Tutoriale how-to
Amazon Bedrock dla rekrutacji: jak zbudować asystenta AI do analizy CV
Zaktualizowano: Autor: Andrzej Niemiec9 min czytania
Przewodnik po budowie asystenta rekrutacyjnego na Amazon Bedrock. Architektura, koszty, integracja z ATS i rzeczywiste ograniczenia wdrożenia w Polsce.
Spis treści
- Co to jest asystent rekrutacyjny na Amazon Bedrock?
- Jakie funkcje ma asystent rekrutacyjny na Bedrock?
- Czy to rozwiązanie jest gotowe do produkcji?
- Koszty: ile naprawdę kosztuje wdrożenie?
- Jak zbudować asystenta: krok po kroku
- Guardrails: czy to wystarczy do RODO?
- DIY czy gotowe rozwiązanie SaaS?
- Rzeczywiste ograniczenia wdrożenia w Polsce
- Czy warto budować asystenta rekrutacyjnego na Bedrock?
- Najczęstsze pytania
- Źródła
Co to jest asystent rekrutacyjny na Amazon Bedrock?
Amazon Bedrock to usługa AWS, która udostępnia dostęp do foundation models (modeli bazowych) różnych producentów — takich jak Amazon Nova, Anthropic Claude czy Mistral. W kontekście rekrutacji Bedrock pozwala zbudować asystenta, który automatyzuje wybrane zadania HR bez konieczności samodzielnego trenowania modeli [1].
Architektura referencyjna AWS opublikowana w maju 2026 r. pokazuje, jak połączyć Bedrock z innymi usługami: Lambda (logika biznesowa), S3 (przechowywanie CV), DynamoDB (baza danych kandydatów), API Gateway (integracja z systemami ATS) i Cognito (uwierzytelnianie) [1]. To nie jest gotowy produkt — to szablon do adaptacji.
Jakie funkcje ma asystent rekrutacyjny na Bedrock?
Demonstracja AWS obejmuje trzy główne możliwości:
Ocena i scoring CV. Model analizuje dokument kandydata, porównuje umiejętności z wymaganiami stanowiska, identyfikuje luki i umiejętności transferowalne, a następnie przyznaje ocenę z uzasadnieniem opartym na cytatach z CV [1].
Generowanie pytań do rozmowy. Na podstawie profilu kandydata i opisu stanowiska Bedrock tworzy spersonalizowane pytania — zamiast standardowych schematów [1].
Anonimizacja danych wrażliwych. Guardrails (zabezpieczenia) w Bedrock mogą automatycznie usuwać dane osobowe (imiona, nazwiska, adresy) przed przetworzeniem, co wspomaga zgodność z RODO [1].
Ale uwaga: to są możliwości, nie gwarancje. AWS wyraźnie zaznacza, że każde wdrożenie wymaga testowania dokładności, bezstronności i zgodności z regulacjami [1].
Czy to rozwiązanie jest gotowe do produkcji?
Nie. AWS określa swoją demonstrację jako "reference architecture" — materiał edukacyjny do nauki, a nie gotowy system. Oznacza to, że:
Wymaga fine-tuningu. Model domyślnie nie rozumie polskich niuansów — np. różnicy między certyfikatem UDT a uprawnieniami UDT, specyfiki umów B2B czy lokalnych standardów branżowych [1].
Integracja z ATS to osobny projekt. Każdy system (Greenhouse, Taleo, lokalne rozwiązania) ma inne API i wymaga indywidualnego podejścia. W Polsce dodatkowym wyzwaniem są systemy bez otwartych interfejsów [1].
Bezstronność wymaga walidacji. AWS zaleca testowanie modelu pod kątem stronniczości, toksyczności i dokładności — przed wdrożeniem produkcyjnym [4].
Koszty: ile naprawdę kosztuje wdrożenie?
Koszt zależy od trzech czynników: modelu, liczby kandydatów i architektury infrastruktury.
