AI w ocenie pracowników: co sprawdzić przed wdrożeniem

Krótka odpowiedź: przed użyciem AI w ocenie pracowników sprawdź, z czego powstaje wynik, kto może go zmienić i jak pracownik zgłosi błąd. Zacząłbym od próby na fikcyjnych danych, z celowo błędną rekomendacją. W Eurobarometrze opublikowanym 14 października 2026 roku 60% badanych pracodawców w Polsce nie ufało AI lub systemom automatycznym przy wspieraniu decyzji kadrowych. Badanie przeprowadzono w marcu i kwietniu wśród kierownictwa firm.

Przygotowałem kartę odbioru AI w HR do pobrania. Zawiera formularz decyzji, sześć prób i wypełniony przykład. Można ją przejść razem z HR, wykonawcą i osobą odpowiedzialną za ochronę danych, zanim system zacznie oceniać ludzi.

Co pokazują polskie dane o zaufaniu do AI w HR?

W polskiej części Eurobarometru Flash 578 z okresu 20 marca–13 kwietnia 2026 roku 37% respondentów raczej nie ufało AI lub systemom zautomatyzowanym przy decyzjach kadrowych, a 23% zupełnie im nie ufało. Sumuję te odpowiedzi: 60%, wobec 49% dla UE. Ufało łącznie 32%, a raport z badania wymienia Polskę obok Francji, Austrii i Niemiec wśród państw o najniższym zaufaniu. Pytanie Q4 dotyczyło wspierania decyzji o personelu przez AI lub systemy zautomatyzowane. Odpowiadali wszyscy badani, także niekorzystający z tych narzędzi.

W badaniu z 20 marca–13 kwietnia 2026 roku przeprowadzono 501 wywiadów telefonicznych w Polsce i 12 826 w całej UE. Badanie obejmowało kierownictwo prywatnych firm zatrudniających od 1 do 749 osób, z sektorów B–M klasyfikacji NACE. To przemysł, handel i wybrane usługi; próba nie obejmuje wszystkich branż. Raport opisuje dobór według wielkości i sektora oraz ważenie wyników, a dla próby 500 wywiadów podaje błąd do 4,4 punktu procentowego. To deklaracje zaufania, nie pomiar trafności ocen ani ankieta wśród pracowników. System automatyczny w tym badaniu mógł działać bez AI.

Z tych odpowiedzi nie wynika, że narzędzia źle oceniają 60% ludzi. Nieufności nie traktuję też jako powodu, żeby z góry odrzucić każde zastosowanie. Przed zakupem oczekiwałbym demonstracji, w której firma potrafi znaleźć i poprawić błąd dotyczący konkretnej osoby.

Na jaką decyzję ma wpływać wynik systemu?

Najpierw trzeba wskazać jedną decyzję: kogo zaprosić na rozmowę, komu przydzielić zmianę albo jak ustalić premię. Ogólne zamówienie „AI dla HR” nie określa ani danych potrzebnych do oceny, ani skutków błędu. W każdym zastosowaniu sprawdziłbym inny fragment procesu.

Te pytania dotyczą procesu również wtedy, gdy dostawca nazywa produkt asystentem. Propozycja listy kandydatów już ogranicza to, co zobaczy rekruter. Przy odbiorze trzeba więc przejść także drogę osób pominiętych przez system.

Jak sprawdzić, czy ranking opisuje pracę uczciwie?

Ranking trzeba najpierw odtworzyć z danych i sprawdzić, czy porównuje podobną pracę. Poprawnie wykonane obliczenie może opierać się na mierze, która nie nadaje się do przyznania premii. Pokazuje to prosty przykład na fikcyjnych danych, przygotowany 15 października 2026 roku.

Według liczby zgłoszeń wyżej wypada B. Po podzieleniu liczby przez czas większą wartość ma A. Nadal nie znamy trudności spraw, jakości odpowiedzi, poprawek ani innych obowiązków. Żadna z tych dwóch kolejności sama nie uzasadnia premii.

To mój przykład rachunkowy, bez uruchamiania modelu i bez danych prawdziwych pracowników. Zatrzymałbym użycie takiego rankingu do wynagrodzeń, dopóki właściciel procesu nie wyjaśni porównywalności pracy.

