# Superpowered #1: Jak na AI-first nábor a hledání práce Skutečný AI-first nábor a moje přihláška do Anthropicu. Co zvládla AI, kde rozhodoval člověk a jak z procesu vznikl systém pro další nábory. **Autor:** Filip Dřímalka **Publikováno:** 3. 9. 2026 --- --- V létě jsem začal hledat nové lidi do týmu. Řekl jsem si, že je to ideální příležitost udělat experiment a zjistit, kde všude lze během náboru použít AI. Experiment pokryl celý proces od pochopení role přes inzerát, přihlášky, hodnocení a rozhovory až po komunikaci s kandidáty. Většinu práce jsem si záměrně vyzkoušel sám, abych pochopil, co dnešní AI zvládne a jak celý proces nastavit. ## S čím mi pomohla AI - Prošla interní diskuse, přepisy týmových hovorů, rozpracované projekty a předchozí rozhodnutí. - Pomohla vytvořit zadání role, inzerát a kariérní stránku. - Navrhla strukturu databáze a propojila přihlášky ze StartupJobs s naší interní databází. - Analyzovala přihlášky, veřejné profesní profily a odevzdané pracovní úkoly a připravila doporučení pro další postup. - Nachystala otázky pro screeningové rozhovory, zpracovala jejich přepisy a navrhovala změny pro další hovory. - Připravila personalizovanou komunikaci včetně osobních doporučení pro 89 odmítnutých uchazečů. - Na konci připravila workflow, díky kterému mohou kolegové celý proces spustit pro jakoukoli pracovní pozici za zlomek času. ## Co jsem řešil já - Navrhl jsem celý proces, cíle role a kritéria, podle kterých jsme posuzovali přihlášky a pracovní úkoly. - Kontroloval jsem zdroje i doporučení AI a rozhodoval, které přihlášky postoupí do dalšího kola. - Vedl jsem screeningové rozhovory a ověřoval nejasnosti, které z přihlášky nebo pracovního úkolu nešlo spolehlivě posoudit. - Průběžně jsem proces ladil, opravoval chyby a určoval, co se má při dalším náboru udělat jinak. - Nesl jsem odpovědnost za finální rozhodnutí a za komunikaci s uchazeči. Protože celý nábor probíhal s AI v jednom pracovním prostředí, zůstal zdokumentovaný každý podklad, prompt, korekce i rozhodnutí. Mám dohledatelné přihlášky, pracovní úkoly, přepisy rozhovorů, doporučení i změny procesu. Ze stejné dokumentace pak vznikla prezentace AI-first hiring, tato epizoda a tento článek. Při běžném procesu by velká část zůstala v zasedačkách, firemních chatech a hlavách lidí. > **AI v náboru bezpečně** > > Před zapojením AI byste měli vědět, jak využít ten správný nástroj, jak ho správně nastavit a jak správně pracovat s daty. A to nejen kvůli [GDPR](https://commission.europa.eu/law/law-topic/data-protection/information-business-and-organisations/principles-gdpr_en) a [AI Act](https://digital-strategy.ec.europa.eu/en/faqs/navigating-ai-act). Klíčová je pak jasná lidská kontrola a odpovědnost za rozhodnutí. O několik týdnů později jsem se na nábor podíval z druhé strany. Přihlásil jsem se na pozici Head of Content & Curriculum, Education v Anthropicu a postavil přihlášku, která sama ukazovala, jak pracuju. V obou případech fungoval stejný princip. Firma i kandidát dnes mohou s AI zpracovat podstatně víc důkazů. Kvalita výsledku ale závisí na tom, kdo určuje kritéria, kontroluje zdroje a bere odpovědnost za finální rozhodnutí. ## Jak se dostat k AI-first práci Celý experiment stál na třech principech, které se objeví v mé připravované knize Superpowered a hlavně které řešíme v programu [Future AI