Um Departamento De Rh Utiliza Uma Ia Para Triar Curriculo

O que acontece quando RH coloca IA para triar currículo

Na prática, a maioria das empresas que adotou um departamento de rh utiliza uma ia para triar curriculo não percebeu tudo o que estava pegando. A promessa era simples: eliminar horas de leitura manual e focar nos candidatos com mais chances. O resultado foi útil, mas cheio de detalhes chatos que ninguém conta nos materiais de marketing dos fornecedores. O sistema recebe os currículos em formato PDF, Word ou texto puro. Ele extrai informações estruturadas: nome, experiência, formação, habilidades, idiomas, datas. Em seguida, compara esses dados com o perfil que a vaga pede. A vaga também precisa ser configurada, e é aqui que a coisa costuma dar problema. Se o recrutador não definir bem os requisitos, a IA tria no piloto automático e acaba jogando fora gente boa ou deixando passar quem não serve. No meu caso, trabalhamos com uma configuração baseada em matching de palavras-chave, score por peso e ranking dos candidatos. O recrutador define quais competências são obrigatórias, quais são diferenciais, e qual o peso de cada uma. A IA nota cada currículo e monta um ranking. O responsável pela vaga vê os tops candidatos primeiro, com justificativas do que pontuou alto ou baixo. Isso corta o tempo de análise inicial de algo em torno de três horas por vaga para cerca de quinze minutos, quando está bem calibrado.

A configuração desses pesos é o detalhe que separa um processo que funciona de um processo que só gera frustração. Já vi gente configurar como se fosse teste de lógica: se tem a palavra "Python" no currículo, ganha dez pontos, mesmo que a vaga precise de alguém para governança de dados e não para desenvolvimento.

O problema real que ninguém avisa antes de contratar

Aqui vai um exemplo específico que me deu trabalho. Uma vez, configuramos a IA para uma vaga de analista de dados. O sistema estava funcionando bem até receber currículos estrangeiros traduzidos automaticamente. O candidato tinha experiência sólida, mas usava termos em inglês que o modelo da IA não reconhecia como equivalentes dos termos em português da vaga. Ele foi reprovado automaticamente porque a pontuação caiu abaixo do corte. Descobrimos isso depois, quando o candidato entrou em contato pelo canal alternativo. A solução foi adicionar um mapeamento de sinônimos e variações linguísticas, tanto para português quanto para inglês, e ajustar o threshold de corte para não eliminar perfis com pontuação próxima ao limite. Também pedimos que os candidatos selecionassem um idioma preferencial no formulário de candidatura, o que ajudou a reduzir esse tipo de erro em cerca de setenta por cento. Esse tipo de situação mostra que a IA não é neutra. Ela reflete os vieses da configuração e dos dados usados no treinamento. Se o histórico da empresa contrata muito de um determinado perfil, o sistema tende a priorizar currículos parecidos, mesmo que isso não seja o que a vaga realmente precisa.

O que funciona de verdade

Primeiro, defina bem o que a vaga exige antes de ligar o sistema. Regras claras evitam que a IA improvise. Segundo, audite periodicamente os resultados. Veja quantos candidatos foram reprovados e se faz sentido. Terceiro, mantenha um canal humano para recursos. A triagem automática deve ser um filtro inicial, não a decisão final. Também é importante entender o que a IA não consegue avaliar bem. Soft skills, trajetórias não lineares, oportunidades de crescimento, adaptação cultural, tudo isso costuma escapar do modelo. Currículos de pessoas que mudaram de área ou têm lacunas no histórico são os primeiros a ser prejudicados. Em uma vaga que abrimos para coordenadoria, a IA descartou dois perfis excelentes justamente por terem trajetórias atípicas. Nós os recuperamos manualmente e ambos tiveram bom desempenho. Outro ponto que as empresas subestimam é a qualidade dos dados de entrada. Se os currículos vêm em formatos inconsistentes, com tabelas, colunas duplas ou gráficos, a extração de informações pode falhar silenciosamente. A IA acha que leu tudo certo, mas na verdade perdeu partes importantes. Recomendamos sempre pedir que os candidatos enviem o currículo em texto simples, além do formato padrão.

Pegadinhas comuns

A mais frequente é achar que a IA elimina completamente o viés. Ela não elimina. Ela pode até amplificar, dependendo de como foi treinada ou configurada. Outro erro é usar um único modelo genérico para todas as vagas. O que funciona para uma vaga de vendedor não funciona para uma vaga de engenheiro. Cada posição pede ajustes diferentes. Também tem o custo disfarçado. A licença da ferramenta parece barata no início, mas depois surgem custos com configuração, manutenção, ajustes contínuos e treinamento da equipe. O tempo que se economiza na triagem pode ser perdido na calibração se o pessoal não tiver familiaridade com o sistema.

Quando não usar

Se você está recebendo poucas candidaturas, a IA pode não valer o esforço. Com menos de cinquenta currículos por vaga, uma pessoa consegue analisar tudo em poucas horas. O ganho de automação só se justifica acima desse número, dependendo da complexidade da vaga e da capacidade da equipe de configuração. Se a cultura da empresa ainda não está pronta para receber feedbacks automáticos de rejeição, o uso da IA pode gerar atrito. Candidatos reclamam quando percebem que foram julgados por um sistema sem explicação. É preciso ter transparência e oferecer uma via alternativa de avaliação.

Resumo prático

Um departamento de rh utiliza uma ia para triar curriculo para acelerar o processamento inicial de grandes volumes, reduzindo o tempo de análise e permitindo que o recruitment team foque nos perfis com mais potencial. Isso funciona bem quando a configuração é feita com cuidado, quando há revisão humana dos resultados e quando se entende que a IA é uma ferramenta de apoio, não uma sentença definitiva. O resultado é mais rápido, mas exige gestão ativa para não gerar erros caros.