Model ocenia kandydata 6/10 i sugeruje odrzucenie. Nie wiadomo, skąd wynik, jakie dane go zmieniły i czy kandydat może się odwołać. HR ma rekomendację, a nie odpowiedź na pytanie o kompetencje. Rekrutacja dotyka ludzi i wymaga ograniczeń, transparentności oraz realnego odbioru.
Nie używaj scoringu jako dowodu obiektywności. Dane mogą zawierać bias, a model może zgadywać cechy. Proces powinien zaczynać się od roli AI i możliwości odwołania.
Zacznij od roli AI w procesie
Zapisz, czy model sortuje dokumenty, sugeruje pytania, ocenia kandydatów czy wpływa na decyzję. Każdy skutek ma inne ryzyko. Nie przypisuj jednej zasady dla całej rekrutacji.
Oceń, czy człowiek rzeczywiście rozumie wynik i może go odrzucić. Przycisk akceptacji przy samej liczbie nie wystarcza. Rekruter powinien widzieć źródło i kompetencje.
Przy rekrutacji stosuj zasady z artykułu o ludzkiej decyzji AI. Model nie powinien zastępować oceny kandydata.
Dane i minimalizacja
Zapisz pola, źródła, cel, retencję i podstawę. Nie zbieraj pełnych profili społecznościowych dla każdej roli. Publiczna informacja nie jest automatycznie zgodą na scoring.
Nie wywnioskuj z imienia lub zdjęcia wieku, płci, pochodzenia etnicznego ani stanu zdrowia kandydata na potrzeby oceny. Pochodzenie rasowe lub etniczne i dane o zdrowiu mogą należeć do szczególnych kategorii danych w rozumieniu RODO. Wiek oraz płeć są innymi danymi osobowymi i mogą mieć znaczenie w ocenie dyskryminacji; nie stają się automatycznie szczególnymi kategoriami z art. 9 RODO.
Przy danych stosuj zasady z artykułu o RODO przy AI. Dane wywnioskowane również wymagają oceny.
Bias i jakość danych
Przygotuj przypadki z różnych grup i sprawdź skutek, a nie tylko średnią. Model może faworyzować osoby z większą aktywnością online lub znajomym stylem CV. Nie usuwaj tylko jawnych cech, bo istnieją zastępcze.
Nie zgaduj cech grupowych do analizy biasu. Użyj zatwierdzonych danych i oceny procesu. Mała próbka wymaga opisu ograniczeń, a nie pewnego raportu o uczciwości.
Przy scoringu stosuj zasady z artykułu o ryzyku klientów AI. Brak danych nie powinien być cechą negatywną.
Transparentność dla kandydata
Poinformuj kandydata, na którym etapie używane jest narzędzie i jakie informacje trafiają do oceny. Wskaż kontakt do osoby mogącej wyjaśnić decyzję lub przyjąć zgłoszenie błędu, zgodnie z przyjętym procesem.
Nie zgaduj powodu decyzji po fakcie. Jeżeli model nie daje wiarygodnego wyjaśnienia, ogranicz jego skutek. Informacja powinna być zrozumiała i zgodna z procesem.
Przy prywatności stosuj zasady z artykułu o stronie prywatności AI. Informacja dla kandydata powinna być dostępna i konkretna.
Odbiór człowieka z kompetencjami
Rekruter powinien oceniać źródło, kompetencje i skutek, a nie tylko wynik modelu. Odbiór wymaga czasu i możliwości odrzucenia. Nie przenoś odpowiedzialności na dostawcę lub kandydata.
Przy ważnych decyzjach przygotuj kryteria przed scoringiem. Nie zmieniaj ich po wyniku, żeby pasował do preferencji. Zachowaj wersję i powód decyzji.
Warunki pracy osoby zatwierdzającej opisuje artykuł o człowieku w pętli AI. Rekruter potrzebuje dostępu do kryteriów i możliwości odrzucenia sugestii.
Odwołanie i korekta
Przygotuj kanał odwołania i rolę odpowiedzialną. Kandydat powinien móc zgłosić błąd i uzyskać nową ocenę. Nie wymagaj kontaktu z modelem po wyjaśnienie.
Jeśli po zgłoszeniu błędu ocena kandydata zostanie zmieniona, zachowaj uzasadnienie oraz wcześniejszą wersję w ograniczonym dostępie. Sprawdź także, czy ta sama reguła nie wpłynęła na inne kandydatury.
Po korekcie sprawdź skutek i poinformuj właściwe osoby zgodnie z procesem. Nie publikuj danych kandydata w raporcie.