Koszt modelu. Amazon Nova Pro (model używany w demonstracji AWS) kosztuje około 0,003 USD za 1000 tokenów wejściowych i 0,015 USD za 1000 tokenów wyjściowych [1]. W praktyce test 100 kandydatów to około 1–2 USD miesięcznie — ale to tylko model, nie całe rozwiązanie [1].
Koszty infrastruktury. Do tego dochodzą S3 (przechowywanie CV), DynamoDB (baza danych), Lambda (przetwarzanie), API Gateway (integracja) i Guardrails (zabezpieczenia). Razem dla małej firmy (50 kandydatów/miesiąc) to może być 500–1500 PLN miesięcznie [2][3].
Praca deweloperska. Budowa asystenta wymaga inżyniera, który skonfiguruje architekturę, zintegruje ATS i przetestuje system. To dodatkowy koszt — zwykle 4–12 tygodni pracy [1].
| Scenariusz | Liczba CV/miesiąc | Koszt AWS/miesiąc | Czas wdrożenia |
|---|---|---|---|
| Startup (test) | 20–50 | 300–800 PLN | 2–4 tygodnie |
| Mała firma | 50–200 | 800–2000 PLN | 4–8 tygodni |
| Średnia firma | 200–1000 | 2000–5000 PLN | 8–12 tygodni |
Dane oparte na cenach AWS z października 2026 r. i szacunkach z polskiego rynku [2][3].
Jak zbudować asystenta: krok po kroku
1. Przygotowanie środowiska AWS
Potrzebujesz konta AWS i dostępu do:
- Amazon Bedrock — do wyboru i uruchamiania modeli
- AWS Lambda — do przetwarzania logiki (np. ekstrakcji danych z CV)
- Amazon S3 — do przechowywania dokumentów
- DynamoDB — do bazy kandydatów i wyników
- API Gateway — do połączenia z systemem ATS
- Amazon Cognito — do uwierzytelniania użytkowników
AWS oferuje darmową warstwę (free tier) do testów, ale produkcja wymaga płatnego konta [1].
2. Integracja z systemem ATS
To najczęściej najtrudniejsza część. Musisz:
- Poznać API systemu ATS — np. Greenhouse, Taleo czy lokalnego rozwiązania
- Zmapować pola — jak dane z CV mają się do pól w systemie
- Przetestować na małej próbce — przed pełnym wdrożeniem
W Polsce wiele systemów HR nie ma otwartych API, co wydłuża projekt [1].
3. Fine-tuning modelu
Aby asystent działał dokładnie, powinien być trenowany na danych specyficznych dla firmy:
- Zbierz historyczne CV i wyniki rekrutacji — co najmniej 100–200 przykładów
- Oczyść dane — usuń PII (imiona, nazwiska) i standaryzuj formaty
- Przetestuj dokładność — porównaj oceny modelu z oceną człowieka
Bez tego kroku asystent będzie działać jak turysta bez mapy — może coś znaleźć, ale niekoniecznie to, czego szukasz [1].
Guardrails: czy to wystarczy do RODO?
Guardrails to zabezpieczenia wbudowane w Bedrock, które mogą:
- Automatycznie usuwać dane osobowe (PII)
- Blokować prompt injection
- Filtrować odpowiedzi pod kątem toksyczności
Ale to nie jest certyfikat zgodności z RODO. To narzędzie wspierające — ostateczna odpowiedzialność za przetwarzanie danych kandydatów spoczywa na firmie [1].
W Polsce RODO wymaga:
- Zgody kandydata — na przetwarzanie CV przez AI
- Prawa do wyjaśnienia — kandydat ma prawo wiedzieć, jakie kryteria były użyte
- Usuwania danych — po zakończeniu rekrutacji, chyba że kandydat wyrazi zgodę na przechowywanie
To oznacza, że musisz mieć procedury — nie tylko narzędzia [1].
