Czy AI może samodzielnie odrzucić kandydata zgodnie z prawem?

Co do zasady nie, jeśli odrzucenie opiera się wyłącznie na zautomatyzowanym przetwarzaniu i istotnie wpływa na kandydata. Artykuł 22 RODO daje osobie prawo, by nie podlegać takiej decyzji, a automatyczne odrzucenie aplikacji jest podawane jako typowy przykład. Wyjątki istnieją (m.in. wyraźna zgoda lub niezbędność do zawarcia umowy), ale nawet wtedy trzeba zapewnić udział człowieka, możliwość zakwestionowania decyzji i jej wyjaśnienie. Sam człowiek tylko zatwierdzający wynik nie wystarczy, jeśli nie ma realnego wpływu na rozstrzygnięcie.

Czy systemy AI do rekrutacji są wysokiego ryzyka pod AI Act?

Tak. Załącznik III rozporządzenia wymienia systemy AI przeznaczone do rekrutacji i selekcji oraz do decyzji wpływających na warunki pracy (awans, rozwiązanie umowy, przydział zadań, ocena wyników) jako systemy wysokiego ryzyka. Wiążą się z tym obowiązki dotyczące jakości danych, dokumentacji, przejrzystości i nadzoru człowieka. Nie oznacza to zakazu takich systemów, lecz ich obwarowanie wymogami proporcjonalnymi do wagi decyzji o czyjejś pracy.

Co to znaczy, że udział człowieka musi być znaczący?

To znaczy, że osoba w procesie ma realną kompetencję i uprawnienie, by zmienić wynik systemu, a nie tylko go zatwierdza. Liczy się dostęp do podstaw decyzji, czas proporcjonalny do jej wagi oraz brak kary za odejście od rekomendacji. Jeśli rekruter klika akceptację rankingu, nie znając jego powodów i nie mając jak zdecydować inaczej, jego udział jest pozorny, a decyzja w sensie prawnym pozostaje wyłącznie automatyczna.

Czym jest automation bias w rekrutacji i jak mu przeciwdziałać?

To skłonność do nadmiernego zaufania podpowiedzi systemu, nawet gdy własna wiedza jej przeczy. W rekrutacji prowadzi do bezrefleksyjnego przyjmowania rankingu kandydatów. Najskuteczniej przeciwdziała się jej projektem procesu: ukrywaniem rekomendacji systemu do czasu własnej oceny rekrutera, zapewnieniem realnego czasu na decyzję, prawem do sprzeciwu bez kary oraz mierzeniem trafności decyzji, a nie liczby obsłużonych aplikacji.

Jak sprawdzić, czy rekrutacyjne AI jest stronnicze?

Po pierwsze, ustal, na jakich cechach system opiera ocenę, i sprawdź, czy nie ma wśród nich ukrytych odpowiedników płci, wieku czy pochodzenia (np. luki w zatrudnieniu, kod pocztowy, rok ukończenia studiów). Po drugie, regularnie badaj wyniki pod kątem dysproporcji: czy odsetek przepuszczanych kandydatów nie różni się systematycznie między grupami bez merytorycznego uzasadnienia. Po trzecie, żądaj od dostawcy informacji o danych treningowych i testach pod kątem stronniczości.

Czy kandydat ma prawo do wyjaśnienia automatycznej decyzji rekrutacyjnej?

W zakresie objętym artykułem 22 RODO administrator musi zapewnić co najmniej prawo do uzyskania interwencji człowieka, wyrażenia własnego stanowiska i zakwestionowania decyzji, a także przekazać podstawowe informacje o logice przetwarzania oraz znaczeniu i przewidywanych skutkach takiej decyzji. W praktyce oznacza to dostęp do ludzkiego, ponownego rozpatrzenia sprawy oraz zrozumiałe wyjaśnienie, dlaczego zapadła dana decyzja, a nie odesłanie do nieprzeniknionego algorytmu.

Czy nadzór człowieka w HR spowalnia rekrutację?

