Exemplos de IA nos RH: 11 casos reais de IA ao serviço das equipas de pessoas

IA nos RH permite simplificar tarefas como o recrutamento, a integração e a gestão do desempenho. Neste guia, verá 11 exemplos práticos de IA nos RH de empresas reais que utilizam estas ferramentas para tomar decisões mais inteligentes e rápidas. Desde a IA generativa ao processamento de linguagem natural, estes exemplos mostram como pode utilizar a IA atualmente para poupar tempo, reduzir custos e melhorar a experiência dos colaboradores no trabalho diário dos RH.

Casos de utilização da IA nos RH

Antes de avançarmos diretamente para os exemplos, pensei que poderia ser útil associar alguns deles ao seu caso de utilização inicial e resumir a aplicação de IA utilizada para os concretizar. Fiz isso na tabela abaixo, mas se estiver realmente interessado nos casos de utilização da IA, consulte o nosso planeador de transformação da IA.

Exemplos de IA nos RH

1. Capacitação do desempenho na Zapier

Enquanto empresa totalmente remota e assente na automatização, a Zapier já dispunha de sistemas altamente eficientes ao longo de todo o ciclo de vida dos colaboradores. No entanto, quando surgiu o GPT-3.0, o CEO da Zapier emitiu um "código vermelho," assinalando uma mudança decisiva: todos — desde os engenheiros até aos RH — precisavam de começar a integrar a IA nos seus fluxos de trabalho. Os líderes empresariais reconheceram que a adoção da IA seria fundamental para manter a vantagem competitiva.

Para a equipa de Pessoas, isso significava enfrentar desafios antigos relacionados com a capacitação do desempenho, sobretudo no que dizia respeito à forma como os colaboradores definiam e acompanhavam os objetivos.

Apesar da automatização anterior, as práticas de definição de objetivos da Zapier eram inconsistentes e pesadas. Os colaboradores tinham dificuldade em formular objetivos mensuráveis e alinhados, e os gestores não tinham visibilidade sobre a qualidade dos objetivos entre departamentos.

Os modelos tradicionais de definição de objetivos não estavam a resultar e os colaboradores, com pouco tempo disponível, desligavam-se frequentemente do processo, arriscando criar falhas de alinhamento e resultados mais fracos no desempenho dos colaboradores.

A iniciativa de IA

Emily Mabie, responsável pela capacitação dos gestores na Zapier, criou um sistema completo baseado em IA para apoiar a definição de objetivos — desde a orientação individual até à análise de tendências de toda a equipa. O projeto utilizou tecnologias de IA através de cinco ferramentas nativas da Zapier, integradas em menos de duas semanas:

1. Chatbot de orientação com IA: alojado numa página Web criada pela Zapier, o bot orientava os colaboradores através do modelo AMP proprietário da Zapier para a definição de objetivos. A IA ajudava a fornecer orientação, lembretes e exemplos em tempo real, todos fundamentados nas expectativas da Zapier para uma definição de objetivos flexível e de elevado impacto. Isto reduziu as tarefas rotineiras dos RH e, simultaneamente, melhorou o envolvimento.
2. Recolha automatizada de dados: as conversas eram despojadas de informações de identificação pessoal (PII) e encaminhadas para uma base de dados Zapier Table através de um fluxo de trabalho personalizado da Zapier, criando um repositório centralizado de dados dos colaboradores e mantendo a privacidade. Estes conjuntos de dados tornaram-se valiosos para a análise contínua.
3. Agente de IA de retaguarda: um agente da Zapier analisava depois todas as conversas registadas utilizando aprendizagem automática para assinalar pontos de abandono e identificar áreas frágeis dos objetivos (por exemplo, falta de especificidade ou desalinhamento). Esta análise de dados revelou padrões invisíveis numa análise manual.
4. Camada de relatórios para gestores: o agente fornecia informações contínuas sobre a orientação para permitir à equipa de L&D otimizar a capacitação relativa à definição de objetivos, transformando os dados das conversas em estratégia e apoiando a melhoria contínua dos programas de formação. Os líderes empresariais passaram a poder consultar métricas claras sobre as tendências da qualidade dos objetivos.
5. Estratégia de distribuição e adoção: a promoção entre pares através do Slack, os responsáveis internos em cada departamento e mensagens claras sobre "o que ganha com isto" impulsionaram uma participação de 91% no primeiro ciclo (mais de 800 utilizações únicas do chatbot), demonstrando uma adoção bem-sucedida da IA.

