Skąd wzięło się przekonanie, że CV „nic nie znaczy”?
W środowisku HR od lat powtarzane jest stwierdzenie, że CV nie ma wartości predykcyjnej. Najczęściej pojawia się ono jako argument za tym, że proces rekrutacji powinien opierać się na testach kompetencyjnych, assessment center lub innych narzędziach psychometrycznych.
Źródłem tego przekonania jest metaanaliza Franka L. Schmidta i Johna E. Huntera z 1998 roku pod tytułem „The Validity and Utility of Selection Methods in Personnel Psychology: Practical and Theoretical Implications of 85 Years of Research Findings”, opublikowana w Psychological Bulletin.
To jedno z najbardziej wpływowych opracowań w psychologii pracy. Autorzy przeanalizowali 85 lat badań nad skutecznością różnych metod selekcji kandydatów i zestawili ich trafność predykcyjną.
Problem polega na tym, że wyniki tej metaanalizy są często cytowane w sposób uproszczony.
Co dokładnie mierzyło badanie?
Schmidt i Hunter analizowali zależność między wynikiem danego narzędzia selekcyjnego a późniejszą efektywnością w pracy. Trafność wyrażano współczynnikiem korelacji r. Im wyższa wartość, tym silniejszy związek między wynikiem selekcji a realnymi rezultatami zawodowymi.
Najczęściej przywoływane wartości to:
Rozmowa techniczna (work sample test) – 0,54
Testy zdolności poznawczych (GMA) – 0,50
Ustrukturyzowana rozmowa kwalifikacyjna – 0,44
Testy osobowości – 0,30
Lata doświadczenia zawodowego – 0,18
Lata edukacji – 0,10
Na tej podstawie niektórzy wywnioskowali, że “CV ma zerową wartość predykcyjną”. Spójrzmy na wyniki. Wszystkie metody mają wartość współczynnika r bliską zeru, więc to dość odważne sformułowanie. Z pewnością to ciekawy zabieg marketingowy, ale jednak dość odległy od prawdy. Czy analiza dopasowania CV do roli opiera się wyłącznie na liczeniu lat doświadczenia i edukacji? Co z umiejętnościami, co z dopasowaniem branży, co z dopasowaniem pod kątem wielkości firmy (startup, korporacja, MŚP)? Osoby, które rozpowszechniają ten mit zapominają wspomnieć o jeszcze jednej, istotnej rzeczy.
Kluczowy kontekst, który często jest pomijany
Badanie nie dotyczyło losowych osób z rynku pracy. Analizowano kandydatów, którzy już przeszli wstępną selekcję i spełniali bazowe wymagania stanowiska.
Innymi słowy, CV zadziałało wcześniej jako filtr minimalny.
Metaanaliza nie odpowiadała na pytanie “czy CV jest potrzebne?”. Odpowiadała na pytanie, które narzędzie najlepiej różnicuje kandydatów znajdujących się na zbliżonym poziomie formalnym.
To zupełnie inny problem niż ten, z którym mierzą się dziś firmy otrzymujące kilkaset aplikacji na jedno stanowisko.
CV nie służy wyłącznie do przewidywania, kto będzie najlepszym pracownikiem. Służy do oddzielenia osób spełniających wymagania od tych, które ich nie spełniają.
To funkcja preselekcyjna, nie predykcyjna.
Najlepsze predyktory efektywności w praktyce
Jeżeli pytanie brzmi, co najlepiej przewiduje przyszłe wyniki pracy – odpowiedź jest stosunkowo prosta.
Największą wartość ma bezpośrednia obserwacja pracy, okres próbny oraz dobrze zaprojektowana, ustrukturyzowana rozmowa techniczna. To w tych etapach widać sposób myślenia, odpowiedzialność, zdolność rozwiązywania realnych problemów i funkcjonowanie w zespole.
Tych elementów nie da się zastąpić żadnym testem online.
Warto też pamiętać, że metaanaliza z 1998 roku powstała w zupełnie innym świecie technologicznym. Nie istniały modele językowe, a testy kompetencyjne nie były rozwiązywane z dostępem do narzędzi AI.
Dziś wiele testów odbywa się zdalnie. Kandydat ma dostęp do Internetu, dokumentacji oraz modeli generatywnych. W takiej sytuacji test online przestaje mierzyć wyłącznie kompetencje. Często mierzy umiejętność korzystania z narzędzi wspomagających.
Realna trafność wielu zdalnych testów może być niższa niż sugerowały badania sprzed kilkudziesięciu lat.
