Zaktualizowano:
Atrybucja w rekrutacji: błędy oceny kandydatów i jak je ograniczać
Proces rekrutacyjny
Recruitify Team
Atrybucja rekrutacyjna to sposób, w jaki rekruter wyjaśnia sobie przyczyny osiągnięć, porażek i zachowań kandydata. Problem pojawia się wtedy, gdy wynik zespołu, łatwy projekt albo korzystne warunki zostają odczytane jako dowód wyjątkowych kompetencji jednej osoby, a gorszy dzień lub trudny kontekst jako jej trwała wada. Ten artykuł wyjaśnia, jak działa atrybucja w procesie selekcji, jakie błędy zdarzają się najczęściej, co na ten temat mówią badania oraz jakie praktyki i narzędzia pozwalają ograniczyć ich wpływ na decyzje, także w świetle unijnego AI Act.
Najważniejsze wnioski
Podstawowy błąd atrybucji polega na przecenianiu cech osoby i niedocenianiu sytuacji. W rekrutacji prowadzi to do zawyżania ocen kandydatów z „łatwych” środowisk i zaniżania ocen osób, które pracowały w trudnych warunkach.
Doświadczenie rekrutera samo w sobie nie chroni przed tym błędem. Badania wskazują, że intuicja i nieustrukturyzowane rozmowy zwiększają pewność siebie oceniającego szybciej niż trafność jego ocen.
Najskuteczniejszą ochroną jest struktura: z góry zdefiniowane kryteria, karta oceny, pytania o kontekst osiągnięć i niezależne oceny kilku osób.
Algorytmy nie są automatycznie wolne od atrybucji. Systemy AI używane do selekcji kandydatów są w UE systemami wysokiego ryzyka, a szczegółowe wymogi wobec nich zaczną obowiązywać 2 grudnia 2027 r.
Spis treści
1. Czym jest atrybucja w rekrutacji
W psychologii społecznej atrybucja oznacza przypisywanie przyczyn własnemu lub cudzemu zachowaniu. Klasyczne zjawisko w tym obszarze to podstawowy błąd atrybucji, czyli skłonność do tłumaczenia zachowań innych ludzi ich cechami charakteru przy jednoczesnym pomijaniu okoliczności. W codziennym życiu ten skrót myślowy bywa nieszkodliwy. W rekrutacji przekłada się bezpośrednio na to, kto otrzyma ofertę, a kto zostanie odrzucony.
Rekruter rzadko widzi pracę kandydata bezpośrednio. Ocenia ją pośrednio: przez CV, opis projektów, referencje, wynik zadania technicznego i przebieg rozmowy. Każdy z tych sygnałów jest efektem zarówno kompetencji, jak i warunków, w których kandydat działał. Atrybucja rekrutacyjna to właśnie moment rozdzielania tych dwóch składników, świadomy lub nie.
Atrybucja wewnętrzna i zewnętrzna
W praktyce przydatne jest rozróżnienie dwóch kierunków wyjaśniania:
Atrybucja wewnętrzna przypisuje wynik cechom osoby: umiejętnościom, motywacji, inteligencji, sumienności.
Atrybucja zewnętrzna przypisuje wynik okolicznościom: jakości zespołu, budżetowi projektu, wsparciu przełożonego, stopniowi trudności zadania, a nawet przypadkowi.
Przykład z rynku IT: kandydatka na stanowisko Senior Java Developer opisuje udaną migrację monolitu do mikroserwisów. Atrybucja wewnętrzna podpowiada „świetna architektka”. Rzetelna ocena wymaga jednak pytań o kontekst: jak duży był zespół, kto podejmował decyzje architektoniczne, jaki był jej osobisty wkład i co poszło nie tak. Odpowiedzi mogą potwierdzić pierwsze wrażenie, ale mogą też pokazać, że kluczową rolę odegrał ktoś inny.
Drugie znaczenie: atrybucja źródeł kandydatów
Fraza „atrybucja w rekrutacji” bywa też używana w znaczeniu zapożyczonym z marketingu. Chodzi wtedy o przypisanie zasługi za zatrudnienie konkretnemu kanałowi: portalowi z ogłoszeniami, poleceniu, kampanii employer brandingowej czy własnej bazie kandydatów. Ten rodzaj atrybucji odpowiada na pytanie, które źródło faktycznie przynosi zatrudnienia, a nie tylko aplikacje.
Mechanizm błędu jest zresztą podobny. Jeśli cała zasługa trafia do ostatniego kanału, z którego kandydat aplikował, łatwo przeoczyć wcześniejsze punkty styku, na przykład reklamę, która zbudowała rozpoznawalność pracodawcy. Działy HR, które prowadzą rekrutacyjne kampanie Performance Max w Google Ads, stykają się z tym problemem szczególnie często, ponieważ kampania rozkłada wyświetlenia na wiele kanałów jednocześnie. Dalsza część artykułu koncentruje się jednak na znaczeniu psychologicznym, ponieważ to ono bezpośrednio wpływa na jakość decyzji o kandydatach.
2. Najczęstsze błędy atrybucji w ocenie kandydatów
Błędy atrybucji rzadko występują pojedynczo. Zwykle wzmacniają się nawzajem: pierwsze wrażenie uruchamia efekt halo, a ten z kolei sprawia, że kolejne informacje są interpretowane tak, by pasowały do przyjętej tezy. Poniższa tabela zestawia te, które najczęściej pojawiają się w procesach rekrutacyjnych.
Błąd | Jak wygląda w rekrutacji | Przykład | Jak go ograniczać |
|---|---|---|---|
Podstawowy błąd atrybucji | Wynik kandydata przypisany wyłącznie jego cechom | Spóźnienie na rozmowę odczytane jako brak organizacji, mimo awarii komunikacji miejskiej | Pytania o okoliczności, ocena kilku niezależnych sygnałów |
Efekt halo | Jedna silna cecha rzutuje na ocenę pozostałych | Doświadczenie w znanej firmie technologicznej „podnosi” ocenę umiejętności miękkich | Ocena każdego kryterium osobno, według karty oceny |
Efekt diabła (odwrotny halo) | Jedna słabość obniża ocenę całości | Słabsza znajomość angielskiego przekreśla dobrą ocenę kompetencji technicznych | Wagi kryteriów ustalone przed rozmowami |
Efekt etykietowania | Pojedyncze zachowanie uznane za stałą cechę | Jedno zawahanie przy zadaniu live coding = „nie radzi sobie pod presją” | Kilka prób i różne formy weryfikacji |
Atrybucja na korzyść oceniającego | Udane zatrudnienie to zasługa intuicji, nieudane to wina kandydata | „Od razu wiedziałem, że się sprawdzi” | Systematyczne porównywanie ocen z rzeczywistymi wynikami zatrudnionych osób |
Ignorowanie poziomu odniesienia | Brak korekty o łatwość środowiska, w którym osiągnięto wynik | Wysoka ocena roczna w firmie, która ocenia wszystkich wysoko | Pytania o to, jak wypadali inni w tym samym zespole |
Ostatni błąd z tabeli jest najmniej oczywisty, a zarazem najlepiej udokumentowany w badaniach. Warto mu się przyjrzeć dokładniej.
3. Co mówią badania o atrybucji w selekcji
Zawyżone wyniki i brak korekty o kontekst
W badaniu opublikowanym w PLOS One autorzy sprawdzili, czy profesjonaliści dokonujący selekcji potrafią uwzględnić łagodność środowiska, w którym kandydat uzyskał wyniki. Okazało się, że oceniający faworyzowali kandydatów z łagodnie oceniających środowisk, traktując wysokie wyniki jako dowód zdolności, zamiast odnieść je do tego, jak łatwo było je osiągnąć. Badanie objęło doświadczonych praktyków, a nie wyłącznie studentów, co czyni wnioski szczególnie istotnymi dla rekruterów.