Os resultados

• 91% de participação na definição de objetivos através do chatbot de IA — acima do envolvimento dos colaboradores, muito inferior, com os sistemas anteriores.
• Mais de 800 conversas sobre definição de objetivos analisadas, conduzindo a melhorias mensuráveis na especificidade e no alinhamento dos objetivos.
• Aumento da qualidade dos objetivos ao longo dos ciclos: os objetivos tornaram-se mais mensuráveis, mais estratégicos e mais claramente alinhados com os objetivos departamentais e de toda a empresa, melhorando diretamente as métricas de desempenho dos colaboradores.
• Implementação completa desde o projeto-piloto até à expansão em menos de duas semanas, graças à cultura de experimentação da Zapier e à sua infraestrutura de baixo código.

Conclusão para a liderança

Não se tratou apenas de a IA substituir um formulário; tratou-se de a IA criar um ciclo de feedback. A Zapier integrou a IA em toda a jornada de definição de objetivos: a orientar, analisar, melhorar e reforçar a cultura. Funcionou não porque a IA fez tudo, mas porque os profissionais de RH conceberam a experiência com empatia, contexto e clareza.

Sinal de alerta

Mesmo os sistemas de IA bem concebidos falham se a estrutura subjacente for fraca. A Zapier aprendeu isso em primeira mão quando a sua estrutura inicial de definição de objetivos teve um desempenho abaixo do esperado, apesar de o chatbot ser tecnicamente sólido. A mudança para o modelo AMP, mais simples e intuitivo, desbloqueou melhores resultados. A lição? O poder da IA continua a depender de uma conceção inteligente.

Conversa franca (com conselhos)

A IA não é um atalho para obter melhores resultados — é um bisturi, não um martelo. Como afirmou Mabie:

Não criámos isto porque a IA era algo vistoso. Criámo-lo porque a definição de objetivos estava a falhar. As pessoas estavam frustradas com o processo, não com o propósito — e a IA deu-nos uma forma de o tornar mais fácil, mais rápido e realmente útil.

Se quiser replicar o sucesso da Zapier:

• Comece com uma estrutura sólida. A IA não consegue corrigir uma base deficiente. Escolha uma estrutura simples e flexível que funcione para a sua equipa.
• Conceba tendo em conta o feedback. Utilize a IA para identificar desistências, pontos de confusão e sucessos, adaptando-se depois rapidamente.
• Potencie a cultura interna. Os promotores entre pares e a divulgação nativa no Slack superam sempre as diretivas impostas de cima para baixo.
• Assuma o controlo das suas ferramentas. A construção totalmente nativa e de baixo código da Zapier manteve os custos baixos e a iteração rápida.

Antes e depois: definição de objetivos com a Zapier + IA

2. Flowable

Um dos três principais bancos mundiais de gestão de património enfrentava dificuldades com um dos processos mais complexos da banca privada: a verificação da origem do património (SOW). Antes de um novo cliente de elevado património poder ser integrado, o banco tinha de determinar — muitas vezes com extremo rigor — que o seu dinheiro era lícito, legítimo e rastreável. Isto implicava analisar centenas de páginas de documentos, registos públicos, negócios e históricos financeiros.