Nie musi. Automatyzacja może przejąć pracę administracyjną, jak umawianie rozmów czy porządkowanie zgłoszeń, a uwaga człowieka wraca do tego, co istotne: oceny trafności i sprawiedliwości decyzji o konkretnej osobie. Prawo nie wymaga, by rekruter ręcznie przeglądał każdą aplikację, lecz by jego udział był znaczący tam, gdzie stawką jest czyjaś praca. Dobrze zaprojektowany nadzór wychwytuje kosztowne błędy, zamiast je tylko firmować.

Człowiek w pętli w rekrutacji i HR

Rekrutacja to jedno z tych miejsc, gdzie AI najszybciej zaczęło decydować o ludziach — i jedno z tych, gdzie pomyłka boli najbardziej, bo dotyka czyjejś pracy, dochodu i poczucia, że ocenił go ktoś, a nie coś. Człowiek w pętli w rekrutacji oznacza, że za każdą decyzją odrzucającą lub przesuwającą kandydata dalej stoi osoba, która może realnie zmienić wynik systemu i robi to na podstawie własnej oceny, a nie samego rankingu. To nie jest formalność do odhaczenia. W AI Act systemy do rekrutacji i oceny pracowników należą do kategorii wysokiego ryzyka, a w RODO decyzje podejmowane wyłącznie automatycznie podlegają osobnym, mocnym ograniczeniom. Ten tekst pokazuje, gdzie dokładnie AI pojawia się w HR, dlaczego prawo traktuje ten obszar poważniej niż inne i jak wygląda nadzór, który faktycznie chroni kandydata, zamiast tylko firmować decyzję maszyny.

Gdzie AI pojawia się w rekrutacji i HR?

Większość ludzi wyobraża sobie „AI w rekrutacji” jako program odrzucający CV. W praktyce sztuczna inteligencja wchodzi do procesu znacznie wcześniej i w wielu punktach naraz — często niewidocznie dla kandydata, a czasem także dla samego rekrutera.

Najczęstsze zastosowania układają się w kilka grup:

Docieranie do kandydatów. Systemy reklamowe i platformy pracy rozstrzygają, komu w ogóle pokazać ogłoszenie. To pozornie neutralny etap, ale to tu zapadają pierwsze decyzje o tym, kto dostanie szansę aplikować.
Wstępna selekcja zgłoszeń (screening). Oprogramowanie do zarządzania rekrutacją (ATS) filtruje aplikacje pod kątem słów kluczowych, doświadczenia czy dopasowania do opisu stanowiska, odsiewając część zgłoszeń, zanim zobaczy je człowiek.
Ranking i ocena kandydatów. Modele przydzielają punkty i układają osoby w kolejność „dopasowania”, czasem na podstawie CV, czasem na podstawie testów, nagrań wideo albo gier rekrutacyjnych.
Planowanie i organizacja (scheduling). Asystenci AI umawiają rozmowy, prowadzą wstępną korespondencję, przypominają o terminach. To obszar pozornie czysto administracyjny, ale i tu drobne reguły potrafią faworyzować jednych kandydatów kosztem innych.
Decyzje wewnątrz firmy. Już po zatrudnieniu AI wspiera ocenę wyników, typowanie do awansu, rozkład zadań czy nawet typowanie do zwolnień. To wciąż HR — i wciąż decyzje o ludziach.

Najważniejsze jest to, że te etapy się sumują. Kandydat może zostać odsiany przez filtr słów kluczowych, więc nigdy nie trafi do rankingu, więc nigdy nie zobaczy go rekruter. Jeśli nadzór człowieka pojawia się dopiero na końcu — przy ostatecznej rozmowie — to czuwa nad ułamkiem osób, które wcześniejsze warstwy już przepuściły. Pula została zawężona, zanim ktokolwiek spojrzał na nią ludzkim okiem.

Dlaczego rekrutacja to wysokie ryzyko pod AI Act?