W praktyce oznacza to, że kandydat z najlepszą oceną w zespole, w którym wszyscy otrzymują najlepsze oceny, może zostać wyżej oceniony niż osoba z dobrą oceną w organizacji o bardzo surowych standardach. Bez pytania o poziom odniesienia rekruter porównuje liczby, które nie są porównywalne.
Pewność siebie rośnie szybciej niż trafność
Drugi wątek dotyczy roli intuicji. Badanie opublikowane w Scandinavian Journal of Psychology porównało trafność ocen zdolności poznawczych kandydatów dokonywanych przez rekruterów i laików. Wynika z niego, że osoby polegające na intuicji oceniały nieco mniej trafnie, a doświadczenie zawodowe nie zapewniało wyraźnej przewagi. Jednocześnie uśrednianie ocen kilku niezależnych oceniających poprawiało trafność predykcji.
Podobny kierunek wskazuje analiza zjawiska nadmiernej pewności siebie w selekcji. Jej autorzy pokazali, że informacje z nieustrukturyzowanego wywiadu mogą pogarszać decyzje: podnoszą pewność oceniających, ale nie poprawiają, a niekiedy obniżają trafność przewidywań dotyczących wyników pracy. Swobodna rozmowa daje wiele barwnych szczegółów, które łatwo zinterpretować jako dowód cech kandydata.
Dyskryminacja uwagi przy przeglądaniu CV
Atrybucja zaczyna działać jeszcze przed rozmową. Badania eksperymentalne nad tzw. dyskryminacją uwagi pokazały, że oceniający poświęcają różną ilość uwagi dokumentom kandydatów w zależności od grupy, do której ich przypisują. Jeżeli wstępne skojarzenie jest negatywne, rekruter czyta CV pobieżniej i może nie dotrzeć do informacji, które zmieniłyby jego ocenę. Błąd utrwala się więc na etapie, którego zwykle nikt nie dokumentuje.
4. Jak ograniczać błędy atrybucji: praktyczna procedura
Celem nie jest wyeliminowanie ludzkiego osądu, lecz nadanie mu struktury, która ogranicza wpływ przypadkowych wrażeń. Poniższe kroki można wdrożyć zarówno w dziale HR, jak i w agencji rekrutacyjnej.
Zdefiniuj kryteria przed pierwszą aplikacją. Lista kompetencji i ich wag powinna powstać razem z menedżerem zatrudniającym, zanim pojawią się pierwsze CV. Kryteria ustalane w trakcie procesu mają tendencję do dopasowywania się do kandydata, który zrobił najlepsze wrażenie.
Stosuj kartę oceny. Każde kryterium oceniane osobno, na tej samej skali i z krótkim uzasadnieniem, utrudnia przenoszenie jednej silnej cechy na całość oceny. Szczegółowe metody opisuje poradnik o tym, jak prowadzić ocenę kandydatów z kartą oceny.
Pytaj o kontekst każdego osiągnięcia. Wielkość zespołu, rola kandydata, budżet, termin, poziom trudności, wyniki innych osób w tym samym środowisku. Pytania typu „co zrobił Pan osobiście, a co zespół?” bezpośrednio adresują błąd atrybucji wewnętrznej.
Prowadź rozmowy ustrukturyzowane. Te same pytania dla wszystkich kandydatów na dane stanowisko i ocena odpowiedzi zaraz po ich udzieleniu, a nie po zakończeniu całego spotkania.
Zbieraj niezależne oceny. Członkowie panelu powinni wystawić oceny przed wspólną dyskusją. Dyskusja przed oceną sprawia, że dominuje zdanie najbardziej przekonującej osoby, co niweluje korzyść z uśredniania.
Ograniczaj wpływ nieistotnych informacji. Na etapie przeglądu dokumentów zanonimizowane CV pozwalają skupić się na kompetencjach, a nie na nazwie uczelni, zdjęciu czy wieku.
Weryfikuj własne decyzje. Porównywanie ocen z okresu rekrutacji z faktycznymi wynikami zatrudnionych osób po kilku miesiącach to jedyny sposób, by sprawdzić, które sygnały rzeczywiście przewidują sukces, a które jedynie budzą zaufanie.
Warto przy tym pamiętać, że większa liczba aplikacji nie oznacza lepszych decyzji. Przy dużym napływie zgłoszeń rośnie presja czasu, a wraz z nią skłonność do skrótów myślowych, o czym szerzej piszemy w tekście o micie „więcej aplikacji = lepszy wybór”.
5. Atrybucja a algorytmy: AI Act i stanowisko UODO
Automatyzacja selekcji bywa przedstawiana jako lekarstwo na ludzkie błędy atrybucji. To założenie jest prawdziwe tylko częściowo. Algorytm uczony na historycznych decyzjach rekrutacyjnych może przejąć zapisane w nich uprzedzenia, a zmienne pozornie neutralne, takie jak przerwa w zatrudnieniu czy miejsce zamieszkania, mogą działać jako zmienne zastępcze dla cech chronionych.
Unijny akt o sztucznej inteligencji traktuje to ryzyko poważnie. Załącznik III wymienia wśród systemów wysokiego ryzyka systemy AI przeznaczone do rekrutacji lub wyboru osób, w szczególności do analizowania i filtrowania aplikacji oraz oceny kandydatów. Komisja Europejska zwraca uwagę, że systemy AI mogą utrwalać historyczne wzorce dyskryminacji na każdym etapie rekrutacji, oceny i awansu. Zgodnie z wytycznymi Komisji wymogi dla systemów wysokiego ryzyka z tego obszaru zaczną obowiązywać 2 grudnia 2027 r., co potwierdzają również omówienia w polskiej prasie kadrowej, m.in. w serwisie Infor.pl.
W Polsce głos w tej sprawie zabrał również organ ochrony danych. W lipcu 2026 r. Prezes UODO wystąpił do ministry pracy o uregulowanie stosowania AI w zatrudnieniu, wskazując na potrzebę dodatkowej ochrony osób, których dotyczą decyzje podejmowane z udziałem takich systemów. Organ od dawna przypomina też w swoich materiałach, że danych osobowych nie wolno zbierać „na zapas”, co ma znaczenie dla budowy baz kandydatów i trenowania modeli.
Dla agencji i działów HR oznacza to kilka praktycznych wniosków:
scoring i ranking kandydatów powinny opierać się na kryteriach związanych ze stanowiskiem, które da się wyjaśnić kandydatowi i klientowi;
ostateczna decyzja musi pozostać w rękach człowieka, który rozumie, na jakiej podstawie system zaproponował daną kolejność;
wyniki algorytmu warto okresowo porównywać z rzeczywistymi wynikami zatrudnień i sprawdzać pod kątem nierównego traktowania grup kandydatów.
Kwestie zgodności konkretnego wdrożenia z AI Act, RODO i Kodeksem pracy warto skonsultować z prawnikiem specjalizującym się w prawie pracy i ochronie danych, zanim system zacznie wpływać na decyzje o kandydatach.
6. Perspektywa Recruitify: struktura zamiast intuicji
Pracujemy z agencjami rekrutacyjnymi IT, headhunterami i firmami body leasingowymi, dla których tempo jest warunkiem przetrwania. Widzimy, że błędy atrybucji najczęściej nie wynikają ze złej woli rekruterów, lecz z przeciążenia: gdy na jedno stanowisko przypada kilkaset zgłoszeń, a klient oczekuje short-listy w ciągu dwóch dni, ocena siłą rzeczy opiera się na kilku najbardziej widocznych sygnałach.
