Prognozowanie rekrutacji polega na tym, żeby przed otwarciem procesu odpowiedzieć na trzy pytania: ilu osób i z jakimi kompetencjami organizacja będzie potrzebować, ile czasu oraz kandydatów potrzeba, żeby je zatrudnić, i czy zespół rekrutacyjny udźwignie taki plan. Dobra prognoza łączy trzy rodzaje danych. Pierwsze to historia własnych procesów, czyli konwersje, czas i koszty. Drugie to plany biznesowe firmy lub jej klientów. Trzecie to informacje o rynku pracy w Polsce. Poniżej opisujemy, jak zbudować taką prognozę krok po kroku: z przykładowymi obliczeniami, źródłami danych publicznych i listą błędów, które najczęściej zaniżają jej wiarygodność.

Najważniejsze wnioski

• Prognoza rekrutacyjna ma trzy warstwy: popyt na pracowników, przebieg lejka rekrutacyjnego i obciążenie zespołu. Pominięcie którejkolwiek z nich prowadzi do planu, którego nie da się zrealizować.

• Podstawą obliczeń są własne dane historyczne: współczynniki przejścia między etapami, Time to Hire i wskaźnik akceptacji ofert. Benchmarki rynkowe pełnią jedynie rolę punktu odniesienia.

• Publiczne źródła, takie jak badanie GUS o zapotrzebowaniu na pracowników czy Barometr zawodów, pomagają ocenić, czy dany profil będzie deficytowy.

• Wskaźniki nabierają sensu dopiero wtedy, gdy czyta się je razem. Krótki czas zatrudnienia przy wysokiej rotacji nowych osób jest sygnałem ostrzegawczym, a nie sukcesem.

• Systemy ATS z analityką skracają prognozowanie z tygodni ręcznej pracy w arkuszach do bieżącego odczytu danych, pod warunkiem że dane w systemie są kompletne.

Spis treści

• 1. Czym jest prognozowanie rekrutacji

• 2. Co dokładnie warto prognozować

• 3. Wskaźniki, na których opiera się prognoza

• 4. Budowa prognozy krok po kroku

• 5. Obciążenie zespołu i liczba rekruterów

• 6. Dane o rynku pracy w Polsce

• 7. Automatyzacja i analityka w prognozowaniu

• 8. Błędy i ograniczenia prognoz

• Perspektywa Recruitify

• Najczęściej zadawane pytania

• Źródła

Spis treści

1. Czym jest prognozowanie rekrutacji

2. Co dokładnie warto prognozować

3. Wskaźniki, na których opiera się prognoza

4. Budowa prognozy krok po kroku

5. Obciążenie zespołu i liczba rekruterów

6. Dane o rynku pracy w Polsce

7. Automatyzacja i analityka w prognozowaniu

8. Błędy i ograniczenia prognoz

1. Czym jest prognozowanie rekrutacji

W literaturze naukowej prognozowanie przyjęć do pracy opisuje się jako racjonalne, naukowe przewidywanie przyszłych zdarzeń, którego celem jest zmniejszenie ryzyka błędnych decyzji. W przypadku rekrutacji chodzi przede wszystkim o przewidzenie wielkości przyszłych przyjęć oraz zasobów potrzebnych do ich realizacji.

Prognozowanie rekrutacji jest częścią szerszego planowania zatrudnienia. Obejmuje ono ocenę obecnych zasobów kadrowych, przewidywanie przyszłych potrzeb i dobór sposobu uzupełnienia braków. Rekrutacja zewnętrzna jest tylko jedną z opcji, obok rozwoju obecnych pracowników i przesunięć wewnętrznych.

W praktyce stosuje się dwa horyzonty czasowe:

• horyzont operacyjny (kilka tygodni do kilku miesięcy): bieżące wakaty, projekty klientów, sezonowe szczyty;

• horyzont strategiczny (rok lub dłużej): kompetencje, których firma będzie potrzebować w związku z nowymi produktami, rynkami lub technologiami.

Dla agencji rekrutacyjnej i firmy body leasingowej oba horyzonty wyglądają nieco inaczej niż w dziale HR. Agencja nie prognozuje wyłącznie własnego zatrudnienia, lecz przede wszystkim popyt zgłaszany przez klientów: liczbę zleceń, ich profil technologiczny i czas, w jakim trzeba przedstawić short-listę.

