Od neuronových sítí na univerzitě k AI v každodenním náboru
José Kadlec se k umělé inteligenci nedostal přes ChatGPT. Neuronové sítě programoval už na vysoké škole a rád připomíná, že principy, na kterých dnešní modely stojí, jsou desítky let staré: Hebbovo učení pochází z roku 1949, Rosenblattův perceptron z konce padesátých let. „Modely fungují pořád na podobných principech, jen mají větší kontextové okno, víc dat a víc výpočetního výkonu,“ shrnuje.
From geek to AI freak:)
José Kadlec v dobách, kdy programoval neuronové sítě
Dnes je spoluzakladatelem skupiny firem GoodCall, Recruitment Academy a Datacruit (ten už má za sebou úspěšný exit). Skupina má přes 110 zaměstnanců, za posledních deset let umístila více než 11 500 kandidátů a Financial Times ji zařadily mezi nejrychleji rostoucí firmy v Evropě. Jádrem byznysu je RPO nábor: recruiteři GoodCall pracují přímo u klientů. Pro práci s AI to má důsledek, o kterém se příliš nemluví. Co firma, to jiné prostředí a jiná pravidla. U klienta z řad telekomunikačních operátorů, který nepovolí cloudovou službu na přepis pohovorů, se musí postupovat jinak než tam, kde se běžně používá Metaview. AI stack proto nemůže být všude stejný a recruiteři musí umět dojít k témuž cíli více cestami.
GoodCall, Recruitment Academy a Datacruit
Kadlec zároveň působí v poradním sboru České asociace umělé inteligence, pod jejíž hlavičkou vznikl program Digital HR Leaders: AI Booster.
Poradní sbor České asociace umělé inteligence
Jak dnes s AI pracovat: mluvit, ne psát
Svou novou kancelář si Kadlec nezařídil v open space, ale v nahrávacím studiu. Důvod je praktický: efektivní práce s AI podle něj stále častěji znamená na AI mluvit. Je to rychlejší, jednodušší a lépe se u toho přemýšlí. Proto čeká, že se kanceláře budou znovu měnit: víc „kukaní“, víc monitorů, víc soukromí pro práci hlasem.
Vedle jeho stolu stojí zhruba deset let starý počítač. Kadlec na něj chce nainstalovat Linux a spustit na něm autonomního agenta (například Hermes nebo OpenClaw) nebo jiný harness package. Samotný model na tak slabém stroji nepoběží, agent se ale bude k modelu připojovat a plnit úlohy. „Totální on-premise řešení. Nevěřím ani hostingu, mám to tady u sebe,“ říká s nadsázkou.
Místo otázky „používáte AI?“ se Kadlec ptá provokativněji: komu z vás AI běží právě teď? Na jeho notebooku často celé hodiny pracuje Claude, prochází data v ATS a ověřuje informace na LinkedInu, zatímco on sám dělá něco jiného. Plně autonomní systém to není, po zavření notebooku se zastaví. Ani to ale není potřeba.
Stejně důležitá je druhá myšlenka: nestačí vzít nástroj a nahradit jím jeden krok stávajícího procesu. Často je lepší se zastavit a zeptat se, jestli by se proces neměl dělat úplně jinak, případně jestli je vůbec potřeba.
AI v employer brandingu: kameraman, střihač i programátor
Avatar, který jel na konferenci místo Kadlece
Kadlecův první AI avatar vznikl asi před třemi lety ve studiu, které tehdy měl na Václavském náměstí. „Tím jsem to studio vlastně udělal nesmrtelným,“ vtipkuje. Avatar mluví jakýmkoli jazykem včetně čínštiny. Tehdy to ale mělo velké omezení: na avatara bylo potřeba tři až pět minut záběrů a výsledek zůstal navždy vázaný na prostředí, ve kterém se natáčel.
Kadlecův avatar natočený ve studiu na Václavském náměstí
Avatara Kadlec použil i v situaci, kterou si mnoho lidí nedovede představit: byl nemocný, nemohl vystoupit na prezenční akci a nezvládl natočit ani video. Na konferenci tak doslova poslal svého avatara.
Skutečný člověk vs. AI avatar: rozdíl je dnes těžko rozpoznatelný
V nástrojích jako HeyGen dnes stačí zhruba 15 sekund videa. Svého posledního avatara Kadlec natočil úplně amatérsky, na mobil doma před bílými dveřmi. Ve výsledném videu má na sobě sako, košili a hodinky, které mu nepatří, a ocitá se v prostředí, kde nikdy nebyl. Nejspíš jde o šablonu HeyGenu, prostředí se ale dá vytvořit jakékoli.
