Emil Palikot, asystent profesora marketingu w D’Amore-McKim School of Business na Northeastern University w Bostonie oraz afiliowany badacz w Golub Capital Social Impact Lab na Stanford Graduate School of Business, należy do grona młodych polskich ekonomistów, których prace dostarczają konkretnych, opartych na eksperymentach odpowiedzi na pytania o to, jak sztuczna inteligencja i platformy cyfrowe zmieniają rynek pracy. Jego badania koncentrują się na ekonomii cyfryzacji, projektowaniu platform optymalizujących dopasowanie oraz na przecięciu wnioskowania przyczynowego z uczeniem maszynowym – narzędziach, które pozwalają oddzielić rzeczywiste efekty technologii od pozornych korelacji.
W 2026 roku, gdy polskie firmy coraz śmielej wdrażają narzędzia AI w HR, a kandydaci szukają przewagi w świecie niestandardowych ścieżek kariery, wyniki prac Palikota i jego współpracowników (m.in. Susan Athey) stają się szczególnie aktualne. Pokazują one, że odpowiednio zaprojektowane algorytmy potrafią nie tylko przyspieszyć procesy, ale też zmniejszać pewne nierówności i zwiększać wartość sygnałów innych niż tradycyjny dyplom. Jednocześnie jego własna droga – od polskich uczelni ekonomicznych przez studia w Holandii i doktorat we Francji po pozycję na amerykańskich uniwersytetach – ilustruje, jak solidne wykształcenie w kraju może prowadzić do globalnego wpływu.
Palikot jest też założycielem MoveUp AI, platformy wykorzystującej generatywną sztuczną inteligencję do wspierania wewnętrznej mobilności talentów, planowania karier i zatrzymywania kluczowych pracowników w organizacjach.
Od Warsaw School of Economics i Tulузы po Boston i Stanford: edukacyjna i zawodowa trajektoria Emila Palikota
Ścieżka Emila Palikota zaczyna się w Polsce. Ukończył studia ekonomiczne na Warsaw School of Economics, następnie kontynuował kształcenie na Tilburg University w Holandii oraz na Toulouse School of Economics we Francji, gdzie obronił doktorat z ekonomii. Okres pandemii COVID-19 sprawił, że obrona odbyła się w formule zdalnej – pierwszy taki przypadek na jego uczelni. Po doktoracie przeszedł do roli postdoka na Stanford Graduate School of Business, a następnie objął stanowisko assistant professora marketingu na Northeastern University.
Ta sekwencja nie jest przypadkowa. Polska edukacja ekonomiczna, szczególnie na poziomie SGH, daje silne podstawy teoretyczne i ilościowe, które w połączeniu z międzynarodowym doświadczeniem otwierają drzwi do najbardziej wymagających programów doktoranckich i ośrodków badawczych. Palikot łączył to z praktyką – wcześniej współpracował z PwC i McKinsey, co pozwoliło mu zobaczyć realne problemy firm w zakresie talentów i decyzji rekrutacyjnych.
W 2018 roku, jeszcze przed pełnym zwrotem w stronę akademii, zasiadał w radzie nadzorczej browaru Tenczynek przejętego przez firmę rodzinną. To doświadczenie biznesowe prawdopodobnie wpłynęło na późniejsze zainteresowanie praktycznymi zastosowaniami badań – nie tylko teoretycznymi modelami, ale narzędziami, które firmy mogą wdrożyć.
Mechanizmy, dzięki którym AI i platformy zmieniają rynek pracy: kluczowe odkrycia z badań Emila Palikota
Badania Palikota nie ograniczają się do opisu trendów. Wykorzystują randomized controlled trials, dane z platform oraz metody wnioskowania przyczynowego, aby pokazać, co dokładnie się dzieje, gdy AI wchodzi do procesu rekrutacji lub budowania kariery.
Jedno z kluczowych opracowań – „Smiles in Profiles: Improving Efficiency While Reducing Disparities in Online Marketplaces” (współautorzy: Susan Athey, Dean Karlan, Yao Yuan) – analizuje wpływ prostego sygnału wizualnego na platformach online. Dodanie uśmiechu do zdjęcia profilowego zwiększa liczbę pozytywnych interakcji i skuteczność dopasowań, jednocześnie zmniejszając różnice wyników między różnymi grupami kandydatów. Mechanizm działa poprzez redukcję niepewności informacyjnej: uśmiech sygnalizuje otwartość i kompetencje interpersonalne, co w środowisku o wysokiej asymetrii informacji pomaga przełamywać bariery statystycznej dyskryminacji.
