OpenAI + Airtable w HR małej firmy: jak zbudować własny „mini system kadrowy”, który naprawdę działa

Kiedy kilka lat temu siedziałam w małej salce konferencyjnej u klienta na ulicy Piotrkowskiej w Łodzi, HR Manager pokazała mi swój „system”: trzy Excelowe pliki, folder „CV” na pulpicie i dziesiątki maili z dopiskami „pilne”. Firma miała 70 osób na pokładzie, ambitne plany wzrostu – i kompletny chaos w procesach HR. To właśnie w takich miejscach OpenAI połączony z Airtable robi największą różnicę.

W firmach do około stu pracowników klasyczne systemy HR czy ATS-y są zwykle za ciężkie, za drogie albo zbyt sztywne. Dlatego coraz częściej wdrażam u klientów coś, co nazywam „Shadow ATS w Airtable”: własny, szyty na miarę system rekrutacyjno‑kadrowy, w którym OpenAI jest silnikiem analitycznym i tekstowym, a Airtable – centralną bazą danych i automatyzacji.

Ten duet pozwala zbudować ekosystem HR, który:

  • gromadzi wszystkie dane pracownicze i rekrutacyjne w jednym miejscu,
  • automatyzuje żmudne zadania,
  • wspiera podejmowanie decyzji – bez inwestowania w rozbudowane HRIS-y.

I to wszystko przy zachowaniu kontroli, elastyczności i bardzo rozsądnych kosztach – o ile podejdzie się do tematu świadomie.

Gdzie OpenAI + Airtable najbardziej odciąża HR w małej firmie

W firmach do 100 osób dział HR jest często „centrum świata”: jedna, dwie osoby, które robią wszystko – od publikacji ogłoszeń, przez umowy, po rozwiązywanie konfliktów i raporty dla zarządu. Tam każda godzina ma znaczenie.

W jednej z warszawskich software house’ów, z którym pracowałam, pojedyncza rekrutacja potrafiła wygenerować od 40 do ponad 120 CV. Bez automatyzacji ktoś z HR po prostu siadał po południu z kawą i przez kilka godzin przeklikiwał dokumenty. Po wdrożeniu OpenAI + Airtable:

  • CV wpadają przez formularz bezpośrednio do Airtable,
  • OpenAI wyciąga z nich kluczowe dane i umiejętności,
  • kandydat dostaje ocenę dopasowania i skrócony profil.

Efekt? Na jednym procesie rekrutacyjnym HR odzyskuje realnie kilka godzin – zwykle między 4 a 10. To nie jest „optymalizacja na slajdzie”, tylko czas, który można przeznaczyć na rozmowy z najlepszymi kandydatami albo na zadania strategiczne.

Podobnie wygląda temat raportów HR. W wielu małych firmach comiesięczne raportowanie – zatrudnienie, absencja, fluktuacja, szkolenia – zabiera kilka godzin. Gdy dane są w Airtable, a OpenAI ma sensownie ustawione prompty, przygotowanie podsumowań i komentarzy do zarządu spada do około 1–2 godzin. Zresztą często największe oszczędności wcale są w „wielkich automatyzacjach”. w mikrozadaniach: automatycznie generowany opis szkolenia, podsumowanie rozmowy 1:1, pierwszy draft ogłoszenia o pracę. To właśnie te drobiazgi kumulują się w dziesiątki godzin rocznie.

Shadow ATS w Airtable: dlaczego w małej firmie działa lepiej niż komercyjny system

W firmach <100 osób gotowe ATS-y bardzo często kończą jako drogie i niedopasowane kombajny. Właśnie dlatego lubię podejście „Shadow ATS” – własny system zbudowany w Airtable, gdzie:

  • każda kolumna, status i widok są po coś,
  • proces rekrutacji jest ustawiony pod realne flow firmy, a nie odwrotnie,
  • można spokojnie dobudowywać kolejne moduły (onboarding, szkolenia, feedback).

W jednej z firm produkcyjnych pod Wrocławiem zastąpiłyśmy komercyjny ATS prostym układem tabel w Airtable połączonych z OpenAI. Dopiero po kilku tygodniach zespół HR uświadomił sobie, że nie korzystał z 80% funkcji poprzedniego systemu – za to brakowało im elastyczności i raportów skrojonych pod nich. W Airtable z OpenAI dokładnie to dostali.