Natočeno na mobil před bílými dveřmi, výsledek v úplně jiném prostředí
Stejně snadno se dá upravit i existující video. Když bylo potřeba „posunout“ záběr kolegy do zimy, stačil prompt „uprav video tak, ať tam sněží a ať má zasněžené vlasy a vousy“.
Skutečné video a jeho AI úprava: jiné počasí, stejný člověk
Od mluvící hlavy k hotové produkci
Důležitější než samotný avatar je posun od „one-shotu“ k celé produkci. Z jednoho scénáře dnes nástroj vytvoří desetiminutové video se třiceti záběry, prostřihy z různých úhlů, titulky a pohyblivou grafikou. Protože rozumí textu, sám navrhne, co patří do kterého grafického boxu. Práce, na kterou byl dřív potřeba střihač, jemuž se navíc muselo vysvětlit téma, je dnes rutina.
Z jednoho promptu hotové video včetně pohyblivé grafiky
Praktické využití ve firmách: onboardingová a školicí videa, interní vzdělávání a vícejazyčný obsah. GoodCall takto připravuje outplacementová videa v bulharštině nebo polštině. Objednávat kvůli tomu mluvčího daného jazyka by dnes nedávalo smysl.
Kombinací několika nástrojů dnes vznikne i krátký videospot. Stačí hlavní vizuál v ChatGPT (dnes plnohodnotný grafický nástroj, který zvládne i úpravy textu v obrázku), animace v Google Flow a hudba v Suno. Takto vznikají i animované teasery pro program Digital HR Leaders: statický obrázek z ChatGPT se ve Flow rozpohybuje a pro další díl se jen vymění text.
Rozpohybované teasery v Google Flow
Paradox autenticity
Když AI zvládne nahradit kameramana, střihače i programátora, trh zaplaví obsah. „Content is king“ platí dál, jenže obsah teď vzniká masově a hezké video umí udělat každý. Právě proto roste hodnota skutečného. Employer brand bude stát na skutečných lidech a skutečném prostředí, které ukážou, jaká firma doopravdy je. Hlavně mladí lidé ztrácejí důvěru v čistě virtuální svět; seznamovací aplikace i streamovací služby se vracejí k offline zážitkům.
Kadlec to zná z vlastní zkušenosti. Ke svým fotkám na sociálních sítích už musí připisovat „real content, bez úprav, no filter, #noAI“, protože dnes se nedá věřit ničemu. I v prezentacích proto důsledně označuje, co je skutečné a co vygenerované.
Firma, která si „vyrobí“ celý employer brand z avatarů, tak může docílit opaku toho, co chtěla. AI má ušetřit rutinu, tedy střih, titulky, hudbu a grafiku, ne nahradit lidi, které kandidát v příspěvku vidí.
Kde v náborovém procesu AI použít a co raději neautomatizovat
AI se dá použít prakticky v každé fázi náboru: od přípravy a pochopení pozice přes sourcing, oslovení, předvýběr a pohovory až po doporučení kandidáta. Kadlec upozorňuje, že se počítá i ten nejjednodušší případ. Když přebíráte pozici, kterou jste nikdy neobsazovali, a řeknete ChatGPT, Claudovi, Gemini nebo Groku „nauč mě to“, případně se zeptáte, na co se ptát mzdové účetní v Brně, AI už používáte. Rozdíl je v tom, jak hluboko ji do procesu pustíte.
Agentic AI v jednotlivých fázích náborového procesu
Podstatné je rozlišit rutinu, kterou může převzít AI, a vztah, který má zůstat v rukou lidí:
- Přilákání: distribuci nabídek, tvorbu kariérních stránek i analýzu trhu zvládne AI. Skutečný obsah o firmě, její kulturu a „DNA“ ale automatizovat nejde.
- Sourcing a matching: běžně se automatizují, ale vyžadují kontrolu výstupů. Varováním je americká žaloba na Workday, v níž se automatizovaný matching bez lidské kontroly dostal do podezření z diskriminace starších uchazečů a menšin. Kadlec zná i český příklad: candidate matching v jednom ATS automaticky zamítal kandidáty, kteří poslali CV vytvořené v Canvě. AI životopis neuměla přečíst, a místo aby případ předala člověku, kandidáta rovnou vyřadila. „Jak víte, že to dělá dobře? Filtruji Python inženýry, dalo mi to Python inženýry, super. Ale nevidíte ty, které to zamítlo.“
- Komunikace a screening: velká část se dá automatizovat, osobní kontakt ale zůstává na člověku.