AI Act dzieli systemy według ryzyka, jakie stwarzają dla ludzi, i rekrutację umieszcza wysoko. Systemy AI przeznaczone do rekrutacji oraz do podejmowania decyzji wpływających na warunki pracy — w tym do publikowania i kierowania ogłoszeń, analizy i filtrowania zgłoszeń oraz oceny kandydatów — należą do systemów wysokiego ryzyka wymienionych w załączniku III rozporządzenia. Ta sama logika obejmuje decyzje już w trakcie zatrudnienia: o awansie, rozwiązaniu umowy, przydziale zadań czy ocenie wyników.

Powód jest prosty i ludzki. Decyzja rekrutacyjna rozstrzyga o dostępie do pracy, a więc do dochodu i pozycji życiowej. Błąd nie kończy się zwrotem towaru — odbiera komuś szansę, często bez słowa wyjaśnienia. Dlatego ustawodawca nie zakazuje takich systemów, ale obwarowuje je obowiązkami: oceną i ograniczaniem ryzyka, jakością danych, dokumentacją, rejestrowaniem zdarzeń, przejrzystością wobec użytkownika i — co dla nas najważniejsze — skutecznym nadzorem człowieka.

Tu trzeba uczciwie rozdzielić daty i nie straszyć na zapas. Obowiązki przejrzystości z artykułu 50 (na przykład informowanie, że rozmawiamy z systemem AI, oznaczanie treści generowanych) zaczynają obowiązywać 2 sierpnia 2026 roku. Obowiązki dla systemów wysokiego ryzyka — w tym wymóg projektowania systemu pod nadzór człowieka z artykułu 14 — są wdrażane później: pakiet Digital Omnibus, ostatecznie przyjęty przez Parlament Europejski 16 czerwca 2026 i zatwierdzony przez Radę UE 29 czerwca 2026, przesunął ich stosowanie na 2 grudnia 2027 roku. To już obowiązujące prawo, nie propozycja na etapie prac. Najwyższe kary z AI Act dotyczą praktyk zakazanych z artykułu 5, a nie systemów wysokiego ryzyka — przywoływanie ich jako „grzywny za zły nadzór nad rekrutacją” jest po prostu nieścisłe. Jeśli chcesz uporządkować kategorie ryzyka i harmonogram, dobrym punktem wyjścia jest hub o AI Act i nadzorze człowieka.

Dlaczego dane rekrutacyjne są wrażliwe pod RODO?

Rekrutacja to przetwarzanie danych osobowych na dużą skalę i często danych, które łatwo prowadzą do dyskryminacji: wieku, płci, pochodzenia, stanu zdrowia, sytuacji rodzinnej. RODO nakłada tu zwykłe obowiązki — podstawę prawną, ograniczenie celu, minimalizację danych, przejrzystość — ale jeden przepis dotyka sedna automatyzacji.

Artykuł 22 RODO mówi, że osoba ma prawo nie podlegać decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, jeśli ta decyzja wywołuje wobec niej skutki prawne lub w podobny sposób istotnie na nią wpływa. Automatyczne odrzucenie aplikacji jest właśnie takim przypadkiem — to klasyczny przykład przywoływany w wytycznych organów ochrony danych. Kluczowe jest słowo „wyłącznie”: jeśli żaden człowiek nie miał realnego wpływu na wynik, decyzja podpada pod ograniczenie z artykułu 22.

I tu kryje się pułapka, w którą wpada wiele firm. Sam fakt, że gdzieś w procesie siedzi rekruter, nie wyłącza artykułu 22. Jeśli człowiek tylko zatwierdza ranking, nie znając jego podstaw i nie mając czasu ani prawa, by zdecydować inaczej, jego udział jest pozorny — a decyzja w sensie prawnym wciąż jest „wyłącznie automatyczna”. Organy ochrony danych konsekwentnie podkreślają, że udział człowieka musi być znaczący, a nie symboliczny: ma to być ktoś z kompetencją i uprawnieniem do zmiany rozstrzygnięcia, a nie listek figowy doklejony na koniec. To dokładnie ten sam wymóg, który niezależnie stawia AI Act — dwa różne reżimy spotykają się w jednym punkcie. Szerzej rozkładam to w tekście o tym, czym jest rzeczywisty nadzór człowieka, a co tylko go udaje.