Ciekawym elementem jest wykorzystanie OpenAI do standaryzacji danych. W praktyce oznacza to na przykład:

  • normalizację nazw stanowisk (żeby „Junior Account”, „Junior Key Account” i „Młodszy opiekun klienta” nie rozjeżdżały się w raportach),
  • mapowanie umiejętności na spójny słownik kompetencji,
  • porządkowanie tagów technologicznych czy branżowych.

Bez takiego słownika i mapowania słów kluczowych oceny kandydatów robione przez AI są zwykle słabe. To jedna z głównych przyczyn rozczarowań – model zaczyna „strzelać”, bo nie ma solidnego, wspólnego języka kompetencji. Kiedy poświęcimy czas na dobre zdefiniowanie tego słownika, nagle scoringi zaczynają mieć ręce i nogi, a raporty robią się wiarygodne.

Rekrutacja: od ogłoszenia do shortlisty bez odrywania się od Airtable

Pamiętam projekt dla niewielkiej agencji marketingowej przy ulicy Długiej w Krakowie. HR pisała ogłoszenia „z marszu”, każde w innym tonie, z innym poziomem szczegółowości. Efekt – przypadkowi kandydaci i masa CV nie tych osób, które naprawdę były potrzebne.

Po uporządkowaniu profili stanowisk w Airtable można zrobić coś znacznie mądrzejszego:

  1. W bazie definiuję profil roli: wymagania, must-have, nice-to-have, zakres odpowiedzialności, wynagrodzenie, lokalizację, formę pracy.
  2. OpenAI generuje na tej podstawie:
    • pełne ogłoszenie na stronę kariera,
    • skróconą wersję pod LinkedIn,
    • wersje językowe, jeśli firma rekrutuje w kilku językach.

Ogłoszenia są spójne, dopasowane do marki pracodawcy, a jednocześnie nie robię ich za każdym razem od zera.

Kiedy kandydat aplikuję przez formularz połączony z Airtable:

  • CV trafia jako załącznik,
  • OpenAI wyciąga kluczowe dane (doświadczenie, technologie, branże, języki, osiągnięcia),
  • porównuje je z wymaganiami stanowiska (na bazie naszego słownika kompetencji),
  • generuje skrót profilu, ocenę dopasowania i kilka krótkich uwag, które rekruter widzi od razu.

Dodatkową warstwą jest „Fluff score” – ocena ilości marketingowego nadmuchania w CV czy liście motywacyjnym. Dla jednej firmy z sektora fintech przeanalizowałyśmy z zespołem kilka dziesiątek CV i ustaliłyśmy, jakie zwroty i konstrukcje są typowe dla „lania wody”. OpenAI zaczął oznaczać takie fragmenty i przypisywać im wskaźnik. Rekruter widział potem: kandydat A – dobre doświadczenie, fluff score niski; kandydat B – bardzo wysoki fluff, mało konkretów. To zastępuje rozmowy. świetnie pomaga szybko wyłapać profile, w które warto się wgryźć.

OpenAI dobrze sprawdza się też przy scoringu kulturowym. W kilku firmach korzystamy z odpowiedzi otwartych z formularza i publicznych profili (np. LinkedIn) do wygenerowania „notatki kulturowej”: kilka akapitów, jak dany kandydat może odnaleźć się w konkretnej kulturze organizacyjnej. Co ważne – używamy tego jako materiału do rozmowy, nie jako filtra eliminującego. To punkt startu dla rekrutera, żeby zadać mądre pytania.

Na koniec – komunikacja z kandydatami. OpenAI generuje:

  • spersonalizowane zaproszenia,
  • uprzejme odmowy z odniesieniem do realnych braków,
  • wiadomości typu „wrócimy do Ciebie za X dni”.

W jednym z projektów w Poznaniu wdrożyłyśmy automatyczny feedback dla odrzuconych kandydatów. Każda osoba dostaje krótki, konkretny komentarz, wygenerowany na podstawie porównania jej profilu z wymaganiami roli. Marka pracodawcy poszła do góry, HR nie spędza na tym ani minuty więcej.

Onboarding i dokumenty: mniej Excela, więcej kontroli

W biurze klienta na ul. Grunwaldzkiej w Gdańsku widziałam kiedyś plik „Umowa_Anna_v7_ostateczna_na_pewno_poprawna.docx”. To chyba najlepiej pokazuje, jak często wygląda obieg dokumentów w małych firmach.