Dlatego uważamy, że rola technologii polega na zdjęciu z rekrutera pracy, która sprzyja skrótom myślowym, a nie na zastąpieniu jego osądu. Nasz silnik Contextual Matching AI nie ogranicza się do porównywania słów kluczowych. Analizuje powiązania w stacku technologicznym kandydata, ocenia aplikacje względem wymogów projektu i pokazuje procentowy wskaźnik dopasowania. Taki wynik jest punktem wyjścia do rozmowy o kontekście, a nie werdyktem. Rekruter widzi, które kryteria zostały spełnione, i może zadać właściwe pytania o resztę.
Podobnie traktujemy anonimizację. Moduł Blind CV AI tworzy zanonimizowane profile kandydatów gotowe do prezentacji klientowi, co pozwala obu stronom skupić się na kompetencjach, zanim pierwsze wrażenie zdąży uruchomić efekt halo. Wierzymy, że uczciwa ocena kandydata i efektywność agencji nie stoją ze sobą w sprzeczności: im mniej czasu zajmuje administracja, tym więcej zostaje na rzetelne pytania o to, co kandydat rzeczywiście zrobił.
- Recruitify Team
Jak Recruitify wspiera rzetelną ocenę kandydatów
Recruitify łączy system ATS, CRM sprzedażowy i moduł do zarządzania kontraktami IT w jednej platformie. AI CV Parser z technologią OCR buduje ustrukturyzowany profil kandydata z pliku PDF, DOCX, skanu lub zdjęcia w około 3 sekundy i wychwytuje duplikaty, dzięki czemu wszystkie zgłoszenia są oceniane według tych samych pól, a nie według atrakcyjności formatu dokumentu. Więcej o tym procesie opisuje artykuł o automatycznym tworzeniu profili kandydatów. Plan Zespół HR kosztuje od 265 zł miesięcznie za użytkownika, a plan Agencja od 290 zł miesięcznie za użytkownika. Dla większych organizacji dostępny jest plan Enterprise. Szczegóły zawiera strona z planami i cenami Recruitify.
Najczęściej zadawane pytania
Co to jest atrybucja w rekrutacji?
To sposób, w jaki rekruter wyjaśnia przyczyny wyników i zachowań kandydata, przypisując je jego cechom albo okolicznościom. Błąd atrybucji pojawia się wtedy, gdy rola cech osobowych zostaje przeceniona, a wpływ zespołu, warunków pracy czy trudności zadania pominięty.
Jakie są przykłady błędów atrybucji podczas rozmowy kwalifikacyjnej?
Typowe przykłady to uznanie spóźnienia za brak organizacji bez pytania o przyczynę, przypisanie sukcesu projektu jednej osobie, choć realizował go cały zespół, oraz traktowanie jednego zawahania jako dowodu, że kandydat nie radzi sobie pod presją. Do tej grupy należy też efekt halo, w którym jedna mocna strona zawyża ocenę pozostałych.
Czym różni się atrybucja wewnętrzna od zewnętrznej?
Atrybucja wewnętrzna wyjaśnia zachowanie cechami osoby, takimi jak kompetencje, motywacja czy charakter. Atrybucja zewnętrzna wskazuje na czynniki sytuacyjne: środowisko pracy, zasoby, wsparcie innych osób lub przypadek. Rzetelna ocena kandydata wymaga uwzględnienia obu perspektyw.
Czy AI eliminuje błędy atrybucji w rekrutacji?
Nie automatycznie. Dobrze zaprojektowany system ogranicza wpływ przypadkowych wrażeń, ponieważ ocenia wszystkie zgłoszenia według tych samych kryteriów, ale model uczony na stronniczych danych może powielać dawne uprzedzenia. Dlatego AI Act klasyfikuje takie systemy jako systemy wysokiego ryzyka i wymaga nadzoru człowieka nad ich wynikami.
Źródła
Inflated Applicants: Attribution Errors in Performance Evaluation by Professionals - PLOS One
Guidelines for providers and deployers of AI high-risk systems - Komisja Europejska
Prezes UODO wskazuje na potrzebę uregulowania stosowania systemów AI w zatrudnieniu - UODO
Rekomendacje
Rekrutacja oparta na danych: Jak analityka może poprawić Twoje decyzje rekrutacyjne
Zarządzanie kandydatami: praktyki, które realnie poprawiają rekrutację
Aktualizacje i nowości
Bądź na bieżąco z najnowszymi innowacjami, funkcjami i wskazówkami dotyczącymi Recruitify!
Podając swój adres e-mail w ramach formularza zapisu na newsletter wyrażasz zgodę na jego przetwarzanie w celu przesyłania informacji marketingowych dotyczących produktów i usług Administratora. Administratorem Twoich danych osobowych przetwarzanych w powyższym celu jest Recruitify Sp. z o.o. z siedzibą w Warszawie (KRS 0000709889). Więcej informacji na temat zasad przetwarzania danych osobowych i praw osób, których dane dotyczą znajdziesz w dokumencie Polityka prywatności.
Zaktualizowano:
Atrybucja w rekrutacji: błędy oceny kandydatów i jak je ograniczać
Proces rekrutacyjny
Recruitify Team
Atrybucja rekrutacyjna to sposób, w jaki rekruter wyjaśnia sobie przyczyny osiągnięć, porażek i zachowań kandydata. Problem pojawia się wtedy, gdy wynik zespołu, łatwy projekt albo korzystne warunki zostają odczytane jako dowód wyjątkowych kompetencji jednej osoby, a gorszy dzień lub trudny kontekst jako jej trwała wada. Ten artykuł wyjaśnia, jak działa atrybucja w procesie selekcji, jakie błędy zdarzają się najczęściej, co na ten temat mówią badania oraz jakie praktyki i narzędzia pozwalają ograniczyć ich wpływ na decyzje, także w świetle unijnego AI Act.
Najważniejsze wnioski
Podstawowy błąd atrybucji polega na przecenianiu cech osoby i niedocenianiu sytuacji. W rekrutacji prowadzi to do zawyżania ocen kandydatów z „łatwych” środowisk i zaniżania ocen osób, które pracowały w trudnych warunkach.
Doświadczenie rekrutera samo w sobie nie chroni przed tym błędem. Badania wskazują, że intuicja i nieustrukturyzowane rozmowy zwiększają pewność siebie oceniającego szybciej niż trafność jego ocen.
Najskuteczniejszą ochroną jest struktura: z góry zdefiniowane kryteria, karta oceny, pytania o kontekst osiągnięć i niezależne oceny kilku osób.
Algorytmy nie są automatycznie wolne od atrybucji. Systemy AI używane do selekcji kandydatów są w UE systemami wysokiego ryzyka, a szczegółowe wymogi wobec nich zaczną obowiązywać 2 grudnia 2027 r.
Spis treści
1. Czym jest atrybucja w rekrutacji
W psychologii społecznej atrybucja oznacza przypisywanie przyczyn własnemu lub cudzemu zachowaniu. Klasyczne zjawisko w tym obszarze to podstawowy błąd atrybucji, czyli skłonność do tłumaczenia zachowań innych ludzi ich cechami charakteru przy jednoczesnym pomijaniu okoliczności. W codziennym życiu ten skrót myślowy bywa nieszkodliwy. W rekrutacji przekłada się bezpośrednio na to, kto otrzyma ofertę, a kto zostanie odrzucony.
Rekruter rzadko widzi pracę kandydata bezpośrednio. Ocenia ją pośrednio: przez CV, opis projektów, referencje, wynik zadania technicznego i przebieg rozmowy. Każdy z tych sygnałów jest efektem zarówno kompetencji, jak i warunków, w których kandydat działał. Atrybucja rekrutacyjna to właśnie moment rozdzielania tych dwóch składników, świadomy lub nie.
Atrybucja wewnętrzna i zewnętrzna
W praktyce przydatne jest rozróżnienie dwóch kierunków wyjaśniania:
Atrybucja wewnętrzna przypisuje wynik cechom osoby: umiejętnościom, motywacji, inteligencji, sumienności.