Leader](/future-ai-leader). - **Best Intelligence** Vybrat správnou inteligenci a pracovní prostředí pro daný úkol - vhodný model, nástroj a ideálně také prostředí, které umí víc než jen chat. - **Living Context** Dát AI přístup k relevantním datům, zkušenostem, rozhodnutím a druhému mozku. Kontext přitom musí být živý, vybraný a udržovaný. - **Compounding Systems** Převádět opakovanou práci, korekce a zkušenosti do workflows, skills, kontrol a systémů, které pracují podle člověka. Když se tyto tři věci naučíte, budete využívat AI na úplně jiné úrovni, než dnes. ## Role vznikla z práce, kterou tým skutečně řešil Nábor často začíná tím, že někdo otevře starý popis podobné pozice a upraví několik vět. My jsme šli do vlastních podkladů. Nechal jsem AI projít interní diskuse na Slacku, přepisy týmových rozhovorů, rozpracované projekty a historii rozhodnutí. Hledali jsme odpověď na praktickou otázku. Jaká práce nám v týmu skutečně chybí? Vyšla z toho role Head of Marketing v Aibility se třemi hlavními oblastmi - strategií, obsahem a kampaněmi. Ještě důležitější byl způsob práce. Hledali jsme zkušeného marketéra, který umí s AI také stavět a dokáže nápad převést do kampaně, webu, automatizace nebo jiného použitelného výsledku. Proto jsme v inzerátu na Head of Marketing nechtěli pouze životopis. Kandidáti mohli ukázat vlastní práci a přidat návrh prvních třiceti dnů. AI byla povolená a očekávaná. Při rozhovoru ale musel člověk vysvětlit, proč výstup vypadá právě takto, z čeho vycházel a co by po první zpětné vazbě změnil. Než začnete vyhodnocovat přihlášky a pracovní úkoly, musíte vědět, jaké důkazy skutečně hledáte. ## Jedna evidence pro 105 záznamů Přihlášky chodily přes náš web a StartupJobs. Naše databáze držela zdrojové podklady, stav kandidáta, hodnocení a doporučený další krok. Hlavním pracovním rozhraním pro mě byl Codex, ze kterého jsem nad databází zadával jednotlivé operace. V tehdejším stavu tabulky bylo 105 záznamů. U 100 vzniklo strukturované hodnocení, u 83 jsme měli veřejný LinkedIn profil nebo profesní web a třináct záznamů obsahovalo také přepis rozhovoru. Tato čísla neznamenají, že AI sama rozhodla, které přihlášky postoupí. Ukazují rozsah podkladů, které jsme dokázali připravit ke společnému rozhodování. Hodnocení přihlášek a pracovních úkolů jsme rozdělili na více vrstev. Jedna sledovala profesní fit pro marketingovou roli. Druhá se soustředila na builder mindset a práci s AI. U každého doporučení jsem chtěl vidět také důvod a zdroj, ze kterého vychází. AI prošla přihlášky a připravila shrnutí veřejných profesních profilů. Já jsem dělal finální rozhodnutí. U části výběru jsem navíc použil kontrolu druhým modelem, abych viděl, jestli stejná data nevyloží jinak. Nezapomeňte, ani druhý model nezaručuje správný výsledek. Pomáhá odhalit rozdíly, slepá místa a příliš sebejisté závěry. Odpovědnost zůstává na člověku, který proces navrhl a podle jeho výstupu jedná. ## Rozhovory zlepšovaly další rozhovory S vybranými lidmi jsem dělal krátké screeningové rozhovory. Cílem nebylo procházet celý životopis. Potřeboval jsem během dvaceti minut ověřit největší nejasnost, která z přihlášky zůstala. AI mi před rozhovorem připravila otázky podle dostupných podkladů. Po callu se přepis přiřadil ke kandidátovi, vznikl souhrn a já jsem mohl zkontrolovat, jestli jsme dostali odpověď