Diretora de Aquisição de Talentos da Thoughtworks Partilha Como Tornar o Recrutamento num Processo Orientado por Dados e Preditivo com IA

Carla Catelan é Diretora de Aquisição de Talento (Américas) na Thoughtworks e uma líder executiva experiente. Atualmente, o seu foco está em utilizar a IA para tornar a aquisição de talento num processo orientado por dados e preditivo, mantendo simultaneamente uma abordagem centrada nas pessoas.

Falámos com a Carla para perceber como o está a fazer. Eis o que nos disse.

Reformular a liderança e a estratégia de talento

Sou uma líder executiva sénior na área de Aquisição de Talento, com mais de duas décadas de experiência na criação e expansão de organizações de recrutamento de elevado desempenho em todo o continente americano.

Ao longo da minha carreira, desempenhei funções de liderança sénior em empresas globais de tecnologia e consultoria, como a Thoughtworks, a Cognizant e a Hewlett-Packard, onde liderei grandes equipas de Aquisição de Talento em vários países. No início da minha carreira, também desempenhei funções como parceira estratégica de negócio na área de talento, aconselhando a liderança sénior e executiva sobre planeamento da força de trabalho, desenho organizacional e estratégia de pessoas.

Trabalhar em grande escala moldou o meu percurso de liderança — gerir equipas com mais de 50 recrutadores, liderar entre 600 e 2 000 contratações por ano e alcançar consistentemente resultados recorde em eficiência de contratação, experiência dos candidatos e crescimento organizacional.

Para além da liderança central de Aquisição de Talento, criei e liderei programas estratégicos de marca empregadora, diversidade e inclusão e recrutamento universitário, incluindo iniciativas que aumentaram significativamente a contratação de mulheres e de pessoas com deficiência e expandiram os canais de entrada de profissionais em início de carreira em vários países.

Paralelamente às minhas funções empresariais, também presto aconselhamento independente à beecrowd, uma plataforma global de programação competitiva e avaliação técnica utilizada por universidades e empresas de tecnologia para avaliar talento de engenharia de software em grande escala. Nesta função, aconselho sobre modelos de avaliação de talento, avaliação de competências e a interseção entre a excelência técnica e a estratégia da força de trabalho.

Nos últimos anos, o meu trabalho tem-se centrado cada vez mais na forma como a IA e o recrutamento orientado por dados estão a reformular a liderança, a estratégia de talento e a conceção de organizações de elevado desempenho em ambientes complexos e multinacionais.

Porque é que a IA está a transformar mais do que apenas a tecnologia

Com a IA, o meu papel enquanto líder na área de Aquisição de Talento evoluiu, passando de um foco primordial na execução para a conceção de sistemas estratégicos de talento que utilizam a IA para transformar a forma como as organizações atraem, avaliam e envolvem o talento. Esta mudança não é apenas tecnológica — reformula as responsabilidades de liderança, o desenho organizacional e a relação entre as pessoas e os dados.

A Aquisição de Talento é tradicionalmente transacional, mas esta transformação torna-a orientada por dados e preditiva. Em vez de dependermos de triagens manuais e médias históricas, aplicamos agora agentes de aprendizagem baseados em IA e modelos preditivos que analisam grandes conjuntos de dados para identificar padrões de sucesso e recomendar candidatos com maior precisão.

Ao aprenderem com dados históricos, estes sistemas tratam das tarefas repetitivas, permitindo que as equipas regressem àquilo que fazem melhor: criar relações e tomar decisões estratégicas.

Em última análise, liderar numa era orientada pela IA consiste em conceber arquiteturas de decisão: criar sistemas nos quais as pessoas, os dados e a IA colaboram para produzir melhores resultados. Isto implica estabelecer uma governação ética, métricas claras e ciclos de feedback integrados que permitam às organizações antecipar necessidades, reduzir enviesamentos na seleção e alinhar as capacidades da força de trabalho com objetivos estratégicos de longo prazo.

Como é que a IA está a transformar os fluxos de trabalho e a tomada de decisões nos RH

Sempre que reformulamos um fluxo de trabalho com IA, somos orientados por um princípio claro: a IA elimina o esforço manual, estrutura sinais quantitativos e revela informações úteis, enquanto os seres humanos continuam responsáveis pelo juízo qualitativo e pelas decisões finais.

Eis alguns exemplos de reformulações que realizámos:

1. Análise de inquéritos e ciclos de feedback organizacional

Uma das aplicações mais eficazes da IA tem sido a análise de grandes volumes de dados provenientes de inquéritos. Utilizando vários modelos Gemini personalizados, processamos respostas abertas a inquéritos para identificar temas recorrentes, padrões de sentimento e riscos emergentes nas equipas e regiões.