W Airtable robię to zupełnie inaczej:

  1. W bazie mam rekord pracownika z kluczowymi danymi: stanowisko, forma zatrudnienia, stawka, data startu, wymiar etatu, miejsce pracy.
  2. Na bazie zatwierdzonego przez prawnika szablonu OpenAI generuje konkretny dokument: umowę, aneks, list intencyjny.
  3. Plik ląduje jako załącznik w rekordzie. HR wkleja danych ręcznie. sprawdza, czy wszystko się zgadza.

Ryzyko pomyłek formalnych spada bardzo mocno, szczególnie w firmach, które często zmieniają warunki lub mają różne typy umów. Sztuczna inteligencja nie zastępuje tu prawnika – on definiuje szablony i zasady. AI jedynie składa klocki zgodnie z regułami.

Onboarding można rozpisać podobnie. Z danych o roli, dziale i lokalizacji nowej osoby generuję:

  • listę zadań na pierwszy tydzień i pierwszy miesiąc,
  • rekomendowane szkolenia (z bazy szkoleń w Airtable),
  • plan spotkań z kluczowymi osobami.

W jednej z firm IT w Katowicach, gdzie wdrażałyśmy to rozwiązanie, onboarding nowego developera zajmował wcześniej 5–6 godzin rozrzuconych po kalendarzach kilku osób. Po automatyzacji część zadań – dokumenty, komunikaty, podstawowe instrukcje – zeszła z ich głów. Zostały rzeczy, które faktycznie wymagają spotkań twarzą w twarz.

Ciekawą funkcją jest wykorzystanie OpenAI jako prostego compliance‑checkera. Dla jednego z klientów przygotowałyśmy szablon polityki firmy i umów, a AI porównuje każdy nowy dokument z tym wzorcem. Gdy znajduje niespójność – zaznacza ją jako komentarz w Airtable. To jest zastępstwo dla działu prawnego. dobry pierwszy filtr.

Rozwój pracowników: ścieżki szyte na miarę z poziomu bazy

W małej firmie każdy odejście kluczowej osoby naprawdę boli. Dlatego temat rozwoju i retencji pracowników nie może być „na później”. W praktyce zaczynam od zbudowania w Airtable mapy kompetencji:

  • dla każdego stanowiska – wymagane umiejętności, poziomy, oczekiwane zachowania,
  • dla każdego pracownika – ocena bieżącego poziomu (np. z rozmów 1:1, feedbacku, wyników).

Na tej bazie OpenAI generuje:

  • indywidualne plany rozwoju,
  • propozycje szkoleń (wewnętrznych i zewnętrznych),
  • zestaw pytań i zadań do okresowych rozmów rozwojowych.

W jednej firmie logistycznej pod Warszawą kierowniczka magazynu powiedziała mi po trzech miesiącach: „Pierwszy raz mam poczucie, że naprawdę wiem, w czym ludzie są mocni, a w czym ich ciągnąć do góry”. Efekt uboczny – rotacja w kluczowym zespole zaczęła wyraźnie spadać.

Z mojej praktyki wynika, że gdy firma systematycznie korzysta z takich spersonalizowanych planów (zamiast „szkoleń dla wszystkich”), retencja rośnie zauważalnie. Dla jednego z klientów produkcyjnych, który miał duży problem z odchodzącymi operatorami maszyn, już samo uporządkowanie ścieżek rozwoju i jasna komunikacja „co dalej” mocno ostudziło falę rezygnacji.

Kadry, płace, wnioski: gdzie AI pomaga, a gdzie nie powinna wchodzić

Temat wniosków urlopowych w małej firmie często brzmi jak żart – maile, kartki, komunikatory, „pamiętasz, że ja jutro nie ma?”. W Airtable da się to uporządkować tak, żeby AI wspierała proces, ale go nie przejmowała całkowicie.

Scenariusz, który wdrożyłam np. w agencji kreatywnej na Pradze:

  • pracownicy składają wnioski przez prosty formularz,
  • dane trafiają do tabeli: daty, typ urlopu, wymiar, przełożony, status,
  • OpenAI sprawdza wniosek pod kątem spójności (np. czy nie ma nachodzących się dat, czy nie przekracza puli dni),
  • HR i przełożony dostają zwięzły komentarz: co jest OK, co wymaga decyzji albo ręcznej weryfikacji.

