List motywacyjny z AI: co się dzieje, gdy każdy pisze dobrze

Czyli o tym, dlaczego idealnie napisany list przestał komukolwiek pomagać.

List motywacyjny z AI: co się dzieje, gdy każdy pisze dobrze
AI

Czyli o tym, dlaczego idealnie napisany list przestał komukolwiek pomagać.

Na stole w salce leży sterta wydrukowanych zgłoszeń na stanowisko w obsłudze klienta i wszystkie listy motywacyjne są poprawne, uprzejme i niemal identyczne. Każdy zaczyna się od entuzjazmu wobec „dynamicznie rozwijającej się firmy”. Każdy wymienia komunikatywność, odporność na stres i dbałość o szczegóły. Nigdzie nie ma literówki ani zdania, które by zgrzytało. Czytasz piąty, potem dziesiąty, i łapiesz się na tym, że nie pamiętasz, czym pierwszy różnił się od trzeciego. Odkładasz listy na bok i zaczynasz przeglądać same CV w poszukiwaniu czegokolwiek, co da się sprawdzić.

Wszyscy napisali dobrze. I właśnie dlatego żaden list niczego Ci nie powiedział.

Prawie każdy czyta tę scenę jako dobrą wiadomość. Kandydaci dostali narzędzie, które poprawia styl, wyłapuje błędy i podpowiada, co napisać, więc listy są staranniejsze niż kiedykolwiek. Osoby, które dotąd odpadały przez kulawą polszczyznę, wreszcie mają równy start. A gdyby to wyrównanie sprawiło, że list przestał działać, i to zarówno dla rekrutera, jak i dla najlepszych kandydatów?

Ekonomiści mają na to nazwę: sygnalizacja (ang. signaling). Sygnał to coś, co kandydat robi albo pokazuje, żeby druga strona mogła wywnioskować to, czego nie widzi wprost: zdolności albo zaangażowanie. Działa pod jednym warunkiem. Lepszym kandydatom musi przychodzić łatwiej niż słabszym albo musi kosztować coś, czego słabsi nie chcą zapłacić. Przez dziesięciolecia dopasowany list motywacyjny był takim sygnałem. Pokazywał, że ktoś przeczytał ogłoszenie, pomyślał o firmie i poświęcił temu wieczór. Rekruter nie musiał wierzyć w deklaracje z listu, bo sam wysiłek był informacją.

Ten wysiłek zniknął szybciej, niż zmieniły się zwyczaje rekruterów. Według sondażu Pracuj.pl, który w maju 2026 roku opisała „Rzeczpospolita”, 48 procent kandydatów użyło sztucznej inteligencji na jakimś etapie szukania pracy, a ponad dwie piąte uważa to za przejaw zaradności. Najlepiej zbadany przypadek tego, co dzieje się potem, pochodzi z platformy dla wolnych strzelców, gdzie da się porównać zatrudnienia sprzed i po jednym konkretnym dniu.

Trzy rzeczy, które z tego wyniesiesz
1
Co właściwie mierzył list motywacyjny i dlaczego model językowy zabrał mu tę funkcję w jeden dzień.
2
Gdzie AI w dokumentach realnie pomaga kandydatom, a gdzie zaciera różnice, na których najlepszym zależało.
3
Jaki załącznik dołączyć do zgłoszenia albo oferty, żeby dało się Cię odróżnić, i o co prosić, kiedy to Ty zatrudniasz.

List motywacyjny mierzył wysiłek, a talent do pisania był sprawą drugorzędną

Teorię sygnałów na rynku pracy opisał Michael Spence w artykule „Job Market Signaling”, opublikowanym w 1973 roku w „Quarterly Journal of Economics”. Jego przykładem było wykształcenie. Pracodawca nie widzi, kto jest zdolny, więc patrzy na dyplom. Dyplom ma wartość informacyjną nawet wtedy, gdy studia nie nauczyły niczego przydatnego w pracy, bo zdolniejszym łatwiej go zdobyć. Za tę i pokrewne analizy rynków, na których jedna strona wie więcej od drugiej, Spence dostał w 2001 roku Nagrodę Nobla z ekonomii, razem z George'em Akerlofem i Josephem Stiglitzem.