Em vez de dependermos de etiquetagem manual ou de interpretações anedóticas, a IA permite-nos parametrizar o feedback à escala e transformar contributos qualitativos em sinais estruturados que indicam onde as intervenções são mais necessárias. Isto melhorou significativamente a rapidez, a consistência e a objetividade do planeamento da melhoria organizacional.

2. Fluxos de trabalho internos e eliminação de processos manuais

Também aplicámos IA aos fluxos de trabalho internos para reduzir o trabalho manual e repetitivo. A IA faz a triagem dos pedidos, estrutura dados não formatados e apoia a preparação de decisões em vários processos internos.

Isto reduziu significativamente os custos operacionais indiretos, permitindo às equipas concentrarem-se em trabalho de maior valor, como a resolução estratégica de problemas, o envolvimento das partes interessadas e a melhoria contínua, em vez da execução administrativa.

3. Processos de desempenho e avaliação

Nos processos internos de avaliação e desempenho, a IA desempenha um papel fundamental no tratamento da vertente quantitativa da análise. A IA pesquisa, agrega e cruza pontos de dados estruturados ao longo do tempo, garantindo que as avaliações se baseiam em evidências longitudinais, em vez de acontecimentos recentes ou isolados.

Isto permite que os líderes se concentrem nos aspetos qualitativos da avaliação — discernimento, contexto, conversas de desenvolvimento e potencial futuro — em vez de recolherem dados. O resultado tem sido avaliações mais disciplinadas, justas e baseadas em evidências.

4. Partilha de conhecimento e alinhamento

Utilizamos o NotebookLM como uma camada de conhecimento partilhada para documentar processos, decisões e temas recorrentes, garantindo um acesso rápido e seguro ao conhecimento institucional. Partilhamos de forma transparente as informações registadas neste sistema sempre que adequado, o que melhora o alinhamento, reduz as interpretações erradas e cria uma base factual comum entre as equipas.

5. Estratégia, tomada de decisões e desenho organizacional

A nível estratégico, a IA apoia a forma como analisamos a incerteza, as prioridades e os compromissos. Em vez de prescrever decisões, a IA ajuda a revelar padrões, quantificar a ambiguidade e testar pressupostos — sobretudo em áreas como o desenho de funções, a eficácia organizacional e as iniciativas de mudança.

Como a análise preditiva melhora a qualidade das decisões de contratação

Na Aquisição de Talento, o nosso tempo de ciclo já era consistentemente bom, situando-se entre 30 e 35 dias, pelo que, para nós, não se tratava de corrigir a rapidez. A verdadeira mudança surgiu quando decidimos reformular a qualidade do funil, em vez da velocidade do processo.

Em primeiro lugar, formámos a equipa de Aquisição de Talento em análise preditiva e segmentação da força de trabalho baseada em competências. Em vez de otimizarmos o volume, reformulámos os nossos modelos de admissão e seleção para prever quais os perfis com maior probabilidade de sucesso em funções, mercados e equipas específicos. Isto permitiu-nos reduzir intencionalmente o número de candidatos que entravam em cada fase do processo.

Na prática, criámos painéis preditivos que combinavam resultados históricos de contratação, dados de desempenho e sinais do mercado. Em seguida, os recrutadores utilizaram estes modelos para se concentrarem apenas nas competências com elevada probabilidade de sucesso, passando da qualidade através do volume para a qualidade através da precisão.

Mas, mais uma vez: a IA não deve substituir o discernimento humano, mas sim aperfeiçoá-lo. Preservámos deliberadamente a interação humana próxima nas entrevistas, nas discussões de calibração e nas decisões finais. Esta combinação permitiu-nos proporcionar uma melhor experiência aos candidatos, avaliações mais ponderadas e decisões mais justas e consistentes.

Como o desenho das funções influencia os resultados da contratação orientada por IA

Antes de trabalhar com modelos preditivos, subestimei o quanto as descrições de funções ambíguas, inconsistentes ou inflacionadas podiam distorcer os resultados da contratação e o comportamento de aprendizagem dos sistemas de IA. Com a IA, o desenho das funções e a qualidade das descrições de funções determinam todas as decisões subsequentes.

Na verdade, a realização de análises preditivas sobre os nossos dados históricos de contratação revelou um padrão claro. A variabilidade nas definições das funções conduzia a resultados piores — ainda mais do que a baixa qualidade dos candidatos. Por outras palavras, as funções com competências mal especificadas, requisitos irrealistas ou indicações inconsistentes de senioridade produziam consistentemente uma conversão inferior, mais rejeições numa fase avançada e um desempenho inicial mais fraco, independentemente da qualidade do conjunto de candidatos.