Test przed użyciem scoringu
Przygotuj typowe i brzegowe przypadki, braki i niezwykłe CV. Sprawdź, czy model nie ocenia cech niezwiązanych z rolą. Zapisz oczekiwane skutki przed testem.
Dodaj odwołanie i korektę. Test powinien pokazywać rzeczywistą decyzję, a nie tylko liczbę. Oceń, czy człowiek potrafi ją zmienić.
Po zmianie modelu powtórz zależne przypadki i jeden kontrolny. Nie przenoś starej akceptacji na nowy scoring.
Przykład: krótsze CV, niższy wynik
Model przypisuje niższy wynik osobie z krótszym CV, bo ma mniej danych. Nie jest to dowód gorszych kompetencji. Proces powinien oznaczać ograniczenie, a nie negatywną cechę.
Rekruter ocenia źródło i może zmienić wynik. Kandydat ma możliwość uzupełnienia informacji. Model nie powinien zgadywać braków na podstawie podobnych profili.
Przy leadach stosuj zasady z artykułu o kwalifikacji bez zgadywania. Brak danych jest ograniczeniem, nie decyzją.
Przykład: wynik z cechy zastępczej
Model faworyzuje kandydatów z określonej szkoły lub lokalizacji powiązanych z cechą grupową. To nie jest neutralna predykcja kompetencji. Oceń, czy proces jest dozwolony i uczciwy.
Zatrzymaj wynik i sprawdź źródła oraz skutki. Nie przepisuj tylko promptu na „bądź obiektywny”. Architektura powinna ograniczać pola i skutek.
Przy dostawcy poproś o testy i dokumenty. Nie przenoś wyniku z cudzego procesu bez oceny.
Kiedy zatrzymać AI w rekrutacji
Wstrzymaj wykorzystanie wyniku w rekrutacji, jeśli nie da się wyjaśnić źródła danych albo sprawdzić wpływu oceny na decyzję. Przekaż kandydaturę do ustalonej ścieżki rozpatrzenia przez osobę odpowiedzialną.
Zachowaj wersję, źródła i decyzje z ograniczeniem danych. Właściciel powinien ocenić zakres i komunikację. Nie publikuj pełnych profili.
Przed ponownym użyciem oceń przypadki kontrolne z rekruterem i osobą odpowiedzialną za ochronę danych. Ustal, czy poprawka dotyczy źródła, kryterium oceny czy sposobu przekazania wyniku.
Rola dostawcy i rekrutera
Zapisz, kto wybiera dane, model i skutek. Dostawca może tworzyć centralny model z danych wielu firm i mieć własną odpowiedzialność. Nie przenoś całej zgodności na rekrutera jednym zdaniem umowy.
Brytyjski ICO w audycie wybranych narzędzi rekrutacyjnych z 2024 r. wskazuje na potrzebę jasnych ról i instrukcji. Raport dotyczy prawa Wielkiej Brytanii i nie obejmuje generatywnej AI; nie zastępuje oceny według polskich i unijnych przepisów. Przygotuj dokumenty oraz mapę danych. Rekruter powinien wiedzieć, czy dane są używane do trenowania i na jakich zasadach.
Dane z profili publicznych
Nie używaj publicznych profili jako darmowej bazy kandydatów dla każdego celu. Oceń źródło, cel, oczekiwania osób i podstawę. Publiczna dostępność nie oznacza zgody na dowolny scoring i retencję.
Nie przenoś profili do nowego modelu dla ulepszenia oceny bez oceny. Minimalizacja może wymagać ograniczenia pól i okresu. Model nie powinien zgadywać cech i tworzyć nowych profili wrażliwych.
Kiedy człowiek nie jest realnym odbiorcą
Jeżeli rekruter ma sekundy na każdą decyzję i widzi tylko wynik, nie nazywaj tego kontrolą człowieka. Odbiór wymaga czasu, źródła i możliwości odrzucenia. Proces powinien ograniczać skutek modelu zamiast udawać kontrolę.
Przygotuj przypadki wymagające analizy kompetencji i odwołania. Nie używaj przycisku akceptacji przy wszystkich kandydatach jako dowodu. Odbiór powinien mieć właściciela i możliwość korekty.
Metryki, które nie ukrywają skutku
Zapisz błędy, odmowy, skutki dla grup i liczbę przypadków. Nie używaj samej dokładności. Model może poprawiać wynik średni i pogarszać dostęp konkretnej grupy. Opisz ograniczenia danych.
Przy małej próbce pokazuj liczby i przypadki. Nie zgaduj cech grupowych dla raportu. Właściciel powinien widzieć, co zostało zmierzone i czego nie można wywnioskować.
