Czy wykorzystujesz sztuczną inteligencję do usprawnienia pracy działu kadr, czy też powierzasz algorytmowi decyzje, których nigdy nie powinien podejmować samodzielnie? Właśnie w tym momencie dyskusjana temat sztucznej inteligencji w kadrach nabiera poważnego charakteru. W włoskich małych i średnich przedsiębiorstwach problemem nie jest ustalenie, czy sztuczna inteligencja jest przydatna. Jest. Problemem jest zrozumienie, gdzie generuje ona rzeczywistą wartość, a gdzie natomiast powoduje nieprzejrzystość, stronniczość i ryzyko związane z przepisami.
Jako przedsiębiorca przekonałem się, jak kusząca jest automatyzacja najbardziej uciążliwych czynności. Jeśli masz setki CV do przejrzenia, wyniki ankiet wewnętrznych do podsumowania lub pracowników, którzy ciągle zadają te same pytania dotyczące urlopów i zasad obowiązujących w firmie, sztuczna inteligencja od razu pozwala zaoszczędzić czas. Widziałem jednak również drugą stronę medalu. Wynik zgodności wygenerowany przez model wydaje się obiektywny i właśnie dlatego może być bardziej niebezpieczny niż wyraźnie subiektywna ocena człowieka.
Prawidłowe podejście nie polega na tym, by wybierać między „tak dla sztucznej inteligencji” a „nie dla sztucznej inteligencji”. Chodzi o znalezienie właściwej równowagi między automatyzacją a ludzką odpowiedzialnością. Tym, którzy szukają bardzo praktycznego spojrzenia na małe i średnie przedsiębiorstwa, polecam również książkę „AI in HR for SMEs”.
Właściwe pytanie nie brzmi: czy sztuczna inteligencja może pomóc działowi HR. Właściwe pytanie brzmi: czy naprawdę może wybrać Twojego kolejnego pracownika bez zakłócania tego procesu.
W praktyce sztuczna inteligencja jest już dziś wykorzystywana do przeglądania CV, obsługi wewnętrznych chatbotów, analizy ankiet, wdrażania nowych pracowników oraz generowania dokumentów. Jest to technologia przydatna przede wszystkim wtedy, gdy obciążenie operacyjne jest duże, a szybkość działania ma bezpośrednie znaczenie. Jednak w dziale kadr każda decyzja dotyczy prawdziwych ludzi, prawdziwych karier i prawdziwych praw. Dlatego też wdrażanie tej technologii należy traktować z innym podejściem niż w przypadku wprowadzania asystenta do pisania e-maili czy sporządzania podsumowań spotkań.
Wydajność ma znaczenie. Jednak przy podejmowaniu decyzji dotyczących pracowników nie wystarczy tylko działać szybko.
Na rynku włoskim kwestia ta jest jeszcze bardziej delikatna. RODO i europejska ustawa o sztucznej inteligencji znacznie ograniczają margines błędu w sytuacjach, gdy zautomatyzowany system ma wpływ na procesy rekrutacji, oceny i zarządzania personelem. Jeśli rozważaszwdrożenie sztucznej inteligencji w dziale kadr, przyda ci się prosta zasada: zautomatyzuj rutynowe zadania, a procesy decyzyjne pozostaw w rękach ludzi.
Wykorzystanie sztucznej inteligencji w dziale kadr nie jest science fiction. To już codzienność. Obecnie wiele firm stosuje ją w celu odciążenia pracowników od powtarzalnych zadań, przyspieszenia procesów oraz zapewnienia zespołowi HR więcej czasu na zadania wymagające zrozumienia kontekstu i właściwej oceny sytuacji.
Według danych Yomly dotyczących wdrażania sztucznej inteligencji w działach HR, 44% firm wykorzystuje ją już w procesie rekrutacji. Narzędzia oparte na sztucznej inteligencji mogą skrócić czas rekrutacji o około 50% i zautomatyzować prawie 40% powtarzalnych zadań.
