Zanim Twoje CV trafi przed oczy rekrutera, zwykle czyta je maszyna. Pytanie, jak AI ocenia CV, sprowadza się do trzech operacji: wyciągnięcia danych z pliku, porównania ich z wymaganiami z ogłoszenia i ustawienia kandydatów w kolejności. Żadna z nich nie jest wyrokiem — to sortowanie listy, na które masz realny wpływ. Poniżej rozkładam ten proces na elementy, które da się poprawić w dokumencie w kwadrans.
Trzy etapy oceny: ekstrakcja, dopasowanie, ranking
Ocena CV przez AI to zautomatyzowany proces, w którym oprogramowanie rekrutacyjne zamienia plik z CV na uporządkowane dane, zestawia je z wymaganiami z ogłoszenia i wylicza wynik dopasowania porządkujący listę kandydatów.
Pierwszy etap to ekstrakcja — system rozbija dokument na pola: imię i nazwisko, kontakt, kolejne stanowiska z datami i pracodawcami, wykształcenie, umiejętności. Drugi to dopasowanie: wyciągnięte pola są zestawiane z wymaganiami z ogłoszenia i przeliczane na wynik. Trzeci to ranking — kandydaci trafiają na listę posortowaną według tego wyniku, a rekruter zwykle zaczyna od góry.
Warstwa techniczna, czyli czym jest system ATS i jak przechowuje aplikacje, to osobny temat. Tutaj liczy się jedna konsekwencja: jeśli etap pierwszy się nie uda, dwa kolejne oceniają nie Ciebie, tylko szczątki Twojego dokumentu.
Co algorytm wyciąga z pliku, zanim cokolwiek oceni
Z pliku algorytm wyciąga dane kontaktowe, nazwy stanowisk, nazwy pracodawców, daty zatrudnienia, wykształcenie i umiejętności — dopiero te pola trafiają do dalszej oceny. Parser szuka ich po powtarzalnych wzorcach: nagłówków sekcji o standardowych nazwach, dat w rozpoznawalnym formacie, nazw firm, tytułów stanowisk. Wszystko, co odbiega od schematu, trafia do kosza albo do złego pola. Najczęstsze straty: daty zapisane niejednolicie, nazwa stanowiska ukryta w opisie zamiast w nagłówku pozycji, dane kontaktowe w stopce lub w polu graficznym, kreatywne tytuły sekcji.
Ta sama treść, dwa różne wyniki ekstrakcji. W wersji drugiej system wie, że masz cztery lata ciągłego stażu na konkretnym stanowisku — w pierwszej ma jedno zdanie, którego nie umie przypisać do żadnego pola.
Jak AI ocenia CV, porównując je z konkretnym ogłoszeniem
Wynik dopasowania to zwykle suma ważona kilku sygnałów. Wymagania oznaczone jako konieczne mają wyższą wagę niż mile widziane. Liczy się też, jak dawno używałeś danej kompetencji (umiejętność z ostatniej roli waży więcej niż ta sprzed ośmiu lat), jak długo pracowałeś na podobnym stanowisku oraz czy spełniasz twarde filtry: uprawnienia, lokalizację, dostępność, znajomość języka.
Nowsze systemy dopasowują znaczeniowo, a nie literalnie — rozumieją, że „prowadzenie zespołu” i „zarządzanie zespołem” to to samo. Ale nazwy własne nadal działają jak klucze: nazwa programu, certyfikat, kategoria prawa jazdy czy nazwa metody spawania nie mają synonimów. Dlatego opłaca się wcześniej wypisać słowa kluczowe z ogłoszenia i sprawdzić, które z nich w ogóle padają w Twoim dokumencie.
„Rozliczanie faktur zakupu i sprzedaży w Comarch ERP Optima (ok. 400 dokumentów miesięcznie), przygotowanie plików JPK_V7 i deklaracji VAT dla 6 spółek.”
W jednym zdaniu masz nazwę programu, rodzaj dokumentów, skalę liczbową i zakres odpowiedzialności — czyli cztery różne punkty zaczepienia dla dopasowania. To samo w wersji „zajmowałam się księgowością” daje jeden, bardzo słaby sygnał. Jak przełożyć wymagania z konkretnej oferty na takie zdania, opisuję osobno w tekście o tym, jak dopasować CV do oferty pracy.
Czego algorytm w Twoim CV nie widzi
Algorytm nie widzi trzech rzeczy: kontekstu, którego nie zapisałeś słowami, treści zamkniętej w grafice oraz Twoich intencji zawodowych. Jeśli firma jest znana lokalnie, ale nie wpisałeś branży, system nie domyśli się, że przez trzy lata pracowałeś w logistyce. Nie widzi kompetencji „oczywistych” dla stanowiska — sam tytuł „kelner” nie oznacza dla maszyny obsługi kasy fiskalnej ani znajomości HACCP, dopóki tych słów nie ma w tekście.
Nie odczyta też treści zamkniętej w grafice: paski i gwiazdki przy umiejętnościach to dla parsera puste miejsce, a CV wysłane jako skan bez warstwy tekstowej bywa całkowicie nieczytelne. Nie oceni też wyglądu — estetyka układu działa na człowieka, nie na scoring. Gotowe rozwiązania układu i treści znajdziesz w zestawieniu przykładów CV.