O fluxo de trabalho era manual, repetitivo e lento. Exigia uma troca constante de informações entre o consultor do cliente e o responsável pela diligência devida, prolongando frequentemente o processo para 5–6 semanas. Como resultado, a experiência do cliente era frustrante, levando a taxas de abandono de 25–30% logo nesta fase inicial.

A aposta na IA

Embora o banco estivesse a resolver um problema voltado para o cliente, o problema residia nos fluxos de trabalho internos, que também criavam uma má experiência para os colaboradores. O banco estabeleceu uma parceria com a Flowable, que implementou uma sofisticada arquitetura de IA agêntica, alimentada por algoritmos de aprendizagem automática, para automatizar a diligência devida relativa à SOW. A transformação desenrolou-se em duas fases:

Fase 1: Agentes de IA especializados — A Flowable implementou agentes dedicados para extrair dados de PDFs, cruzar registos públicos (por exemplo, validar a saída de um fundador através da cobertura mediática), classificar históricos profissionais e resumir trajetórias financeiras utilizando o processamento de linguagem natural.

Fase 2: Sistema agêntico orquestrado — Uma camada de orquestração baseada em casos coordenou mais de 28 agentes de IA para gerir fluxos de trabalho de ponta a ponta. Estes agentes incluíam módulos especializados para comparar ganhos históricos, verificar rastos de ativos e avaliar a conformidade regional — tudo dentro de limites rigorosos de permissões de dados.

Fundamentalmente, a Flowable garantiu pontos de controlo de "humano no circuito" (HITL) nas principais fases de decisão. Nenhum agente podia aprovar ou rejeitar um caso sem a análise humana final por profissionais, mantendo tanto a confiança como a conformidade.

Os resultados

Segundo Micha Kiener, diretor de tecnologia e cofundador da Flowable:

• A taxa de abandono de clientes diminuiu de 25–30% para menos de 1% na fase SOW, representando poupanças significativas através de uma melhor retenção.
• O tempo de processamento caiu drasticamente de 40–45 dias para apenas 1–2 dias, em média.
• 95% do fluxo de trabalho SOW é agora totalmente autónomo, permitindo que os consultores de clientes e os responsáveis pela diligência se concentrem em tarefas que exigem julgamento e conhecimento especializado humanos.
• Não houve resistência à adoção — na verdade, os colaboradores acolheram-na como uma melhoria há muito necessária de uma função onerosa, demonstrando uma adoção fluida da IA.

Conclusão para executivos

Ao conceber um sistema de orquestração específico para o domínio, com transparência, controlos e clareza de funções, esta instituição recuperou receitas perdidas, reteve os principais clientes e libertou as suas pessoas para realizarem trabalho de maior valor, melhorando simultaneamente de forma significativa a experiência dos colaboradores. Os líderes empresariais observaram um ROI imediato do investimento em tecnologias de IA.

Sinal de alerta

Sem uma governação sólida, a IA agêntica pode tornar-se uma caixa negra, dando origem a riscos de conformidade, alucinações e quebras de confiança. A Flowable obteve o apoio da liderança ao criar uma camada de gestão de casos com permissões rigorosas de dados, rastreabilidade e capacidade de auditoria.

Na prática (com aconselhamento)

A IA agêntica não é uma solução pronta a usar — é arquitetura. Se pretende realmente utilizar IA em fluxos de trabalho regulamentados e de elevado risco:

• Crie soluções horizontais, não isoladas, que abranjam um processo completo de ponta a ponta, e não apenas fragmentos.
• Dê prioridade à governação: rastreie todas as entradas e saídas, defina os limites dos agentes e proteja as permissões de dados.
• O humano no circuito não é opcional; é uma funcionalidade de segurança e uma âncora de confiança. Como observa Kiener:

As pessoas pensam que a automatização significa retirar os humanos do processo, mas é precisamente o contrário. O segredo está em saber exatamente onde ainda é necessário discernimento. A nossa IA trata do trabalho árduo, mas são os humanos que tomam as decisões importantes.

