AI w HR — rekrutacja, oceny, retention. Co działa w polskich firmach

HR jest najgorętszym obszarem AI w polskich firmach 2025-26. Pyta o niego każdy dyrektor personalny. Jednocześnie to najbardziej minowy teren z perspektywy EU AI Act — większość systemów HR wpada w kategorię high risk. Pokazujemy, co realnie wdrożyliśmy w 7 firmach, gdzie wygrywa AI, gdzie wygrywa człowiek i jak nie wpaść w pułapki compliance.

4 obszary HR, w których wdrażamy AI

1. Screening CV — ekstrakcja danych, klasyfikacja do bucketów, ranking (high risk)
2. Asystent rekrutera — propozycje pytań, follow-up, scheduling (limited)
3. Predykcja churn — który pracownik jest w ryzyku odejścia (high risk)
4. Przygotowanie ocen rocznych — analiza feedbacku, draft rozmowy (high risk)

Screening CV — co działa

Wzorzec: ekstrakcja danych z CV → klasyfikacja kandydatów do 4 bucketów (mocny / średni / słaby / odrzucony) → ranking w bucketach mocny+średni. Decyzja zawsze pozostaje u rekrutera. AI tylko sortuje.

Wyniki u klienta (firma 130 os.)

• 312 CV/tydzień przerabiane średnio
• Czas pierwszego screeningu spadł z 8 h/tyg. do 1,5 h/tyg.
• Accuracy klasyfikacji (vs ludzki rekruter): 87%
• False rejection rate (potencjalnie dobry kandydat odrzucony): 6%

Pułapki

• Modele bywają wrażliwe na imiona/płeć/wiek (bias). Wymaga audytu fairness — robimy go co 3 miesiące.
• EU AI Act klasyfikuje to jako high risk — wymóg dokumentacji, logów, transparentności.
• Kandydat ma prawo do informacji o użyciu AI — wpisujemy do ogłoszenia.

Asystent rekrutera — limited risk

Tu pole działania szerokie i bezpieczniejsze. Asystent generuje pytania do rozmowy bazując na CV i opisie stanowiska. Pomaga w follow-upach. Sugeruje termin spotkania. Nie podejmuje decyzji.

Co policzyliśmy

• Czas przygotowania rozmowy: z 25 min do 7 min
• Liczba follow-up emaili wysyłanych w terminie: +43%
• Satysfakcja rekruterów (NPS): 72

Predykcja churn — najbardziej delikatne

Model przewiduje prawdopodobieństwo odejścia pracownika na bazie sygnałów: spadek aktywności w narzędziach pracy, sentyment w feedbackach, długość stażu, branżowe benchmarki. High risk z definicji.

Trafność 60-70% to wystarczy, żeby skierować retention budget tam, gdzie ma sens. Niska trafność (poniżej 55%) — model do wycofania, robi więcej szkody niż pożytku.

Etyka churn prediction

Trzy zasady, których trzymamy się sztywno:

• Pracownik nie może być penalizowany na bazie predykcji. Predykcja służy wsparciu retention, nie zwolnieniom.
• Manager widzi sygnał, nie konkretny score. Zamiast "Marek 73%" — "Marek: rekomendacja rozmowy 1-on-1 w najbliższych 2 tygodniach".
• Transparentność. Pracownicy wiedzą, że taki system istnieje. Mogą się wycofać (opt-out z analizy sentymentu).

Oceny roczne — asystent do draftu

Ostatni obszar — przygotowanie ocen rocznych. Model czyta zebrany feedback (peer reviews, self-assessment, projekty z roku) i generuje draft rozmowy oceniającej. Manager redaguje, finalna ocena 100% po stronie człowieka.

Efekty u klienta 90-osobowego: czas przygotowania oceny z 90 min do 25 min na pracownika. Jakość ocen (wg ankiet pracowniczych) wzrosła — bo manager ma więcej energii na sam rozmów, a nie na pisanie.

Compliance w pakiecie

Każde wdrożenie HR-AI zaczynamy od DPIA (Data Protection Impact Assessment) + AI Act conformity assessment + polityka transparentności wobec pracowników i kandydatów. To 2-3 tygodnie pracy z prawnikiem, ale bez tego ryzyko jest niewspółmierne do korzyści.

Następny krok

Mamy gotowy pakiet "HR AI Starter" — 4 use case'."'".'y, dokumentacja zgodna z EU AI Act, polityka komunikacji wewnętrznej. Umówmy demo.