Isto alterou fundamentalmente a nossa estratégia. Em vez de tratarmos as descrições de funções como dados de entrada estáticos, reformulámo-las como artefactos preditivos. Utilizámos dados históricos de resultados para distinguir os requisitos correlacionados com o sucesso daqueles que apenas aumentavam o ruído e a ambiguidade. Com o tempo, isto permitiu-nos simplificar as definições das funções, remover requisitos não preditivos e concentrar a contratação num conjunto mais reduzido de competências com forte valor preditivo.

Porque a adoção da IA deve ser institucionalizada e não sujeita a projetos-piloto

A maior discrepância que vejo sistematicamente entre a promessa da IA e a realidade organizacional não é tecnológica, mas organizacional e humana. A maioria das empresas investe fortemente em ferramentas de IA e espera melhorias. No entanto, mantém os mesmos incentivos, as mesmas estruturas hierárquicas e o mesmo baixo nível de literacia de dados entre as suas lideranças.

O resultado é que a IA acaba por ser subutilizada ou utilizada de forma inadequada: modelos poderosos produzem conhecimentos que não são objeto de confiança, não são compreendidos ou não são utilizados para agir.

Resolvemos esta discrepância institucionalizando a adoção da IA, em vez de a tratarmos como uma série de projetos-piloto. Criámos um grupo de trabalho multifuncional dedicado à conceção de decisões apoiadas por IA na aquisição de talento.

O grupo de trabalho funciona com objetivos explícitos ao nível do negócio. Os seus dois objetivos principais são aumentar em 50% as taxas de conversão ao longo do funil de recrutamento, através da segmentação preditiva e da reformulação das decisões, e reduzir em mais 30% o número de horas de entrevistas, eliminando mais cedo do processo os candidatos com menor probabilidade de sucesso. Estes objetivos obrigam a organização a concentrar-se não na experimentação, mas em melhorias de desempenho sustentadas e ao nível do sistema.

Para além das métricas, o grupo é responsável por reformular os fluxos de trabalho de decisão antes de introduzir a automatização. Mapeamos onde são tomadas as decisões críticas de contratação, quem é responsável por elas, que dados são necessários e onde o julgamento humano deve permanecer central. Só depois de clarificarmos a arquitetura das decisões introduzimos a IA para reforçar etapas específicas, em vez de sobrepor ferramentas a processos deficientes.

Também incorporamos a governação desde a conceção. Isto inclui a possibilidade de intervenção humana, a monitorização de enviesamentos e desvios, uma responsabilização clara pelos resultados dos modelos e a análise ética dos casos de utilização de elevado impacto. Sem isto, a IA tende a ampliar simultaneamente tanto as boas como as más decisões.

O que significa estar preparado para a IA nos RH e na aquisição de talento

Tratamos a IA menos como um conjunto de ferramentas e mais como uma mentalidade de tomada de decisões. Estar preparados para a IA na nossa organização significa fazer consistentemente perguntas melhores: que sinais são relevantes, onde existe incerteza e como os dados podem informar o julgamento humano.

A literacia em IA é desenvolvida através do trabalho quotidiano, não de formação formal. As equipas aprendem utilizando a IA para identificar padrões, testar pressupostos e estruturar decisões em inquéritos, avaliações e fluxos de trabalho operacionais.

Na prática, isso reflete-se na forma como tomamos decisões: discussões mais baseadas em evidências, pressupostos mais claros, melhor documentação e uma linguagem comum para lidar com a incerteza. A IA não conduz as decisões; molda a forma como pensamos antes de as tomar.

A pilha de ferramentas de três camadas da Carla

Para a execução apoiada por IA, utilizamos várias categorias de ferramentas. Para a compreensão da linguagem, a conceção de funções e o apoio ao conhecimento estruturado, utilizamos o Gemini, um Agente de IA interno e o NotebookLM, que funciona como uma camada segura de conhecimento interno para documentar processos e proporcionar um acesso rápido e controlado ao conhecimento institucional.

Para obter informação sobre as entrevistas, utilizamos o BrightHire para captar sinais estruturados das entrevistas e melhorar a calibração e a qualidade do feedback.

Na nossa plataforma central de recrutamento, utilizamos o Greenhouse AI principalmente para resumir grelhas de avaliação e sintetizar de forma estruturada o feedback das entrevistas, preservando sempre o controlo humano total sobre as decisões de seleção.

Porque o NotebookLM e o ChatGPT são uma infraestrutura cognitiva indispensável

Atualmente, há duas ferramentas que me fascinam particularmente: o NotebookLM e o ChatGPT. Utilizo-as em contextos muito diferentes.