List motywacyjny działał według tej samej logiki, tylko w mniejszej skali. Dopasowanie go do konkretnej firmy zajmowało godzinę: trzeba było przeczytać stronę, zrozumieć, czym firma się zajmuje, i znaleźć w swoim doświadczeniu coś, co do tego pasuje. Ktoś, kto rozsyłał pięćdziesiąt zgłoszeń dziennie, tej godziny nie miał. Ktoś, komu zależało na tej jednej pracy, ją poświęcał. Rekruter czytał więc w liście mniej o stylu, a więcej o tym, czy kandydat w ogóle przyszedł do niego, czy do kogokolwiek.

Ze słownika Noraline: asymetria informacji to sytuacja, w której jedna strona transakcji wie o niej więcej niż druga. Kandydat zna swoje umiejętności, rekruter widzi tylko papier. Sygnał jest sposobem, w jaki strona lepiej poinformowana próbuje tę lukę zmniejszyć, a jego wartość zależy od tego, czy trudno go podrobić.

Sygnał, który każdy może wysłać tym samym kosztem, przestaje cokolwiek odróżniać. Do niedawna list dało się napisać źle, przeciętnie albo dobrze, a różnica między tymi wersjami coś mówiła. Jak wygląda rynek, na którym wszyscy dostali tę samą maszynkę do pisania dobrze?

Na Freelancer.com dopasowana oferta była warta 26 dolarów

Najdokładniej zmierzyli to Anais Galdin z Tuck School of Business w Dartmouth i Jesse Silbert z Uniwersytetu Princeton. W pracy „Making Talk Cheap: Generative AI and Labor Market Signaling” z listopada 2025 roku przeanalizowali zlecenia programistyczne na Freelancer.com, jednej z dużych platform dla wolnych strzelców. Mechanika jest tam prosta: klient wystawia zlecenie, a wykonawcy odpowiadają krótką ofertą z ceną i opisem, jak podejdą do pracy. Taka oferta pełni dokładnie tę funkcję, co list motywacyjny.

Klienci dostają tych ofert dużo i szybko. Galdin mówiła w rozmowie dla Tuck, że pracodawca dostaje około 60 zgłoszeń w ciągu kilku minut. Autorzy zmierzyli dwie rzeczy. Modelem językowym ocenili, na ile każda oferta jest dopasowana do konkretnego ogłoszenia, a na ile to szablon wysyłany wszędzie. Z danych o kliknięciach odczytali, ile czasu wykonawca spędził nad każdą ofertą.

Przed pojawieniem się narzędzi AI dopasowanie miało realną cenę. Według autorów wykonawca, którego oferta była dopasowana o jedno odchylenie standardowe lepiej, miał taką samą przewagę w szansie na zatrudnienie jak ktoś, kto zaproponował cenę niższą o 26 dolarów, przy stawkach w badanych zleceniach od 30 do 250 dolarów. Klient był gotów zapłacić więcej komuś, kto pokazał, że przeczytał jego ogłoszenie. Dopasowanie szło przy tym w parze z wysiłkiem, a wysiłek z jakością wykonawcy.

W kwietniu 2023 roku jeden przycisk zrównał wszystkie oferty

W kwietniu 2023 roku platforma wprowadziła wbudowane narzędzie AI, które według opisu w artykule Tuck pozwalało wygenerować ofertę jednym kliknięciem. Dopasowany tekst przestał wymagać godziny. Oferty, które wcześniej wyglądały na skrojone pod jedno zlecenie, zaczęli wysyłać także wykonawcy, którzy nad żadnym zleceniem się nie pochylali.

List motywacyjny z AI przed i po: rekruter z różnorodnymi zgłoszeniami, a potem z jednakowym stosem dopracowanych listów

Klienci zareagowali tak, jak przewiduje teoria. W streszczeniu pracy autorzy piszą, że przed wejściem modeli językowych pracodawcy byli gotowi sporo zapłacić za bardziej dopasowane oferty, a po ich wejściu już nie. Dopasowanie nadal było widać, tylko przestało cokolwiek mówić o człowieku po drugiej stronie.