Inne ważne badanie – „Better Together: Quantifying the Benefits of AI-Assisted Recruitment” (współautorzy m.in. A Aka, A Ansari, N Yazdani) – mierzy korzyści z połączenia algorytmów z ludzkim osądem. Wyniki wskazują, że hybrydowe podejście przynosi lepsze rezultaty niż wyłącznie ludzka ocena lub wyłącznie automatyczna. AI pomaga w szybkim przesiewaniu dużej liczby aplikacji i identyfikacji kandydatów o wysokim potencjale, których tradycyjne filtry mogłyby pominąć, podczas gdy człowiek zachowuje kontekst i zdolność do oceny niuansów.
Trzeci istotny wątek to „The Value of Non-Traditional Credentials in the Labor Market” (współautor: Susan Athey). Praca pokazuje, że certyfikaty z platform edukacyjnych, bootcampy czy intensywne kursy online mają realną wartość sygnalizacyjną na rynku pracy – szczególnie dla osób zmieniających branżę lub pochodzących z grup, dla których tradycyjna ścieżka uniwersytecka jest mniej dostępna. To ważne dla Polski, gdzie rosnąca liczba specjalistów IT i data science pochodzi właśnie z alternatywnych programów.
Czwarty projekt – „Effective and Scalable Programs to Facilitate Labor Market Transitions for Women in Technology” (współautor: Susan Athey) – bada konkretne interwencje wspierające kobiety w wejściu i rozwoju w sektorze technologicznym. Wyniki potwierdzają, że odpowiednio zaprojektowane programy mentoringowe i sieciowania są skuteczne oraz skalowalne, co ma bezpośrednie znaczenie dla polskiego rynku, gdzie udział kobiet w tech nadal jest niższy niż w wielu krajach Europy Zachodniej.
Te mechanizmy łączy wspólny mianownik: AI i platformy nie działają w próżni. Ich wpływ zależy od jakości sygnałów, projektu interfejsu oraz tego, czy system nagradza rzeczywiste kompetencje czy utrwala istniejące wzorce.
MoveUp AI: jak teoria trafia do codziennej praktyki zarządzania talentami
W 2024 roku Emil Palikot współzałożył MoveUp AI – narzędzie oparte na generatywnej sztucznej inteligencji, które pomaga firmom w planowaniu karier wewnętrznych, rekomendacjach rozwojowych i zatrzymywaniu kluczowych pracowników. Platforma analizuje dane o kompetencjach, trajektoriach karier i potrzebach organizacji, a następnie proponuje dopasowane ścieżki rozwoju oraz alerty o ryzyku odejścia talentów.
To nie jest oderwany od badań projekt. MoveUp bezpośrednio korzysta z wniosków płynących z prac nad AI-assisted recruitment, wartością niestandardowych credentials oraz mechanizmami reputacji na platformach. Firma stawia na bezpieczeństwo danych i skalowalność – cechy kluczowe dla średnich i dużych organizacji, które nie chcą budować własnych modeli od zera.
W praktyce oznacza to, że polska firma technologiczna lub produkcyjna może wdrożyć narzędzie inspirowane najnowszymi badaniami bez konieczności zatrudniania zespołu data scientistów od podstaw. To przykład zamknięcia pętli między akademią a biznesem, które Palikot realizuje równolegle z pracą uniwersytecką.
Powszechne mity o AI na rynku pracy – dlaczego warto je zweryfikować danymi
Wokół sztucznej inteligencji w rekrutacji i zatrudnieniu narosło kilka uproszczonych narracji. Badania Palikota i współpracowników pozwalają je skonfrontować z faktami.
Mit pierwszy: algorytmy są zawsze obiektywne i wolne od uprzedzeń. W rzeczywistości AI odzwierciedla dane, na których uczono model. Jeśli historyczne decyzje rekrutacyjne zawierały bias, system może go powielać. Jednocześnie te same badania pokazują, że odpowiednio zaprojektowane mechanizmy reputacji i dodatkowe sygnały (takie jak uśmiech w profilu czy niestandardowe credentials) potrafią ten bias częściowo niwelować.