Rzeczywisty problem firm w 2026 roku
Badanie skupiało się na tym jak spośród kilku kandydatów wybrać osobę, która najszybciej przyswaja wiedzę, co teoretycznie przełoży się na dobre wyniki w przyszłości. Dziś największym wyzwaniem nie jest znalezienie idealnego predyktora efektywności. Największym wyzwaniem jest preselekcja.
Ręczne przeglądanie CV w dużej skali prowadzi do:
- zmęczenia decyzyjnego
- niespójnych kryteriów oceny
- pomijania istotnych informacji
- odrzucania wartościowych kandydatów przez przeoczenie albo brak czasu na zapoznanie się z ich CV
Człowiek nie jest zaprojektowany do analizowania setek dokumentów pod presją czasu.
To właśnie tutaj powstaje największa nieefektywność.
Gdzie w tym wszystkim jest Hero Parser?
Hero Parser nie powstał po to, aby przewidywać, kto będzie najlepszym pracownikiem. Nie zastępuje rozmowy technicznej ani okresu próbnego.
Jego rolą jest uporządkowanie pierwszego etapu selekcji.
Hero Parser:
- analizuje CV w sposób spójny i powtarzalny
- rozpoznaje technologie i kompetencje zapisane różnymi terminami
- weryfikuje zgodność z wymaganiami stanowiska
- eliminuje przypadkowość ręcznej preselekcji
- ustala kolejność rozmów, która zwiększa szanse na szybkie zatrudnienie
Dobre dane wejściowe zwiększają jakość dalszych etapów. Jeżeli do rozmowy technicznej trafiają osoby faktycznie spełniające wymagania, cały proces staje się bardziej efektywny.
CV ma ograniczoną rolę, ale realną funkcję
Metaanaliza Schmidta i Huntera pokazuje, że informacje takie jak lata doświadczenia czy edukacja mają niską trafność predykcyjną w różnicowaniu kandydatów spełniających minimalne wymagania.
Nie pokazuje jednak, że CV jest zbędne.
CV pełni funkcję filtra minimalnego. W świecie dużej liczby aplikacji ta funkcja ma ogromne znaczenie operacyjne.
Powtarzane wielokrotnie hasło, że CV nie ma wartości, brzmi atrakcyjnie. Istnieje znane powiedzenie, że kłamstwo powtórzone tysiąc razy zaczyna funkcjonować jak prawda. Warto jednak oddzielić hasła od kontekstu badań.
Prawdziwe pytanie nie brzmi “Czy CV przewiduje sukces zawodowy?”.
Prawdziwe pytanie brzmi, “Czy Twoja preselekcja jest spójna, mierzalna i odporna na przypadkowość?”.
Jeżeli nie jest, to problemem nie jest CV jako takie. Problemem jest sposób, w jaki jest analizowane.
Czy testy sprawdzają się tak samo na każdym poziomie stanowiska?
W metaanalizie Schmidta i Huntera testy ogólnych zdolności poznawczych osiągnęły wysoką średnią trafność predykcyjną na poziomie około 0,51. To wynik uśredniony dla różnych typów stanowisk.
Jednak istotny jest kontekst.
Badanie dowiodło, że testy zdolności poznawczych najlepiej sprawdzają się w sytuacjach, w których kandydaci nie posiadają jeszcze rozbudowanego doświadczenia zawodowego. W przypadku stanowisk entry-level zdolności ogólne są jednym z niewielu dostępnych wskaźników potencjału. Kandydaci różnią się wtedy głównie poziomem ogólnych umiejętności poznawczych, a nie historią projektów czy doświadczeniem domenowym.
Wraz ze wzrostem poziomu stanowiska rośnie znaczenie doświadczenia, wiedzy specjalistycznej, kontekstu branżowego oraz umiejętności praktycznego zastosowania kompetencji. W takich rolach różnice w wynikach testów GMA przestają być głównym czynnikiem różnicującym efektywność.
Innymi słowy, im bardziej wymagające i wyspecjalizowane stanowisko, tym większą rolę odgrywa realne doświadczenie i umiejętność działania w konkretnym środowisku organizacyjnym. Sama zdolność poznawcza nie wystarcza.
To ważne rozróżnienie.
W rekrutacjach na stanowiska juniorskie testy mogą pełnić istotną funkcję selekcyjną. W rekrutacjach na stanowiska eksperckie lub seniorskie ich wartość predykcyjna relatywnie maleje, ponieważ kandydaci są już wstępnie odfiltrowani przez lata doświadczenia, projekty i specjalizację.
Z perspektywy operacyjnej oznacza to jedno: narzędzie, które działa w selekcji absolwentów, niekoniecznie będzie równie użyteczne przy rekrutacji architekta systemów, lidera technicznego czy dyrektora technologicznego.
