Rekruter to jedyny kandydat, który zawodowo przygotowuje innych do rozmów kwalifikacyjnych. Zna techniki behawioralne, wie jak opowiadać o doświadczeniach metodą STAR, rozumie czego szuka rozmówca po drugiej stronie stołu. Standardowy proces rekrutacyjny jest dla niego ćwiczeniem, nie wyzwaniem.
Dodaj do tego powszechność AI w CV. „Używam narzędzi AI w codziennej pracy”, „optymalizuję procesy z pomocą AI”, „AI-driven recruiter” — te frazy pojawiają się dziś w niemal każdym profilu, niezależnie od rzeczywistego poziomu zaawansowania. Dodanie ich do LinkedIn zajmuje mniej niż minutę i nic nie kosztuje.
Wynik: tradycyjny proces rekrutacyjny praktycznie nie różnicuje kandydatów w obszarze AI. Rekruter, który używa ChatGPT raz w tygodniu do napisania ogłoszenia, przejdzie przez standardową rozmowę tak samo sprawnie jak rekruter, który przebudował cały swój workflow wokół AI. Potrzebujesz innego podejścia.
Czego szukać w CV i profilu LinkedIn
Zanim dojdzie do rozmowy, CV i profil LinkedIn mówią więcej niż się wydaje — jeśli wiesz czego szukać. Nie szukaj listy narzędzi. Szukaj śladów rzeczywistej pracy.
Sygnały, które mają znaczenie
Konkretne wyniki z opisem procesu, nie tylko zakres obowiązków. „Skróciłem czas preselekcji stu aplikacji z czterech godzin do czterdziestu pięciu minut przez wdrożenie ustrukturyzowanej oceny opartej na AI” mówi więcej niż „używam AI w codziennej pracy rekrutacyjnej”. Pierwsze zdanie zawiera problem, rozwiązanie i efekt. Drugie zawiera deklarację.
Opisy projektów, w których AI było narzędziem do rozwiązania konkretnego problemu. Nie „korzystam z ChatGPT do sourcingu”, ale „zbudowałem system preselekcji oparty na zdefiniowanych kryteriach, który zmniejszył czas oceny przy zachowaniu jakości shortlisty”. Dobry opis zawiera kontekst problemu i opis podejścia, nie tylko nazwę narzędzia.
Aktywność publiczna związana z AI w rekrutacji. Artykuły, posty na LinkedIn z własną perspektywą i konkretnymi wnioskami, udział w społecznościach rekrutacyjnych dyskutujących o AI. Kandydat, który regularnie pisze o tym jak AI zmienia jego pracę z własną perspektywą, zostawia czytelne ślady poziomu zaawansowania. Podobny mechanizm opisujemy przy ocenie różnicy między AI-aware a AI-native — deklaracja wiedzy o AI to co innego niż nawyk pracy z AI, a to drugie widać dopiero w konkretach.
Sygnały ostrzegawcze
Lista narzędzi bez kontekstu użycia. „ChatGPT, Copilot, Claude, Gemini” w sekcji umiejętności to sygnał, który nic nie weryfikuje. Każde z tych narzędzi można dodać do CV bez jednorazowego użycia.
Opisy skupione na zainteresowaniu AI, nie na zastosowaniu. „Śledzę trendy AI w rekrutacji”, „interesuję się nowymi narzędziami” to deklaracje obserwatora, nie praktyka.
Certyfikaty promptowe jako główny dowód kompetencji. Rynek certyfikatów AI jest zbyt młody, żeby miały realną wartość weryfikacyjną. Certyfikat sygnalizuje zainteresowanie tematem, nie umiejętność zastosowania w pracy rekrutacyjnej.
Pięć pytań, które naprawdę weryfikują
To serce procesu weryfikacji. Każde pytanie jest zaprojektowane tak, żeby odpowiedź bez prawdziwego doświadczenia z AI była trudna do sfabrykowania. Format: pytanie, czego szukać w odpowiedzi, sygnał ostrzegawczy. Stosujemy tu tę samą logikę, którą opisaliśmy przy weryfikacji, czy kandydat naprawdę pracuje z AI — tam w wersji uniwersalnej dla różnych ról, tutaj dopasowanej specyficznie pod rekrutera.