Najczęstszym zastosowaniem jest wstępna selekcja kandydatów. Model LLM analizuje CV i opisy stanowisk, porównuje kompetencje, doświadczenie i sygnały semantyczne, a następnie tworzy uporządkowaną listę kandydatów zakwalifikowanych do dalszego etapu.
W praktyce sprawdza się to dobrze, gdy stanowisko jest dość ustandaryzowane. Mam tu na myśli stanowiska administracyjne, obsługę klienta, dział sprzedaży wewnętrznej oraz programowanie z wykorzystaniem określonego stosu technologicznego. Jeśli dobrze opiszesz wymagania, model ten znacznie przyspiesza pierwszy etap.
Nie sprawdza się to tak dobrze, gdy liczą się elementy, które trudno wyodrębnić z CV.
Praktyczna zasada: wykorzystaj sztuczną inteligencję, aby z listy 500 CV stworzyć listę łatwiejszą do ogarnięcia. Nie używaj jej jednak do samodzielnego decydowania, kto zasługuje na rozmowę kwalifikacyjną w ostatnim etapie.
Drugi przypadek zastosowania jest mniej rzucający się w oczy, ale często bardziej przydatny. Zespoły HR poświęcają większość czasu na powtarzające się zadania. Według analizy Tommaso Marii Ricci dotyczącej sztucznej inteligencji w dziale kadr, zespoły HR poświęcają od 40% do 60% swojego czasu na sprawy takie jak urlopy, listy płac i polityka firmy. Chatboty HR mogą zwolnić nawet 2–3 godziny dziennie na zadania o charakterze bardziej strategicznym.
W tym przypadku korzyść jest natychmiastowa. Wewnętrzny chatbot odpowiada na pytania dotyczące pozostałego urlopu, dokumentów, procedur, rozliczeń wydatków, regulaminów oraz wdrażania administracyjnego. Korzyścią jest nie tylko oszczędność czasu dla zespołu HR, ale także jakość obsługi pracownika, który otrzymuje szybką odpowiedź zamiast czekać na wiadomość e-mail.
Sztuczna inteligencja naprawdę zaskakuje, gdy chodzi o analizę długich i rozbudowanych tekstów. Doskonałym przykładem są ankiety wewnętrzne. Zamiast ręcznie przeglądać setki odpowiedzi otwartych, model identyfikuje powtarzające się tematy, nastroje, pojawiające się problemy oraz wzorce, które warto zbadać dokładniej.
Oto najbardziej przydatne aplikacje, jakie dostrzegam w małych i średnich przedsiębiorstwach:
Opis stanowiska i polityka firmy
Sztuczna inteligencja generuje spójny wstępny projekt, który zespół HR następnie koryguje pod kątem prawnym i kulturowym.
Spersonalizowane wdrożenie
Umożliwia dostosowanie treści, materiałów i kolejności działań w zależności od stanowiska lub działu.
Mapowanie kompetencji
Pomaga w zidentyfikowaniu posiadanych kompetencji i luk w wykształceniu, zwłaszcza gdy dane są rozproszone w CV, ocenach i notatkach kierownictwa.
Analiza klimatu
Przekształca tekst nieustrukturyzowany w sygnały pomocne w określeniu, gdzie należy podjąć działania.
Coraz wyraźniej rysuje się również rozróżnienie między modelami ogólnymi a modelami wertykalnymi. Jeśli chodzi o modele wertykalne, firma Wisq stworzyła HRLM jako model przeznaczony specjalnie dla działu kadr. Z kolei w przypadku modeli ogólnych GPT, Claude i Gemini są już wykorzystywane w wielu firmach do realizacji zadań operacyjnych związanych z kadrami przy użyciu dobrze zaprojektowanych poleceń. Różnica nie polega jednak wyłącznie na jakości wyników. Chodzi tu o zarządzanie.