- Pohovory: příprava, přepis a shrnutí ano, samotný rozhovor zatím ne. Pokusy, kdy pohovor vedl AI agent, narazily na silně negativní reakce kandidátů: „já tomu věnuju čas, a firma ne“.
- Rozhodnutí, nabídka a přivítání v týmu: vždy člověk. Onboardingové video může pomoct, ale bez člověka se nováček nebude cítit vítaný.
Kadlecova chyba: příliš přesné zadání
Kadlec otevřeně mluví i o vlastní chybě. Nechal AI sestříhat podcast s Janem Romportlem a na konci videa zůstal kus záznamu po vypnutí mikrofonů, kdy už padaly neformální poznámky. Upozornil ho na to až jeden z diváků. Chyba byla podle něj v zadání: proces popsal tak podrobně, že AI považovala i část po skončení rozhovoru za jeho součást. S větší volností by spíš sama upozornila, že rozhovor už skončil. Dřív se vyplácela dlouhá a přesná instrukce, dnes platí, že když AI necháte víc prostoru, častěji sama odhalí problém. Stejný posun je dnes vidět i v programování.
Tři úrovně práce s AI: Robo Sapiens
José Kadlec rozděluje práci s AI v HR, náboru a employer brandingu do tří navazujících úrovní. Vyšší úroveň přitom nižší nenahrazuje: i ten, kdo používá agenty, denně píše prompty.
Robo Sapiens: prompty, asistenti a agenti
- Robo Sapiens: prompty. Základ, na kterém stojí vše ostatní.
- Robo Sapiens Sapiens: AI asistenti. Podle Kadlece „zabalené prompty“ s nastavením, znalostmi a odkazem, který se dá sdílet s týmem.
- Robo Ultima: AI agenti. Asistenti, kteří dostali „ruce a nohy“: napojení na nástroje, prohlížeč a data. Pracují autonomně a průběžně se zlepšují.
Úroveň 1: prompt bez kontextu je výstřel naslepo
Jednoduchý prompt typu „napiš mi inzerát na obchodního zástupce pro fyzioterapeutické pomůcky v Praze“ má pořád své místo. Nečekejte ale, že výsledek zohlední vaši firmu nebo konkrétní požadavky, když je AI nezná a nenajde je ani v předchozí konverzaci. Dostanete to nejobecnější, co model najde. Kvalitu výstupu určuje kontext: znalost firmy, přepis rozhovoru s hiring manažerem a data o trhu (kolik konkurenčních nabídek je venku, jaké jsou mzdy, jaké benefity jsou standard).
Analýzy, které si dřív nikdo nemohl dovolit
Podle Kadlece AI „odemkla“ analytiku. Dřív byla analýza drahá, nebylo jisté, jestli k něčemu bude, a často skončila v šuplíku. Dnes si ji můžete dovolit i jako experiment.
Příkladem je Kadlecův report o obranném průmyslu v Česku. Data pro něj sbíral sám, protože potřeboval desítky tisíc konkrétních, předem definovaných profilů lidí a firem. Víc než samotná AI tu podle něj rozhodovala znalost toho, jak LinkedIn funguje a jak jeho data interpretovat. Obří dataset pak předal AI k analýze: klasifikace, kariérní cesty, odkud lidé přecházejí do kterých firem. Výsledný report má 350 stran a vznikl v Gamma.app, včetně AI asistenta, kterého se čtenáři mohou doptávat.
Report o obranném průmyslu vytvořený s pomocí LLM a Gamma.app
Teď Kadlec připravuje další velkou analýzu, tentokrát pro HR. Data už má stažená, ale sám přiznává, že dopředu neví, co z nich vyjde. I to je dnes v pořádku.
Doporučení z Kadlecovy praxe:
- Mějte vlastní data. AI hledá na internetu podobně jako člověk v Googlu: projde pár stránek, velká část dat je ale uzavřená.
- Nechte AI navrhnout, co dalšího analyzovat. Model ví, jak se dělá čištění dat, standardizace, klasifikace nebo sentiment analýza. Kadlec se vždycky zeptá: „Co ještě by šlo s těmi daty udělat?“ AI navrhne deset věcí a on vybere čtyři.