na to, co jsme potřebovali vědět. Po prvním rozhovoru jsem zároveň upravil scénář pro další. Některé otázky nefungovaly, jiné chyběly. Proces jsme tak ladili průběžně místo jedné retrospektivy po skončení celého náboru. Jednorázový prompt vytvoří výstup. Systém si uchová zdroje, rozhodnutí a zkušenosti, aby další krok začínal z lepšího místa. ## Osobní doporučení pro 89 lidí Po rozhovorech a interním rozhodnutí jsme kandidáty rozdělili do tří skupin. Jedna pokračovala do dalšího kola, s druhou jsme chtěli zůstat v kontaktu a třetí skupina nepostoupila. U odmítnutých uchazečů jsem nechtěl skončit univerzálním e-mailem. AI proto připravila osobní doporučení postavené na tom, co člověk poslal, jak jeho přihláška odpovídala roli a co by mohl příště ukázat lépe. Vzniklo 89 publikovaných osobních doporučení. Každý odmítnutý uchazeč dostal poděkování, vysvětlení a několik konkrétních podnětů, se kterými mohl dál pracovat. Lidé nám psali, že si z doporučení odnášejí praktické nápady a že podobně konkrétní zpětnou vazbu po zamítnutí nezažili. Tady jsou anonymizované věty ze čtyř odpovědí. > Kdybych nedělal job research inkognito, hned bych to přeposlal naší HR managerce pro inspiraci! > Není to běžné a moc si toho vážím. Už při zběžném prohlédnutí v něm vidím obrovskou hodnotu a přínos a určitě tvé rady převedu do praxe. > Upřímně mi to dalo pár dobrých podnětů k tomu, jak příště svoje zkušenosti a práci s AI ukázat praktičtěji už samotnou přihláškou. > Konečně odmítnutí, které k něčemu je. ## Z experimentu vznikl AI Hiring Kit Po dokončení náboru jsem požádal AI, aby prošla celý proces a převedla ho do opakovatelného systému pro kolegy. Vznikl AI Hiring Kit. Obsahuje postup pro definici role a inzerátu, datový model, screening, hodnocení, komunikaci, pohovory, rozhodnutí a závěrečnou retrospektivu. Součástí jsou šablony a kontrolní body, které určují, kdy může AI pokračovat a kdy musí počkat na lidské schválení. Další kolega tak nemusí začínat prázdným chatem. Otevře pracovní adresář, zadá novou roli a systém ho provede jednotlivými kroky. Každý nový nábor má vlastní data a vlastní rozhodnutí, ověřený základ ale zůstává stejný. Přínos AI vidím v tom, že zkušenost z jednoho náboru zůstane v systému, který mohou bezpečně použít další lidé. ## Moje přihláška do Anthropicu Po náboru v Aibility jsem si chtěl vyzkoušet stejný princip jako kandidát. Anthropic tehdy hledal člověka na pozici Head of Content & Curriculum, Education. Role byla techničtější, než odpovídalo mému dosavadnímu profilu, ale spojovala vzdělávání, obsah a převod expertizy do systémů poháněných AI. To mě zajímalo. Dal jsem Codexu popis role a požádal ho, aby proti jejím požadavkům prošel všechno, co o mé práci ví. Takové zadání funguje pouze tehdy, když má AI přístup k dobře uspořádaným zdrojům. V mém případě to byly projekty, přednášky, programy, pracovní historie, vlastní know-how a předchozí konverzace s AI. Vznikla webová [interaktivní přihláška](https://drimalka.vercel.app/anthropic/), upravené CV a podklady pro formulář. Ke každému požadavku role jsem přiřadil konkrétní důkaz. Když Anthropic hledal člověka, který dokáže převést své řemeslo do AI systému, ukázal jsem svůj pracovní systém PACT. U vzdělávání jsem odkázal na program Future AI Leader a fungující personalizované vzdělávací produkty. U obsahu jsem přidal