Jak wygląda rzeczywisty nadzór człowieka w HR?

Rzeczywisty nadzór w rekrutacji nie polega na tym, że ktoś „rzuca okiem” na listę. Polega na tym, że osoba decydująca pracuje na własnej ocenie kandydata, a podpowiedź systemu traktuje jako jedną z przesłanek — i ma realną możliwość zdecydować inaczej. Różnicę między jednym a drugim widać w kilku konkretnych wymiarach.

Wymiar	Rzeczywisty nadzór	Przyklepywanie decyzji
Punkt wyjścia	Własna ocena kandydata, ranking jako jedna z przesłanek	Gotowa lista AI, rekruter zatwierdza kolejność
Wiedza o systemie	Rekruter wie, na czym opiera się punktacja i gdzie bywa zawodna	Widzi tylko wynik, bez powodów
Możliwość zmiany	Może przywrócić odrzuconego kandydata bez tłumaczenia się	Odstępstwo od rankingu psuje statystyki, generuje pytania
Czas	Proporcjonalny do wagi decyzji	Narzucony przepustowością („tylu kandydatów dziennie”)
Co mierzy firma	Trafność i sprawiedliwość decyzji	Liczbę obsłużonych aplikacji
Ślad	Zapisany powód odrzucenia lub awansu	Samo kliknięcie „dalej”

Najgroźniejszy wróg nadzoru w HR ma nazwę: automation bias, czyli skłonność do nadmiernego zaufania podpowiedzi maszyny nawet wtedy, gdy własna wiedza jej przeczy. Im częściej ranking wydaje się trafny, tym rzadziej rekruter go kwestionuje — aż przestaje sprawdzać w ogóle. Po dwustu zgodnych decyzjach tę dwieście pierwszą, błędną, też zatwierdzi, bo wpadł w rytm zgody. To nie wina rekrutera; to przewidywalna reakcja poznawcza, którą rozbraja się projektem procesu, a nie apelem o czujność.

Skuteczny nadzór wymaga czterech rzeczy naraz. Po pierwsze, prawa do sprzeciwu — rekruter musi móc przywrócić odrzuconego kandydata bez kary i bez walki z systemem. Po drugie, czasu proporcjonalnego do wagi decyzji, a nie do dziennej normy aplikacji. Po trzecie, kontekstu — dostępu do tego, dlaczego system ocenił kogoś tak, a nie inaczej, na jakich cechach oparł punktację i gdzie bywa zawodny. Po czwarte, kompetencji — rozumienia zarówno stanowiska, jak i słabych punktów konkretnego narzędzia. Zabraknie jednego warunku, a nadzór, choćby formalnie istniał, przestaje cokolwiek znaczyć.

Jakie zabezpieczenia chronią przed stronniczą decyzją?

Stronniczość w rekrutacyjnym AI rzadko bierze się ze złej woli. Najczęściej system uczy się na dawnych decyzjach firmy i odtwarza ich uprzedzenia — jeśli kiedyś zatrudniano głównie pewien profil osób, model uzna ten profil za „dobry” i będzie go premiował. Dlatego zabezpieczeń nie da się zostawić wyłącznie po stronie technologii; część z nich to po prostu dobry proces.

