AI w rekrutacji — dyskryminacja algorytmiczna i prawnicza odpowiedź
Gdy w 2018 r. Amazon zrezygnował z własnego narzędzia rekrutacyjnego opartego na AI, powód był prosty: system dyskryminował kobiety. Uczył się na danych historycznych zdominowanych przez mężczyzn i automatycznie obniżał oceny aplikacji zawierających słowa kluczowe typu „kobiecy” — od klubów sportowych po studia specjalizujące się w przedmiotach ścisłych. Przypadek Amazona pozostaje najczęściej cytowanym przykładem, ale daleko nie jedynym[^4^].
Problematyka AI w zarządzaniu zasobami ludzkimi (HRM) jest dziś przedmiotem systematycznych badań akademickich. Artykuł opublikowany w 2025 r. w czasopiśmie Social Sciences & Humanities Open wskazuje, że algorytmy mogą utrwalać dyskryminację poprzez stronnicze zbiory danych, nieprzejrzyste procesy decyzyjne i wykluczające kryteria zatrudnienia — jeśli nie są starannie projektowane i monitorowane[^4^].
Skąd bierze się stronniczość
Systemy AI uczą się na danych historycznych. Jeśli historia zatrudniania w danej branży faworyzowała określoną płeć, rasę czy grupę wiekową — algorytm nauczy się tych wzorców i będzie je reprodukować, maskując dyskryminację jako „obiektywne kryteria”. Badacze wskazują na trzy główne mechanizmy: brak reprezentacji mniejszości w danych treningowych, niekompletne zbiory danych prowadzące do błędnej klasyfikacji oraz całkowity brak uwzględnienia osób niebinarnych i neuroatypowych[^4^].
Szczególnie problematyczne są narzędzia do analizy wideo i głosu. W niektórych przypadkach automatyczna ocena twarzy lub mowy nie uwzględniała niestandardowej ekspresji twarzy, różnic w mowie czy niepełnosprawności — prowadząc do niesprawiedliwego wykluczenia z puli kandydatów[^4^]. Dla osoby z dysleksją, autyzmem czy specyficznym akcentem decyzja algorytmu może być ostateczna i nieodwołalna.
Regulatory próbują nadgonić
Rozporządzenie UE o AI (AI Act), które weszło w życie w 2025 r., klasyfikuje AI w HR jako technologię wysokiego ryzyka. Oznacza to obowiązek przeprowadzania audytów stronniczości, zapewnienia przejrzystości decyzji algorytmicznych oraz nadzoru ludzkiego nad krytycznymi decyzjami kadrowymi. To fundamentalny krok — dotychczasowe przepisy antydyskryminacyjne nie obejmowały explicite narzędzi algorytmicznych[^4^].
W Stanach Zjednoczonych Colorado AI Act (obowiązuje od czerwca 2026 r.) nakłada na twórców i użytkowników narzędzi rekrutacyjnych opartych na AI obowiązek „racjonalnej staranności” w zapobieganiu dyskryminacji algorytmicznej[^5^]. To pierwsze w USA kompleksowe prawo stanowe w tym zakresie, choć jego szczegóły wciąż podlegają dopracowaniu — gubernator Colorado Jared Polis wezwał w 2025 r. do specjalnej sesji legislacyjnej w sprawie modyfikacji zapisów.
Przejrzystość jako podstawa
Kluczowy problem pozostaje „czarna skrzynka” algorytmiczna. Kandydaci są często filtrowani na wstępie bez jakiejkolwiek informacji zwrotnej — nie wiedzą, dlaczego zostali odrzuceni, i nie mają skutecznej drogi odwoławczej. Artykuł z 2025 r. w International Journal of Outsourcing and Innovative Management postuluje wprost: bez mechanizmów odwoławczych, wymogów przejrzystości i obowiązkowych audytów stronniczości, algorytmiczne rekrutowanie staje się systemem nieodpowiedzialnym, który utrwala wykluczenie zamiast je eliminować[^4^].
Dla pracodawców oznacza to konieczność traktowania AI rekrutacyjnego nie jako neutralnego narzędzia, lecz jako systemu wymagającego ciągłego audytu, nadzoru i odpowiedzialności. Dla kandydatów — że brak informacji zwrotnej po odrzuceniu nie musi oznaczać, że decyzja była sprawiedliwa.
