Wykorzystanie sztucznej inteligencji w analizie dopasowania kompetencji i osobowości pracowników do rynku pracy
DOI:
https://doi.org/10.34767/SIMIS.2026.01.09Słowa kluczowe:
sztuczna inteligencja, uczenie maszynowe, optymalizacja, obiektywizacja, analiza cechAbstrakt
Artykuł omawia rozwój metod wykorzystujących sztuczną inteligencję do analizy dopasowania kompetencji i cech osobowości pracowników do wymagań rynku pracy. Autorzy wskazują, że algorytmy uczenia maszynowego pozwalają na przetwarzanie dużych zbiorów danych pochodzących z CV, profili zawodowych oraz ogłoszeń o pracę, co umożliwia bardziej precyzyjne mapowanie umiejętności. Szczególną uwagę poświęcono analizie dopasowania osobowości do kultury organizacyjnej z wykorzystaniem narzędzi psychometrycznych wspieranych przez algorytmy predykcyjne. Przegląd badań pokazuje, że systemy AI mogą zwiększać trafność selekcji kandydatów oraz ograniczać czas i koszty rekrutacji. Jednocześnie autorzy podkreślają ryzyko powielania uprzedzeń obecnych w danych treningowych oraz problem przejrzystości modeli decyzyjnych. W artykule omówiono także kwestie etyczne i prawne związane z ochroną danych osobowych oraz konieczność zapewnienia transparentności procesów rekrutacyjnych. Przegląd wskazuje, że odpowiednio zaprojektowane systemy AI mogą wspierać bardziej obiektywne i efektywne dopasowanie pracowników do rynku pracy, pod warunkiem stosowania rygorystycznych standardów metodologicznych i etycznych.
Bibliografia
Amiresmaili M, Mehrolhassani MH, Iranmanesh M. The role of external factors in shaping the supply and demand of general practitioners in Iran: a qualitative study. BMC Prim Care. 2025; 27(1):2. doi: 10.1186/s12875-025-03123-2.
Corfmat M, Martineau JT, Régis C. High-reward, high-risk technologies? An ethical and legal account of AI development in healthcare. BMC Med Ethics. 2025; 26(1):4. doi: 10.1186/s12910-024-01158-1.
Fukumura YE, Gray JM, Lucas GM, Becerik-Gerber B, Roll SC. Worker Perspectives on Incorporating Artificial Intelligence into Office Workspaces: Implications for the Future of Office Work. Int J Environ Res Public Health. 2021; 18(4):1690. doi: 10.3390/ijerph18041690.
Howard J. Artificial intelligence: Implications for the future of work. Am J Ind Med. 2019; 62(11):917-926. doi: 10.1002/ajim.23037.
Jetha A, Shamaee A, Bonaccio S, Gignac MAM, Tucker LB, Tompa E, Bültmann U, Norman CD, Banks CG, Smith PM. Fragmentation in the future of work: A horizon scan examining the impact of the changing nature of work on workers experiencing vulnerability. Am J Ind Med. 2021; 64(8):649-666. doi: 10.1002/ajim.23262.
Kim D, Kim T, Kim W, Youn H. When automation hits jobs: Entrepreneurship as an alternative career path. PLoS One. 2025; 20(9):e0331244. doi: 10.1371/journal.pone.0331244.
Komeili M, Pou-Prom C, Liaqat D, Fraser KC, Yancheva M, Rudzicz F. Talk2Me: Automated linguistic data collection for personal assessment. PLoS One. 2019; 14(3):e0212342. doi: 10.1371/journal.pone.0212342. Erratum in: PLoS One. 2019; 14(4):e0216375. doi: 10.1371/journal.pone.0216375.
Nguyen M, Nham TP, Alghafes R, Gupta B, Szabó-Szentgróti G. Psychological foundations of ambiguity in the hybrid workplace: The role of managerial risk-taking and AI-induced job insecurity. Acta Psychol (Amst). 2026; 262:106182. doi: 10.1016/j.actpsy.2025.106182.
Nguyen M, Nham TP, Alghafes R, Rahman O, Imre G. Human-GenAI-based agent collaboration: How employee perceptions shape knowledge sharing, thriving, and well-being. Acta Psychol (Amst). 2026 263:106271. doi: 10.1016/j.actpsy.2026.106271.
Wei F, Samad S, Rahman KU. Digital dialogue and creative outcomes: Unpacking AI-focused supervisory communication. Acta Psychol (Amst). 2025; 260:105534. doi: 10.1016/j.actpsy.2025.105534.
Ying Y, Jin S. Artificial intelligence and green product innovation: Moderating effect of organizational capital. Heliyon. 2024; 10(7):e28572. doi: 10.1016/j.heliyon.2024.e28572.
Pobrania
Opublikowane
Numer
Dział
Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.