A IA Encontrou o Candidato Perfeito — e Descartou o Melhor

O ranking aparece na tela: 94% de compatibilidade, 87%, 76%. O software triou 340 currículos em 40 segundos e entregou uma lista ordenada dos candidatos mais aderentes à vaga. A sensação é de controle e objetividade. E é exatamente aí que mora o problema.

Um score de compatibilidade não mede o quanto um candidato é bom para a vaga. Mede o quanto o currículo dele se parece com o padrão que o sistema foi treinado para reconhecer. São coisas completamente diferentes — e confundi-las é um dos erros mais caros que um processo seletivo pode cometer.

O que a IA realmente faz — e o que ela não consegue enxergar

Sistemas de triagem automatizada funcionam por reconhecimento de padrão. Eles aprendem com histórico de contratações anteriores, descrições de vagas e critérios definidos pela empresa para identificar currículos "compatíveis". O resultado é matematicamente consistente com o que foi ensinado. O problema está exatamente nisso.

Se as contratações históricas da empresa foram de profissionais com determinado perfil de formação, determinadas palavras-chave no currículo e determinadas empresas no histórico, o algoritmo vai reproduzir esse padrão — inclusive os vieses que estavam nele. Não por mal funcionamento. Por funcionamento perfeito.

O que a IA não consegue identificar é o que está além do texto: trajetória não linear que esconde potencial real, experiência em contextos diferentes mas igualmente relevantes, capacidade de aprendizado rápido, perfil comportamental que complementa o time, ou simplesmente um candidato que tomou decisões de carreira incomuns por razões que fariam sentido em dez segundos de conversa.

A corrida armamentista que o recrutador não viu chegar

Enquanto as empresas adotavam IA para triar currículos, os candidatos aprenderam a jogar o mesmo jogo. Ferramentas como Jobscan, Resume.io e o próprio ChatGPT são usadas por uma parcela crescente de candidatos para otimizar currículos especificamente para passar em sistemas automáticos: densidade de palavras-chave, formatação compatível com leitura de ATS, alinhamento semântico com o texto da vaga.

O resultado é uma corrida armamentista silenciosa: o candidato que domina a otimização de currículo para algoritmos passa pela triagem. O candidato genuinamente bom, que escreveu seu currículo de forma direta e honesta sem pensar em palavras-chave, é descartado antes que qualquer humano o leia.

O filtro de pretensão salarial: descartando quem aceitaria

Há um caso específico de triagem automatizada que merece atenção separada: o filtro por pretensão salarial. É comum ver processos que descartam automaticamente candidatos com pretensão acima de determinado valor — sem que a empresa tenha divulgado a faixa salarial da vaga em nenhum momento.

O candidato chuta um número. Chuta alto porque não sabe o que a empresa paga e prefere não se subvalorizar. O sistema descarta. Mas esse candidato, ao saber a faixa real, poderia ter aceitado sem hesitar — especialmente por benefícios, crescimento ou outros fatores que a vaga oferece e que nunca chegaram a ser discutidos.

A empresa eliminou um candidato qualificado por uma variável que ela própria não comunicou. E vai continuar achando que "não apareceram perfis adequados".

O exigível e o ensinável: uma linha que o algoritmo não traça

Há um tipo de erro mais sutil do que listar requisitos irrelevantes: listar requisitos legítimos sem distinguir o que é ensinável do que não é.

Uma vaga pode exigir experiência com uma ferramenta específica de análise de dados, um ERP particular ou um software que a empresa usa internamente. Para um recrutador experiente, a ausência desse item em um currículo excelente é o início de uma conversa — "você já usou algo parecido? Quanto tempo levaria para aprender?" Para o algoritmo, é uma eliminação. Sem contexto, sem flexibilidade, sem a pergunta.

Boa parte das habilidades técnicas listadas como requisito em vagas são coisas que um profissional com o perfil certo aprende em semanas, não em anos. Quando a triagem automatizada trata essas exigências como eliminatórias absolutas, ela descarta exatamente os candidatos que o critério pretendia qualificar: os que têm capacidade de aprendizado real, não necessariamente a ferramenta já instalada no currículo.

O candidato perfeito não existe — e o algoritmo não sabe disso

Há um pressuposto silencioso em qualquer sistema de triagem automatizada: que o candidato ideal existe e pode ser encontrado se os filtros forem precisos o suficiente. Não existe.

A descrição de vaga perfeita no papel nunca vai encontrar o candidato perfeito no mercado. Vai encontrar o candidato mais disponível que se aproxima da descrição — o que é completamente diferente. O profissional que atende todos os requisitos listados, incluindo os ensinável, tem exatamente o histórico que a empresa pediu. Mas quem tem exatamente o histórico pedido provavelmente não está em crescimento. Está estagnado no mesmo perfil há anos.

Os melhores candidatos frequentemente têm lacunas nos requisitos técnicos e excelência no que realmente importa: capacidade de análise, adaptação, entrega sob pressão, inteligência para resolver o problema que a empresa tem — não o problema que ela descreveu na vaga. Nenhum algoritmo lê isso num PDF. E quando os filtros são rígidos o suficiente para eliminar quem não tem 100% dos itens da lista, esse candidato vai embora sem que ninguém tenha percebido que era o certo.

Onde a IA ajuda de verdade — e onde não pode ser o árbitro final

Isso não é um argumento contra o uso de tecnologia na triagem. Para vagas com alto volume de inscrições e requisitos objetivos e verificáveis — formação específica, certificações obrigatórias, experiência mínima comprovável —, a triagem automatizada reduz trabalho operacional com boa precisão. Nesse contexto, faz sentido.

• →Verificação de requisitos objetivos e não negociáveis: formação, certificações, localização
• →Organização e priorização de volume alto de currículos para revisão humana
• →Identificação de inconsistências ou lacunas que merecem verificação
• →Padronização do processo para reduzir viés humano em triagens iniciais de alto volume

O que a IA não pode ser é o árbitro final em qualquer processo que envolva avaliação de potencial, trajetória não linear, fit cultural ou qualquer dimensão que não esteja explicitamente no texto do currículo. Nesses casos, a triagem automatizada deve ser ponto de partida — não de chegada.

O candidato que passou com 94% de compatibilidade pode ser o candidato mais fácil de encontrar, não o melhor para a vaga. Existe uma diferença enorme entre os dois — e ela raramente aparece no ranking.

A triagem automatizada é uma ferramenta de eficiência, não de julgamento. Usada como filtro de volume, libera o recrutador para fazer o que realmente importa: avaliar as dimensões que nenhum algoritmo consegue ler num PDF de duas páginas. Usada como substituta desse julgamento, cria um processo que parece rigoroso, funciona de forma eficiente e entrega resultados medianos com consistência impressionante.

E a vaga que poderia ter sido a melhor contratação do ano continua em aberto — enquanto o sistema processa mais 300 currículos em busca do próximo 94%.

Gostou? Compartilhe com quem precisa!

Sobre este conteúdo

Achei Vagas Taubaté — Equipe Editorial

Este artigo foi produzido pela equipe editorial do Achei Vagas Taubaté, com especialização em mercado de trabalho, recrutamento e carreiras no Vale do Paraíba. O conteúdo é baseado em fontes abertas e publicações de referência — incluindo dados do CAGED, relatórios setoriais e pesquisas nacionais e internacionais de RH e gestão de pessoas.

Continue lendo