Najgorszym sposobem wdrożenia sztucznej inteligencji w dziale kadr jest myślenie w kategoriach skrajności. Brak automatyzacji skutkuje powolnymi procesami, zaległościami operacyjnymi i decyzjami podejmowanymi na podstawie niepełnych informacji. Całkowita automatyzacja prowadzi natomiast do drugiego skrajnego błędu: traktowania ludzi i kandydatów jak zgłoszenia do sklasyfikowania.
Metafora krzywej Laffera sprawdza się również w tym przypadku. Na początku każde wdrożenie sztucznej inteligencji przynosi korzyści w postaci zwiększonej wydajności. Automatyzacja wewnętrznych FAQ, wstępnych wersji dokumentów, analizy tekstu, wstępnego rankingu CV. Wartość rośnie.
W pewnym momencie dochodzi się do pewnego progu. Jeśli nadal powierza się algorytmowi coraz bardziej delikatne zadania, wartość zaczyna spadać. Nie dlatego, że model jest bezużyteczny, ale dlatego, że ryzyko rośnie szybciej niż korzyści.
Według raportu Workday dotyczącego sztucznej inteligencji w dziale kadr głównymi powodami jej wdrażania są: usprawnienie procesu podejmowania decyzji (41%), automatyzacja powtarzalnych procesów (35%) oraz poprawa retencji pracowników i jakości ich doświadczeń (32%). Dane te dobrze wyjaśniają, dlaczego sztuczna inteligencja budzi tak duże zainteresowanie działów kadr. Nie wskazują jednak, gdzie należy wyznaczyć granicę. Właśnie ten aspekt jest często pomijany w dyskusjach.
Największa wartość nie polega na zastąpieniu zespołu HR. Polega ona na tym, by sprawić, by działał on sprawniej i szybciej w zakresie właściwych zadań.
Aby znaleźć optymalny punkt, stosuję proste rozróżnienie między zadaniami mechanicznymi a zadaniami wymagającymi podejmowania decyzji.
| Rodzaj działalności | Zalecany poziom AI | Nadzór ze strony człowieka |
|---|---|---|
| Najczęściej zadawane pytania dotyczące pracowników, urlopów i zasad | Wysoka | Niska, z okresową kontrolą |
| Wersje robocze opisów stanowisk | Wysoka | Konieczna weryfikacja kadr |
| Wstępna selekcja CV | Średnie Średnia średnia średnia Świat Świ Świ Świ Świ Świ Świ Świ Świ Świ Świ | Stały nadzór ze strony człowieka |
| Ocena finalistów | Niska | Wysoka |
| Promocje, oceny wyników, indywidualne ryzyko odejścia | Bardzo niska | Pełna ludzka decyzja |
Jeśli prowadzisz małą lub średnią firmę, optymalny punkt zazwyczaj nie ma charakteru technicznego. Jest to kwestia organizacyjna. Musisz jasno określić, w jakich obszarach sztuczna inteligencja ma przedstawiać propozycje, wydawać polecenia, podsumowywać, a w jakich nie powinna podejmować decyzji.
Trzy pytania są bardzo pomocne:
Najbardziej niebezpiecznym aspektemsztucznej inteligencji dla działu HR nie jest sama technologia. Jest nim jej fałszywa aura neutralności. Kiedy rekruter ocenia kandydata, wszyscy wiedzą, że ocena ta zawiera pewien element subiektywności. Kiedy jednak system przyznaje punkty, wiele osób przestaje zadawać pytania.
To właśnie sedno problemu stronniczości algorytmicznej. Jeśli system jest szkolony lub konfigurowany na podstawie historycznych danych dotyczących rekrutacji, ma on tendencję do powielania logiki, która już istniała w tych danych. Jeśli w historii firmy faworyzowano pewne profile, a inne dyskryminowano, algorytm może postępować tak samo – tylko szybciej i w mniej widoczny sposób.
