Stronniczość AI w przeglądaniu CV: dlaczego LLM-y wolą CV napisane przez AI (badanie 2025)

Co badanie rzeczywiście odkryło

We wrześniu 2025 r. trzech badaczy — Jiannan Xu (University of Maryland), Gujie Li (Cornell) i Jane Yi Jiang — opublikowało artykuł zatytułowany „AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights" (arXiv:2509.00462; zaprezentowany na ACM EAAMO 2025 i AIES 2025). To pierwszy szeroko zakrojony empiryczny test pytania, wokół którego społeczność sprawiedliwości AI krążyła od dwóch lat: kiedy LLM-y oceniają tekst, czy potajemnie wolą tekst, który brzmi jak ich własne pisanie?

Konfiguracja była czysta. Wzięli 2245 zanonimizowanych prawdziwych CV z LiveCareer.com, obejmujących 24 kategorie zawodowe. Dla każdego CV wygenerowali przepisanie przez AI używając siedmiu LLM-ów — trzech komercyjnych (GPT-4o, GPT-4-turbo, GPT-4o-mini) i czterech otwartoźródłowych (LLaMA 3.3-70B, Mistral-7B, Qwen-2.5-72B, DeepSeek-V3). Następnie poprosili każdy model o ocenę par CV (jednego napisanego przez siebie, jednego przez człowieka lub konkurencyjny model) i wybór silniejszego kandydata. Jakość treści była kontrolowana — ta sama rola, to samo doświadczenie, te same osiągnięcia — różniła się tylko powierzchnia prozy.

Wynik: każdy model preferował własne pisanie, często dramatycznie. Wskaźniki samopreferencji na model przeciwko CV pisanym przez ludzi:

• GPT-4o — 82% (wybrał własne CV w 4 z 5 przypadków)
• LLaMA 3.3-70B — 79%
• DeepSeek-V3 — 72%
• GPT-4-turbo i Qwen-2.5-72B — oba powyżej 65%
• Mistral-7B — 28% (jeden z niewielu prawie neutralnych wyników)
• LLaMA 3.2-3B (najmniejszy testowany) — 11,6% (najmniejsze modele wykazały prawie zero stronniczości, sugerując, że efekt skaluje się ze zdolnością modelu)

Kluczowe: stronniczość przetrwała testy odporności. Dopasowanie par CV pod względem treści semantycznej przez BERTScore i ROUGE-L, lub stylu pisania przez cechy lingwistyczne LIWC, nie spowodowało jej zniknięcia. Preferencja nie podążała za jakością ani stylem — podążała za tym, czy tekst brzmiał jak własne wyjścia oceniającego modelu.

Dlaczego to się dzieje — mechanizm perpleksji

LLM-y wewnętrznie oceniają każde wejście według perpleksji — z grubsza, jak bardzo zaskoczony jest model każdym następnym tokenem. Tekst, który model prawdopodobnie wygenerowałby sam, ma niską perpleksję (przewidywalny, znany); tekst napisany w nieznanym stylu lub z rzadkimi sformułowaniami ma wysoką perpleksję. Badanie Xu/Li/Jiang ustaliło, że gdy LLM-y są proszone o ocenę jakości tekstu, przypisują znacząco wyższe oceny fragmentom o niskiej perpleksji — nawet gdy faktyczna jakość treści jest identyczna.

Najprostszy sposób, by o tym pomyśleć: oceniający LLM tak naprawdę nie ocenia „czy to dobre CV?". Wykonuje półświadome obliczenie „czy to CV wygląda na coś, co bym napisał?", a następnie projektuje to rozpoznanie płynności na jakość. Znajomość → płynność → oceniane jako wyższa jakość. Niższa perpleksja bije wyższą, kropka, nawet gdy obaj kandydaci są obiektywnie równie dobrzy.

To ten sam mechanizm psychologiczny, który mają ludzie, gdy oceniamy pisanie, które odzwierciedla nasz własny styl, jako „jaśniejsze" lub „bardziej profesjonalne" — ale w LLM-ach działa znacznie szybciej i bez introspekcji. Badacze zauważają, że to nie jest błąd w jakimś konkretnym modelu. To systemowa właściwość tego, jak modele językowe oparte na transformatorach oceniają tekst. Każdy duży LLM wykazuje jakąś wersję tego.