Pytanie 1 Opisz konkretny proces rekrutacyjny, w którym AI zmieniło Twoje podejście do sourcingu. Gdzie wcześniej szukałeś kandydatów, gdzie szukasz teraz i jaka jest różnica w wynikach?
Czego szukasz: konkretna rola, konkretna zmiana kanałów, konkretna różnica w wynikach. Kandydat AI-native mówi o GitHub, Hugging Face, Discord serverach, Substackach branżowych, forach tematycznych — a nie wyłącznie o LinkedIn jako jedynym kanale. Opisuje jak buduje zapytania sourcingowe i jak weryfikuje jakość znalezionych profili. Podaje liczby: ile profili, jaki był odsetek dopasowania do kryteriów, jak zmieniło się time to first recommendation.
Sygnał ostrzegawczy: odpowiedź skupiona na narzędziu zamiast na procesie. „Używam Sourcing AI do przeszukiwania LinkedIn” to opis narzędzia, nie zmiana podejścia. Brak konkretnych liczb, dat lub nazw ról, przy których ta zmiana nastąpiła.
Pytanie 2 Jak wygląda Twój proces preselekcji, gdy masz sto aplikacji? Pokaż mi, jak definiujesz kryteria i gdzie w tym procesie wchodzi AI.
Czego szukasz: kandydat opisuje jak przekłada wymagania roli na ustrukturyzowane kryteria oceny, które AI może zastosować spójnie do każdego CV. Rozumie różnicę między „poproszeniem AI o ocenę kandydata” a „zdefiniowaniem kryteriów, które AI weryfikuje w każdym profilu”. Mówi o weryfikacji outputu AI przed finalną decyzją. Potrafi opisać jak zakomunikował te kryteria hiring managerowi.
Sygnał ostrzegawczy: kandydat opisuje AI jako przyspieszacz przeglądania CV bez zmiany samego mechanizmu oceny. „Wklejam CV do ChatGPT i pytam czy kandydat pasuje do roli” to użycie narzędzia, nie AI-native podejście. Brak świadomości ryzyka związanego ze ślepym przyjmowaniem outputu AI.
Pytanie 3 Pokaż mi wiadomość outreach, którą ostatnio wysłałeś do pasywnego kandydata. Jak AI wchodziło w proces jej tworzenia i jaki był efekt?
Czego szukasz: konkretna wiadomość lub szczegółowy opis jej struktury, widoczna personalizacja bazująca na rzeczywistym profilu kandydata (konkretny projekt, artykuł, aktywność w społeczności), opisany proces tworzenia z AI i weryfikacji przed wysłaniem. Kandydat potrafi powiedzieć jaki był response rate i co zmienił w kolejnej iteracji. Dobra odpowiedź zawiera element refleksji nad tym, co zadziałało i co nie.
Sygnał ostrzegawczy: brak konkretnego przykładu lub przykład, który jest lekko spersonalizowanym szablonem z imieniem i nazwą firmy jako jedynymi elementami personalizacji. Kandydat, który nie pamięta ostatniej wiadomości outreach ani jej efektów, prawdopodobnie nie traktuje tego jako procesu wymagającego optymalizacji.
Pytanie 4 Co poszło nie tak ostatnio, gdy użyłeś AI w rekrutacji? Co zrobiłeś z tym doświadczeniem?
Czego szukasz: każdy, kto naprawdę intensywnie pracuje z AI, ma historię błędu. Model źle ocenił kandydata. Wygenerował wiadomość outreach, która była nieodpowiednia do kontekstu. Zasugerował kanał sourcingu, który nie zadziałał dla tej konkretnej roli. Dobra odpowiedź jest konkretna i pokazuje jak kandydat dostosował swój proces po tej sytuacji. Błąd jest okazją do uczenia się o ograniczeniach AI, a nie worek do zamiatania.