Nie zna również Twoich intencji. Jeśli zmieniasz branżę i najbardziej istotne kompetencje pochodzą z poprzedniego zawodu, algorytm sam ich nie przełoży na nowe wymagania — zrobi to dopiero opis, w którym te same czynności nazwiesz językiem docelowego ogłoszenia. Podobnie z przerwą w zatrudnieniu: pusty odstęp między datami jest widoczny jako luka, a jedno zdanie wyjaśnienia zamienia go w normalną pozycję na osi czasu.
Jak pisać, żeby model zrozumiał treść, a nie zgadywał
Pisz dosłownie i strukturalnie: standardowe nazwy sekcji, jedna pozycja na jedno stanowisko, pełne nazwy narzędzi i uprawnień, liczby zamiast przymiotników. Poniżej zasady, które nic nie kosztują, a zmieniają wynik ekstrakcji:
- Standardowe nazwy sekcji: „Doświadczenie zawodowe”, „Wykształcenie”, „Umiejętności”, „Kursy i certyfikaty”.
- Jedna pozycja = stanowisko, firma, miasto, daty w formacie MM.RRRR, potem punkty opisu.
- Skrót i rozwinięcie razem przy pierwszym użyciu: „SEP do 1 kV”, „UDT (wózki widłowe)”, „HACCP”.
- Nazwa stanowiska w brzmieniu z ogłoszenia, jeśli faktycznie odpowiada Twoim obowiązkom.
- Liczby zamiast przymiotników: wielkość zespołu, budżet, liczba klientów, wolumen.
- Kompetencje wplecione w opisy obowiązków, a nie tylko w oderwaną listę na końcu.
Jeżeli treść generujesz modelem językowym, pamiętaj, że CV pisane z ChatGPT domyślnie produkuje ogólniki, a algorytm oceniający punktuje konkrety — liczby i nazwy własne musisz dopisać sam.
Gdzie kończy się automat, a zaczyna człowiek
Wynik dopasowania to podpowiedź kolejności, nie decyzja. W większości firm rekruter przegląda górę listy, ale zagląda też niżej, zwłaszcza przy wąskich rolach, gdzie kandydatów jest kilkunastu. W małych organizacjach scoringu często nie ma wcale — CV z maila trafia prosto do skrzynki właściciela.
Dlatego CV musi działać dwutorowo: być czytelne maszynowo i przekonujące dla człowieka, który przejrzy je w kilkanaście sekund. Te dwa cele rzadko są sprzeczne — jasna struktura i konkretne liczby pomagają jednemu i drugiemu.
Warto też pamiętać, że wynik dopasowania nie jest oceną Twojej wartości na rynku. Ten sam dokument dostaje różne wyniki w różnych rekrutacjach, bo za każdym razem porównywany jest z inną listą wymagań i inną pulą kandydatów. Niski wynik oznacza najczęściej jedno z dwojga: albo oferta wymaga czegoś, czego naprawdę nie masz, albo masz to, ale nie zostało nazwane w CV. Pierwszego przypadku nie naprawisz redakcją tekstu — drugi poprawiasz w kilkanaście minut.
Twoje prawa, gdy CV ocenia algorytm
RODO daje Ci prawo do informacji o zautomatyzowanym podejmowaniu decyzji, w tym o zasadach ich podejmowania i znaczeniu takiego przetwarzania. Jeśli decyzja opiera się wyłącznie na automacie i wywołuje wobec Ciebie istotne skutki, możesz żądać interwencji człowieka, przedstawić własne stanowisko i zakwestionować rozstrzygnięcie. Wniosek składasz do administratora danych — pracodawcy albo agencji prowadzącej rekrutację.
Systemy AI wykorzystywane do selekcji kandydatów są w unijnych przepisach traktowane jako zastosowanie wysokiego ryzyka, a obowiązki dostawców i pracodawców wchodzą etapami; szczegóły i terminy sprawdzaj w oficjalnych źródłach, na przykład na uodo.gov.pl. Ten artykuł nie jest poradą prawną.
Jak sprawdzić, jak Twoje CV wypada w ocenie algorytmu
Najprostszy test domowy: otwórz swój PDF, zaznacz całość, skopiuj do notatnika. Jeśli po wklejeniu daty się rozjeżdżają, kolumny mieszają się ze sobą albo część tekstu w ogóle nie wychodzi — parser zobaczy dokładnie ten bałagan. Pełną procedurę, łącznie z kontrolą sekcji i nazw plików, znajdziesz w instrukcji, jak sprawdzić CV pod ATS.
Drugi krok to sprawdzenie samego dopasowania: zestaw wymagania z ogłoszenia z treścią CV i policz, ile z nich ma wyraźne pokrycie w słowach, a nie tylko w Twojej głowie. Jeśli wolisz zewnętrzną opinię, sprawdź, które narzędzia oferujące darmową ocenę CV online faktycznie parsują plik i porównują go z ogłoszeniem, a które tylko liczą słowa i długość dokumentu. To samo porównanie robi za Ciebie kreator ŁatweCV — pokazuje wynik zgodności z konkretnym ogłoszeniem i listę brakujących słów kluczowych, zanim wyślesz aplikację.