Podobnie przy raportach HR – z danych w Airtable OpenAI generuje:

  • tekstowe podsumowania: „W tym miesiącu rotacja wyniosła X, głównie w dziale Y…”,
  • komentarze do trendów,
  • listę pytań, które warto zadać menedżerom.

Systemy płacowe i księgowe zostają tam, gdzie ich miejsce. AI może pomóc w stworzeniu materiału wejściowego, sprawdzeniu spójności danych czy przygotowaniu dokumentów, ale nie traktuję jej jako odpowiednika programu kadrowo‑płacowego. Zawsze pilnuję, żeby człowiek miał ostatnie słowo w tematach wynagrodzeń i formalnych decyzji.

Badania satysfakcji i feedback: z chaosu komentarzy do konkretnych działań

Jeden z moich ulubionych projektów to firma szkoleniowa z biurem na ul. Świętokrzyskiej. Raz w roku robią duże badanie satysfakcji – kilkadziesiąt osób, setki komentarzy. Wcześniej próbowały to analizować w Excelu. Po kilku dniach ktoś rozkładał ręce i kończyło się na kilku ogólnych wnioskach.

Dzisiaj wygląda to tak:

  1. Pracownicy wypełniają ankietę związaną z komunikacją, rozwojem, atmosferą, benefitami. Wszystko spływa do Airtable.
  2. OpenAI:
    • robi sentiment analysis,
    • grupuje komentarze po tematach,
    • wyciąga powtarzające się wątki,
    • generuje krótkie podsumowanie dla zarządu plus listę obszarów „do obejrzenia”.

Co ważne – da się też ustawić alerty. Jeśli pojawia się nasycenie negatywnymi komentarzami wokół konkretnego działu albo tematu (np. „przeciążenie”, „brak informacji”), HR dostaje sygnał wcześniej, zanim problem wybuchnie.

OpenAI jest tu jak lupa: z gęstego lasu pojedynczych wypowiedzi wydobywa strukturę. Decyzje i działania nadal są po stroludzi. nie giną w zalewie danych.

Mniej oczywiste zastosowania, które robią różnicę

Niektóre wdrożenia, które u klientów sprawdziły się wyjątkowo dobrze, to:

  • Mikro‑automatyzacje wewnętrzne – generowanie opisów szkoleń na stronę wewnętrzną, podsumowań rozmów 1:1 z menedżerami (na podstawie punktowych notatek), draftów maili z informacją o awansie czy zmiaroli. Niby drobiazgi. w skali roku oszczędzają masę czasu.

  • Soft polityka komunikacji HR – dobrze skonfigurowany prompt w OpenAI, na którym „wieszam” generowanie maili i komunikatów HR. Uzgadniam z klientem ton, styl, słownictwo, a potem AI pilnuje spójności. Po kilku tygodniach zespół przestaje „od nowa wymyślać” każde ogłoszenie czy wiadomość do pracownika.

  • Wykrywanie niespójności w dokumentach HR – dla jednej organizacji NGO AI porównuje projekty umów, aneksów i regulaminów ze wzorcami polityki wewnętrznej. Gdy coś nie gra, oznacza to w Airtable jako „wymaga uwagi”. Prawnicy i HR zyskują pierwszy filtr jakościowy.

Czy to się opłaca? O kosztach i progach opłacalności

Przy pracy z mniejszymi firmami zawsze siadam do Excela (albo… do Airtable) i liczę.

Jeśli miesięcznie przeglądacie kilkanaście CV i robicie jedną rekrutację raz na kwartał, modele OpenAI w Airtable nie zwrócą się spektakularnie. Koszty użycia modeli stają się sensowne, gdy zaczynamy operować na setkach dokumentów miesięcznie – CV, ankiet, komentarzy, dokumentów. Dlatego w pierwszym kroku:

  • ustawiam limity tokenów i progów kosztowych,
  • optymalizuję prompty tak, by AI robiła dokładnie to, co trzeba – nic więcej,
  • wybieram procesy, gdzie przetwarzamy duże wolumeny danych tekstowych (CV, ankiety, feedback).

W jednym z call center na Śląsku po wdrożeniu analizy feedbacku i automatyzacji preselekcji okazało się, że koszt OpenAI to ułamek tego, co wcześniej firma wydałaby na dodatkową osobę do wsparcia HR. Warunkiem było jednak od początku trzymanie w ryzach liczby wezwań do modelu.