- Hlídejte halucinace. Modely si občas vymyslí studii nebo číslo, protože vám chtějí vyhovět. Do promptu patří zákaz vymýšlet data a požadavek na zdroje, ideálně i ověření výstupu jiným modelem.
Úroveň 2: AI asistenti
AI asistenti jsou pro Kadlece zabalené prompty se sdíleným odkazem. V GoodCall mají například GC AI Coach, asistenta, který zná „celou pravdu o AI v GoodCallu“: jaké nástroje se smějí používat, na co a jak. Vedle něj běží řada specializovaných asistentů pro sourcing. OpenAI jim ale mezitím „hází klacky pod nohy“: vlastní GPT je nutné migrovat na pluginy.
GC AI Coach a další asistenti GoodCall v ChatGPT
Velkou výhodou asistentů je škálování. „Je něco jiného dělat AI pro sebe, pro one-man show, a něco jiného pro sto lidí,“ říká Kadlec. Když asistenta vylepší, mají novou verzi okamžitě všichni recruiteři v terénu, aniž by o tom museli vědět.
Sourcing: tři různé principy pod povrchem
AI asistenty dnes najdete přímo v ATS, CRM i na LinkedInu. S placenou licencí LinkedIn Recruiter lze hledat přirozeným jazykem („najdi softwarové testery se znalostí němčiny a Selenia v ČR“). Kadlec ale upozorňuje na častý omyl: nejde o candidate matching nad celou databází. V AI-powered search umělá inteligence jen vyplní vyhledávací filtry, které se pak spustí. (Takzvaný LinkedIn Hiring Assistant funguje jinak.) Začátečníkům, které zahltí padesát políček s filtry, to pomůže. Zkušený sourcer ale rychle narazí na limity.
Kadlec si proto postavil vlastního asistenta LI Sourcerer, který z popisu pozice sestaví mnohem bohatší booleovský dotaz: kromě „software tester“ i „tester“, „QA engineer“, „test engineer“, „quality assurance“ nebo „test analyst“, u jazyků nejen „German“, ale i „Deutsch“. Sám by šel ještě dál a hledal jen „QA“, protože kdo má QA v názvu pozice, bude nejspíš relevantní. Pravidlo pro sourcing v Česku: dotaz minimálně česky a anglicky, případně i slovensky. Podle samotného slova „němčina“ totiž na LinkedInu nikoho nenajdete.
LI Sourcerer: asistent, který generuje booleovské vyhledávání
Třetím přístupem je LLM Sourcer, který hledá kandidáty přímo v ChatGPT nebo Claudovi. Stačí vložit popis pozice, například junior controllera, a asistent rovnou vrátí profily. Funguje jako automatizovaný X-ray search přes vyhledávače, tedy nad veřejnými profily a bez placeného účtu. Má ale své limity: vyhledávače indexují odhadem jen asi 75 % profilů a Claude navíc bez napojení přes MCP nehledá přímo v Googlu, ale například přes DuckDuckGo. Kadlec už narazil na profily, které v Googlu jsou, ale v DuckDuckGo chybí; k těm se pak nedostane ani AI. U každého agenta je dobré vědět, odkud bere data.
Platformy typu Pin.com (a stovky podobných, včetně několika českých) jsou podle něj v podstatě hezčí vyhledávač nad daty z LinkedInu, která kupují od několika velkých scrapingových firem. Takovou platformu si dnes lze s AI naprogramovat „z fleku“. LinkedIn proti nim postupuje tvrdě. Kadlecovi to už před několika měsíci řekli u piva v pražském Karlíně přímo zástupci LinkedInu: se všemi těmito firmami se prý soudí. Nedávno LinkedIn zrušil profily Pin.com i jeho zakladatele.
Kvalitní candidate matching navíc nemá jen párovat hard skills z CV s požadavky. Může zohlednit i firemní kulturu, priority kandidátů a váhy, které si firma nastaví; pro někoho je kulturní fit důležitější než dokonalá znalost jednoho nástroje. A hlavně: matching má pomáhat řadit a filtrovat, ne automaticky zamítat.
Změna se dotýká i Kadlecovy firmy. GoodCall kdysi vytvořil samostatnou pozici Talent Sourcer, jejíž náplní bylo vyhledávat kandidáty na LinkedInu. Dnes ji ruší, protože sourcing se stal komoditou, věcí „na tlačítko“. Laťka jde nahoru.