Sygnał ostrzegawczy: brak jakiegokolwiek przykładu błędu lub odpowiedź ogólna w stylu „zdarza się, że AI nie działa idealnie, ale generalnie pomaga”. Brak błędów oznacza brak prawdziwego i intensywnego użycia. Kandydat, który używa AI codziennie, natyka się na jego ograniczenia regularnie.
Pytanie 5 Jak raportują o efektach AI w rekrutacji swojemu managerowi lub klientowi?
Czego szukasz: kandydat potrafi opisać konkretne metryki, które zbiera i prezentuje: skrócenie czasu preselekcji, wzrost response rate w outreachu, zmiana w czasie do pierwszej rekomendacji, poprawa jakości longlisty mierzona odsetkiem kandydatów przechodzących do kolejnych etapów. Rozumie, że wartość AI musi być komunikowana przez wyniki, a nie przez listę wdrożonych narzędzi.
Sygnał ostrzegawczy: „mówię im, że korzystam z nowoczesnych narzędzi i to przyspiesza pracę”. Brak mierzenia i raportowania efektów sugeruje, że AI jest używane powierzchownie, bez świadomości jego wpływu na konkretne wyniki rekrutacyjne.
Zadanie live: weryfikacja, której nie da się zasymulować
Pytania na rozmowie testują wiedzę i refleksję. Zadanie live testuje to, co kandydat robi instynktownie pod presją czasu — podobną formułę stosujemy przy weryfikacji AI-native developerów: nie oceniać rozwiązania, tylko obserwować proces dochodzenia do niego.
Zadanie A: sourcing live (30 minut)
Daj kandydatowi konkretną rolę, najlepiej aktualnie otwartą lub niedawno zamkniętą, żebyś mógł ocenić wynik przez pryzmat własnego doświadczenia z tą rolą. Powiedz: „Masz trzydzieści minut. Znajdź mi pięć profili kandydatów na tę rolę. Możesz używać dowolnych narzędzi.”
Nie oceniaj pięciu profili. Oceniaj proces.
Czy kandydat zaczyna od zrozumienia roli, czy od otwierania LinkedIn? Jak formułuje pierwsze zapytanie i czy je modyfikuje po zobaczeniu wyników? Czy szuka poza standardowymi kanałami, a jeśli tak, to jak do nich trafia? Jak ocenia znalezione profile przed pokazaniem ich Tobie? Czy weryfikuje jakość swojego sourcingu zanim ogłosi, że skończył?
Zadanie B: preselekcja live (20 minut)
Daj kandydatowi dziesięć CV i poproś: „Zrób preselekcję pod tę rolę. Możesz używać AI. Chcę zobaczyć jak pracujesz, nie tylko finalną listę.”
Co obserwować: jak definiuje kryteria oceny zanim zacznie przeglądać dokumenty? Czy używa AI do mechanicznego przyspieszenia przeglądania, czy do ustrukturyzowania oceny? Jak reaguje, gdy output AI i jego intuicja wskazują inaczej? Czy potrafi uzasadnić każdą decyzję kryterium, a nie tylko wrażeniem?
Pytanie weryfikujące po zadaniu
„Co zrobiłbyś inaczej, gdybyś miał dwa dni zamiast trzydziestu minut?”
Odpowiedź na to pytanie ujawnia głębokość rozumienia procesu i dojrzałość w myśleniu o AI jako narzędziu. Kandydat, który opisuje tylko więcej tego samego, myśli ilościowo. Kandydat, który opisuje inną strukturę procesu, myśli systemowo.
O co nie pytać
Kilka pytań, które brzmią sensownie, ale w praktyce niczego nie różnicują w tej grupie kandydatów.
„Jakich narzędzi AI używasz?” Narzędzia zmieniają się co kwartał. Lista narzędzi nic nie mówi o tym jak ktoś z nich korzysta i czy robi to efektywnie. To pytanie nagradza kandydatów, którzy śledzą nowinki, nie tych, którzy głęboko pracują z AI.