Wpływ w świecie rzeczywistym — 23-60% więcej krótkich list

Wiedza, że jeden LLM woli własne pisanie w 82% w kontrolowanym teście parami, jest akademicko interesująca. Prawdziwe pytanie brzmi: czy to ma znaczenie, gdy konkurujesz ze stosem innych kandydatów o prawdziwą pracę?

Aby się dowiedzieć, autorzy uruchomili symulowane procesy rekrutacyjne we wszystkich 24 kategoriach zawodowych. W każdej rundzie: zgromadzono pulę kandydatów, niektórzy mieli CV udoskonalone przez GPT-4o (model filtrujący rekrutera), inni używali różnych LLM-ów, inni zachowali oryginalne CV pisane ręcznie. LLM filtrujący następnie rankował pulę i produkował krótką listę.

Kandydaci, których CV zostały udoskonalone przez ten sam LLM co filtr (GPT-4o → GPT-4o), mieli o 23-60% większe szanse na trafienie na krótką listę niż równie wykwalifikowani kandydaci z CV pisanymi ręcznie. Największe niekorzyści — bliżej końca 60% — pojawiły się w zawodach biznesowych: sprzedaż, księgowość, marketing, obsługa klienta. Najmniejsze różnice pojawiły się w rolach technicznych, gdzie treść CV (konkretne narzędzia, języki, certyfikaty) przewyższa styl prozy.

Przełóż to na rzeczywistość poszukiwania pracy: jeśli rola sprzedażowa otrzymuje 200 aplikantów, a ATS rekrutera filtruje wstępnie z GPT-4o, aplikant, który wypolerował CV z GPT-4o, statystycznie ma znacznie większe szanse na dotarcie do stosu ludzkiej weryfikacji niż aplikant identycznego kalibru, którego CV zostało napisane bez AI. To nie jest mała przewaga.

Dlaczego to większa sprawa niż „kolejna stronniczość AI"

Badania nad sprawiedliwością AI spędziły dekadę dokumentując stronniczość wobec grup demograficznych — płeć, rasa, wiek, niepełnosprawność. Te stronniczości są dobrze zrozumiane i aktywnie legislacyjnie zwalczane w UE (klasyfikacja wysokiego ryzyka AI rekrutacyjnej w AI Act) i kilku jurysdykcjach USA (NYC Local Law 144, Illinois AI Video Interview Act itp.).

Stronniczość samopreferencji jest inna. Nie śledzi chronionej cechy; śledzi, czy użyłeś tej samej marki AI co twój pracodawca. Brzmi nieszkodliwie — dopóki nie zauważysz, że rynek LLM jest skoncentrowany. GPT-4o (OpenAI) jest najszerzej wdrożonym modelem filtrującym w świecie korporacyjnym i jest też najszerzej używanym konsumenckim LLM. Stronniczość więc systematycznie faworyzuje kandydatów z płatnymi subskrypcjami ChatGPT nad kandydatami używającymi darmowych Claude, Gemini lub DeepSeek — i nad kandydatami piszącymi bez AI w ogóle.

To stronniczość sprzężona z bogactwem i dostępem, ukryta w tym, co wygląda na neutralny proces algorytmiczny. W przeciwieństwie do stronniczości demograficznej, żadna istniejąca regulacja jej nie adresuje. Autorzy wyraźnie wzywają do rozszerzonych ram sprawiedliwości obejmujących „interakcje AI-AI" — stronniczości, które pojawiają się nie z tego, jak algorytm traktuje osobę, lecz jak algorytm traktuje wyjście innego algorytmu. Ta kategoria szkody jest nowiutka w literaturze politycznej.