Odbiór kandydata po decyzji
Przygotuj jasny kanał kontaktu i osobę odpowiedzialną. Nie odpowiadaj automatycznie nowym modelem na odwołanie. Kandydat powinien móc opisać błąd i uzyskać decyzję człowieka.
Zapisz wersję i powód nowej oceny. Nie przenoś starego wyniku jako ostatecznego. Po zmianie procesu sprawdź, czy kolejni kandydaci nie są oceniani tym samym błędnym źródłem.
Odbiór po zmianie procesu
Przy nowym modelu, polu lub skutku przygotuj nową ocenę. Nie przenoś starej zgody na rekrutację z innej roli. Test powinien obejmować grupy, odwołanie i odbiór.
Zapisz datę i właściciela. Po zmianie oceń, czy informacja dla kandydata jest aktualna. Model może zmieniać skutek bez zmiany nazwy narzędzia.
Rejestr decyzji rekrutacyjnych
Zapisz wersję modelu, dane, skutek, odbiór i powód decyzji. Nie przechowuj pełnych profili kandydatów w raporcie. Identyfikator i kategoria wystarczą do analizy procesu.
Jeżeli rekruter odrzuci sugestię narzędzia, zapisz datę, zastosowane kryterium i powód tej oceny bez kopiowania całego CV. Zachowaj poprzedni wynik oraz wersję użytego procesu, aby później odtworzyć przebieg decyzji.
Pytania do dostawcy przed zakupem
Zapytaj o dane treningowe, testy grup, role, retencję, odwołanie i wyjście. Nie akceptuj samego demo z kilkoma dobrze dobranymi profilami. Poproś o dokumenty i przypadki zgodne z twoim procesem.
Przygotuj własny zestaw fikcyjnych CV i sprawdź skutki. Nie przesyłaj prawdziwych kandydatów do testu bez zgody. Właściciel powinien widzieć ograniczenia przed pierwszą decyzją.
Odbiór przez rekrutera i prawnika
Rekruter ocenia kompetencje i proces, a prawnik podstawę oraz obowiązki. Nie zamykaj oceny na dokładności modelu. Proces może być poprawny technicznie i nieodpowiedni dla kandydatów.
Rekruterowi pokaż przypadek, w którym sugestia wpływa na kolejny etap, oraz przypadek wymagający odrzucenia sugestii. Z prawnikiem omów źródło danych i sposób poinformowania kandydata; zachowaj pytania, na które dokumentacja nie odpowiada.
Odbiór odwołania przez nową osobę
Poproś osobę spoza zespołu o wykonanie ścieżki odwołania. Powinna znaleźć kanał, zrozumieć powód i wskazać właściciela nowej decyzji. Nie odpowiadaj za nią. Jeżeli proces wymaga kontaktu z modelem, popraw go.
Zapisz, czy nowa decyzja zawiera źródło i powód. Nie przenoś odpowiedzialności na kandydata za zrozumienie scoringu. Proces ma pozwalać zakwestionować wynik i uzyskać korektę.
Odbierz wynik z perspektywy kandydata
Przygotuj fikcyjne profile osób spełniających te same wymagania różnymi drogami: jedna zdobyła kompetencję w pracy etatowej, druga w projekcie, trzecia po przerwie zawodowej. Ustal kryteria przed testem i sprawdź, czy narzędzie wskazuje w źródle informacje potrzebne do oceny. Takie przykłady nie dowodzą braku dyskryminacji; mogą ujawnić konkretne sytuacje wymagające dalszej analizy.
Osoba prowadząca rekrutację powinna móc wrócić do dokumentu i uzasadnić własną decyzję. Jeśli widzi wyłącznie liczbę bez informacji, co na nią wpłynęło, nie ma wystarczających podstaw do jej bezrefleksyjnej akceptacji. Przygotuj ścieżkę zgłaszania błędów oraz sprawdź, kto odbierze pytanie kandydata i jak dostępne będą dane potrzebne do odpowiedzi.
Po zmianie modelu, formularza albo kryteriów stanowiska powtórz odpowiednie przypadki. Zapisz wersję testu, zakres i ograniczenia próby, a prawdziwe dokumenty kandydatów zachowaj wyłącznie w zatwierdzonym środowisku. Nie prezentuj sztucznie przygotowanego przykładu jako wyniku rzeczywistej rekrutacji.
Aeneia Audit pomaga uporządkować dane i odpowiedzialność, a materiał Aeneia Signal o weryfikacji AI przez zespół pomaga przygotować osoby odbierające wynik.
Sprawdź nas. To zdrowe.
Temat zmienia się szybko. Linki prowadzą do źródeł pierwotnych i stron, na których możesz zweryfikować kontekst.