W karcie odbioru zapisuję także, co ma się wydarzyć po wykryciu błędu. Jeśli zgłoszenie przypisano złej osobie, trzeba poprawić źródło, ponowić ocenę i ustalić, gdzie wykorzystano poprzedni wynik. Przygotowanie takiej ścieżki zaczyna się od uporządkowania danych przed wdrożeniem AI.

Czy zatwierdzenie wyniku przez przełożonego wystarczy?

Sam przycisk zatwierdzenia nie dowodzi rzeczywistej kontroli. Wytyczne WP251 rev.01 o decyzjach automatycznych opisują nadzór człowieka jako rzeczywistą ocenę dokonywaną przez osobę z kompetencjami i uprawnieniem do zmiany rozstrzygnięcia. Trzeba uwzględnić istotne dane, zamiast rutynowo przyjmować wynik systemu. AI Act wymaga od dostawców systemów wysokiego ryzyka podobnych możliwości: według art. 14 ust. 4, stosowanego od 2 grudnia 2027 roku, osoba nadzorująca ma móc pominąć lub odwrócić wynik i przerwać działanie systemu.

Podczas próby dałbym przełożonemu rekomendację zawierającą znany błąd. Sprawdziłbym, czy widzi materiał źródłowy, umie odrzucić wynik i może zatrzymać dalszą akcję. Jeśli do sprawdzenia musi szukać innego administratora albo odtwarzać dane z kilku systemów, trzeba uwzględnić tę pracę w projekcie.

Potrzebna jest też droga korekty po decyzji. Pracownik powinien wiedzieć, do kogo zgłosić błędne dane, a wskazana osoba musi móc odtworzyć ocenę. Proponuję zapisywać jej własne uzasadnienie, źródła i wynik rozpatrzenia zgłoszenia. To element zaprojektowanego procesu; sam napis „człowiek w pętli” niczego takiego nie pokazuje.

Jakie przepisy trzeba uwzględnić w październiku 2026?

RODO i Kodeks pracy obowiązują już teraz, a zasadniczy termin dla obowiązków AI Act dotyczących systemów HR wysokiego ryzyka przesunięto na 2 grudnia 2027 roku. Stan prawny sprawdziłem na 15 października 2026 roku. System wprowadzony do obrotu lub oddany do użytku przed 2 grudnia 2027 roku podlega tym obowiązkom według art. 111 ust. 2 dopiero po istotnej zmianie konstrukcji; to wymaga oceny prawnej konkretnego wdrożenia. System przeznaczony dla organów publicznych musi je spełnić najpóźniej 2 sierpnia 2030 roku.

Art. 22 RODO co do zasady zabrania decyzji wyłącznie automatycznych, które wywołują skutki prawne lub podobnie istotnie wpływają na osobę. Przewiduje ograniczone wyjątki i zabezpieczenia. Zgoda pracownika nie jest prostym sposobem obejścia tych warunków. Nawet przy rzeczywistym udziale człowieka pozostają wymogi dotyczące podstawy przetwarzania, zakresu i poprawności danych.

Przed przetwarzaniem o wysokim ryzyku trzeba przeprowadzić ocenę skutków dla ochrony danych, czyli DPIA, zgodnie z art. 35 RODO. Udział człowieka nie usuwa automatycznie tego obowiązku. Karta odbioru dołączona do artykułu nie zastępuje DPIA ani oceny konkretnego zastosowania przez prawnika i osobę odpowiedzialną za ochronę danych. Osobno opisuję RODO przy korzystaniu z AI w firmie.

Kodeks pracy działa niezależnie od AI Act. Art. 94 pkt 9 wymaga od pracodawcy obiektywnych i sprawiedliwych kryteriów oceny pracowników i wyników ich pracy, także wtedy, gdy ranking liczy program. Jeśli narzędzie zbiera dane, monitorując pracę, na przykład aktywność na komputerze, art. 22³ § 4 każe stosować odpowiednio przepisy o monitoringu. Kodeks dopuszcza taki monitoring, gdy jest konieczny do pełnego wykorzystania czasu pracy i właściwego użytkowania narzędzi pracy. Cel, zakres i sposób trzeba wtedy ustalić w regulaminie pracy, układzie zbiorowym albo obwieszczeniu, a pracowników poinformować najpóźniej 2 tygodnie przed uruchomieniem.

