IA pode acelerar o recrutamento, mas critérios ruins também aceleram decisões erradas

IA pode acelerar o recrutamento, mas critérios ruins também aceleram decisões erradas

Uma vaga recebe centenas de currículos. Enquanto identifica experiências relevantes, organiza entrevistas e responde aos candidatos, a equipe de recrutamento continua atendendo outras demandas da empresa. Diante desse volume, automatizar a triagem parece uma solução direta. Um sistema pode ler documentos, extrair informações e ordenar perfis em poucos minutos. A velocidade, contudo, não responde à pergunta principal: quais características realmente indicam que uma pessoa poderá desempenhar bem aquela função? Se o critério estiver errado, a IA não elimina o problema. Ela apenas permite aplicá-lo mais rapidamente e a um número maior de pessoas. O desempenho futuro não está completamente no currículo Em 2025, a Organização Internacional do Trabalho publicou um estudo de Janine Berg e Hannah Johnston sobre o uso de IA no recrutamento, na remuneração, nas escalas e na avaliação de desempenho. As autoras propõem avaliar esses sistemas a partir de três dimensões: o objetivo definido, os dados utilizados e a forma como a ferramenta foi programada. O estudo alerta que objetivos simplificados, dados enviesados e modelos pouco transparentes podem reduzir a utilidade da aplicação e criar riscos práticos, legais e éticos. No recrutamento, o desafio começa porque experiências anteriores e palavras presentes no currículo são apenas sinais. Elas não representam completamente capacidade de aprendizagem, colaboração, julgamento ou adaptação ao contexto da empresa. Dados históricos também carregam escolhas anteriores Alguns sistemas aprendem com contratações e avaliações realizadas no passado. Essa base parece objetiva, mas também reflete quem recebeu oportunidades, como o desempenho foi medido e quais características foram valorizadas pelos gestores. Se esses registros contiverem avaliações inconsistentes ou desigualdades, o modelo pode reproduzir o padrão. Mesmo quando informações pessoais são retiradas, outras variáveis podem funcionar como aproximações e influenciar a classificação. Por isso, a empresa precisa verificar quais informações sustentam cada recomendação e se elas possuem relação demonstrável com a função. Tarefas administrativas oferecem um começo mais controlável Nem todo uso de IA no recrutamento precisa classificar ou eliminar candidatos. A tecnologia pode apoiar etapas com consequências menores e resultados mais fáceis de conferir. Entre as aplicações possíveis estão: Padronizar informações extraídas dos currículos; Identificar dados ausentes; Organizar agendas; Preparar roteiros de entrevistas; Resumir evidências registradas pelos avaliadores. Nessas situações, a equipe pode comparar o resultado com os documentos originais e corrigir erros antes que eles afetem uma decisão. A rejeição automática, a inferência de personalidade e a previsão de desempenho exigem cautela maior. Quanto maior o impacto sobre a oportunidade de uma pessoa, maior deve ser a capacidade de explicar e revisar o resultado. Revisão humana precisa significar capacidade de discordar Manter uma pessoa no processo não garante controle. Se o sistema apresenta apenas uma pontuação ou se a equipe confirma automaticamente sua indicação, a revisão humana se torna uma formalidade. O responsável precisa conhecer as evidências utilizadas, ter tempo para avaliá-las e possuir autoridade para discordar. Um teste inicial pode comparar as recomendações da ferramenta com o processo atual, sem eliminar candidatos automaticamente. A empresa consegue observar quem seria excluído, analisar divergências e identificar padrões de erro antes de ampliar o uso. Eficiência também depende da qualidade da contratação Reduzir o tempo de triagem é um indicador importante, mas não demonstra sozinho que o recrutamento melhorou. A avaliação também pode considerar a qualidade dos candidatos selecionados, as correções realizadas pela equipe, o tempo total até a contratação, a experiência dos participantes e o desempenho posterior. Se a aplicação economiza horas na primeira etapa, mas exclui bons profissionais ou aumenta a rotatividade, a velocidade inicial pode gerar custos maiores depois. Antes de escolher uma ferramenta, a liderança precisa definir qual decisão será apoiada. Organizar documentos, agendar entrevistas e classificar candidatos são problemas diferentes e exigem níveis de controle proporcionais. A IA pode organizar evidências. Definir o que elas significam continuará sendo uma responsabilidade humana e empresarial. Fontes consultadas Berg e Johnston — AI in human resource management: the limits of empiricism Organização Internacional do Trabalho — estudo sobre IA e gestão de pessoas