Atrybucja zewnętrzna przypisuje wynik okolicznościom: jakości zespołu, budżetowi projektu, wsparciu przełożonego, stopniowi trudności zadania, a nawet przypadkowi.
Przykład z rynku IT: kandydatka na stanowisko Senior Java Developer opisuje udaną migrację monolitu do mikroserwisów. Atrybucja wewnętrzna podpowiada „świetna architektka”. Rzetelna ocena wymaga jednak pytań o kontekst: jak duży był zespół, kto podejmował decyzje architektoniczne, jaki był jej osobisty wkład i co poszło nie tak. Odpowiedzi mogą potwierdzić pierwsze wrażenie, ale mogą też pokazać, że kluczową rolę odegrał ktoś inny.
Drugie znaczenie: atrybucja źródeł kandydatów
Fraza „atrybucja w rekrutacji” bywa też używana w znaczeniu zapożyczonym z marketingu. Chodzi wtedy o przypisanie zasługi za zatrudnienie konkretnemu kanałowi: portalowi z ogłoszeniami, poleceniu, kampanii employer brandingowej czy własnej bazie kandydatów. Ten rodzaj atrybucji odpowiada na pytanie, które źródło faktycznie przynosi zatrudnienia, a nie tylko aplikacje.
Mechanizm błędu jest zresztą podobny. Jeśli cała zasługa trafia do ostatniego kanału, z którego kandydat aplikował, łatwo przeoczyć wcześniejsze punkty styku, na przykład reklamę, która zbudowała rozpoznawalność pracodawcy. Działy HR, które prowadzą rekrutacyjne kampanie Performance Max w Google Ads, stykają się z tym problemem szczególnie często, ponieważ kampania rozkłada wyświetlenia na wiele kanałów jednocześnie. Dalsza część artykułu koncentruje się jednak na znaczeniu psychologicznym, ponieważ to ono bezpośrednio wpływa na jakość decyzji o kandydatach.
2. Najczęstsze błędy atrybucji w ocenie kandydatów
Błędy atrybucji rzadko występują pojedynczo. Zwykle wzmacniają się nawzajem: pierwsze wrażenie uruchamia efekt halo, a ten z kolei sprawia, że kolejne informacje są interpretowane tak, by pasowały do przyjętej tezy. Poniższa tabela zestawia te, które najczęściej pojawiają się w procesach rekrutacyjnych.
Błąd | Jak wygląda w rekrutacji | Przykład | Jak go ograniczać |
|---|---|---|---|
Podstawowy błąd atrybucji | Wynik kandydata przypisany wyłącznie jego cechom | Spóźnienie na rozmowę odczytane jako brak organizacji, mimo awarii komunikacji miejskiej | Pytania o okoliczności, ocena kilku niezależnych sygnałów |
Efekt halo | Jedna silna cecha rzutuje na ocenę pozostałych | Doświadczenie w znanej firmie technologicznej „podnosi” ocenę umiejętności miękkich | Ocena każdego kryterium osobno, według karty oceny |
Efekt diabła (odwrotny halo) | Jedna słabość obniża ocenę całości | Słabsza znajomość angielskiego przekreśla dobrą ocenę kompetencji technicznych | Wagi kryteriów ustalone przed rozmowami |
Efekt etykietowania | Pojedyncze zachowanie uznane za stałą cechę | Jedno zawahanie przy zadaniu live coding = „nie radzi sobie pod presją” | Kilka prób i różne formy weryfikacji |
Atrybucja na korzyść oceniającego | Udane zatrudnienie to zasługa intuicji, nieudane to wina kandydata | „Od razu wiedziałem, że się sprawdzi” | Systematyczne porównywanie ocen z rzeczywistymi wynikami zatrudnionych osób |
Ignorowanie poziomu odniesienia | Brak korekty o łatwość środowiska, w którym osiągnięto wynik | Wysoka ocena roczna w firmie, która ocenia wszystkich wysoko | Pytania o to, jak wypadali inni w tym samym zespole |
Ostatni błąd z tabeli jest najmniej oczywisty, a zarazem najlepiej udokumentowany w badaniach. Warto mu się przyjrzeć dokładniej.
3. Co mówią badania o atrybucji w selekcji
Zawyżone wyniki i brak korekty o kontekst
W badaniu opublikowanym w PLOS One autorzy sprawdzili, czy profesjonaliści dokonujący selekcji potrafią uwzględnić łagodność środowiska, w którym kandydat uzyskał wyniki. Okazało się, że oceniający faworyzowali kandydatów z łagodnie oceniających środowisk, traktując wysokie wyniki jako dowód zdolności, zamiast odnieść je do tego, jak łatwo było je osiągnąć. Badanie objęło doświadczonych praktyków, a nie wyłącznie studentów, co czyni wnioski szczególnie istotnymi dla rekruterów.
W praktyce oznacza to, że kandydat z najlepszą oceną w zespole, w którym wszyscy otrzymują najlepsze oceny, może zostać wyżej oceniony niż osoba z dobrą oceną w organizacji o bardzo surowych standardach. Bez pytania o poziom odniesienia rekruter porównuje liczby, które nie są porównywalne.
Pewność siebie rośnie szybciej niż trafność
Drugi wątek dotyczy roli intuicji. Badanie opublikowane w Scandinavian Journal of Psychology porównało trafność ocen zdolności poznawczych kandydatów dokonywanych przez rekruterów i laików. Wynika z niego, że osoby polegające na intuicji oceniały nieco mniej trafnie, a doświadczenie zawodowe nie zapewniało wyraźnej przewagi. Jednocześnie uśrednianie ocen kilku niezależnych oceniających poprawiało trafność predykcji.
Podobny kierunek wskazuje analiza zjawiska nadmiernej pewności siebie w selekcji. Jej autorzy pokazali, że informacje z nieustrukturyzowanego wywiadu mogą pogarszać decyzje: podnoszą pewność oceniających, ale nie poprawiają, a niekiedy obniżają trafność przewidywań dotyczących wyników pracy. Swobodna rozmowa daje wiele barwnych szczegółów, które łatwo zinterpretować jako dowód cech kandydata.
Dyskryminacja uwagi przy przeglądaniu CV
Atrybucja zaczyna działać jeszcze przed rozmową. Badania eksperymentalne nad tzw. dyskryminacją uwagi pokazały, że oceniający poświęcają różną ilość uwagi dokumentom kandydatów w zależności od grupy, do której ich przypisują. Jeżeli wstępne skojarzenie jest negatywne, rekruter czyta CV pobieżniej i może nie dotrzeć do informacji, które zmieniłyby jego ocenę. Błąd utrwala się więc na etapie, którego zwykle nikt nie dokumentuje.
4. Jak ograniczać błędy atrybucji: praktyczna procedura
Celem nie jest wyeliminowanie ludzkiego osądu, lecz nadanie mu struktury, która ogranicza wpływ przypadkowych wrażeń. Poniższe kroki można wdrożyć zarówno w dziale HR, jak i w agencji rekrutacyjnej.
Zdefiniuj kryteria przed pierwszą aplikacją. Lista kompetencji i ich wag powinna powstać razem z menedżerem zatrudniającym, zanim pojawią się pierwsze CV. Kryteria ustalane w trakcie procesu mają tendencję do dopasowywania się do kandydata, który zrobił najlepsze wrażenie.
Stosuj kartę oceny. Każde kryterium oceniane osobno, na tej samej skali i z krótkim uzasadnieniem, utrudnia przenoszenie jednej silnej cechy na całość oceny. Szczegółowe metody opisuje poradnik o tym, jak prowadzić ocenę kandydatów z kartą oceny.
Pytaj o kontekst każdego osiągnięcia. Wielkość zespołu, rola kandydata, budżet, termin, poziom trudności, wyniki innych osób w tym samym środowisku. Pytania typu „co zrobił Pan osobiście, a co zespół?” bezpośrednio adresują błąd atrybucji wewnętrznej.
