Jak AI podłączony do eRecruiter lub traffit czyta CV, typuje kandydatów i pilnuje etapów rekrutacji?

Tak, AI można podłączyć bezpośrednio do eRecruiter, traffit lub HRlink i sprawić, że będzie czytał CV, porównywał je z wymaganiami stanowiska i przygotowywał rekruterowi gotowe notatki zamiast zostawiać go z plikiem kandydatów do ręcznego przejrzenia. Dane zostają w systemach, które już masz. Decyzje zostają u ludzi. A AI przejmuje żmudną część: czytanie, porównywanie i pilnowanie, że żaden kandydat nie utknął bez odpowiedzi przez trzy tygodnie.

Co wyciągamy z ATS: pola, dokumenty i etapy

Każdy z tych systemów trzyma dane w podobnej strukturze. W eRecruiter masz kartę kandydata z danymi osobowymi, przypisaną ofertą i historią kontaktów. Obok tego: pole etap rekrutacji (nowy, screening, rozmowa telefoniczna, spotkanie, oferta, odrzucony), załączone CV w formacie PDF lub DOCX, odpowiedzi na pytania dodatkowe z formularza aplikacyjnego oraz notatki rekruterów wpisywane ręcznie do systemu.

traffit działa podobnie: kandydaci są przypisani do pipeline'u konkretnej oferty, mają tagi, oceny gwiazdkowe nadawane przez rekruterów i historię wiadomości. HRlink dorzuca jeszcze możliwość śledzenia źródła aplikacji, co przy dużych rekrutacjach pomaga zrozumieć, skąd przychodzą kandydaci, którzy faktycznie przechodzą przez cały proces.

Z tych systemów AI pobiera przez API:

• listę aktywnych ofert z wymaganiami: stanowisko, doświadczenie, umiejętności, języki
• profile kandydatów z aktualnym etapem i datą ostatniej zmiany
• treść CV w formie tekstu lub pliku do odczytania
• notatki rekruterów przypisane do kandydata
• historię wiadomości wysłanych z systemu

Nic nie trzeba eksportować ręcznie do Excela. AI sięga po dane na bieżąco i pracuje na tym, co aktualne.

Jak AI streszcza CV pod wymagania konkretnego stanowiska?

Typowa sytuacja: rekruter otwiera nową rekrutację na specjalistę ds. logistyki. W ciągu trzech dni wpłynęło 60 aplikacji. Każde CV to średnio półtorej strony do przeczytania, plus odpowiedzi na pytania dodatkowe z formularza. Do tego recruiter prowadzi równolegle jeszcze dwa inne procesy.

Po podłączeniu AI wygląda to tak: AI bierze opis stanowiska z eRecruiter, wyciąga z niego wymagania (np. znajomość SAP, doświadczenie w zarządzaniu magazynem, język angielski na poziomie B2) i dla każdego kandydata generuje krótką notatkę:

• Mocne strony kandydata: 4 lata w logistyce, obsługa WMS, angielski potwierdzony certyfikatem
• Braki względem wymagań: brak doświadczenia z SAP, brak wzmianki o zarządzaniu zespołem
• Sugestia: warto zaprosić na rozmowę wstępną, ale dopytać o SAP

Ta nota trafia jako komentarz do karty kandydata w eRecruiter albo jako osobny widok dostępny dla rekrutera w panelu asystenta. Rekruter nie musi czytać wszystkich 60 CV od początku. Przegląda streszczenia, a pełne CV otwiera tylko wtedy, kiedy kandydat naprawdę wygląda interesująco.

Ważne: AI nie ocenia kandydata jako osoby. Porównuje tekst CV z tekstem wymagań. Nie widzi zdjęcia, nie przetwarza imienia jako sygnału. Ale to i tak nie znaczy, że jest "obiektywny", i wrócimy do tego za chwilę.

Typowanie kandydatów: co AI sugeruje, a co pozostaje decyzją rekrutera?

Poza streszczaniem pojedynczych CV, AI może zestawić całą pulę kandydatów w rankingu dopasowania. U jednego klienta z sektora usług finansowych wyglądało to tak: rekruter zadał pytanie "który z kandydatów na analityka najlepiej pasuje do wymagań tej oferty?" i dostał listę pięciu nazwisk z krótkim uzasadnieniem dla każdego.

To nie jest wyrok. To podpowiedź, od której rekruter zaczyna przeglądanie. Może się okazać, że osoba z miejsca czwartego ma w CV coś, co AI pominął, bo było sformułowane nieoczywistym językiem albo skrótem branżowym. Dlatego sugestia AI to zawsze punkt startowy.

Systemy takie jak traffit pozwalają na tagowanie kandydatów. AI może automatycznie dodać tag "potencjalny" albo "do sprawdzenia: SAP" bez zmieniania formalnego etapu rekrutacji. Rekruter ma wtedy szybki filtr i nie traci przeglądu nad całym pipeline'em.