2. Co dokładnie warto prognozować

Skuteczna prognoza rozkłada problem na trzy warstwy, które się nawzajem warunkują.

Popyt na pracowników

Pierwsza warstwa odpowiada na pytanie: ile osób, na jakie stanowiska i na kiedy. Dane wejściowe to plany przychodów, harmonogram projektów, planowane wejścia na nowe rynki, a także rotacja i absencje. W firmach produkcyjnych i handlowych ogromne znaczenie ma sezonowość. W agencjach IT liczą się pipeline sprzedażowy i daty zakończenia obecnych kontraktów, bo każdy kończący się kontrakt oznacza konsultanta do przesunięcia lub nowe zapotrzebowanie klienta.

Przebieg procesu

Druga warstwa przekłada popyt na pracę rekrutacyjną: ilu kandydatów trzeba pozyskać, ilu z nich przejdzie przez kolejne etapy i ile to potrwa. Tu wykorzystuje się historyczne współczynniki konwersji i średni czas zatrudnienia dla podobnych ról.

Zasoby zespołu

Trzecia warstwa sprawdza, czy zespół rekrutacyjny ma wystarczającą przepustowość. Prognoza, z której wynika potrzeba przeprowadzenia 300 rozmów telefonicznych w miesiącu przy zespole zdolnym do 150, nie jest planem, tylko listą życzeń.

Osobnym, choć powiązanym zagadnieniem jest przewidywanie odejść. Dane o stażu pracy, satysfakcji i absencjach bywają wykorzystywane do wskazania grup pracowników o podwyższonym ryzyku rezygnacji, co bezpośrednio przekłada się na przyszłe zapotrzebowanie rekrutacyjne.

3. Wskaźniki, na których opiera się prognoza

Większość praktycznych prognoz opiera się na niewielkim zestawie wskaźników. Ważne, by liczyć je zawsze według tej samej definicji, bo tylko wtedy dane z kolejnych kwartałów są porównywalne.

Czas zatrudnienia różni się bardzo między branżami. Procesy na stanowiska specjalistyczne, w tym w IT, trwają zwykle wielokrotnie dłużej niż rekrutacje do handlu czy obsługi klienta. Z tego powodu jedna średnia dla całej organizacji jest mało użyteczna. Prognozę warto budować osobno dla każdej rodziny stanowisk, a w agencji IT nawet dla poszczególnych stacków technologicznych i poziomów seniority.

4. Budowa prognozy krok po kroku

Poniższa procedura sprawdza się zarówno w dziale HR, jak i w agencji rekrutacyjnej. Liczby w przykładzie są ilustracyjne. Każda organizacja powinna podstawić własne dane historyczne.

1. Zdefiniuj zapotrzebowanie. Zbierz planowane zatrudnienia z planów biznesowych, zleceń klientów i prognozowanej rotacji. Przykład: klient agencji planuje zatrudnić 6 programistów backend w ciągu kwartału.

2. Pobierz historyczne konwersje dla podobnych ról. Przykładowo, ze 100 kandydatów w lejku 30 przechodzi screening (30%), 12 trafia na rozmowę u klienta (40%), 5 otrzymuje ofertę (ok. 42%), a 4 ją akceptują (80%). Oznacza to około 4 zatrudnienia na 100 kandydatów.

3. Odwróć lejek. Aby zatrudnić 6 osób przy takich konwersjach, potrzeba około 150 kandydatów na wejściu, 45 rozmów screeningowych, 18 prezentacji u klienta i 7-8 ofert.

4. Nałóż oś czasu. Jeżeli historyczny Time to Hire dla tej roli wynosi około 6 tygodni, a zatrudnienia mają nastąpić równomiernie w kwartale, sourcing musi ruszyć z wyprzedzeniem, a pierwsze kandydatury powinny trafić do klienta w ciągu 2-3 tygodni.

5. Uwzględnij okresy wypowiedzenia. W wielu specjalistycznych rolach w Polsce kandydaci zatrudnieni na umowę o pracę mają kilkutygodniowe lub kilkumiesięczne okresy wypowiedzenia, co przesuwa datę rozpoczęcia pracy, a nie tylko datę akceptacji oferty.

6. Przelicz pracę na godziny zespołu (szczegóły w kolejnej sekcji).

7. Dodaj scenariusze. Wariant bazowy, ostrożny (niższe konwersje, np. o 20-30%) i optymistyczny. Rozbieżność między nimi pokazuje, gdzie leży największe ryzyko.