Przypadek Amazona stał się symboliczny właśnie z tego powodu. Firma musiała wycofać system weryfikacji CV, który dyskryminował profile kobiet. Nie jest to żadna anegdotyczna anomalia. Jest to przewidywalna konsekwencja podejścia, które traktuje przeszłość jako wzorzec zasług.
We Włoszech sytuacja nie wygląda bynajmniej optymistycznie. Według danych opublikowanych przez ELECTE na ten temat, jedynie 12% firm z branży HR korzystających z systemów sztucznej inteligencji przeprowadziło audyty dotyczące systematycznych uprzedzeń.
Lepszy model nie rozwiązuje problemu, jeśli dane, kryteria lub kontekst organizacyjny pozostają zniekształcone.
Dla osób działających w Europie nie jest to tylko kwestia etyczna. Jest to kwestia prawna. Artykuł 22 RODO przyznaje kandydatom prawo do tego, by nie podlegać decyzjom opartym wyłącznie na zautomatyzowanym przetwarzaniu danych, gdy mają one istotny wpływ na daną osobę. Decyzje kadrowe w pełni mieszczą się w tym wrażliwym obszarze.
Ponadto europejska ustawa o sztucznej inteligencji (AI Act) zalicza rekrutację i zarządzanie personelem do zastosowań wysokiego ryzyka. Oznacza to znacznie bardziej rygorystyczne wymogi w zakresie dokumentacji, przejrzystości, kontroli i zarządzania ryzykiem w porównaniu z ogólnym wykorzystaniem sztucznej inteligencji na potrzeby indywidualnej wydajności.
Dla włoskiej firmy praktyczne konsekwencje są oczywiste:
Każdy, kto poważnie zajmuje się tymi zagadnieniami, powinien również przyjrzeć się bliżej kwestii zgodności przedsiębiorstw z ustawą AI Act.
Rynek dzieli się obecnie na dwie bardzo różne grupy. Z jednej strony mamy modele LLM o charakterze ogólnym, takie jak GPT, Claude i Gemini. Z drugiej strony pojawiają się modele wertykalne zaprojektowane specjalnie dla działów kadr, takie jak HRLM firmy Wisq.
W przypadku małych i średnich przedsiębiorstw model o szerokim zakresie zastosowań często wystarcza. Jeśli potrzebujesz:
Dobry model LLM z dobrze sformułowanymi poleceniami może działać naprawdę dobrze.
Zaleta jest praktyczna. Można zacząć od razu, wydać mniej i szybko przeprowadzić testy. Dla małych zespołów HR lub firm o niezbyt skomplikowanych procesach takie podejście jest często najbardziej racjonalnym sposobem na rozpoczęcie pracy.
Istnieje jednak pewne ograniczenie. Modele ogólne nie są tworzone z myślą o logice HR, nie uwzględniają konkretnych zasad obowiązujących w Twoim kontekście ani nie dają domniemanej gwarancji zgodności z przepisami tylko dlatego, że są wydajne.
Jeśli zarządzasz większymi wolumenami, bardziej wrażliwymi procesami lub strukturą o wielu poziomach uprawnień, modele wertykalne mają sens. Nie tyle dlatego, że „lepiej wszystko rozumieją”, ale dlatego, że zostały stworzone z myślą o węższym zakresie działania.
Zazwyczaj stają się one lepszym rozwiązaniem, gdy są potrzebne:
W przypadku małej lub średniej firmy zatrudniającej 50 pracowników celem nie jest zakup najbardziej zaawansowanego systemu. Chodzi o wybór systemu, z którego zespół potrafi korzystać, który potrafi kontrolować i którego błędy potrafi kwestionować.
Nie chodzi o to, który model jest bardziej zaawansowany. Chodzi o to, który model najlepiej pasuje do Twojego ryzyka operacyjnego. Jeśli zadanie ma niewielki wpływ i dużą skalę, warto wybrać model ogólny. Jeśli proces wiąże się z podejmowaniem wrażliwych decyzji i wymaga ustrukturyzowanej kontroli, warto rozważyć model wertykalny.