Galdin i Silbert policzyli też, kto na tym traci. Zbudowali model rynku i sprawdzili, co się dzieje, gdy sygnał znika całkowicie. W takim świecie wykonawcy z najlepszej piątej części rozkładu umiejętności są zatrudniani o 19 procent rzadziej, a ci z najsłabszej piątej części o 14 procent częściej. Średnie wynagrodzenia spadają o 5 procent, a liczba zatrudnień na jedno zlecenie o 1,5 procent. To symulacja skrajnego scenariusza, a nie pomiar z jednego roku, ale kierunek jest jednoznaczny. Na zniknięciu sygnału tracą najlepsi, bo stracili sposób, żeby to pokazać.

Poprawianie błędów pomaga, pisanie za kandydata już nie

Łatwo stąd wyciągnąć wniosek, że każda pomoc w pisaniu szkodzi. Inne badanie pokazuje, że to za duże uproszczenie. Emma Wiles, Zanele Munyikwa i John Horton przeprowadzili eksperyment terenowy na platformie z prawie pół milionem osób szukających pracy, opublikowany w 2025 roku w „Management Science”. Losowo wybrana część z nich dostała algorytmiczną pomoc w redagowaniu CV, czyli poprawki błędów i czytelności. Ta grupa była zatrudniana o 8 procent częściej, a autorzy nie znaleźli śladu, żeby pracodawcy byli z tych osób mniej zadowoleni.

Autorzy wyjaśniają to tak: lepiej napisany tekst nie sygnalizuje zdolności, za to pomaga pracodawcy je dostrzec. Literówka w CV to szum, który zasłania treść. Kiedy szum znika, widać, co kandydat naprawdę zrobił. To jest zupełnie inna sytuacja niż w ofertach z Freelancer.com, gdzie narzędzie dopisywało samą treść, czyli to, co miało świadczyć o kandydacie.

Narzędzie czyści tekst
Poprawia literówki, składnię i układ. Treść, przykłady i liczby są Twoje. Rekruter łatwiej widzi, co zrobiłeś, więc sygnał staje się wyraźniejszy.
Narzędzie pisze treść
Dobiera argumenty, dopasowuje się do ogłoszenia, wymyśla entuzjazm. Ten sam tekst mógł wysłać każdy, więc o Tobie nie mówi już nic.

Granica przebiega więc w miejscu, w którym model zaczyna decydować, co jest w tekście. Do tego momentu pracuje dla Ciebie, a od niego tak samo dla każdego kandydata.

Teksty z modelu są do siebie podobne, nawet gdy każdy z osobna jest dobry

Zostaje pytanie, dlaczego listy na stole w salce wyglądają tak samo, skoro każdy kandydat pisał własny prompt. Odpowiedź daje eksperyment Anila Doshiego i Olivera Hausera, opublikowany w 2024 roku w „Science Advances”. Uczestnicy pisali krótkie opowiadania, a część z nich mogła skorzystać z pomysłów podsuniętych przez GPT-4. Oceniający uznali te opowiadania za bardziej kreatywne, lepiej napisane i przyjemniejsze w lekturze, zwłaszcza u osób, które same pisały słabiej.

Ten sam eksperyment pokazał drugą stronę. Opowiadania pisane z pomocą modelu były do siebie bardziej podobne niż te pisane samodzielnie. Autorzy nazwali to dylematem społecznym: każdy pojedynczy autor wychodzi lepiej, a wszyscy razem produkują węższy zakres treści. W rekrutacji każdy kandydat ma lepszy list niż ten, który napisałby sam. Wszystkie listy razem tworzą stos, w którym nie da się nikogo odróżnić.

Pewnie widzisz to też w swojej skrzynce. Ile maili od dostawców dostałeś ostatnio, które zaczynały się od „Mam nadzieję, że ta wiadomość zastaje Cię w dobrym zdrowiu”?