8. Porównuj prognozę z wykonaniem co miesiąc. Odchylenia są najcenniejszym źródłem wiedzy do kolejnej prognozy.

Nowocześniejsze podejście do planowania zatrudnienia odchodzi od prostego budżetowania etatów na rzecz modelowania opartego na czynnikach biznesowych, takich jak plan przychodów, rozwój produktu czy przyrost klientów. Dla agencji odpowiednikiem jest powiązanie prognozy z lejkiem sprzedażowym: liczba otwartych szans, ich prawdopodobieństwo i typowy profil zleceń.

5. Obciążenie zespołu i liczba rekruterów

Szacowanie potrzebnej liczby rekruterów jest często pomijane, a to właśnie ono decyduje, czy prognoza zostanie zrealizowana. Najprostsza metoda polega na przypisaniu czasu do każdej czynności w lejku.

Kontynuując przykład z 6 zatrudnieniami (czasy jednostkowe są szacunkowe i warto je zmierzyć we własnym zespole):

Jeżeli rekruter ma realnie około 25 godzin tygodniowo na pracę procesową (reszta to spotkania, raportowanie, administracja), te 6 zatrudnień pochłania niemal trzy tygodnie pracy jednej osoby. Przy dziesięciu równoległych zleceniach o podobnej skali obciążenie przekracza możliwości kilkuosobowego zespołu.

Z takiego wyliczenia wynikają dwie dźwignie. Pierwsza to zwiększenie zespołu. Druga to skrócenie czasu jednostkowego: automatyczne parsowanie CV, scoring kandydatów względem wymagań czy generowanie zanonimizowanych profili dla klienta zmniejszają liczbę godzin w pierwszych trzech wierszach tabeli. Właśnie dlatego prognoza obciążenia powinna być liczona na danych z narzędzi, z których zespół faktycznie korzysta, a nie na ogólnych założeniach.

6. Dane o rynku pracy w Polsce

Własne dane historyczne mówią, jak działał proces dotychczas. Dane zewnętrzne pomagają ocenić, czy w nadchodzącym okresie warunki się zmienią. Badania nad planowaniem siły roboczej zwracają uwagę, że należy uwzględniać czynniki zewnętrzne, takie jak konkurencja o tych samych specjalistów, zmiany w edukacji i dostępność kandydatów na lokalnym rynku.

W Polsce najbardziej przydatne są następujące źródła:

• Badanie GUS „Zapotrzebowanie rynku pracy na pracowników według zawodów”. Metodologia GUS z 2024 r. opisuje zbieranie danych o liczbie zatrudnionych i poszukiwanych pracowników oraz o planowanych przyjęciach i zwolnieniach, które służą ocenie bieżącego i przyszłego popytu na zawody.

• Barometr zawodów. To coroczna prognoza, w której eksperci oceniają zapotrzebowanie w powiatach, województwach i w skali kraju, wskazując deficyt, nadwyżkę lub równowagę na kolejny rok. Badanie przeprowadza się z wyprzedzeniem: edycję na 2024 r. przygotowano na przełomie III i IV kwartału 2023 r. Aktualną edycję warto sprawdzać na stronie barometru przed planowaniem kolejnego roku.

• Prognoza dla szkolnictwa branżowego. Co roku, na podstawie danych IBE PIB, Minister Edukacji ogłasza do 1 lutego prognozę zapotrzebowania na pracowników w zawodach szkolnictwa branżowego. To źródło jest szczególnie istotne dla rekrutacji technicznych i produkcyjnych.

• Kwartalne badania perspektyw zatrudnienia pracodawców. Pokazują one deklarowane plany zatrudnienia w podziale na branże i regiony. Według danych na II kwartał 2026 r. sezonowo skorygowana prognoza netto zatrudnienia w Polsce wynosiła +31%, z najwyższym popytem w budownictwie i nieruchomościach. Na IV kwartał 2026 r. branża informacji i komunikacji była jedyną prognozującą redukcję etatów (-6%).

Ostatni przykład dobrze pokazuje, dlaczego dane rynkowe są ważne dla agencji IT. Słabsze deklaracje zatrudnienia w branży mogą oznaczać mniej zleceń stałych, ale jednocześnie większą dostępność kandydatów i potencjalnie wyższe konwersje. Prognoza powinna uwzględniać oba efekty jednocześnie, a nie tylko jeden z nich.