AI Act wymienia w załączniku III między innymi filtrowanie aplikacji, ocenę kandydatów oraz monitorowanie i ocenę wydajności pracowników. Nie każde narzędzie w dziale HR automatycznie trafia do tej kategorii. Art. 6 przewiduje wąskie wyjątki; system z załącznika III profilujący osoby pozostaje jednak systemem wysokiego ryzyka.

W tym reżimie art. 26 wymaga między innymi kompetentnego nadzoru oraz poinformowania przedstawicieli pracowników i osób objętych systemem przed jego użyciem. Obowiązki te trzeba czytać razem z terminem 2 grudnia 2027 roku i przepisami przejściowymi. Zmianę dat opisuję szerzej w tekście o AI Act po Digital Omnibus.

Osobny zakaz działa od 2 lutego 2025 roku: art. 5 ust. 1 lit. f AI Act zabrania wnioskowania o emocjach osób w miejscu pracy, z wyjątkami medycznymi lub bezpieczeństwa. Według wytycznych Komisji Europejskiej chodzi o wnioskowanie z danych biometrycznych, na przykład z twarzy albo głosu. Nie należy z tego wyprowadzać zakazu każdej ankiety satysfakcji czy analizy samego tekstu. Przewodnicząca KRiBSI Pamela Krzypkowska, wtedy jeszcze kandydatka, zapowiedziała 15 września 2026 roku w Senacie, że chce objąć takie systemy pierwszym planem kontroli (czym jest KRiBSI).

Jak sprawdzić AI w ocenie pracowników przed uruchomieniem?

Zaproponowałbym sześć prób na danych syntetycznych, z oczekiwanym zachowaniem zapisanym przed demonstracją dostawcy. To warunki odbioru procesu, które przygotowałem do tego tekstu. Nie są wynikiem badania produktu ani pełną listą wymogów prawnych.

1. Usuń istotną daną, na przykład czas pracy. Sprawdź, czy proces zatrzyma ocenę wymagającą tej informacji.
2. Przypisz jedno zdarzenie niewłaściwej osobie. Popraw źródło i sprawdź, czy da się odtworzyć obie wersje wyniku.
3. Przygotuj testowe CV i wynik odczytu, w którym celowo pominięto jedną wymaganą kompetencję. Sprawdź możliwość powrotu do oryginału i korekty listy kandydatów.
4. Odrzuć rekomendację jako osoba uprawniona. Potwierdź, że system nie wykonał kolejnego kroku na podstawie starego wyniku.
5. Zgłoś błąd jako pracownik testowy. Prześledź drogę zgłoszenia do osoby, która umie je rozpatrzyć.
6. Spróbuj odczytać ocenę z konta bez uprawnień. Sprawdź również eksport danych.

Do każdej próby zachowaj wejście, wersję narzędzia, wynik i działanie kontrolera. Sama liczba zaliczonych prób nie mówi, czy wdrożenie jest zgodne z prawem albo wolne od dyskryminacji. Brak możliwości poprawienia oceny jest dla mnie powodem do wstrzymania jej używania w decyzjach o ludziach.

Od czego zacząć w firmie?

Wybierz jeden proces i wypełnij kartę odbioru AI w HR razem z osobą podejmującą decyzję. Zacznij od pytania, co zobaczy pracownik, gdy zakwestionuje błędny wynik. To szybko pokaże, jakich danych, uprawnień i odpowiedzialności brakuje w projekcie.

Przy szerszym wdrożeniu taki przegląd można włączyć do audytu gotowości AI. Oczekiwałbym od niego wskazania zakresu dopuszczalnego użycia, problemów do usunięcia i osoby odpowiedzialnej za ponowną ocenę po zmianie narzędzia. Decyzją końcową może być również rezygnacja z użycia rankingu do premii lub selekcji kandydatów.