Kiedy list nic nie mówi, rekruter szuka dowodu gdzie indziej

Zgłoszeń przy tym przybywa. Według Semafora liczba aplikacji wysyłanych przez LinkedIn wzrosła w 2025 roku o 45 procent, do około 11 tysięcy na minutę. Kiedy tekst kosztuje minutę, kandydat może wysłać ich sto zamiast dziesięciu. Rekruter ma więcej papieru do przeczytania i mniej powodów, żeby go czytać.

Pracodawcy, którzy przestają ufać listom, nie przestają szukać informacji. Przenoszą uwagę na rzeczy trudniejsze do podrobienia. Galdin opisuje w wywiadzie jedną z dróg: kontrakty etapowe, w których zatrudnia się kogoś do pierwszych 10 procent pracy i dopiero po zobaczeniu efektu proponuje całość. Inne znasz z praktyki: polecenie od kogoś zaufanego, zadanie próbne, portfolio, rozmowa, w której pada pytanie o szczegóły.

Wszystkie wymagają czegoś, co istnieje poza tekstem: zrobionej pracy, ludzi, którzy za Ciebie ręczą, albo wiedzy, którą trzeba mieć w głowie podczas rozmowy na żywo. List motywacyjny zostaje, ale jako bilet wstępu, który ma każdy, a o tym, kto dostaje pracę, decyduje to, co do niego dołączono.

Dołącz jedną rzecz, której model nie zrobi za Ciebie

Jeśli to Ty szukasz pracy albo zlecenia, wniosek jest praktyczny. Kolejny akapit o motywacji niczego nie zmieni, bo identyczny akapit ma każdy z pozostałych kandydatów. Zmieni coś jeden dowód, którego nie da się wygenerować bez Twojego doświadczenia. Najczęściej jest to próbka pracy albo liczba z projektu, który naprawdę prowadziłeś.

Próbka pracy w zgłoszeniu rekrutacyjnym: rekruter wyciąga ze stosu identycznych listów teczkę z wykresem z projektu

Test jest prosty: czy osoba bez Twojego doświadczenia mogłaby to samo wkleić z czatu? Zdanie „mam doświadczenie w obsłudze trudnych klientów” przechodzi ten test bez trudu, więc nic nie znaczy. Zdanie „w zeszłym roku przejęłam skrzynkę reklamacji sklepu internetowego, w której czekało kilkaset zgłoszeń, i w sześć tygodni zeszłam do średnio jednego dnia odpowiedzi; zrzut z panelu w załączniku” nie przechodzi, bo żaden model nie zna Twojej skrzynki ani Twojego panelu.

Cztery kroki przed wysłaniem zgłoszenia
1
Wybierz jedną rzecz z ostatniego roku, którą da się pokazać: plik, zrzut ekranu, link do strony, zdjęcie zrobionego produktu, fragment raportu.
2
Opisz ją w trzech zdaniach: jaki był problem, co zrobiłeś sam i jaki był wynik. Przy liczbie dopisz, skąd ją masz i za jaki okres.
3
Połącz ją z ogłoszeniem jednym zdaniem: który obowiązek z oferty ta próbka pokazuje w praktyce.
4
Skróć list do kilku zdań i odeślij w nim do załącznika. Model może Ci ten tekst wygładzić, byle treść i liczby zostały Twoje.

Przy próbce pilnuj dwóch granic. Jeśli pracowałeś dla klientów objętych poufnością, pokaż próbkę bez ich danych albo opisz wynik bez nazwy firmy. Rekruterowi wystarczy, że widzi skalę i Twój udział. Druga sprawa: liczba w zgłoszeniu ma być Twoja i sprawdzalna. Jeśli poprosisz model, żeby „dodał coś mierzalnego”, chętnie wymyśli wynik, który brzmi wiarygodnie. Jak takie zdania wyłapywać, opisałem we wpisie o wiarygodnych halucynacjach modelu. W zgłoszeniu rekrutacyjnym taki wymyślony wynik wyjdzie najpóźniej na rozmowie, kiedy padnie pierwsze pytanie o szczegóły.