7. Automatyzacja i analityka w prognozowaniu

Największą przeszkodą w prognozowaniu rzadko jest metoda. Znacznie częściej są nią dane rozproszone w arkuszach, skrzynkach e-mail i notatkach poszczególnych rekruterów. Systemy ATS automatyzują zbieranie danych o każdym etapie procesu, dzięki czemu współczynniki konwersji, czasy i źródła kandydatów są dostępne od razu, bez ręcznego składania raportu.

W praktyce automatyzacja wspiera prognozowanie na trzech poziomach:

• dane wejściowe: każda zmiana etapu, data kontaktu i źródło kandydata zapisują się w systemie, co daje wiarygodną historię do obliczeń;

• raportowanie: zaawansowane raporty rekrutacyjne pokazują konwersje i czasy w podziale na stanowiska, klientów i rekruterów;

• odzyskiwanie kandydatów z własnej bazy: dobrze zindeksowana baza zmniejsza liczbę kandydatów, których trzeba pozyskać z zewnątrz, co zmienia wynik odwróconego lejka.

Warto przy tym pamiętać, że sztuczna inteligencja nie zastępuje decyzji menedżerów. Jej rolą jest pomoc w analizie rozproszonych danych i wychwytywaniu zależności, które trudno zauważyć ręcznie. Szerzej piszemy o tym w artykułach o analityce rekrutacyjnej i jej narzędziach oraz o rekrutacji opartej na danych. Kiedy AI faktycznie pomaga, a kiedy szkodzi, omawiamy w tekście AI w rekrutacji: kiedy wdrożenie się opłaca.

Recruitify jako podstawa prognoz

Recruitify łączy system ATS, sprzedażowy CRM i moduł do zarządzania kontraktami IT w jednym miejscu. Dla prognozowania oznacza to, że pipeline sprzedażowy, lejek rekrutacyjny i kończące się kontrakty body leasingowe są widoczne w jednym widoku, a nie w trzech osobnych arkuszach. AI CV Parser buduje ustrukturyzowany profil kandydata w kilka sekund i wychwytuje duplikaty, a Contextual Matching AI dostarcza short-listy z procentowym wskaźnikiem dopasowania. Plany zaczynają się od 265 zł miesięcznie za użytkownika (Zespół HR) i od 290 zł miesięcznie za użytkownika (Agencja). Dla większych organizacji dostępny jest plan Enterprise wyceniany indywidualnie. Szczegóły znajdują się w cenniku planów Recruitify.

8. Błędy i ograniczenia prognoz

Nawet starannie policzona prognoza jest obarczona niepewnością. Poniższe błędy pojawiają się najczęściej:

1. Jedna średnia dla wszystkich ról. Uśrednianie rekrutacji juniorskich i seniorskich, technicznych i administracyjnych daje liczbę, która nie pasuje do żadnej z nich.

2. Zbyt mała próba. Konwersja policzona na trzech procesach jest anegdotą, nie statystyką. Przy rzadkich rolach lepiej łączyć dane z dłuższego okresu lub z pokrewnych stanowisk.

3. Niekompletne dane w systemie. Jeżeli rekruterzy nie aktualizują etapów na bieżąco, historyczne konwersje są zawyżone lub zaniżone, a cała prognoza dziedziczy ten błąd.

4. Wskaźniki czytane w izolacji. Krótki Time to Hire przy wysokiej rotacji nowych pracowników może świadczyć o pośpiechu w selekcji. Prognoza powinna uwzględniać także jakość zatrudnienia.

5. Pomijanie czynników zewnętrznych. Zmiana koniunktury w branży, napływ kandydatów po zwolnieniach u dużego pracodawcy czy zaostrzona konkurencja o ten sam profil zmieniają konwersje szybciej niż jakiekolwiek zmiany wewnętrzne.

6. Ignorowanie przepustowości zespołu. Plan zatrudnień bez przeliczenia na godziny pracy rekruterów prowadzi do opóźnień, które w prognozie wyglądają na „nieprzewidziane”.

7. Brak weryfikacji. Prognoza, której nikt nie porównuje z wykonaniem, nie poprawia się z kwartału na kwartał.

Osobnym ograniczeniem są modele predykcyjne oparte na danych o pracownikach, na przykład przewidywanie rezygnacji. Wykorzystywanie danych osobowych do takich analiz wymaga podstawy prawnej zgodnej z RODO oraz przejrzystości wobec pracowników. Przed wdrożeniem takiego modelu warto skonsultować zakres przetwarzanych danych z inspektorem ochrony danych lub prawnikiem specjalizującym się w prawie pracy.