Najlepsze wdrożenia nie zaczynają się od rekrutacji predykcyjnej. Zaczynają się od codziennych trudności. To właśnie tam sztuczna inteligencja buduje zaufanie wewnątrz zespołu i pokazuje, czy zespół jest naprawdę gotowy, by nią zarządzać.
Pierwszy krok jest banalny tylko na pozór. Musisz zacząć od działań o dużej skali i niskim ryzyku. Jeśli zaczniesz od tego, od razu dostrzeżesz korzyści i ograniczysz ryzyko.
Trzy sensowne przykłady:
Takie podejście przynosi pozytywne efekty. Zespół HR przestaje postrzegać sztuczną inteligencję jako abstrakcyjne zagrożenie i zaczyna traktować ją jako wsparcie operacyjne.
Drugi krok jest ważniejszy od pierwszego. Musisz jasno określić, w jakich przypadkach zalecenia wydaje sztuczna inteligencja, a w jakich decyzje podejmuje człowiek.
Minimalny zakres zarządzania w małych i średnich przedsiębiorstwach powinien obejmować:
Granica podejmowania decyzji
Sztuczna inteligencja może klasyfikować, streszczać i sygnalizować. Menedżer lub rekruter zatwierdza, odrzuca lub analizuje sprawę dokładniej.
Proces weryfikacji
Każdy wynik o dużym znaczeniu musi zostać sprawdzony przez osobę odpowiedzialną.
Testowanie stronniczości przed wdrożeniem
Jeśli system ma być wykorzystywany do rekrutacji lub oceny pracowników, należy go przetestować przy użyciu reprezentatywnych zbiorów danych oraz udokumentowanych mechanizmów kontrolnych.
Przejrzystość wewnętrzna
Pracownicy i kandydaci muszą wiedzieć, kiedy sztuczna inteligencja jest wykorzystywana jako wsparcie procesu.
Małe i średnie przedsiębiorstwo, które omija kontrole, nie przyspiesza rozwoju. Po prostu przenosi ryzyko na później.
Trzecim krokiem jest stopniowe wdrażanie. Pilotowy projekt dotyczący pojedynczego procesu HR pozwala zdobyć więcej wiedzy niż wdrożenie na szeroką skalę. Najpierw należy zweryfikować zadanie, następnie zachowanie zespołu, a na końcu ramy regulacyjne.
Dla tych, którzy chcą uporządkować swoją pracę, warto opracować prawdziwy plan działania dotyczący wdrażania sztucznej inteligencji, a nie polegać na sporadycznych eksperymentach.
Aby ocenić skuteczność sztucznej inteligencji w dziale kadr, nie wystarczy skupiać się wyłącznie na szybkości. Należy sprawdzić, czy poprawia ona jakość podejmowanych decyzji, nie powodując przy tym ryzyka, błędów ani nieprzejrzystych etapów procesu.
W przypadku małych i średnich przedsiębiorstw najbardziej przydatne kryterium jest proste: czy sztuczna inteligencja kieruje zespół HR w stronę właściwego punktu na krzywej Laffera, czy też zbyt wcześnie automatyzuje zadania, które wciąż wymagają ludzkiej oceny? Jeśli oszczędność czasu rośnie, ale jednocześnie wzrasta liczba zastrzeżeń, korekt lub wątpliwości co do poprawności procesu, zysk jest jedynie pozorny.
Konkretnym przykładem jest analiza ankiet dotyczących zadowolenia pracowników. W wielu firmach dział HR ręcznie przegląda setki odpowiedzi otwartych i wyodrębnia główne tematy, co zajmuje dużo czasu i wiąże się z pewną zmiennością w zależności od osoby. Dzięki odpowiednio skonfigurowanemu modelowi LLM klastry tematyczne, powtarzające się sygnały i anomalie ujawniają się szybciej.