Prowadź rozmowy ustrukturyzowane. Te same pytania dla wszystkich kandydatów na dane stanowisko i ocena odpowiedzi zaraz po ich udzieleniu, a nie po zakończeniu całego spotkania.
Zbieraj niezależne oceny. Członkowie panelu powinni wystawić oceny przed wspólną dyskusją. Dyskusja przed oceną sprawia, że dominuje zdanie najbardziej przekonującej osoby, co niweluje korzyść z uśredniania.
Ograniczaj wpływ nieistotnych informacji. Na etapie przeglądu dokumentów zanonimizowane CV pozwalają skupić się na kompetencjach, a nie na nazwie uczelni, zdjęciu czy wieku.
Weryfikuj własne decyzje. Porównywanie ocen z okresu rekrutacji z faktycznymi wynikami zatrudnionych osób po kilku miesiącach to jedyny sposób, by sprawdzić, które sygnały rzeczywiście przewidują sukces, a które jedynie budzą zaufanie.
Warto przy tym pamiętać, że większa liczba aplikacji nie oznacza lepszych decyzji. Przy dużym napływie zgłoszeń rośnie presja czasu, a wraz z nią skłonność do skrótów myślowych, o czym szerzej piszemy w tekście o micie „więcej aplikacji = lepszy wybór”.
5. Atrybucja a algorytmy: AI Act i stanowisko UODO
Automatyzacja selekcji bywa przedstawiana jako lekarstwo na ludzkie błędy atrybucji. To założenie jest prawdziwe tylko częściowo. Algorytm uczony na historycznych decyzjach rekrutacyjnych może przejąć zapisane w nich uprzedzenia, a zmienne pozornie neutralne, takie jak przerwa w zatrudnieniu czy miejsce zamieszkania, mogą działać jako zmienne zastępcze dla cech chronionych.
Unijny akt o sztucznej inteligencji traktuje to ryzyko poważnie. Załącznik III wymienia wśród systemów wysokiego ryzyka systemy AI przeznaczone do rekrutacji lub wyboru osób, w szczególności do analizowania i filtrowania aplikacji oraz oceny kandydatów. Komisja Europejska zwraca uwagę, że systemy AI mogą utrwalać historyczne wzorce dyskryminacji na każdym etapie rekrutacji, oceny i awansu. Zgodnie z wytycznymi Komisji wymogi dla systemów wysokiego ryzyka z tego obszaru zaczną obowiązywać 2 grudnia 2027 r., co potwierdzają również omówienia w polskiej prasie kadrowej, m.in. w serwisie Infor.pl.
W Polsce głos w tej sprawie zabrał również organ ochrony danych. W lipcu 2026 r. Prezes UODO wystąpił do ministry pracy o uregulowanie stosowania AI w zatrudnieniu, wskazując na potrzebę dodatkowej ochrony osób, których dotyczą decyzje podejmowane z udziałem takich systemów. Organ od dawna przypomina też w swoich materiałach, że danych osobowych nie wolno zbierać „na zapas”, co ma znaczenie dla budowy baz kandydatów i trenowania modeli.
Dla agencji i działów HR oznacza to kilka praktycznych wniosków:
scoring i ranking kandydatów powinny opierać się na kryteriach związanych ze stanowiskiem, które da się wyjaśnić kandydatowi i klientowi;
ostateczna decyzja musi pozostać w rękach człowieka, który rozumie, na jakiej podstawie system zaproponował daną kolejność;
wyniki algorytmu warto okresowo porównywać z rzeczywistymi wynikami zatrudnień i sprawdzać pod kątem nierównego traktowania grup kandydatów.
Kwestie zgodności konkretnego wdrożenia z AI Act, RODO i Kodeksem pracy warto skonsultować z prawnikiem specjalizującym się w prawie pracy i ochronie danych, zanim system zacznie wpływać na decyzje o kandydatach.
6. Perspektywa Recruitify: struktura zamiast intuicji
Pracujemy z agencjami rekrutacyjnymi IT, headhunterami i firmami body leasingowymi, dla których tempo jest warunkiem przetrwania. Widzimy, że błędy atrybucji najczęściej nie wynikają ze złej woli rekruterów, lecz z przeciążenia: gdy na jedno stanowisko przypada kilkaset zgłoszeń, a klient oczekuje short-listy w ciągu dwóch dni, ocena siłą rzeczy opiera się na kilku najbardziej widocznych sygnałach.
Dlatego uważamy, że rola technologii polega na zdjęciu z rekrutera pracy, która sprzyja skrótom myślowym, a nie na zastąpieniu jego osądu. Nasz silnik Contextual Matching AI nie ogranicza się do porównywania słów kluczowych. Analizuje powiązania w stacku technologicznym kandydata, ocenia aplikacje względem wymogów projektu i pokazuje procentowy wskaźnik dopasowania. Taki wynik jest punktem wyjścia do rozmowy o kontekście, a nie werdyktem. Rekruter widzi, które kryteria zostały spełnione, i może zadać właściwe pytania o resztę.
Podobnie traktujemy anonimizację. Moduł Blind CV AI tworzy zanonimizowane profile kandydatów gotowe do prezentacji klientowi, co pozwala obu stronom skupić się na kompetencjach, zanim pierwsze wrażenie zdąży uruchomić efekt halo. Wierzymy, że uczciwa ocena kandydata i efektywność agencji nie stoją ze sobą w sprzeczności: im mniej czasu zajmuje administracja, tym więcej zostaje na rzetelne pytania o to, co kandydat rzeczywiście zrobił.
- Recruitify Team
Jak Recruitify wspiera rzetelną ocenę kandydatów
Recruitify łączy system ATS, CRM sprzedażowy i moduł do zarządzania kontraktami IT w jednej platformie. AI CV Parser z technologią OCR buduje ustrukturyzowany profil kandydata z pliku PDF, DOCX, skanu lub zdjęcia w około 3 sekundy i wychwytuje duplikaty, dzięki czemu wszystkie zgłoszenia są oceniane według tych samych pól, a nie według atrakcyjności formatu dokumentu. Więcej o tym procesie opisuje artykuł o automatycznym tworzeniu profili kandydatów. Plan Zespół HR kosztuje od 265 zł miesięcznie za użytkownika, a plan Agencja od 290 zł miesięcznie za użytkownika. Dla większych organizacji dostępny jest plan Enterprise. Szczegóły zawiera strona z planami i cenami Recruitify.
Najczęściej zadawane pytania
Co to jest atrybucja w rekrutacji?
To sposób, w jaki rekruter wyjaśnia przyczyny wyników i zachowań kandydata, przypisując je jego cechom albo okolicznościom. Błąd atrybucji pojawia się wtedy, gdy rola cech osobowych zostaje przeceniona, a wpływ zespołu, warunków pracy czy trudności zadania pominięty.
Jakie są przykłady błędów atrybucji podczas rozmowy kwalifikacyjnej?
Typowe przykłady to uznanie spóźnienia za brak organizacji bez pytania o przyczynę, przypisanie sukcesu projektu jednej osobie, choć realizował go cały zespół, oraz traktowanie jednego zawahania jako dowodu, że kandydat nie radzi sobie pod presją. Do tej grupy należy też efekt halo, w którym jedna mocna strona zawyża ocenę pozostałych.
Czym różni się atrybucja wewnętrzna od zewnętrznej?
Atrybucja wewnętrzna wyjaśnia zachowanie cechami osoby, takimi jak kompetencje, motywacja czy charakter. Atrybucja zewnętrzna wskazuje na czynniki sytuacyjne: środowisko pracy, zasoby, wsparcie innych osób lub przypadek. Rzetelna ocena kandydata wymaga uwzględnienia obu perspektyw.
Czy AI eliminuje błędy atrybucji w rekrutacji?