Perspektywa Recruitify

W pracy z agencjami rekrutacyjnymi IT i firmami body leasingowymi widzimy, że prognozy najczęściej zawodzą nie z powodu złej metody, lecz z powodu rozdzielenia danych. Sprzedaż prowadzi pipeline w jednym narzędziu, rekruterzy procesy w drugim, a kontrakty żyją w arkuszu. W takim układzie nikt nie widzi na czas, że trzy kontrakty kończą się w tym samym miesiącu, w którym klient otwiera pięć nowych ról.

Dlatego uważamy, że prognozowanie rekrutacji w agencji powinno zaczynać się od lejka sprzedażowego, a nie od listy wakatów. Gdy szansa sprzedażowa, proces rekrutacyjny i umowa B2B są powiązane, prognoza aktualizuje się wraz z każdą zmianą statusu. Drugą obserwacją jest wartość własnej bazy kandydatów: agencje, które systematycznie ją porządkują i indeksują, potrzebują mniej kandydatów z zewnątrz na jedno zatrudnienie. To bezpośrednio obniża zarówno koszt, jak i obciążenie zespołu.

Nie traktujemy przy tym AI jako wyroczni. Scoring i matching porządkują pracę i skracają czas selekcji, ale decyzja o tym, ile osób zatrudnić i kogo przedstawić klientowi, pozostaje po stronie rekrutera i menedżera.

- Recruitify Team

Najczęściej zadawane pytania

Czym różni się prognozowanie rekrutacji od planowania zatrudnienia?

Planowanie zatrudnienia obejmuje cały obraz: obecne zasoby, przyszłe potrzeby i sposoby ich zaspokojenia, w tym rozwój i przesunięcia wewnętrzne. Prognozowanie rekrutacji jest jego częścią i koncentruje się na tym, ile zatrudnień z zewnątrz będzie potrzebnych, ile kandydatów i czasu to wymaga oraz jakie zasoby musi mieć zespół rekrutacyjny.

Ile danych historycznych potrzeba, żeby prognoza była wiarygodna?

Nie ma jednej granicy, ale konwersje liczone na kilku procesach są mało stabilne. W praktyce warto mieć dane z co najmniej kilkunastu procesów dla danej rodziny stanowisk lub łączyć dane z kilku kwartałów. Im rzadsza rola, tym szerszy powinien być przedział między scenariuszem ostrożnym a optymistycznym.

Jak często aktualizować prognozę rekrutacyjną?

Prognozę operacyjną najlepiej przeglądać co miesiąc, porównując ją z rzeczywistymi konwersjami i czasami. Prognozę strategiczną aktualizuje się zwykle raz na kwartał lub przy istotnej zmianie planów biznesowych, na przykład po pozyskaniu dużego klienta czy zakończeniu ważnego kontraktu.

Skąd brać dane o zapotrzebowaniu na zawody w Polsce?

Podstawowe źródła publiczne to badanie GUS o zapotrzebowaniu na pracowników według zawodów, coroczny Barometr zawodów oraz prognoza dla zawodów szkolnictwa branżowego przygotowywana na podstawie danych IBE PIB. Uzupełnieniem są kwartalne badania planów zatrudnienia deklarowanych przez pracodawców.

Źródła

Prognozowanie przyjęć do pracy jako element budowy strategii (WAT)GUS: Zapotrzebowanie rynku pracy na pracowników według zawodów, zeszyt metodologiczny 2024Barometr zawodów 2024, prognoza ogólnopolskaGov.pl: system strategicznego prognozowania zapotrzebowania na pracownikówIBE PIB: Prognoza zapotrzebowania na pracowników w zawodach szkolnictwa branżowego 2025Institute for Employment Studies: Workforce planning guideBusiness Insider Polska: prognoza zatrudnienia na II kwartał 2026Bankier.pl: prognoza zatrudnienia na IV kwartał 2026

Rekomendacje

• Rekrutacja oparta na danych: Jak analityka może poprawić Twoje decyzje rekrutacyjne

• Najbardziej niedoceniany wskaźnik rekrutacyjny: czas tracony między etapami

• Koszt pozyskania kandydata: ile naprawdę kosztuje rekrutacja

• Roczne planowanie rekrutacji: gotowy szablon, 3 scenariusze i KPI