Utilizo o ChatGPT exclusivamente para fins pessoais, fora do meu ambiente empresarial. Tornou-se a minha principal ferramenta pessoal de reflexão e aprendizagem. Utilizo-o para tudo, desde aprendizagem estruturada e escrita até à exploração de ideias, ao planeamento e à reflexão.

A própria plataforma indica que estou entre os seus principais utilizadores, o que reflete a profundidade com que passou a fazer parte do meu fluxo de trabalho cognitivo pessoal. O seu principal impacto tem sido acelerar a minha aprendizagem, melhorar a clareza do meu pensamento e ajudar-me a raciocinar de forma mais rigorosa sobre temas complexos.

No meu contexto profissional, estou mais envolvida com o NotebookLM. Utilizo-o extensivamente para documentar e estruturar as minhas reuniões individuais, acompanhar temas recorrentes e manter, ao longo do tempo, uma visão consistente e baseada em evidências do desenvolvimento e do desempenho individuais.

Partilho estas notas e resumos de forma transparente com as pessoas com quem me reúno, o que torna esta abordagem particularmente poderosa. Cria um registo único e alinhado das expectativas, do feedback e dos compromissos, e melhorou significativamente a confiança, a equidade e a consistência na avaliação do desempenho. Permite que ambas as partes trabalhem a partir da mesma base factual, em vez de dependerem da memória ou de uma interpretação subjetiva.

Isto resultou numa abordagem muito mais disciplinada e justa à gestão do desempenho: maior acompanhamento das ações de desenvolvimento, menos mal-entendidos e um maior alinhamento entre gestores e membros das equipas.

O que mais valorizo nestas ferramentas é o facto de não serem ferramentas de automatização, mas sim infraestruturas cognitivas. Utilizadas desta forma, não substituem o discernimento — melhoram a qualidade, a equidade e a transparência da forma como o discernimento é aplicado.

Como irá mudar a aquisição de talento nos próximos cinco anos

A aquisição de talento deixará de ser medida principalmente pela rapidez ou pelo volume e tornar-se-á uma função centrada na qualidade das decisões. Ao longo dos próximos cinco anos, a função evoluirá da execução de processos de recrutamento para a conceção e governação da forma como as organizações tomam decisões relativas ao talento em contextos de incerteza.

A IA tratará cada vez mais da escala, do reconhecimento de padrões e da extração de sinais — desde a definição de funções até à correspondência com o mercado —, enquanto as equipas de talento se tornarão muito mais precisas e intencionais na conceção e execução dos processos de seleção. A vantagem competitiva resultará de uma definição mais clara das funções, de uma melhor qualidade dos sinais ao longo de todo o processo e de decisões de seleção mais consistentes e baseadas em evidências.

Ao nível do setor, acredito que veremos uma divisão clara: as organizações que encaram a IA como uma mentalidade integrada no seu modelo operacional superarão fundamentalmente aquelas que a encaram como um conjunto de ferramentas. O futuro desta função pertence às equipas que concebem melhores decisões, e não apenas processos mais rápidos.

Como podem os líderes adotar a IA de forma intencional nos RH

Para as pessoas que desempenham funções como a minha, o meu conselho é que deixem de encarar a IA como um complemento opcional e passem a considerá-la parte do modus operandi da forma como o trabalho é realizado. Isto significa concentrarmo-nos na remoção da fricção administrativa com a IA como um passo fundamental. Nesta fase, resistir à IA é uma contradição: a questão já não é saber se devemos utilizá-la, mas sim quão intencional e responsavelmente a integramos nas decisões e nos fluxos de trabalho quotidianos.

Ao mesmo tempo, temos de ser explícitos quanto ao que deve continuar a ser humano. A IA é extremamente eficaz a lidar com a escala, a estruturar informação e a reduzir o ruído. Quando utilizada corretamente, liberta as pessoas para se concentrarem mais — e não menos — no que importa: discernimento, relações, ética, criatividade e diálogo significativo.

Num sentido mais amplo, o meu conselho aos líderes é que encarem a IA como uma força que clarifica prioridades. As organizações bem-sucedidas utilizam a IA para eliminar o trabalho que a tecnologia executa melhor do que os seres humanos e reinvestem deliberadamente esse tempo e atenção em interações humanas de maior qualidade.

Em vez de diminuir a liderança, a IA cria as condições para o desenvolvimento de uma liderança mais ponderada, focada e humana.

Acompanhe

Pode acompanhar o trabalho da Carla na revolução da aquisição de talento no LinkedIn.

Haverá mais entrevistas com especialistas em breve, na People Managing People!