Projekty wiadomości do kandydatów na każdym etapie

Rekruterzy spędzają zaskakująco dużo czasu na pisaniu tych samych wiadomości: zaproszenie na rozmowę telefoniczną, potwierdzenie spotkania, uprzejma odmowa po interview, prośba o dokumenty do umowy. Treść różni się głównie imieniem kandydata i nazwą stanowiska.

AI może przygotować gotowy draft wiadomości na podstawie:

• aktualnego etapu kandydata w eRecruiter lub traffit
• nazwy oferty, na którą aplikował
• imienia kandydata z karty profilu
• notatek rekrutera, np. "zapytaj o dostępność od września"

Draft pojawia się w interfejsie rekrutera. Rekruter go przegląda, poprawia jeśli trzeba i zatwierdza wysyłkę. Nic nie idzie bez akceptacji. To ważne, bo wiadomości do kandydatów to też wizerunek firmy i rekruter musi stać za każdą z nich.

Alerty o zastojach: dlaczego pilnowanie etapów ma znaczenie przy większych rekrutacjach

Rekrutacja się rozciąga. Kandydat przeszedł screening trzy tygodnie temu i siedzi na etapie "rozmowa telefoniczna" bez żadnej aktywności. Nikt nie zauważył, bo rekruter prowadzi jednocześnie cztery procesy. Kandydat napisał w tym czasie do dwóch innych firm i właśnie przyjął ofertę.

AI monitorujący etapy w eRecruiter albo traffit może codziennie sprawdzać, które profile nie zmieniły etapu od zadanej liczby dni i wysyłać rekruterowi zestawienie: "5 kandydatów czeka dłużej niż 14 dni na decyzję". Próg ustalasz sam, zależnie od tempa Twojej rekrutacji i standardów komunikacyjnych w firmie.

Przy rekrutacjach masowych: do magazynu przed sezonem, do call center przy nowym projekcie, to funkcja, która realnie zmniejsza liczbę kandydatów wypadających przez lukę. Nie dlatego, że nie pasowali, tylko dlatego, że nikt nie miał czasu zadzwonić w odpowiednim momencie.

RODO, uprzedzenia i granica decyzji: czego nie wolno pominąć

Dane kandydatów to dane osobowe. CV zawiera imię, adres, historię zatrudnienia i nierzadko informacje, z których można wywnioskować wiek, narodowość albo stan zdrowia. Zanim podłączysz AI do ATS, kilka rzeczy wymaga świadomej decyzji:

• Gdzie przetwarza AI: jeśli CV trafia do zewnętrznego modelu w chmurze, potrzebna jest umowa powierzenia przetwarzania danych i wpis do rejestru czynności. Jeśli AI działa na serwerze firmy lub w izolowanym środowisku, ryzyko jest znacznie mniejsze.
• Co trafia do modelu: można wyciąć z przekazywanego tekstu dane osobowe i zostawić tylko treść merytoryczną CV. To zmniejsza ryzyko, choć nie eliminuje go całkowicie.
• Kto odpowiada za decyzję: AI może sugerować, ale decyzja o odrzuceniu kandydata musi być podjęta przez człowieka i powinna być możliwa do uzasadnienia. To nie tylko dobra praktyka, ale wymóg zgodny z RODO i unijnym AI Act w kontekście systemów wspierających decyzje kadrowe.

Co do uprzedzeń: jeśli model był trenowany na danych historycznych, w których pewne grupy kandydatów były częściej odrzucane, może odtworzyć ten wzorzec. Dlatego sugestie AI warto traktować jako wskazówkę do weryfikacji. Regularny przegląd tego, czy rozkład rekomendacji AI nie faworyzuje jednej grupy demograficznej, to dobra praktyka dla każdej firmy korzystającej z takiego narzędzia.

Od czego zaczynamy integrację z ATS?

Najlepiej zacząć od jednej rekrutacji, nie od całej firmy. Wybierasz aktywny proces, podłączasz dane przez API eRecruiter lub traffit, uruchamiasz AI na streszczeniu CV i sprawdzasz, czy to, co generuje, jest użyteczne dla rekrutera po drugiej stronie. Jeśli tak, rozszerzasz na kolejne rekrutacje.

Techniczne minimum to: dostęp do API systemu ATS, klucz API (eRecruiter i traffit oba go udostępniają na życzenie w ustawieniach konta), środowisko, gdzie uruchomiony jest model AI, oraz prosta warstwa logiki, która pobiera dane z ATS i zwraca wynik rekruterowi. Można to zbudować jako autonomicznego agenta albo oprzeć na narzędziu do automatyzacji takim jak Make czy n8n.

Masz eRecruiter lub traffit i chcesz sprawdzić, co realnie da się podłączyć w Twoim procesie? Zacznij od bezpłatnego audytu, a przejdziemy przez Twój ATS krok po kroku. Możesz też zobaczyć, jak takie integracje wyglądają w praktyce w realnych wdrożeniach.