DIY czy gotowe rozwiązanie SaaS?
| Kryterium | Amazon Bedrock (DIY) | SaaS (np. HireVue, Pymetrics) |
|---|---|---|
| Koszt | 500–15000 PLN/miesiąc | 2000–30000 PLN/miesiąc |
| Czas wdrożenia | 4–12 tygodni | 1–4 tygodnie |
| Elastyczność | Wysoka (dostosowanie do potrzeb) | Niska (ograniczone opcje) |
| Integracja z ATS | Wymaga pracy IT | Często gotowe |
| Kontrola nad danymi | Pełna (serwery własne) | Ograniczona (serwery dostawcy) |
Bedrock ma sens, gdy:
- Masz unikalne wymagania (np. specyfika polskiego rynku)
- Chcesz pełną kontrolę nad danymi
- Masz zespół IT do wdrożenia
- Liczba kandydatów uzasadnia inwestycję
SaaS ma sens, gdy:
- Potrzebujesz szybkiego wdrożenia
- Nie masz zasobów IT
- Chcesz gotowe integracje
- Liczba kandydatów jest niska [7].
Rzeczywiste ograniczenia wdrożenia w Polsce
Brak standaryzacji CV. Polskie CV mają różne formaty (PDF, DOCX, LinkedIn). Asystent musi być przygotowany na każdy format [1].
Lokalne systemy ATS. Wiele polskich firm HR-owych nie udostępnia API, co utrudnia integrację [1].
Niski poziom angielskiego w CV. Modele Bedrock są trenowane głównie na angielskich danych. Polska CV mogą być gorzej rozumiane [1].
Obawy o bias. Jeśli historyczne dane firmy zawierają uprzedzenia (np. preferowanie mężczyzn na stanowiska menedżerskie), model je powieli [4].
Czy warto budować asystenta rekrutacyjnego na Bedrock?
Tak, ale pod warunkami:
- Masz wystarczająco dużo kandydatów — aby koszt wdrożenia się zwrócił (minimum 50 CV/miesiąc)
- Chcesz dostosować do polskich realiów — np. specyfiki umów B2B czy branżowych certyfikatów
- Masz zespół IT — do wdrożenia i utrzymania
- Jesteś gotów na testy i iteracje — bez nich asystent będzie niedokładny
Jeśli nie spełniasz tych warunków, lepiej rozważyć gotowe rozwiązanie SaaS [7].
Pamiętaj: nawet najlepszy asystent AI nie zastąpi człowieka. Powinien wspierać decyzje rekrutera, a nie je podejmować [1].
Najczęstsze pytania
Czy Amazon Bedrock jest bezpieczny dla danych kandydatów?
Bedrock oferuje szyfrowanie danych w transit i at rest, ale bezpieczeństwo zależy od konfiguracji całej architektury (S3, DynamoDB, API Gateway). AWS zaleca audyt bezpieczeństwa przed wdrożeniem produkcyjnym [1].
Ile czasu zajmuje integracja z Greenhouse lub Taleo?
Zwykle 2–4 tygodnie, w zależności od złożoności API i dostępności dokumentacji. W Polsce może być dłużej, jeśli system nie ma otwartego API [1].
Czy model Bedrock rozumie polskie CV?
Nie w pełni. Modele są trenowane głównie na angielskich danych. Wymaga to fine-tuningu na polskich przykładach i dostosowania promptów [1].
Czy Guardrails wystarczają do RODO?
Nie. Guardrails to narzędzie wspierające, ale ostateczna odpowiedzialność za zgodność z RODO spoczywa na firmie. Musisz mieć procedury, umowy i dokumentację [1].
Czy mogę testować Bedrock za darmo?
AWS oferuje darmową warstwę (free tier) do eksperymentów, ale produkcja wymaga płatnego konta. Koszty zaczynają się od kilkudziesięciu złotych miesięcznie [1].
Źródła
- Build an AI-powered recruitment assistant using Amazon Bedrock (AWS, maj 2026)
- Cost - Generative AI Application Builder on AWS (AWS)
- How to estimate Amazon Bedrock costs for public sector applications (AWS)
- Evaluate Foundation Models - Amazon Bedrock Evaluations (AWS)
- Considerations for addressing the core dimensions of responsible AI for Amazon Bedrock applications (AWS)
- Annex III: High-Risk AI Systems Referred to in Article 6(2) (AI Act EU)
- Ile kosztuje asystent AI dla firmy i kto robi to w Polsce (UXU)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji