Deklaracja „umiem korzystać z AI” niewiele mówi o rzeczywistych kompetencjach kandydata. W rekrutacji warto więc sprawdzać nie sam kontakt z technologią, lecz sposób jej wykorzystania w konkretnym zadaniu.
Spis treści
- Czym dziś są kompetencje potrzebne do pracy ze sztuczną inteligencją?
- Dlaczego lista używanych narzędzi niewiele mówi o umiejętnościach?
- Jak ocenić sposób pracy kandydata?
- Kto powinien oceniać kompetencje kandydata?
- Jak ograniczyć deklaratywność odpowiedzi?
- Kiedy potrzebne jest zadanie praktyczne?
- Jak AI Power Recruiter porządkuje materiał do dalszej oceny?
- Jak wpisać tę umiejętność do profilu stanowiska?
- Co powinno być efektem takiej weryfikacji?
Problem jest już widoczny po stronie pracodawców. W badaniu BKL 2025, wśród firm, które uznały AI za istotny trend technologiczny, 59% deklarowało problemy z pozyskaniem pracowników w tym obszarze. Pokazuje to skalę trudności z perspektywy firm. Jednocześnie samo wymaganie „znajomość AI” nadal niewiele mówi o tym, czego kandydat powinien rzeczywiście umieć.
Czym dziś są kompetencje potrzebne do pracy ze sztuczną inteligencją?
Kompetencje AI obejmują świadome wykorzystanie technologii do osiągnięcia określonego celu zawodowego. Ich zakres zależy od stanowiska. W jednej roli sztuczna inteligencja wspiera tworzenie lub analizę treści, w innej pracę z danymi, a w jeszcze innej staje się częścią zautomatyzowanego procesu.
Jakich umiejętności poszukują pracodawcy?
Firmy poszukujące osób potrzebnych do wdrażania lub rozwijania AI wskazywały znacznie szerszy zestaw umiejętności niż samo promptowanie. Pokazują to wyniki badania opublikowanego w 2026 roku w opracowaniu „Sztuczna inteligencja w firmach: gotowość do adopcji, kompetencje i potrzeby”.
W tej części badania odpowiedziały 164 firmy, które w poprzednich 12 miesiącach szukały pracowników z takimi kompetencjami. Najczęściej wskazywały analitykę danych – 61% oraz komunikację z AI i promptowanie – 55%. Połowa wymieniała uczenie się i adaptację, 49% zarządzanie zmianą, a 47% etyczne korzystanie z AI. Kompetencje branżowe i właściwy dobór rozwiązań wskazało po 46% badanych. Dane pokazują więc, że firmy nie szukają jednej uniwersalnej „umiejętności AI”. Potrzebują połączenia technologii, wiedzy zawodowej i zdolności dopasowania sposobu pracy do konkretnego zadania.
Dlaczego lista używanych narzędzi niewiele mówi o umiejętnościach?
Sama znajomość popularnych narzędzi generatywnych nie pokazuje jeszcze jakości pracy kandydata. Dwie osoby mogą korzystać z tego samego systemu w zupełnie inny sposób. Jedna przyjmie pierwszy wygenerowany wynik. Druga przygotuje odpowiedni kontekst, zauważy brakujące informacje albo zakwestionuje rezultat, który nie pasuje do danych.
Podobny obraz wyłania się z części jakościowej raportu „Generatywna sztuczna inteligencja a polski rynek pracy”, przygotowanego przez NASK-PIB i ILO. Intensywni użytkownicy GenAI byli bardziej świadomi konkretnych ograniczeń technologii, w tym halucynacji i niedokładności. Weryfikowanie efektów traktowali jako naturalny element pracy. W rekrutacji więcej mówi więc sposób rozwiązania konkretnego problemu niż lista aplikacji wpisanych do CV.
Jak ocenić sposób pracy kandydata?
Ocena powinna obejmować cały sposób pracy z technologią – od określenia celu po odpowiedzialność za efekt. Przy prostym wykorzystaniu modelu użytkownik prowadzi pojedynczą interakcję. W rozwiązaniach agentowych większego znaczenia nabiera zaprojektowanie całego procesu: celu, zakresu automatyzacji, potrzebnego kontekstu, zasad działania i punktów kontroli.
6 obszarów pracy z AI i systemami agentowymi
Poniższy model porządkuje elementy, które można dobrać do konkretnego stanowiska. To autorska synteza przygotowana na potrzeby rekrutacji, a nie oficjalna klasyfikacja któregoś z cytowanych badań.
| Obszar | Co warto sprawdzić? |
|---|---|
| Cel | czy kandydat potrafi określić rezultat, który chce osiągnąć |
| Poziom automatyzacji | czy rozumie, które działania można przekazać systemowi |
| Kontekst i dane | czy potrafi przygotować informacje potrzebne do wykonania zadania |
| Reguły i ograniczenia | czy potrafi określić warunki i granice działania technologii |
| Kontrola rezultatu | czy wie, w jaki sposób sprawdzić otrzymany wynik |
| Decyzja i odpowiedzialność | czy rozumie, kiedy potrzebna jest interwencja człowieka i kto odpowiada za efekt |
Nie każdy z tych obszarów musi mieć takie samo znaczenie. Dla osoby wykorzystującej generatywną AI okazjonalnie wystarczą podstawowe kryteria. Inny poziom będzie potrzebny na stanowisku, na którym automatyzacja wpływa bezpośrednio na wyniki biznesowe.
Kto powinien oceniać kompetencje kandydata?
Rekruter może ocenić sposób pracy kandydata, natomiast poprawność specjalistyczną powinien potwierdzić Hiring Manager lub osoba dobrze znająca dany obszar. Rekruter może sprawdzić, czy kandydat potrafi wyjaśnić swoje działania i uzasadnić podjęte decyzje. Nie musi jednak samodzielnie rozstrzygać, czy specjalistyczny rezultat jest poprawny merytorycznie.
Jak ograniczyć deklaratywność odpowiedzi?
Sama rozmowa nie zawsze pokazuje, jak kandydat rzeczywiście pracuje z AI. Dlatego warto uzupełnić ją krótkim przykładem opartym na konkretnym materiale. Można pokazać kandydatowi rezultat przygotowany przez model i zapytać: „Co sprawdziłbyś przed wykorzystaniem tego wyniku w swojej pracy i dlaczego?” Taki mikroprzykład pozwala zobaczyć sposób myślenia kandydata bez dodawania osobnego, czasochłonnego etapu rekrutacji.
Kiedy potrzebne jest zadanie praktyczne?
Im większe znaczenie pracy z AI na danym stanowisku, tym dokładniejsza powinna być jej weryfikacja.
| Znaczenie pracy z AI | Sposób sprawdzenia |
|---|---|
| pomocnicze | 1–2 pytania i krótki mikroprzykład podczas rozmowy |
| regularne | pytania oraz omówienie rzeczywistego przypadku |
| istotne dla wyników stanowiska | krótkie zadanie z możliwością wykorzystania AI |
| kluczowe lub specjalistyczne | zadanie i ocena merytoryczna Hiring Managera lub specjalisty z danego obszaru |
Dzięki temu proces nie rozrasta się bez potrzeby. Inaczej warto oceniać osobę, która sporadycznie korzysta z narzędzi generatywnych do redakcji tekstu, a inaczej kandydata, dla którego praca z nimi będzie jednym z podstawowych elementów stanowiska.
Jak powinno wyglądać krótkie zadanie?
Zadanie powinno przypominać rzeczywisty problem zawodowy, a nie test znajomości konkretnego programu. Osoba pracująca w marketingu może otrzymać fragment materiału do kampanii, analityk zestaw danych, a specjalista HR fragment profilu stanowiska. Kandydat może korzystać z AI, ale po wykonaniu zadania powinien krótko uzasadnić przyjęty sposób działania i wprowadzone zmiany.
Jak AI Power Recruiter porządkuje materiał do dalszej oceny?
System może pomóc zebrać informacje z różnych etapów rekrutacji i odnieść je do wcześniej określonych kryteriów. W AI Power Recruiter dane z CV można uzupełniać odpowiedziami z formularzy oraz informacjami z kolejnych etapów. Dzięki temu materiał dotyczący kandydata jest analizowany w odniesieniu do wymagań konkretnej rekrutacji. Explainable AI pokazuje, jakie informacje wpłynęły na ocenę.
Hiring Manager może dzięki temu przejść bezpośrednio do elementów, które wymagają jego wiedzy merytorycznej, zamiast zaczynać od całego materiału. Ocena systemu nie potwierdza jednak automatycznie kompetencji ani prawdziwości deklaracji kandydata. Technologia wspiera uporządkowanie informacji, natomiast interpretacja specjalistyczna i decyzja rekrutacyjna pozostają po stronie człowieka.
Jak wpisać tę umiejętność do profilu stanowiska?
Dobre wymaganie powinno opisywać zachowanie, które później można rzeczywiście sprawdzić. Określenie „bardzo dobra znajomość AI” jest zbyt szerokie. Nie wiadomo, czy chodzi o tworzenie treści, analizę danych, automatyzację czy inne zastosowanie. Zamiast tego można wpisać na przykład: „umiejętność wykorzystania narzędzi generatywnych do analizy materiału oraz samodzielnej weryfikacji wyniku”. Takie sformułowanie daje rekruterowi konkretny punkt odniesienia podczas rozmowy i pozwala dobrać sposób sprawdzenia do rzeczywistych wymagań stanowiska.
Czy AI Act wymaga sprawdzania kompetencji AI kandydatów?
AI Act nie nakłada obowiązku testowania kompetencji AI kandydatów podczas rekrutacji. Art. 4 dotyczy działań wspierających rozwój kompetencji w zakresie AI wśród personelu i innych osób korzystających z takich systemów w imieniu organizacji. Dla rekrutacji jest to więc kontekst związany z przygotowaniem ludzi do korzystania z technologii, a nie prawny obowiązek wprowadzania dodatkowego testu kandydatów.
Co powinno być efektem takiej weryfikacji?
Celem nie jest ustalenie, ile narzędzi zna kandydat, lecz czy potrafi wykorzystać technologię zgodnie z wymaganiami konkretnej roli. Dobrze zaprojektowana rekrutacja prowadzi więc od ogólnego wymagania do zachowania, które można zaobserwować i porównać z wcześniej określonymi kryteriami. Dzięki temu „znajomość AI” przestaje być deklaracją w CV, a staje się elementem, który rzeczywiście można ocenić w procesie rekrutacyjnym.