W tym przypadku rzeczywista korzyść nie ogranicza się wyłącznie do kwestii operacyjnych. Zespół nie traci już czasu na podsumowania i może skupić się na priorytetach, działaniach następczych oraz rozmowach z kierownictwem.
W tym przypadku przydatnych wskaźników jest niewiele, ale są one konkretne: średni czas analizy, spójność podsumowań w porównaniu z wyrywkową weryfikacją przeprowadzoną przez człowieka oraz liczba spostrzeżeń, które przekładają się na rzeczywiste działania. Jeśli sztuczna inteligencja generuje szybkie podsumowania, które są jednak zbyt ogólne, oznacza to, że przekroczyłeś już punkt optymalny.
Odwrotna sytuacja jest bardziej delikatna. Chatbot, który przeprowadza pierwszą rozmowę kwalifikacyjną i przyznaje ocenę eliminacyjną bez weryfikacji przez człowieka, może wydawać się skuteczny, ale dla włoskiego MŚP stanowi poważny problem metodologiczny, a dopiero potem technologiczny.
Ryzyko jest potrójne. Możesz odrzucić wartościowych kandydatów na podstawie niejasnych kryteriów. Możesz utrudnić przejrzyste uzasadnienie tej decyzji. Możesz narazić się na problemy związane z RODO, a w przypadkach o dużym znaczeniu – również na obowiązki, które ustawa AI Act zaostrza w odniesieniu do systemów wykorzystywanych w miejscu pracy i w procesie rekrutacji.
Jak zauważyłem w firmie, właściwe pytanie brzmi: czy sztuczna inteligencja pomaga podejmować lepsze decyzje, czy tylko przyspiesza podjęcie decyzji, która i tak jest niepewna? Analiza przeprowadzona przez ELECTE właśnie to podkreśla. Procesy rekrutacyjne prowadzone wyłącznie w sposób zautomatyzowany zazwyczaj pogarszają rzeczywistą zgodność między kandydatem a stanowiskiem, podczas gdy końcowa weryfikacja przez człowieka ogranicza najbardziej kosztowne błędy.
Dokładna ocena oznacza zatem uwzględnienie czterech wskaźników: zaoszczędzonego czasu, jakości wyników, wskaźnika poprawek wprowadzanych przez człowieka oraz ryzyka związanego z zgodnością z przepisami. Jeśli bierzesz pod uwagę tylko jeden z nich, zazwyczaj nieprawidłowo oceniasz projekt.
Sztuczna inteligencja w dziale kadr naprawdę sprawdza się, gdy zajmuje się rutynowymi zadaniami, pozostawiając człowiekowi najtrudniejsze zadanie: interpretację kontekstu, motywacji, potencjału i konsekwencji. To jest idealny punkt równowagi. Ani całkowitego braku sztucznej inteligencji, ani całkowitej automatyzacji.
Dla włoskiego MŚP priorytetem nie jest pogoń za najnowocześniejszymi rozwiązaniami. Chodzi o stworzenie systemu, który poprawi wydajność i jakość bez naruszania przepisów RODO, ustawy o sztucznej inteligencji oraz zasad zdrowego rozsądku w zarządzaniu. Jeśli zastosujesz tę logikę, sztuczna inteligencja stanie się użytecznym czynnikiem wzmacniającym. Jeśli jednak wykorzystasz ją jako substytut ludzkiej oceny, stanie się zagrożeniem.
Jeśli chcesz przekształcić dane operacyjne i sygnały organizacyjne w bardziej przejrzyste wnioski, ELECTE – platforma do analizy danych oparta na sztucznej inteligencji, przeznaczona dla małych i średnich przedsiębiorstw – pomoże Ci analizować złożone informacje, zautomatyzować raportowanie i wspierać podejmowanie lepszych decyzji. Aby zrozumieć, jak to działa w praktyce, możesz obejrzeć platformę w akcji i ocenić, czy pasuje do Twoich procesów.
.svg)
.svg)
.svg)