Nie automatycznie. Dobrze zaprojektowany system ogranicza wpływ przypadkowych wrażeń, ponieważ ocenia wszystkie zgłoszenia według tych samych kryteriów, ale model uczony na stronniczych danych może powielać dawne uprzedzenia. Dlatego AI Act klasyfikuje takie systemy jako systemy wysokiego ryzyka i wymaga nadzoru człowieka nad ich wynikami.
Źródła
Inflated Applicants: Attribution Errors in Performance Evaluation by Professionals - PLOS One
Guidelines for providers and deployers of AI high-risk systems - Komisja Europejska
Prezes UODO wskazuje na potrzebę uregulowania stosowania systemów AI w zatrudnieniu - UODO
Rekomendacje
Rekrutacja oparta na danych: Jak analityka może poprawić Twoje decyzje rekrutacyjne
Zarządzanie kandydatami: praktyki, które realnie poprawiają rekrutację
Aktualizacje i nowości
Bądź na bieżąco z najnowszymi innowacjami, funkcjami i wskazówkami dotyczącymi Recruitify!
Podając swój adres e-mail w ramach formularza zapisu na newsletter wyrażasz zgodę na jego przetwarzanie w celu przesyłania informacji marketingowych dotyczących produktów i usług Administratora. Administratorem Twoich danych osobowych przetwarzanych w powyższym celu jest Recruitify Sp. z o.o. z siedzibą w Warszawie (KRS 0000709889). Więcej informacji na temat zasad przetwarzania danych osobowych i praw osób, których dane dotyczą znajdziesz w dokumencie Polityka prywatności.
Zaktualizowano:
Atrybucja w rekrutacji: błędy oceny kandydatów i jak je ograniczać
Proces rekrutacyjny
Recruitify Team
Atrybucja rekrutacyjna to sposób, w jaki rekruter wyjaśnia sobie przyczyny osiągnięć, porażek i zachowań kandydata. Problem pojawia się wtedy, gdy wynik zespołu, łatwy projekt albo korzystne warunki zostają odczytane jako dowód wyjątkowych kompetencji jednej osoby, a gorszy dzień lub trudny kontekst jako jej trwała wada. Ten artykuł wyjaśnia, jak działa atrybucja w procesie selekcji, jakie błędy zdarzają się najczęściej, co na ten temat mówią badania oraz jakie praktyki i narzędzia pozwalają ograniczyć ich wpływ na decyzje, także w świetle unijnego AI Act.
Najważniejsze wnioski
Podstawowy błąd atrybucji polega na przecenianiu cech osoby i niedocenianiu sytuacji. W rekrutacji prowadzi to do zawyżania ocen kandydatów z „łatwych” środowisk i zaniżania ocen osób, które pracowały w trudnych warunkach.
Doświadczenie rekrutera samo w sobie nie chroni przed tym błędem. Badania wskazują, że intuicja i nieustrukturyzowane rozmowy zwiększają pewność siebie oceniającego szybciej niż trafność jego ocen.
Najskuteczniejszą ochroną jest struktura: z góry zdefiniowane kryteria, karta oceny, pytania o kontekst osiągnięć i niezależne oceny kilku osób.
Algorytmy nie są automatycznie wolne od atrybucji. Systemy AI używane do selekcji kandydatów są w UE systemami wysokiego ryzyka, a szczegółowe wymogi wobec nich zaczną obowiązywać 2 grudnia 2027 r.
Spis treści
1. Czym jest atrybucja w rekrutacji
W psychologii społecznej atrybucja oznacza przypisywanie przyczyn własnemu lub cudzemu zachowaniu. Klasyczne zjawisko w tym obszarze to podstawowy błąd atrybucji, czyli skłonność do tłumaczenia zachowań innych ludzi ich cechami charakteru przy jednoczesnym pomijaniu okoliczności. W codziennym życiu ten skrót myślowy bywa nieszkodliwy. W rekrutacji przekłada się bezpośrednio na to, kto otrzyma ofertę, a kto zostanie odrzucony.
Rekruter rzadko widzi pracę kandydata bezpośrednio. Ocenia ją pośrednio: przez CV, opis projektów, referencje, wynik zadania technicznego i przebieg rozmowy. Każdy z tych sygnałów jest efektem zarówno kompetencji, jak i warunków, w których kandydat działał. Atrybucja rekrutacyjna to właśnie moment rozdzielania tych dwóch składników, świadomy lub nie.
Atrybucja wewnętrzna i zewnętrzna
W praktyce przydatne jest rozróżnienie dwóch kierunków wyjaśniania:
Atrybucja wewnętrzna przypisuje wynik cechom osoby: umiejętnościom, motywacji, inteligencji, sumienności.
Atrybucja zewnętrzna przypisuje wynik okolicznościom: jakości zespołu, budżetowi projektu, wsparciu przełożonego, stopniowi trudności zadania, a nawet przypadkowi.
Przykład z rynku IT: kandydatka na stanowisko Senior Java Developer opisuje udaną migrację monolitu do mikroserwisów. Atrybucja wewnętrzna podpowiada „świetna architektka”. Rzetelna ocena wymaga jednak pytań o kontekst: jak duży był zespół, kto podejmował decyzje architektoniczne, jaki był jej osobisty wkład i co poszło nie tak. Odpowiedzi mogą potwierdzić pierwsze wrażenie, ale mogą też pokazać, że kluczową rolę odegrał ktoś inny.
Drugie znaczenie: atrybucja źródeł kandydatów
Fraza „atrybucja w rekrutacji” bywa też używana w znaczeniu zapożyczonym z marketingu. Chodzi wtedy o przypisanie zasługi za zatrudnienie konkretnemu kanałowi: portalowi z ogłoszeniami, poleceniu, kampanii employer brandingowej czy własnej bazie kandydatów. Ten rodzaj atrybucji odpowiada na pytanie, które źródło faktycznie przynosi zatrudnienia, a nie tylko aplikacje.
Mechanizm błędu jest zresztą podobny. Jeśli cała zasługa trafia do ostatniego kanału, z którego kandydat aplikował, łatwo przeoczyć wcześniejsze punkty styku, na przykład reklamę, która zbudowała rozpoznawalność pracodawcy. Działy HR, które prowadzą rekrutacyjne kampanie Performance Max w Google Ads, stykają się z tym problemem szczególnie często, ponieważ kampania rozkłada wyświetlenia na wiele kanałów jednocześnie. Dalsza część artykułu koncentruje się jednak na znaczeniu psychologicznym, ponieważ to ono bezpośrednio wpływa na jakość decyzji o kandydatach.
2. Najczęstsze błędy atrybucji w ocenie kandydatów
Błędy atrybucji rzadko występują pojedynczo. Zwykle wzmacniają się nawzajem: pierwsze wrażenie uruchamia efekt halo, a ten z kolei sprawia, że kolejne informacje są interpretowane tak, by pasowały do przyjętej tezy. Poniższa tabela zestawia te, które najczęściej pojawiają się w procesach rekrutacyjnych.
Błąd | Jak wygląda w rekrutacji | Przykład | Jak go ograniczać |
|---|---|---|---|
Podstawowy błąd atrybucji | Wynik kandydata przypisany wyłącznie jego cechom | Spóźnienie na rozmowę odczytane jako brak organizacji, mimo awarii komunikacji miejskiej | Pytania o okoliczności, ocena kilku niezależnych sygnałów |
Efekt halo | Jedna silna cecha rzutuje na ocenę pozostałych | Doświadczenie w znanej firmie technologicznej „podnosi” ocenę umiejętności miękkich | Ocena każdego kryterium osobno, według karty oceny |
Efekt diabła (odwrotny halo) | Jedna słabość obniża ocenę całości | Słabsza znajomość angielskiego przekreśla dobrą ocenę kompetencji technicznych | Wagi kryteriów ustalone przed rozmowami |
Efekt etykietowania | Pojedyncze zachowanie uznane za stałą cechę | Jedno zawahanie przy zadaniu live coding = „nie radzi sobie pod presją” | Kilka prób i różne formy weryfikacji |
Atrybucja na korzyść oceniającego | Udane zatrudnienie to zasługa intuicji, nieudane to wina kandydata | „Od razu wiedziałem, że się sprawdzi” | Systematyczne porównywanie ocen z rzeczywistymi wynikami zatrudnionych osób |
Ignorowanie poziomu odniesienia | Brak korekty o łatwość środowiska, w którym osiągnięto wynik | Wysoka ocena roczna w firmie, która ocenia wszystkich wysoko | Pytania o to, jak wypadali inni w tym samym zespole |
Ostatni błąd z tabeli jest najmniej oczywisty, a zarazem najlepiej udokumentowany w badaniach. Warto mu się przyjrzeć dokładniej.