Mit drugi: AI masowo zabiera pracę. Wyniki analiz wskazują raczej na zmianę charakteru pracy i pojawianie się nowych ról związanych z nadzorowaniem, interpretacją i etycznym wdrażaniem systemów. Hybrydowe modele rekrutacji zwiększają efektywność istniejących procesów, zamiast je całkowicie zastępować.
Mit trzeci: tylko największe korporacje mogą pozwolić sobie na zaawansowane narzędzia AI. Projekty takie jak MoveUp AI oraz skalowalne programy wspierające grupy niedoreprezentowane pokazują, że dobrze zaprojektowane rozwiązania mogą być dostępne również dla średnich firm i dawać mierzalne korzyści przy relatywnie niskim progu wejścia.
Mit czwarty: niestandardowe ścieżki kształcenia nie mają wartości na rynku. Badania nad non-traditional credentials dowodzą odwrotnie – zwłaszcza w branżach dynamicznych, gdzie liczy się szybkość nabywania konkretnych umiejętności.
Mit piąty: AI w HR to wyłącznie narzędzie do cięcia kosztów. Najciekawsze efekty pojawiają się wtedy, gdy technologia służy poprawie jakości dopasowania i zwiększeniu różnorodności talentów – co przekłada się na długoterminową retencję i innowacyjność zespołu.
Tradycyjna rekrutacja kontra podejście wspomagane AI: porównanie w praktyce
Poniższa tabela zestawia kluczowe różnice na podstawie mechanizmów opisanych w pracach Palikota i współpracowników.
| Aspekt | Metoda tradycyjna | Podejście wspomagane AI (na podstawie badań Palikota) | Typowy efekt |
|---|---|---|---|
| Czas przesiewu aplikacji | Godziny lub dni na setki CV | Minuty przy zachowaniu kontekstu | Znaczne przyspieszenie przy podobnej lub wyższej jakości |
| Ryzyko pominięcia dobrego kandydata | Wysokie przy dużej liczbie aplikacji | Niższe dzięki szerszemu skanowaniu sygnałów | Lepsze wykorzystanie puli talentów |
| Wpływ na różnorodność | Zależny od indywidualnych uprzedzeń rekrutera | Możliwość redukcji niektórych biasów przy odpowiednim projekcie (reputacja, dodatkowe sygnały) | Potencjał większej inkluzywności |
| Wartość niestandardowych kompetencji | Często niedoceniana | Mierzona i walidowana w badaniach | Szerszy dostęp do talentów spoza tradycyjnych ścieżek |
| Skalowalność procesu | Ograniczona zasobami ludzkimi | Wysoka – narzędzie działa równolegle dla wielu ról | Możliwość obsługi większej liczby procesów bez proporcjonalnego wzrostu kosztów |
Źródła danych: analizy oparte na NBER Working Papers i preprintach arXiv autorstwa Emila Palikota oraz współpracowników (2022–2026).
Polski kontekst 2026: co badania Emila Palikota mówią firmom i kandydatom w Polsce
Polska gospodarka stoi przed podwójnym wyzwaniem: niedoborem specjalistów w branżach cyfrowych oraz potrzebą zwiększenia udziału kobiet w technologiach. Badania Palikota nad skalowalnymi programami wspierającymi kobiety w tech pokazują, że mentoring i budowanie sieci kontaktów przynoszą mierzalne efekty i mogą być wdrażane na większą skalę – również w polskich realiach.
Jednocześnie rosnąca popularność bootcampów, certyfikatów online i programów reskillingowych zyskuje potwierdzenie w pracach nad wartością niestandardowych credentials. Dla polskiego pracownika oznacza to realną szansę na zmianę ścieżki kariery bez konieczności rozpoczynania studiów od zera.
W kontekście unijnego AI Act i rosnącej presji na transparentność algorytmów, firmy, które już teraz testują hybrydowe modele rekrutacji oparte na dowodach naukowych, zyskują przewagę – zarówno pod względem zgodności regulacyjnej, jak i jakości pozyskiwanych talentów. MoveUp AI, choć globalny, pokazuje kierunek, w którym polskie scale-upy i średnie przedsiębiorstwa mogą podążać bez budowania wszystkiego od podstaw.
Jak wykorzystać te wnioski w praktyce – checklist dla różnych poziomów zaawansowania
Poniższa lista pomaga zarówno początkującym, jak i bardziej doświadczonym czytelnikom przełożyć badania Emila Palikota na codzienne decyzje.