Jak sensownie zacząć wdrożenie OpenAI + Airtable w HR

Gdy wchodzę do nowej firmy, nigdy nie zaczynam od „wrzućmy AI wszędzie”. Najpierw z kartką w ręku spisuję, gdzie dziś ucieka czas. Zwykle na liście pojawiają się:

  • ręczne przeglądanie CV,
  • odpisywanie na powtarzalne pytania kandydatów i pracowników,
  • przygotowywanie umów i załączników,
  • składanie raportów HR,
  • rozgrzebywanie feedbacku z ankiet.

Potem wybieram 1–2 procesy pilotażowe. Na przykład w jednej krakowskiej firmie technologicznej zaczęłyśmy tylko od preselekcji CV i generowania ogłoszeń. Działało? Dołożyłyśmy feedback dla kandydatów i prostą analitykę ankiet satysfakcji. Dzięki temu zespół HR oswoił się z AI, a my miałyśmy twarde liczby: ile godzin odzyskały, ile błędów mniej, jak szybko reagują na feedback.

Kiedy baza HR jest już w Airtable, OpenAI staje się po prostu kolejną warstwą – „magiczna czarna skrzynka”. dobrze dopasowane narzędzie.

Bezpieczeństwo i RODO: jak korzystać z AI bez nerwowego spoglądania na regulaminy

W jednej z kancelarii, z którą współpracuję przy audytach wdrożeń, powtarzamy klientom to samo: automatyzacja HR to tylko procesy i wygoda. też ryzyko, jeśli źle podejdziemy do danych.

Kilka zasad, które stosuję w każdym projekcie:

  • Minimalizacja danych – do OpenAI wysyłam tylko te informacje, które są rzeczywiście potrzebne do wykonania zadania. Jeśli generujemy ogłoszenie na podstawie profilu stanowiska, nie ma powodu, by model widział dane osobowe kogokolwiek.

  • Pseudonimizacja – tam, gdzie pracujemy z realnymi osobami (np. analiza feedbacku), używam identyfikatorów zamiast imion i nazwisk. W praktyce: OpenAI widzi „Pracownik 123” z działu X, a nie „Anna Kowalska z działu sprzedaży”.

  • Szablony zatwierdzone przez prawników – AI nie wymyśla umów od zera. Pracuje na wzorcach przygotowanych przez dział prawny lub zewnętrzną kancelarię. To daje spójność i zgodność, a jednocześnie dużą oszczędność pracy.

  • Świadomość, gdzie są dane – warto dokładnie wiedzieć, na jakich serwerach i w jakiej jurysdykcji działa dostawca AI. Do tego dochodzi klasyczna umowa powierzenia przetwarzania danych – tak, żeby odpowiedzialności były przejrzyście opisane.

Gdy te fundamenty są na miejscu, można spokojnie rozwijać cyfrowy ekosystem HR bez obaw, że automatyzacja „ucieknie do przodu” szybciej niż bezpieczeństwo.

Podsumowanie: AI w HR małej firmy jako realne narzędzie, nie gadżet

Kiedy dziś wracam myślami do tamtej sali konferencyjnej z początkowej scenki, pamiętam moment, w którym po pierwszym pilotażu preselekcji CV HR Managerka spojrzała na ekran Airtable i powiedziała: „To jest pierwszy raz, kiedy mam poczucie, że to ja kontroluję proces, a nie on mnie”.

I o to chodzi w łączeniu OpenAI i Airtable w małych działach HR:

  • zamiast skakać po dziesięciu systemach – jedno miejsce, gdzie żyją dane,
  • zamiast ręcznych, powtarzalnych czynności – automatyzacje szyte na miarę,
  • zamiast przypadkowych decyzji – raporty i analizy oparte na spójnych danych.

Jeśli zarządzasz HR w firmie do około stu osób, nie potrzebujesz na start wielkiego HRIS‑a i półrocznego wdrożenia. Znacznie lepiej zacząć od własnego, lekkiego ekosystemu w Airtable, w którym OpenAI dba o tekst, analizę i porządkowanie informacji. A potem krok po kroku dokładać kolejne moduły – dokładnie tam, gdzie naprawdę czujesz ból procesu.

To właśnie w takiej symbiozie – ludzkiej intuicji i algorytmicznej precyzji – małe firmy zyskują przewagę, którą trudno dogonić nawet większym graczom z rozbudowanymi, ale sztywnymi systemami.