„Jak oceniasz swój poziom znajomości AI w skali od jednego do dziesięciu?” Samoocena w tym obszarze bywa odwrotnie proporcjonalna do rzeczywistych kompetencji. Zaawansowani praktycy oceniają się ostrożnie, bo wiedzą ile jeszcze nie wiedzą. Kandydaci z powierzchownym doświadczeniem często oceniają się wysoko, bo nie wiedzą czego im brakuje.
„Czy uważasz, że AI zastąpi rekruterów?” To pytanie weryfikuje poglądy, nie kompetencje. Każdy kandydat ma przygotowaną dyplomatyczną odpowiedź. Czas poświęcony na tę dyskusję to czas zabrany weryfikacji tego, co naprawdę ważne.
„Jak AI zmieni rekrutację w ciągu pięciu lat?” Pytanie do felietonisty, nie do praktyka. Dobra odpowiedź na to pytanie niczego nie gwarantuje o tym, jak kandydat pracuje dziś.
Jak ocenić aktywność publiczną przed rozmową
Trzydzieści minut spędzonych na LinkedIn i Google przed rozmową często daje więcej niż pierwsza połowa samej rozmowy. To zresztą ten sam instynkt, który warto mieć przy rekrutacji na samo stanowisko rekrutera — szeroka, aktywna sieć kontaktów i widoczna praca w społeczności mówią więcej niż deklaracje w CV.
LinkedIn: czy kandydat publikuje treści o rekrutacji i AI z własną perspektywą, czy tylko udostępnia artykuły innych? Komentarze pod postami innych rekruterów, w których kandydat mówi coś konkretnego o procesie lub narzędziu, to lepszy sygnał niż dziesięć własnych postów z ogólnikami o „przyszłości rekrutacji”.
Artykuły i dłuższe teksty: wartościowy tekst opisuje decyzje i tradeofsy, nie tylko kroki. „Dlaczego przestałem używać X do preselekcji i co zrobiłem zamiast tego” to głębia. „Siedem narzędzi AI, które musisz znać w 2026” to powierzchnia.
Aktywność w społecznościach: czy kandydat uczestniczy w dyskusjach o AI w rekrutacji na grupach LinkedIn, forach HR, Discordach branżowych? Aktywny uczestnik dyskusji, który odpowiada na pytania innych lub zadaje pytania techniczne, to wyraźnie inny sygnał niż obserwator.
Brak jakiejkolwiek publicznej aktywności nie jest dyskwalifikacją. Ale jej obecność i jakość to jeden z najtrudniejszych do sfabrykowania sygnałów kompetencji.
Podsumowanie
Rekruter, który naprawdę pracuje z AI, ma to udowodnione w wynikach i procesach, a nie w liście narzędzi w sekcji umiejętności. Weryfikacja wymaga pytań i zadań, których nie da się przygotować bez rzeczywistego doświadczenia. Standardowy proces rekrutacyjny na to nie pozwala, bo rekruter zna go od środka lepiej niż większość kandydatów na inne role.
Protokół z tego artykułu działa niezależnie od tego, czy rekrutujesz do wewnętrznego zespołu TA, czy oceniasz kandydatów agencji, z którą planujesz współpracować. W obu przypadkach pytanie jest to samo: czy ta osoba naprawdę zmieniła sposób, w jaki pracuje, czy tylko zmieniła słownictwo w CV.
Jeśli szukasz AI-native rekruterów do swojego zespołu lub chcesz pracować z agencją, której rekruterzy działają w tym modelu na co dzień, porozmawiajmy. W Talent Place sieć ponad 400 rekruterów pracuje z AI jako standardem każdego projektu rekrutacyjnego.
Warto przeczytać też: Co AI-native rekruter robi inaczej — i dlaczego to ma znaczenie dla firmy oraz Za dużo rekrutacji? Sprawdź, czym jest RPO i kiedy się opłaca — o tym, co zrobić, gdy wewnętrzny zespół rekrutacyjny przestaje nadążać za tempem wzrostu firmy.