Úroveň 3: AI agenti s rukama a nohama
Agent je asistent, který dostal nástroje a pracuje autonomně, ideálně se navíc učí a proces průběžně zlepšuje. Kadlec to přirovnává k robotům: i humanoid potřebuje „softwarovou“ AI, aby poznal, že před ním leží cihla a že ji má vzít. V San Franciscu nebo Los Angeles si už dnes můžete za pár desítek dolarů pronajmout robota na úklid.
Automatizace se dřív skládala v nástrojích jako Make (původně český Integromat), Zapier nebo n8n, tedy v „lepidle internetu“. Obešlo se to bez programování, ale bylo potřeba nastavit spoustu parametrů a chtělo to jistou zručnost.
AI workflow v nástrojích typu Make, Zapier či n8n
Dnes stačí říct Claudovi nebo ChatGPT, co potřebujete, a AI si workflow nastaví sama. Kadlec takto ovládá Apify (další českou firmu), které používá jako bránu k datům, kam se jazykový model přímo nedostane. „Už jsem línej jít na Apify a nastavovat to tam,“ přiznává. Když má akce v Apify limit deset položek na vstup a on jich potřebuje deset tisíc, AI si sama napíše skript, který je bude posílat po dávkách. Uživatel přitom nemusí nic řešit.
Tři způsoby, jak se agent ke službě dostane, Kadlec vysvětluje na nákupu surovin na svíčkovou na Rohlík.cz:
- Vestavěný prohlížeč: agent kliká za vás, což je pomalé a méně spolehlivé.
- Plugin ve vašem prohlížeči: totéž, ale ve vaší relaci. Takto Kadlecův agent běžně pracuje v ATS a na LinkedInu.
- MCP server: služba nabízí přímé rozhraní pro AI a agent prohlížeč vůbec neotevírá. Rohlík tuto možnost podporuje.
MCP (Model Context Protocol): jeden jazykový model, mnoho služeb
Proto dnes vznikají firmy a weby stavěné primárně pro agenty. LinkedIn naopak žádné MCP ani otevřené API nenabízí, protože o stahování dat nestojí. Data z něj tak lze získat jen simulací uživatele, se všemi nevýhodami, které to přináší.
Dalším krokem je proaktivita. Zatím jsme pořád v reaktivním režimu: „dej mi věci na svíčkovou“. Směr je ale jasný: AI sama řekne „v sobotu budeš potřebovat věci na svíčkovou“, naplánuje jídelníček, pohlídá akční nabídky a upraví recepty. Stejně se podle Kadlece bude vyvíjet i nábor.
Případová studie: podcast, který sestříhal Claude Code
Nejkonkrétnějším příkladem agentní práce je podcast s Janem Romportlem pro program Digital HR Leaders. Kadlec zadal Claude Code na svém počítači jednoduchý prompt: „Mám na disku podcast s Janem Romportlem, já byl moderátor. Mám zvlášť video ze dvou kamer a audiosoubory. Dokážeš to nastříhat?“
Claude Code sám vybral nejzajímavější pasáže (trh hypoték, AI je svým způsobem podprůměrná, vibe coding je slepá cesta), sestříhal video pomocí ffmpeg, připravil krátké klipy a doplnil logo, které si také sám vytvořil. Nic se přitom nenahrávalo do cloudu. Video mělo za dva týdny přes 20 000 zhlédnutí, AI střih mu tedy zjevně neuškodil.
Co z toho plyne pro HR: na podcastu nebo firemním videu není drahé natáčení, ale střih, náhledy a grafika. Kdo má prostor a kameru, může dnes obsah vyrábět „jako na běžícím pásu“. A ještě jeden závěr, který může překvapit: dnes stačí méně AI nástrojů než před třemi lety, protože se jejich schopnosti slévají do několika univerzálních. Specializované nástroje jako HeyGen se vyplatí zapojit až na pokročilé úlohy.
Kariérní stránky: konec půlmilionových projektů
Typický příběh firemních kariérních stránek: půl roku příprav, stovky tisíc korun pro agenturu, po spuštění nulová návštěvnost a další peníze za propagaci, po roce refresh kvůli novým fotkám a benefitům a s příchodem nového HR ředitele redesign. Představa, že jsou kariérní stránky „naše“, padá ve chvíli, kdy každá změna znamená fakturu.