3. Co mówią badania o atrybucji w selekcji
Zawyżone wyniki i brak korekty o kontekst
W badaniu opublikowanym w PLOS One autorzy sprawdzili, czy profesjonaliści dokonujący selekcji potrafią uwzględnić łagodność środowiska, w którym kandydat uzyskał wyniki. Okazało się, że oceniający faworyzowali kandydatów z łagodnie oceniających środowisk, traktując wysokie wyniki jako dowód zdolności, zamiast odnieść je do tego, jak łatwo było je osiągnąć. Badanie objęło doświadczonych praktyków, a nie wyłącznie studentów, co czyni wnioski szczególnie istotnymi dla rekruterów.
W praktyce oznacza to, że kandydat z najlepszą oceną w zespole, w którym wszyscy otrzymują najlepsze oceny, może zostać wyżej oceniony niż osoba z dobrą oceną w organizacji o bardzo surowych standardach. Bez pytania o poziom odniesienia rekruter porównuje liczby, które nie są porównywalne.
Pewność siebie rośnie szybciej niż trafność
Drugi wątek dotyczy roli intuicji. Badanie opublikowane w Scandinavian Journal of Psychology porównało trafność ocen zdolności poznawczych kandydatów dokonywanych przez rekruterów i laików. Wynika z niego, że osoby polegające na intuicji oceniały nieco mniej trafnie, a doświadczenie zawodowe nie zapewniało wyraźnej przewagi. Jednocześnie uśrednianie ocen kilku niezależnych oceniających poprawiało trafność predykcji.
Podobny kierunek wskazuje analiza zjawiska nadmiernej pewności siebie w selekcji. Jej autorzy pokazali, że informacje z nieustrukturyzowanego wywiadu mogą pogarszać decyzje: podnoszą pewność oceniających, ale nie poprawiają, a niekiedy obniżają trafność przewidywań dotyczących wyników pracy. Swobodna rozmowa daje wiele barwnych szczegółów, które łatwo zinterpretować jako dowód cech kandydata.
Dyskryminacja uwagi przy przeglądaniu CV
Atrybucja zaczyna działać jeszcze przed rozmową. Badania eksperymentalne nad tzw. dyskryminacją uwagi pokazały, że oceniający poświęcają różną ilość uwagi dokumentom kandydatów w zależności od grupy, do której ich przypisują. Jeżeli wstępne skojarzenie jest negatywne, rekruter czyta CV pobieżniej i może nie dotrzeć do informacji, które zmieniłyby jego ocenę. Błąd utrwala się więc na etapie, którego zwykle nikt nie dokumentuje.
4. Jak ograniczać błędy atrybucji: praktyczna procedura
Celem nie jest wyeliminowanie ludzkiego osądu, lecz nadanie mu struktury, która ogranicza wpływ przypadkowych wrażeń. Poniższe kroki można wdrożyć zarówno w dziale HR, jak i w agencji rekrutacyjnej.
Zdefiniuj kryteria przed pierwszą aplikacją. Lista kompetencji i ich wag powinna powstać razem z menedżerem zatrudniającym, zanim pojawią się pierwsze CV. Kryteria ustalane w trakcie procesu mają tendencję do dopasowywania się do kandydata, który zrobił najlepsze wrażenie.
Stosuj kartę oceny. Każde kryterium oceniane osobno, na tej samej skali i z krótkim uzasadnieniem, utrudnia przenoszenie jednej silnej cechy na całość oceny. Szczegółowe metody opisuje poradnik o tym, jak prowadzić ocenę kandydatów z kartą oceny.
Pytaj o kontekst każdego osiągnięcia. Wielkość zespołu, rola kandydata, budżet, termin, poziom trudności, wyniki innych osób w tym samym środowisku. Pytania typu „co zrobił Pan osobiście, a co zespół?” bezpośrednio adresują błąd atrybucji wewnętrznej.
Prowadź rozmowy ustrukturyzowane. Te same pytania dla wszystkich kandydatów na dane stanowisko i ocena odpowiedzi zaraz po ich udzieleniu, a nie po zakończeniu całego spotkania.
Zbieraj niezależne oceny. Członkowie panelu powinni wystawić oceny przed wspólną dyskusją. Dyskusja przed oceną sprawia, że dominuje zdanie najbardziej przekonującej osoby, co niweluje korzyść z uśredniania.
Ograniczaj wpływ nieistotnych informacji. Na etapie przeglądu dokumentów zanonimizowane CV pozwalają skupić się na kompetencjach, a nie na nazwie uczelni, zdjęciu czy wieku.
Weryfikuj własne decyzje. Porównywanie ocen z okresu rekrutacji z faktycznymi wynikami zatrudnionych osób po kilku miesiącach to jedyny sposób, by sprawdzić, które sygnały rzeczywiście przewidują sukces, a które jedynie budzą zaufanie.
Warto przy tym pamiętać, że większa liczba aplikacji nie oznacza lepszych decyzji. Przy dużym napływie zgłoszeń rośnie presja czasu, a wraz z nią skłonność do skrótów myślowych, o czym szerzej piszemy w tekście o micie „więcej aplikacji = lepszy wybór”.
5. Atrybucja a algorytmy: AI Act i stanowisko UODO
Automatyzacja selekcji bywa przedstawiana jako lekarstwo na ludzkie błędy atrybucji. To założenie jest prawdziwe tylko częściowo. Algorytm uczony na historycznych decyzjach rekrutacyjnych może przejąć zapisane w nich uprzedzenia, a zmienne pozornie neutralne, takie jak przerwa w zatrudnieniu czy miejsce zamieszkania, mogą działać jako zmienne zastępcze dla cech chronionych.
Unijny akt o sztucznej inteligencji traktuje to ryzyko poważnie. Załącznik III wymienia wśród systemów wysokiego ryzyka systemy AI przeznaczone do rekrutacji lub wyboru osób, w szczególności do analizowania i filtrowania aplikacji oraz oceny kandydatów. Komisja Europejska zwraca uwagę, że systemy AI mogą utrwalać historyczne wzorce dyskryminacji na każdym etapie rekrutacji, oceny i awansu. Zgodnie z wytycznymi Komisji wymogi dla systemów wysokiego ryzyka z tego obszaru zaczną obowiązywać 2 grudnia 2027 r., co potwierdzają również omówienia w polskiej prasie kadrowej, m.in. w serwisie Infor.pl.
W Polsce głos w tej sprawie zabrał również organ ochrony danych. W lipcu 2026 r. Prezes UODO wystąpił do ministry pracy o uregulowanie stosowania AI w zatrudnieniu, wskazując na potrzebę dodatkowej ochrony osób, których dotyczą decyzje podejmowane z udziałem takich systemów. Organ od dawna przypomina też w swoich materiałach, że danych osobowych nie wolno zbierać „na zapas”, co ma znaczenie dla budowy baz kandydatów i trenowania modeli.
