V roce 2023 představila platforma Freelancer funkci, která na první pohled slibovala úsporu času a zlepšení kvality žádostí o zaměstnání: umožnila uživatelům psát motivační dopisy s pomocí umělé inteligence. Tato možnost byla diskrétní: zaměstnavatelé se nemohli dozvědět, zda uchazeč tento nástroj použil, či nikoli. To, co se zdálo být zlepšením efektivity, však nakonec přineslo nečekaný vedlejší efekt. A jak analyzuje ekonom Paul Novosad, tato jednoduchá funkce nakonec nenávratně změnila způsob, jakým firmy hodnotí online talenty.
Před a po LLM
Ve světě před zavedením jazykových modelů (LLM) byl dobře napsaný motivační dopis vynikajícím prediktorem kvality pracovníka, který fungoval jako spolehlivý ukazatel úsilí a pozornosti věnované detailům: pokud někdo investoval čas do přizpůsobení svého sdělení konkrétní nabídce, pravděpodobně také pečlivě pracoval. Kandidáti s kvalitnějšími dopisy měli skutečně tendenci získat více zakázek a lepší kvalifikaci. Ale po nástupu LLM v roce 2023 už tento údaj není spolehlivý. Novosad to shrnuje takto:
„Ve světě před LLM kvalita dopisu předpovídala kvalitu práce. Nyní, ve světě po LLM, to již neznamená nic.„
Výzkumní pracovníci odpovědní za studii, Jesse Silbert a Anaïs Galdin, vypozorovali, že po zavedení nástroje umělé inteligence prudce vzrostl počet žádostí odeslaných za méně než 30 sekund.
Dopisy se navíc zdály být „osobnější“ než kdykoli předtím, ale protože zaměstnavatelé už nedokázali rozlišit, kdo je skutečně dobrý, výsledek byl protichůdný: ačkoli se zdánlivá kvalita dopisů zvýšila, pravděpodobnost přijetí do zaměstnání klesla. Firmy, přesycené záplavou téměř nerozlišitelných žádostí, jednoduše začaly více žádostí odmítat nebo je přestaly číst.
Nejvíce postiženi byli dobří pracovníci
Ekonomický model autorů naznačuje znepokojivý efekt: nejschopnější pracovníci ztrácejí nejvíce. Dříve jejich úsilí a psaní vynikalo. Nyní, v konkurenci tisíců uměle dokonalých textů, jejich výhoda mizí.
I think what's happening is firms are barraged by AI applications, and can'y distinguish who is good—and decide its just not worth trying.
I certainly feel this with regard to inquiries from prospective students / @devdatalab applicants! 5/
— Paul Novosad (@paulnovosad) November 4, 2025
Plošné využívání umělé inteligence přerozděluje příležitosti méně kvalitním kandidátům a celková produktivita platformy může dokonce klesnout. Slovy Novosada:
„Není jasné, zda jsou dokončené práce horší, ale je jich méně.“
Vzhledem k tomu, že motivační dopisy ztrácejí svou hodnotu, začínají se společnosti poohlížet po jiných ukazatelích talentu: předchozích zkušenostech, hodnoceních na předchozích projektech nebo dokonce testech výkonnosti v reálném čase. Jak ale Novosad varuje, i zde by se mohl uplatnit „Goodhartův zákon“ – když se z měřítka stane cíl, přestává být dobrým měřítkem. Jinými slovy, jakákoli nová kritéria, která společnosti přijmou, by také mohla být zanedlouho „obelstěna“ umělou inteligencí.
Strukturální změna ve výběru talentů
Problém se netýká pouze pracovníků na volné noze. Ve školství již učitelé vnímají, že motivační dopisy nebo přijímací eseje se staly podezřele bezchybnými. Již dříve AI ztěžuje hodnocení pracovních míst v povinném vzdělávání.
Na podnikové úrovni navíc společnosti zkoumají nové technologie, aby zlepšily své výběrové procesy. Některé společnosti se při posuzování vhodnosti uchazečů obracejí na nástroje datové analýzy, které využívají algoritmy analyzující vzorce chování a pracovní výkony. To však také vyvolává obavy ohledně ochrany soukromí a algoritmické zaujatosti, protože automatizovaná rozhodnutí mohou udržovat stávající předsudky, pokud nejsou pečlivě navržena.
V reakci na tyto problémy někteří odborníci navrhují, aby společnosti přijaly komplexnější přístup k výběru talentů a kombinovaly technologické nástroje s lidským hodnocením, aby získaly úplnější obraz o kandidátech. To by mohlo zahrnovat hloubkové pohovory, testy praktických dovedností a zohlednění nehmotných faktorů, jako je kreativita a přizpůsobivost.
Integrace umělé inteligence do procesu náboru nakonec vyvolává zásadní otázky o tom, jak definujeme a měříme talent. S dalším vývojem technologií bude pro firmy a vzdělávací instituce klíčové najít rovnováhu mezi efektivitou a spravedlností výběrových procesů.