S AI se kariérní stránky dají poskládat z brand manuálu, fotek, videí a dosavadních podkladů během minut, ve firemních barvách a s napojením na ATS. Základ teoreticky zvládne i samotný Claude s připojenými nástroji. Platit za kariérní stránky půl milionu proto podle Kadlece dnes nedává smysl.
Otázky, které HR řeší nejčastěji
Vyplatí se na sourcing Metaview nebo Juicebox? Kadlec zmiňoval Juicebox už před třemi lety ve své knize HR Robo Sapiens, protože tehdy získal investici od Y Combinatoru. Metaview v GoodCall používají hlavně na poznámky z pohovorů, nástroj má ale i sourcingový modul. GoodCall testoval všechny tyto nástroje včetně Pin.com a rozhodl se je nepoužívat. Data mají podle něj prakticky stejná, protože je kupují od stejných třetích stran; 99 % pochází z LinkedInu, i když tvrdí, že využívají třeba i GitHub. Pokud už umíte pracovat s LinkedInem nebo vlastními asistenty, přinesou vám hlavně jiné rozhraní a případně nižší cenu, ne výrazně lepší výsledky.
LinkedIn Hiring Assistant je pomalý. Je to jen dojem? Podle Kadlece ne. LinkedIn má unikátní data, ale s AI funkcemi přišel o roky později než konkurence a jejich implementace zaostává. „Můj asistent, který jede přes GPT, bude obecně lepší,“ říká. Pin, Metaview i Juicebox podle něj stejnou práci udělají lépe.
Jak legálně scrapovat LinkedIn? Uživatelská smlouva LinkedInu automatizační nástroje zakazuje. Technické cesty existují (datoví přeprodejci typu Bright Data, které lze napojit do Clauda, aktory v Apify, Linked Helper). Otázka „veřejně dostupných dat“ je ale právně sporná: stojí na ní celé byznysy, které se hájí tím, že profily indexuje i Google. „Nejsem právník,“ dodává Kadlec.
Existuje nástroj, který během pohovoru napovídá doplňující otázky? Hotové řešení přímo pro HR na trhu zatím chybí. Vyzkoušet se dá Fireflies.ai, jehož asistent umí během hovoru navrhovat otázky. Metaview zase ukazuje, kam se takové systémy posouvají: na základě záznamů pohovorů upozorní, že inzerát požaduje něco, co hiring manažer u pohovoru sám nevyžaduje, a že tím zbytečně přicházíte o kandidáty. Firma se stovkami tisíc nahraných pohovorů denně by podle Kadlece měla být první, kdo dokáže pohovor automatizovat.
Jakou přidanou hodnotu budou mít recruiteři budoucnosti? Méně sourcingu a ručního procházení CV, víc pohovorů, péče o kandidáty a role ambasadora firmy. Kadlec, který v LinkedIn sourcingu proškolil desítky tisíc lidí z HR, to vidí pozitivně: „Pro většinu z vás to není věc, ve které si libujete. Tak to odhoďte na AI a libujte si v tom, co AI zatím nezvládá.“ Laťka ale stoupá. Grafik, střihač i recruiter se posouvají od otázky „jde to udělat?“ k otázce „jaký nápad a jaká kvalita?“. Sám to přirovnává k cestování: dřív jste na cestě řešili koně, jeho krmení a přestávky, dnes máte auto s navigací a řešíte, o čem si cestou povídáte. Nejlepšími tvůrci AI videí jsou skuteční kameramani a fotografové. Stejně tak nábor s pomocí AI nezlepší IT specialista, který nábor nezná. Proces musí přetvořit člověk, který mu rozumí.
Jak to bude s junior pozicemi? Nezmizí, ale mění se nároky na ně. Domácí úkol, který AI vyřeší za minutu, už nic neprokáže. Junior přichází s vlastním projektem a od začátku pracuje v roli, která dřív patřila medioru: zadává úkoly AI a kontroluje výstupy. Firmy v Silicon Valley, které přestaly nabírat juniory, je nabírají znovu, protože jim chybělo „spodní patro“, ze kterého lidé vyrůstají. Přibude také živnostníků, mikrofirem a frakčních rolí.
Druhá strana: AI mají i kandidáti
Kandidáti už mají k dispozici nástroje jako AIApply, LazyApply, Lockedin AI nebo Career-Ops. Jedním kliknutím rozešlou stovky personalizovaných přihlášek na relevantní nabídky. Některé kandidátovi napovídají odpovědi přímo během online pohovoru. Je to přesně to, co by si přál recruiter, jen z druhé strany stolu.