Dla agencji i działów HR oznacza to kilka praktycznych wniosków:
scoring i ranking kandydatów powinny opierać się na kryteriach związanych ze stanowiskiem, które da się wyjaśnić kandydatowi i klientowi;
ostateczna decyzja musi pozostać w rękach człowieka, który rozumie, na jakiej podstawie system zaproponował daną kolejność;
wyniki algorytmu warto okresowo porównywać z rzeczywistymi wynikami zatrudnień i sprawdzać pod kątem nierównego traktowania grup kandydatów.
Kwestie zgodności konkretnego wdrożenia z AI Act, RODO i Kodeksem pracy warto skonsultować z prawnikiem specjalizującym się w prawie pracy i ochronie danych, zanim system zacznie wpływać na decyzje o kandydatach.
6. Perspektywa Recruitify: struktura zamiast intuicji
Pracujemy z agencjami rekrutacyjnymi IT, headhunterami i firmami body leasingowymi, dla których tempo jest warunkiem przetrwania. Widzimy, że błędy atrybucji najczęściej nie wynikają ze złej woli rekruterów, lecz z przeciążenia: gdy na jedno stanowisko przypada kilkaset zgłoszeń, a klient oczekuje short-listy w ciągu dwóch dni, ocena siłą rzeczy opiera się na kilku najbardziej widocznych sygnałach.
Dlatego uważamy, że rola technologii polega na zdjęciu z rekrutera pracy, która sprzyja skrótom myślowym, a nie na zastąpieniu jego osądu. Nasz silnik Contextual Matching AI nie ogranicza się do porównywania słów kluczowych. Analizuje powiązania w stacku technologicznym kandydata, ocenia aplikacje względem wymogów projektu i pokazuje procentowy wskaźnik dopasowania. Taki wynik jest punktem wyjścia do rozmowy o kontekście, a nie werdyktem. Rekruter widzi, które kryteria zostały spełnione, i może zadać właściwe pytania o resztę.
Podobnie traktujemy anonimizację. Moduł Blind CV AI tworzy zanonimizowane profile kandydatów gotowe do prezentacji klientowi, co pozwala obu stronom skupić się na kompetencjach, zanim pierwsze wrażenie zdąży uruchomić efekt halo. Wierzymy, że uczciwa ocena kandydata i efektywność agencji nie stoją ze sobą w sprzeczności: im mniej czasu zajmuje administracja, tym więcej zostaje na rzetelne pytania o to, co kandydat rzeczywiście zrobił.
- Recruitify Team
Jak Recruitify wspiera rzetelną ocenę kandydatów
Recruitify łączy system ATS, CRM sprzedażowy i moduł do zarządzania kontraktami IT w jednej platformie. AI CV Parser z technologią OCR buduje ustrukturyzowany profil kandydata z pliku PDF, DOCX, skanu lub zdjęcia w około 3 sekundy i wychwytuje duplikaty, dzięki czemu wszystkie zgłoszenia są oceniane według tych samych pól, a nie według atrakcyjności formatu dokumentu. Więcej o tym procesie opisuje artykuł o automatycznym tworzeniu profili kandydatów. Plan Zespół HR kosztuje od 265 zł miesięcznie za użytkownika, a plan Agencja od 290 zł miesięcznie za użytkownika. Dla większych organizacji dostępny jest plan Enterprise. Szczegóły zawiera strona z planami i cenami Recruitify.
Najczęściej zadawane pytania
Co to jest atrybucja w rekrutacji?
To sposób, w jaki rekruter wyjaśnia przyczyny wyników i zachowań kandydata, przypisując je jego cechom albo okolicznościom. Błąd atrybucji pojawia się wtedy, gdy rola cech osobowych zostaje przeceniona, a wpływ zespołu, warunków pracy czy trudności zadania pominięty.
Jakie są przykłady błędów atrybucji podczas rozmowy kwalifikacyjnej?
Typowe przykłady to uznanie spóźnienia za brak organizacji bez pytania o przyczynę, przypisanie sukcesu projektu jednej osobie, choć realizował go cały zespół, oraz traktowanie jednego zawahania jako dowodu, że kandydat nie radzi sobie pod presją. Do tej grupy należy też efekt halo, w którym jedna mocna strona zawyża ocenę pozostałych.
Czym różni się atrybucja wewnętrzna od zewnętrznej?
Atrybucja wewnętrzna wyjaśnia zachowanie cechami osoby, takimi jak kompetencje, motywacja czy charakter. Atrybucja zewnętrzna wskazuje na czynniki sytuacyjne: środowisko pracy, zasoby, wsparcie innych osób lub przypadek. Rzetelna ocena kandydata wymaga uwzględnienia obu perspektyw.
Czy AI eliminuje błędy atrybucji w rekrutacji?
Nie automatycznie. Dobrze zaprojektowany system ogranicza wpływ przypadkowych wrażeń, ponieważ ocenia wszystkie zgłoszenia według tych samych kryteriów, ale model uczony na stronniczych danych może powielać dawne uprzedzenia. Dlatego AI Act klasyfikuje takie systemy jako systemy wysokiego ryzyka i wymaga nadzoru człowieka nad ich wynikami.
Źródła
Inflated Applicants: Attribution Errors in Performance Evaluation by Professionals - PLOS One
Guidelines for providers and deployers of AI high-risk systems - Komisja Europejska
Prezes UODO wskazuje na potrzebę uregulowania stosowania systemów AI w zatrudnieniu - UODO
Rekomendacje
Rekrutacja oparta na danych: Jak analityka może poprawić Twoje decyzje rekrutacyjne
Zarządzanie kandydatami: praktyki, które realnie poprawiają rekrutację
Aktualizacje i nowości
Bądź na bieżąco z najnowszymi innowacjami, funkcjami i wskazówkami dotyczącymi Recruitify!
Podając swój adres e-mail w ramach formularza zapisu na newsletter wyrażasz zgodę na jego przetwarzanie w celu przesyłania informacji marketingowych dotyczących produktów i usług Administratora. Administratorem Twoich danych osobowych przetwarzanych w powyższym celu jest Recruitify Sp. z o.o. z siedzibą w Warszawie (KRS 0000709889). Więcej informacji na temat zasad przetwarzania danych osobowych i praw osób, których dane dotyczą znajdziesz w dokumencie Polityka prywatności.
Zobacz również
Nowości
Reguły automatyzacji w ATS: jak je projektować i wdrażać
Jak budować reguły automatyzacji w systemie ATS: wyzwalacze, warunki, akcje, przykłady dla agencji IT, granice RODO i AI Act oraz mierzenie efektów w 2026 r.
24 paź 2026
Zobacz więcej
Proces rekrutacyjny
Scorecard kompetencji: jak zbudować kartę oceny kandydata
Scorecard kompetencji krok po kroku: struktura, wagi, skala ocen, przykład dla IT, typowe błędy oraz wymogi RODO i AI Act przy ocenie wspieranej przez AI.
23 paź 2026
Zobacz więcej
ATS
Eksport danych z ATS: zakres, formaty, RODO i kontrola kompletności
Eksport danych z ATS krok po kroku: jakie dane wyeksportować, w jakich formatach, jak zachować powiązania, zabezpieczyć plik zgodnie z RODO i sprawdzić kompletność.
22 paź 2026
Zobacz więcej
Nowości
Reguły automatyzacji w ATS: jak je projektować i wdrażać
Jak budować reguły automatyzacji w systemie ATS: wyzwalacze, warunki, akcje, przykłady dla agencji IT, granice RODO i AI Act oraz mierzenie efektów w 2026 r.
24 paź 2026
Zobacz więcej
Proces rekrutacyjny
Scorecard kompetencji: jak zbudować kartę oceny kandydata
Scorecard kompetencji krok po kroku: struktura, wagi, skala ocen, przykład dla IT, typowe błędy oraz wymogi RODO i AI Act przy ocenie wspieranej przez AI.
23 paź 2026
Zobacz więcej
