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. A equipe precisa identificar requisitos, comparar experiências, localizar competências e decidir quem merece avançar. Ferramentas de inteligência artificial podem reduzir parte desse trabalho ao organizar informações e apoiar a triagem. O ganho de velocidade é real. A pergunta que importa vem depois: o sistema está ajudando a encontrar candidatos melhores ou apenas aplicando os critérios existentes mais rápido? Essa diferença importa porque uma IA pode executar de forma consistente uma regra que foi mal definida desde o início. Antes da triagem, é preciso definir o que a vaga realmente exige Imagine uma empresa procurando alguém para uma função comercial. Se o processo trata como obrigatório ter trabalhado antes em determinado setor, a IA pode priorizar esse histórico e eliminar profissionais com competências semelhantes adquiridas em outros mercados. O sistema executou o critério corretamente. O problema pode estar no próprio critério. Por isso, antes de automatizar a seleção, a empresa precisa separar: competências realmente necessárias; experiências desejáveis, mas não obrigatórias; requisitos legais ou técnicos; características que podem ser aprendidas; critérios que não possuem relação clara com o desempenho esperado. A discussão recente do LinkedIn sobre IA em recrutamento segue uma lógica semelhante: velocidade foi um dos primeiros benefícios percebidos, mas a questão passa a ser a qualidade dos sinais usados para encontrar candidatos. A própria plataforma argumenta que definir claramente o papel e alinhar o que caracteriza uma boa contratação continuam sendo partes centrais do processo. Dados anteriores também podem carregar problemas anteriores Outra dificuldade aparece quando sistemas aprendem ou são configurados a partir de decisões históricas. Se os dados anteriores refletem padrões pouco representativos ou critérios que favoreceram determinados perfis, a tecnologia pode reproduzir essas distorções com aparência de objetividade. Por isso, critérios, fontes de dados e resultados da triagem precisam ser revisados com regularidade. Velocidade precisa ser acompanhada de revisão Acelerar a primeira filtragem só ajuda se alguém consegue auditar o que foi priorizado e o que ficou de fora. A equipe precisa saber quais regras a ferramenta aplicou, quais candidatos foram descartados automaticamente e em que ponto uma pessoa deve entrar. Sem isso, a operação ganha rapidez e perde capacidade de corrigir erros. A métrica não pode ser apenas contratar mais rápido Tempo até a contratação importa. Sozinho, não diz se a qualidade do processo melhorou. Vale acompanhar também qualidade dos finalistas, taxa de aprovação em etapas seguintes, retenção inicial e necessidade de reabrir a vaga. Se a IA só encurta a fila sem melhorar essas leituras, o ganho é incompleto. Usar IA no recrutamento faz sentido quando a empresa sabe o que está buscando, limita o que a ferramenta pode decidir sozinha e mantém humanos no ponto em que o critério ainda é julgamento — não só velocidade. Critério de seleção precisa ser verificável Defina quais requisitos são indispensáveis, quais sinais apenas apoiam a triagem e quem revisa casos de dúvida. Monitore diferenças de aprovação, retrabalho, contestação e aderência à vaga; velocidade isolada não prova qualidade. 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