCartney, C., CIPD, Resourcing and talent planning report 2026, wrzesień 2026.
2. Robert Half, Survey: 67% of HR leaders report AI-generated applications are slowing hiring, 10 marca 2026.
3. Revelio Labs, AI Labor Market Tracker: September 2026, opublikowany 1 października 2026.
4. Revelio Labs, Appendix and methodology, September 2026, opublikowany 1 października 2026.
5. Jabarian, B. i Henkel, L., Voice AI in Firms: A Natural Field Experiment on Automated Job Interviews, arXiv:2607.28222, pierwsza publikacja 30 lipca 2026 (preprint, bez recenzji).
6. Greenhouse, 63% of Job Seekers Have Faced an AI Interview, 1 maja 2026.
7. Komisja Europejska, AI Act Service Desk, Annex III (zastosowania wysokiego ryzyka w zatrudnieniu, w tym rekrutacja i selekcja).
8. Komisja Europejska, AI Act Service Desk, When does enforcement start? (zasady załącznika III od 2 grudnia 2027; praktyki zakazane egzekwowalne od 2 sierpnia 2026).
9. Komisja Europejska, AI Act Service Desk, Is emotion recognition prohibited in workplace and education settings?.

Źródła ostatnio sprawdzone: 29 października 2026. Liczby CIPD i Robert Half pochodzą z badań pracodawców, nie z eksperymentów. Artykuł Jabariana i Henkela to preprint o jednym otoczeniu rekrutacji w obsłudze klienta. Liczba ghostingu Revelio jest indeksem języka opinii, a nie wskaźnikiem zignorowanych kandydatów. Daty UE pochodzą z biura Komisji i nie są poradą prawną.