W praktyce sprawdza się kilka konkretnych kontroli:

Sprawdź, na czym system opiera ocenę. Zanim wdrożysz narzędzie, ustal, jakie cechy bierze pod uwagę i czy wśród nich nie ma takich, które są ukrytym odpowiednikiem płci, wieku czy pochodzenia (na przykład luki w zatrudnieniu, kod pocztowy, rok ukończenia studiów). Cechy zastępcze potrafią przemycić dyskryminację, której nikt nie wpisał wprost.
Testuj wyniki pod kątem dysproporcji. Regularnie sprawdzaj, czy odsetek przepuszczanych kandydatów nie różni się systematycznie między grupami. Jeśli model odsiewa jedną grupę wyraźnie częściej bez merytorycznego uzasadnienia, to sygnał ostrzegawczy, a nie statystyczny przypadek.
Ukrywaj rekomendację do czasu własnej oceny. Prosty zabieg projektowy: niech rekruter najpierw oceni kandydata, a dopiero potem zobaczy punktację systemu. To realnie ogranicza automation bias, bo człowiek nie zaczyna od konkluzji maszyny.
Trzymaj człowieka przy decyzjach odrzucających, nie tylko akceptujących. Najwięcej krzywdy dzieje się po cichu — przy odsianiu kogoś, kto nigdy się o tym nie dowie. Nadzór, który dotyczy tylko finalistów, pomija właśnie te osoby, których broni artykuł 22 RODO.
Zapisuj powód decyzji, nie sam fakt. Jeśli system odnotowuje wyłącznie „odrzucono”, firma nie odróżni później świadomej oceny od bezmyślnego kliknięcia — i nie potrafi udowodnić, że nadzór w ogóle działał.
Zapewnij kandydatowi ścieżkę odwołania do człowieka. Możliwość poproszenia o ponowne, ludzkie rozpatrzenie sprawy to nie uprzejmość, lecz jeden z filarów artykułu 22 RODO. Działa też jako mechanizm wykrywania błędów modelu.
Żądaj dokumentacji od dostawcy narzędzia. Większość firm kupuje gotowe rozwiązania. Pytaj o to, na czym je trenowano, jak testowano pod kątem stronniczości i jak system wspiera nadzór człowieka — to informacje, których AI Act i tak będzie wymagać od dostawców systemów wysokiego ryzyka.

Żadna z tych kontroli nie jest rewolucją organizacyjną. Razem zmieniają jednak rekrutacyjne AI z czarnej skrzynki, którą człowiek firmuje, w narzędzie, które człowiek faktycznie prowadzi. Więcej o tym, jak takie kontrole różnią się między sektorami, znajdziesz w hubie o nadzorze człowieka w branżach, a stronę odpowiedzialności prawnej za decyzję rozkłada obszar o ryzyku, etyce i odpowiedzialności.

Co z tego wynika dla działu HR?

Wniosek jest spokojny, nie alarmowy. AI w rekrutacji nie jest ani cudownym narzędziem, ani zagrożeniem, które trzeba odrzucić — jest pomocą, która podejmuje decyzje o ludziach i dlatego wymaga człowieka przy sterze. Prawo nie żąda, by rekruter ręcznie przeglądał każdą aplikację. Żąda, by tam, gdzie stawką jest czyjaś praca, jego udział był znaczący: oparty na własnej ocenie, wyposażony w czas, kontekst i prawo do zmiany rozstrzygnięcia.

Dobra wiadomość jest taka, że to da się zrobić bez rezygnacji z automatyzacji i bez zwalniania rekruterów. Przeciwnie — automatyzacja zdejmuje z ludzi pracę żmudną (umawianie rozmów, porządkowanie zgłoszeń), a uwaga człowieka wraca tam, gdzie naprawdę jest potrzebna: do oceny, czy decyzja o konkretnej osobie jest trafna i sprawiedliwa. Nadzoru nie da się jednak dokleić na końcu. Projektuje się go razem z procesem — i właśnie wtedy, gdy nikt jeszcze nie patrzy na konkretne CV.

Firmom, które dopiero układają taki proces i nie mają własnego zespołu AI, wdrożeniem podobnych rozwiązań pomaga m.in. managerAI — studio specjalizujące się we wdrożeniach AI w małych i średnich firmach z zachowaniem realnego nadzoru człowieka.