Co to znaczy dla ciebie, poszukującego pracy

Bez paniki. Stronniczość jest realna, ale racjonalna odpowiedź to nie „nigdy nie używaj AI" — to „używaj AI w sposób, który nie czyni twojego CV trywialnie identyfikowalnym jako wyjście jednego modelu". Pięć praktycznych implikacji:

• Pisz substancję samodzielnie. Konkretne osiągnięcia, liczby, daty, nazwy projektów, faktyczna treść twojej roli — to fakty, których AI nie może wymyślić bez halucynacji. Zapisanie ich samodzielnie jest nienegocjowalne zarówno ze względu na uczciwość, jak i zapobieganie oczywistym oznakom (wymyślone firmy, podejrzanie okrągłe procenty).
• Używaj AI do polerowania, nie do redagowania. Poproszenie LLM o „przepisz mój punkt, aby brzmiał bardziej wpływowo" daje ci poprawę sformułowania na twojej prawdziwej treści. Poproszenie go o „napisz mi CV dla menedżera marketingu" daje ci ogólną prozę AI, która krzyczy o swoim pochodzeniu do każdego filtra — i do każdego ludzkiego oceniającego z dwumiesięcznym doświadczeniem.
• Nie wklejaj wyjścia jednego modelu dosłownie. Jeśli 82% stronniczości pochodzi z LLM rozpoznającego własne wyjścia, najgorszą możliwą strategią jest wysłanie nieedytowanej prozy tego samego LLM do filtra, który może być tym samym modelem. Mieszaj źródła: redaguj samodzielnie, poleruj jednym narzędziem, zrób końcowy przebieg innym narzędziem, edytuj wynik ręcznie.
• Nie brzm robotycznie. Stronniczość nagradza sformułowania znane modelowi — ale doświadczony oceniający człowiek może wykryć „Jako zorientowany na wyniki profesjonalista z pasją do doskonałości" z drugiego końca pokoju. Kompromis to głos: zachowaj własny rytm zdań i dobór słów, używaj AI tylko do poprawek gramatyki/zwięzłości.
• Bądź szczery, jeśli zapytają. Mała, ale rosnąca liczba pracodawców UE — zwłaszcza w sektorach regulowanych jak finanse, opieka zdrowotna i administracja publiczna — wyraźnie prosi kandydatów o ujawnienie pomocy AI w aplikacjach. Jeśli instrukcje roli o to proszą, ujawnij. Kłamanie na ten temat to podstawa do cofnięcia oferty w dowolnym momencie później.

Co to znaczy dla pracodawców i rekruterów

Jeśli jesteś po drugiej stronie stołu, artykuł ma niewygodne implikacje. Filtrowanie CV jednym modelem nie jest już do obrony jako „obiektywne". Jeśli twój ATS używa GPT-4o do rankowania kandydatów i rekrutujesz do roli sprzedażowej, systematycznie faworyzujesz kandydatów, którzy zapłacili za ten sam model — a ta przewaga nie ma nic wspólnego z tym, czy potrafią sprzedawać.

Badanie Xu/Li/Jiang przetestowało dwie skuteczne mitygacje:

1. Ujawnienie na poziomie promptu. Dodanie zdania do promptu filtrującego — „Nie powinieneś brać pod uwagę ani wnioskować, czy CV zostały napisane przez człowieka, czy przez AI. Skoncentruj się tylko na jakości treści." — wymierne zredukowało stronniczość. Tanie, darmowe, częściowe.
2. Zespół głosowania większościowego. Połączenie głównego ewaluatora z dwoma mniejszymi modelami (np. GPT-4o plus LLaMA 3.2-1B i LLaMA 3.2-3B) i użycie głosowania większościowego do końcowej decyzji o krótkiej liście zredukowało stronniczość o ponad 50%. Mniejsze modele wykazały prawie zero samopreferencji, więc służyły jako przeciwwaga dla stronniczości głównego modelu. Więcej obliczeń, dużo więcej sprawiedliwości.

Konkretnie dla pracodawców UE: AI Act klasyfikuje AI rekrutacyjną jako wysokiego ryzyka. Wiedza, że filtrowanie jednym modelem wprowadza mierzalną, niedemograficzną stronniczość, która jest niekorzystna dla kandydatów z mniejszym dostępem do tej samej płatnej usługi AI, prawdopodobnie przecina obowiązki przejrzystości i sprawiedliwości aktu. Udokumentuj swoją strategię mitygacji, zanim będziesz jej potrzebować.

Uczciwa wersja: czy w ogóle powinieneś używać AI na swoim CV?

Trzy uczciwe scenariusze. Wybierz ten, który pasuje do twojej rzeczywistości.

Scenariusz A: aplikujesz do dużej korporacji, która prawdopodobnie filtruje ATS z GPT-4o. Przewaga krótkiej listy 23-60% jest tu realna. Użycie dużego LLM do polerowania CV (NIE do redagowania) daje ci przewagę bez oczywistych oznak. Wniosek: używaj AI ostrożnie.

Scenariusz B: aplikujesz do małej/średniej firmy, gdzie ludzki rekruter czyta CV pierwszy. LLM filtrujący nie istnieje w tym potoku. Robotyczna proza AI aktywnie ci tu szkodzi — ludzie ją wykrywają, a wielu aktywnie ją karze jako odczuwalny brak wysiłku. Wniosek: napisz to sam, używaj AI oszczędnie do gramatyki.

Scenariusz C: aplikujesz w środowisku akademickim, opiece zdrowotnej lub administracji publicznej w UE. Ujawnianie AI jest coraz częściej wymagane. Płynna proza AI może być odczytywana jako czerwona, a nie zielona flaga. Wniosek: minimalne AI, najlepiej żadne, ujawnij, jeśli pomoc była używana.

Przez wszystkie trzy scenariusze jedna zasada jest uniwersalna: nie pozwól AI pisać twojej faktycznej treści. Osiągnięcia, liczby i specyfika projektów muszą pochodzić od ciebie. AI to polerowanie sformułowań, a nie generator substancji.

Jak podchodzimy do tego w TakeMeUp.cv

Pełne ujawnienie: budujemy narzędzie do CV i dostarczamy funkcje AI. To jest więc niewygodna sekcja, gdzie musimy być przejrzysti co do naszego własnego produktu w artykule dokumentującym stronniczości w narzędziach AI.

Nasz dodatek AI Rewrite jest celowo ograniczony do polerowania na poziomie sformułowań, a nie generowania punktów. Przepisuje napisany przez ciebie punkt w silniejszą wersję samego siebie — zachowując twoje liczby, daty, nazwy projektów i substancję tego, co faktycznie zrobiłeś. Odmawia wymyślania metryk. To nie jest sygnalizowanie cnoty; to jedyna pozycja produktowa, jaką możemy obronić w świecie, gdzie fabrykacja CV generowana przez AI jest powszechna. Nasz dodatek Authenticity Score istnieje właśnie dlatego, że wiemy, że rekruterzy zaczynają wykrywać prozę pojedynczego LLM.

Zastrzeżenia i czego jeszcze nie wiemy

Badanie Xu/Li/Jiang to najsilniejszy dowód, jaki mamy, ale kilka uczciwych zastrzeżeń, zanim się na nim za bardzo oprzesz:

• CV były w kontekście USA (LiveCareer.com). CV w kontekście UE zawierają zdjęcia, daty urodzenia, pola istotne dla RODO i kolejność sekcji specyficzną dla lokalizacji. Mechanizm stronniczości (perpleksja-jako-znajomość) powinien się generalizować, ale rozmiar efektu dla europejskiej rekrutacji jeszcze nie został zmierzony.
• Testowane zadania filtrowania to porównania parami i ranking krótkiej listy. Systemy ATS produkcyjne często łączą punktację LLM z filtrami słów kluczowych, pytaniami eliminacyjnymi i kryteriami ważonymi — stronniczość LLM to jeden sygnał w stosie sygnałów.
• Badanie nie testowało Claude (Anthropic) ani Gemini (Google) — oba są teraz używane w produkcji w dużej skali filtrowania. Kierunek stronniczości powinien być taki sam (modele preferują własne wyjścia), ale wielkości dla tych konkretnych systemów nie są w tym zbiorze danych.
• Stronniczość samopreferencji to jedna z wielu stronniczości, jakie LLM-y wykazują przy filtrowaniu CV. Stronniczość demograficzna wobec kobiet, mniejszości i starszych kandydatów utrzymuje się w wielu modelach — ten problem jest starszy i lepiej udokumentowany, i nie znika, ponieważ mamy teraz nowy problem AI-przeciw-AI.
• Mitygacja (głosowanie większościowe z małymi modelami) redukuje stronniczość o >50%, ale jej nie eliminuje. Obecnie nie ma techniki, która całkowicie usuwa stronniczość samopreferencji.