Ta sama zasada działa w ofercie dla klienta

Badanie z Freelancer.com dotyczyło ofert, nie listów motywacyjnych, i to powinno dać do myślenia każdemu, kto prowadzi firmę usługową. Twój potencjalny klient też dostaje kilka ofert, wszystkie poprawne i uprzejme, wszystkie obiecujące „indywidualne podejście” i „kompleksowe wsparcie”. Od 2023 roku każdy konkurent może je napisać w minutę, więc staranny opis usługi przestał świadczyć o tym, że ktoś się nad zapytaniem pochylił.

W ofercie działa ten sam dowód co w zgłoszeniu: krótki opis podobnego projektu z liczbą i nazwą problemu, który rozwiązałeś. Jak taki opis napisać, żeby ktoś go doczytał, pokazuję we wpisie o case study, które ktoś przeczyta do końca. Drugim dowodem jest szczegół, którego nie było w zapytaniu: zauważony błąd w sklepie klienta, pytanie o proces, którego nikt inny nie zadał.

Pokrewny temat poruszałem w tekście o autentycznym marketingu w świecie AI. Tamten wpis dotyczy treści publikowanych dla wielu odbiorców, którzy uczą się omijać bezbłędne i puste posty. Tutaj sytuacja jest węższa i ostrzejsza: jest jeden czytelnik, który musi wybrać jedną osobę albo jedną firmę, i szuka powodu, żeby kogoś odróżnić.

Jeśli to Ty rekrutujesz, poproś o coś, czego nie da się wygenerować

Zakaz używania AI w zgłoszeniach niewiele da. Skoro prawie połowa kandydatów sięga po te narzędzia, a dwie piąte uważa to za zaradność, zakaz odsieje głównie szczerych. Wyniki Wilesa i współautorów pokazują zresztą, że wygładzony tekst pomaga Ci szybciej zobaczyć, co kandydat potrafi. Lepiej zmienić to, o co prosisz w ogłoszeniu.

Zamiast prosić oPoproś oCo Ci to mówi
list motywacyjnyodpowiedź na jedno pytanie o pracę, np. „opisz ostatnią reklamację, którą rozwiązałeś, i co zrobiłbyś inaczej”czy kandydat ma za sobą sytuację, o którą pytasz
listę mocnych stronjedną próbkę pracy z krótkim opisem własnego udziałupoziom wykonania i to, co kandydat uważa za swoje najlepsze
deklarację znajomości narzędziakrótkie płatne zadanie próbne na prawdziwym materialejak pracuje, a nie jak o pracy pisze
ogólną rozmowę o doświadczeniudopytanie o szczegóły z załączonej próbkiczy kandydat zrobił to sam

Najprostsza zmiana mieści się w jednym zdaniu ogłoszenia. Przy następnej rekrutacji do obsługi klienta dopisujesz pod obowiązkami: „Zamiast listu motywacyjnego opisz w kilku zdaniach jedną trudną sprawę klienta, którą prowadziłeś”. Zgłoszeń przychodzi mniej. Z jednego dowiadujesz się, że kandydatka przez dwa lata obsługiwała zwroty w sklepie z meblami i wie, co zrobić, gdy kurier przywiezie połamany blat w piątek po szesnastej. Tego zdania nie napisał za nią żaden model, bo żaden model nie stał wtedy przy tym blacie.

Sterta listów w salce nadal będzie poprawna, uprzejma i podobna. Przestajesz tylko szukać w niej czegoś, czego tam już nie ma, bo to, co odróżnia kandydatów, leży w załącznikach.

Audyt operacyjny

Sprawdźmy, co da się zdjąć z Twojej głowy

Ile zgłoszeń albo zapytań ofertowych czytasz w tygodniu, choć po trzecim zdaniu wiesz, że są takie same? Pomogę Ci ułożyć formularz, który od razu prosi o dowód, i proces, w którym szablonowe odpowiedzi odsiewają się bez Twojego udziału.