- Dla kandydatów na początku drogi: Zainwestuj w 1–2 niestandardowe credentials z renomowanych platform – badania pokazują, że mają one wartość sygnalizacyjną, szczególnie gdy są powiązane z konkretnymi umiejętnościami technicznymi lub miękkimi.
- Dla kandydatów średniozaawansowanych: Zadbaj o autentyczne, spójne sygnały w profilach zawodowych (zdjęcia, opisy doświadczeń). Proste elementy, takie jak uśmiech na zdjęciu, mogą wpływać na pierwsze wrażenie w środowisku online.
- Dla firm planujących wdrożenie AI w HR: Zaczynaj od pilotażu na jednej roli lub dziale. Mierz nie tylko czas i koszt, ale też jakość dopasowania oraz zmiany w różnorodności kandydatów – dokładnie te metryki, które pojawiają się w badaniach Palikota.
- Dla zaawansowanych liderów HR i talent management: Łącz AI z ludzkim osądem zamiast zastępować jedno drugim. Najwyższe korzyści pojawiają się w modelach hybrydowych, co potwierdzają analizy „Better Together”.
- Dla wszystkich: Regularnie sprawdzaj, czy używane narzędzia nie utrwalają historycznych biasów. Mechanizmy reputacji i dodatkowe sygnały jakościowe pomagają je łagodzić.
- Dla decydentów w firmach średniej wielkości: Rozważ gotowe rozwiązania takie jak MoveUp AI lub podobne platformy zamiast budowania własnego modelu – obniża to próg wejścia i pozwala szybciej testować hipotezy.
- Sygnał alarmowy: Jeśli po wdrożeniu AI zauważasz spadek różnorodności lub jakości kandydatów – zatrzymaj proces i przeprowadź audyt danych oraz logiki algorytmu. To nie jest porażka narzędzia, lecz sygnał do korekty projektu.
W naszej praktyce obserwowaliśmy, że firmy, które traktowały AI jako uzupełnienie ludzkiego osądu i mierzyły efekty w sposób zgodny z podejściem eksperymentalnym, osiągały lepsze wyniki w retencji i satysfakcji zespołów niż te, które wdrażały rozwiązania „z automatu”.
Najczęściej zadawane pytania o Emila Palikota i przyszłość AI na rynku pracy
Kim jest Emil Palikot i czym zajmuje się zawodowo?
Jest asystentem profesora marketingu na Northeastern University w Bostonie, badaczem afiliowanym na Stanford oraz założycielem MoveUp AI. Jego praca naukowa koncentruje się na wpływie sztucznej inteligencji i platform cyfrowych na rynek pracy, rekrutację oraz rozwój kariery.
Czy Emil Palikot jest związany z polityką?
Nie. Chociaż jest synem byłego polityka Janusza Palikota, sam wybrał ścieżkę akademicką i biznesową w obszarze technologii i ekonomii cyfrowej. Nie angażuje się w działalność polityczną.
Jakie konkretne korzyści daje AI wspomagająca rekrutację według badań?
Badania pokazują przyspieszenie procesu, lepsze wykrywanie kandydatów o wysokim potencjale spoza standardowych filtrów oraz potencjał zmniejszania niektórych form dyskryminacji statystycznej przy odpowiednim projekcie systemu. Najlepsze rezultaty daje połączenie AI z ludzkim osądem.
Czy algorytmy rekrutacyjne dyskryminują?
Mogą powielać biasy obecne w historycznych danych. Jednocześnie badania Palikota i współpracowników wskazują mechanizmy (reputacja, dodatkowe sygnały jakościowe, hybrydowe modele), które pozwalają ten efekt łagodzić lub odwracać.
Jak młody Polak może wykorzystać te insights w swojej karierze?
Budując portfolio niestandardowych kompetencji, dbając o spójne i autentyczne sygnały w profilach online oraz śledząc rozwój narzędzi typu MoveUp AI – zarówno jako użytkownik, jak i potencjalny specjalista w obszarze talent management.
Emil Palikot nie obiecuje rewolucji z dnia na dzień. Jego prace pokazują jednak, że świadome, oparte na dowodach wdrażanie AI w obszarze pracy i kariery może prowadzić do bardziej efektywnego i sprawiedliwego rynku – zarówno w Stanach Zjednoczonych, jak i w Polsce 2026 roku.
Dodaj komentarz