knihy, přednášky, newsletter, podcast a konkrétní projekty. Přihláška měla rychlou vrstvu pro člověka, který jí věnuje minutu. Zároveň nabízela odkazy na hlubší podklady, prezentace a strojově čitelnou Markdown verzi, se kterou mohla pracovat i AI hodnotitele. Hlavní myšlenky průvodního dopisu jsem napsal sám. AI mi pomohla s formulací a uspořádáním důkazů. AI znala moje zdroje a dokázala v nich hledat. Rozhodnutí, co chci říct a proč mi role dává smysl, bylo moje. ## V Anthropicu to nedopadlo...asi bohudík :) Naštěstí mi to nezabralo víc než hodinu a alespoň jsem si díky tomu uspořádal některé materiály ve svém druhém mozku. Odmítnutí přišlo velmi rychle. Předpokládám proto, že hledají někoho se zkušeností s velkými rozpočty a ideálně někoho, kdo už podobnou práci dělá pro nějaký megaúspěšný startup. Skutečný důvod mi Anthropic nepotvrdil. (Alespoň tohle mi vyhodila AI, když jsem si dělal krátký debrief.) Samozřejmě jsem tomu mohl dát víc energie - poprosit svoje kontakty o propojení nebo veřejně připravit spoustu konkrétních věcí přímo pro Anthropic. Já jsem to ale bral opravdu jako experiment. Přihlášku proto nepovažuju za univerzální návod, jak získat každou práci. Ukázala mi, že z uspořádaných projektů, výsledků a rozhodnutí dokážu rychle postavit podklad pro konkrétní příležitost. Po zamítnutí mi zůstalo CV, web, popsané projekty, mapa vlastních silných stránek a přehled mezer vůči této roli. Příští přihláška nezačne od nuly. Už dříve jsem psal o tom, [jak s AI vystoupit z řady více než 200 kandidátů](https://drimalka.com/inspirace-zdarma/superschopnosti-tvurci). Dnes bych k tomu přidal jednu podmínku. Působivý výstup musí mít dohledatelné zdroje a autor musí umět obhájit svá rozhodnutí i vlastní přínos. ## Co může udělat firma - Nejdřív si ujasněte, jakou práci má člověk skutečně dělat a podle jakých důkazů poznáte dobrý výsledek. - Oddělte zdrojovou přihlášku nebo pracovní úkol, doporučení AI a finální lidské rozhodnutí. - U každého doporučení uchovávejte důvod a zdroj, aby šel výsledek zkontrolovat. - Použijte rozhovor k ověření největší nejasnosti místo opakování celého životopisu. - Předem určete, které nástroje smíte použít, s jakými daty mohou pracovat a kdo kontroluje jejich výstupy. - Po dokončení náboru převeďte fungující kroky do postupu pro další roli. ## Co může udělat kandidát - Rozložte si požadavky role a ke každému vyberte konkrétní projekt, výsledek nebo ukázku práce. - Postavte malý artefakt, který odpovídá skutečnému problému role. Může to být analýza, stránka, prototyp nebo návrh prvních týdnů. - Ukažte svoje rozhodnutí a iterace. Seznam použitých nástrojů o kvalitě práce mnoho neříká. - Popište, co udělala AI a co jste rozhodli vy. - Připravte přihlášku pro rychlé přečtení a přidejte odkazy na hlubší důkazy. - Po zamítnutí oddělte potvrzená fakta od hypotéz a uchovejte použitelné části pro další příležitost. AI otevřela firmám i kandidátům možnost udělat výrazně víc práce nad stejnými podklady. Firma může zpracovat více přihlášek a komunikovat osobněji. Kandidát může ukázat schopnosti konkrétním artefaktem místo několika vět v CV. Výsledek je užitečný tehdy, když za ním zůstávají dohledatelné zdroje, vlastní úsudek a člověk, který za rozhodnutí odpovídá. --- Původní článek: https://drimalka.com/inspirace-zdarma/ai-first-hiring-aibility-anthropic