Napisz do mnie →
Pytania i odpowiedzi

Najczęściej zadawane pytania

Nie samo w sobie. Model dobrze poprawia literówki, składnię i układ, a badanie Wiles, Munyikwy i Hortona pokazało, że taka pomoc w redagowaniu CV zwiększyła liczbę zatrudnień o 8 procent. Problem zaczyna się wtedy, gdy model pisze całą treść: argumenty, entuzjazm i dopasowanie do firmy. Taki list może wysłać każdy kandydat, więc rekruter nie dowie się z niego niczego o Tobie.

Nie zawsze, ale to mniej ważne, niż się wydaje. Listy generowane przez model są do siebie podobne: ten sam entuzjazm wobec firmy, te same cechy, ten sam układ. Nawet jeśli rekruter nie oceni, czy dany list napisała maszyna, widzi, że nie różni się od trzydziestu innych. Wtedy przestaje go czytać i szuka informacji w CV, próbce pracy albo na rozmowie.

To pojęcie z ekonomii opisane przez Michaela Spence'a w 1973 roku. Kandydat pokazuje coś, z czego pracodawca może wywnioskować cechy, których nie widzi wprost, na przykład zdolności albo zaangażowanie. Sygnał działa tylko wtedy, gdy lepszym kandydatom łatwiej go wysłać albo gdy kosztuje coś, czego słabsi nie chcą zapłacić. Dopasowany list motywacyjny był sygnałem, bo wymagał czasu i namysłu.

Anais Galdin i Jesse Silbert zbadali oferty wykonawców na Freelancer.com przed i po wprowadzeniu narzędzia AI w kwietniu 2023 roku. Wcześniej klienci byli gotowi zapłacić więcej za ofertę dopasowaną do ich zlecenia. Po wprowadzeniu narzędzia ta gotowość wyraźnie spadła. W symulacji świata bez tego sygnału najlepsi wykonawcy byli zatrudniani o 19 procent rzadziej, a najsłabsi o 14 procent częściej.

Jedną rzecz, której model nie zrobi bez Twojego doświadczenia. Najlepiej sprawdza się próbka pracy, czyli plik, zrzut ekranu, link albo zdjęcie zrobionej rzeczy, z trzema zdaniami opisu: jaki był problem, co zrobiłeś sam i jaki był wynik. Druga opcja to liczba z własnego projektu z informacją, skąd pochodzi i jakiego okresu dotyczy. List skróć wtedy do kilku zdań i odeślij do załącznika.

Zamiast zakazywać AI, zmień to, o co prosisz w ogłoszeniu. Poproś o odpowiedź na jedno konkretne pytanie o pracę, na przykład o opis ostatniej trudnej sprawy klienta, albo o próbkę pracy z opisem własnego udziału. Przy wyższych stawkach dobrze działa krótkie płatne zadanie próbne. Na rozmowie dopytuj o szczegóły z załączonej próbki, bo tam najszybciej widać, czy kandydat zrobił to sam.

O autorze
Szymon Mojsak

Szymon Mojsak

Ekspert automatyzacji procesów biznesowych i współwłaściciel RCPonline — systemu rejestracji czasu pracy.

Teoria zastosowana w praktyce — treści opieram na własnych doświadczeniach zdobytych przy wdrożeniach i w relacjach międzyludzkich.

Poszerzam horyzonty — nieustannie rozwijam wiedzę z zakresu marketingu, psychologii i IT.

Zamieniam twórczy chaos w kierunek — najpierw pytanie „po co”, dopiero potem „jak”. Pomagam zrozumieć procesy, by je usprawnić.

Ten materiał powstał z udziałem AI

Narzędzia AI — wspierały research, redakcję tekstu i przygotowanie ilustracji.

Autor — wybiera temat, pisze pierwszą wersję i redaguje całość przed publikacją. Doświadczenia, oceny i punkt widzenia w tekście są jego własne.

Dlaczego oznaczam materiały z AI →

Komentarze (...)

Ładowanie komentarzy...

Zaloguj się, aby dodać komentarz.