Antes e depois: banco privado global + Flowable

3. Maya AI para recrutamento

Um importante fornecedor de seguros de vida enfrentava obstáculos no recrutamento, típicos de ambientes de contratação em grande volume. Os profissionais de RH passavam demasiado tempo a analisar manualmente currículos, contactar candidatos, lidar com candidatos não qualificados e gerir acompanhamentos — frequentemente através de plataformas desligadas, como sistemas ATS, LinkedIn, correio eletrónico e sites de emprego.

O processo era repetitivo, inconsistente e propenso a desistências, com tempos longos até à entrevista e faltas dos candidatos a sobrecarregar a capacidade dos recrutadores e a atrasar os prazos de contratação, afetando, em última análise, tanto a experiência dos novos colaboradores como a eficiência das principais funções de RH.

A aposta na IA

A seguradora implementou a Maya, uma plataforma de IA conversacional e automatização de fluxos de trabalho que utiliza processamento de linguagem natural para gerir o funil de recrutamento no topo. A Maya foi configurada para:

• Contactar automaticamente os candidatos com mensagens personalizadas e conversacionais por SMS, e-mail ou formulários personalizados.
• Avaliar e qualificar os candidatos com base em critérios predefinidos, incluindo a análise de currículos e a colocação de perguntas específicas para a função através de algoritmos de aprendizagem automática—automatizando, essencialmente, a análise de currículos em grande escala.
• Agendar entrevistas através de IA, com base na disponibilidade dos recrutadores, e enviar lembretes automáticos para reduzir as faltas, ajudando a otimizar uma das tarefas de RH que mais tempo consome.
• Fornecer aos recrutadores resumos estruturados dos candidatos, segmentando os candidatos qualificados e não qualificados e apresentando os motivos para ambos, permitindo decisões mais baseadas em dados e uma melhor análise da qualidade dos candidatos.
• Adaptar o tom e a personalidade (informal ou formal) com base na marca da empresa e na natureza da função.

A configuração demorou duas semanas, durante as quais a Maya foi adaptada às especificidades dos processos de recrutamento e dos requisitos de conformidade da empresa, demonstrando uma rápida adoção da IA.

Os resultados

A Maya gerou ganhos significativos de eficiência e conversão poucas semanas após a implementação:

• A taxa de contratação atingiu 70% dos candidatos processados através da Maya nas agências da organização.
• O custo por entrevista diminuiu de $37 para $13—uma redução de 65% em dois meses, permitindo uma melhor afetação de recursos a outras iniciativas e gerando poupanças substanciais.
• O tempo até à entrevista diminuiu de 5–7 dias para 1 dia, melhorando significativamente a rapidez das contratações e a experiência dos candidatos enquanto futuros colaboradores.
• 92% dos candidatos acreditavam estar a interagir com uma pessoa real, e não com IA, demonstrando a sofisticação do processamento de linguagem natural.
• A Maya geriu integralmente a triagem dos candidatos qualificados e não qualificados, libertando os recrutadores para se concentrarem exclusivamente nos candidatos de elevada qualidade e nas funções estratégicas de RH.

Conclusão para a liderança

A IA conversacional baseia-se num envolvimento preciso. A Maya transformou um processo manual e desorganizado no topo do funil num fluxo de trabalho simplificado e com elevada conversão, permitindo aos recrutadores fazer aquilo que fazem melhor: criar relações humanas e concretizar excelentes contratações, melhorando simultaneamente o envolvimento geral dos colaboradores no processo de contratação.

Sinal de alerta

Os sistemas humanos podem continuar a ser o principal obstáculo. A Maya qualificou os candidatos com sucesso, mas, em alguns casos, os recrutadores não fizeram o acompanhamento necessário, levando à perda de oportunidades. A IA precisa de ser acompanhada por um forte apoio aos recrutadores, responsabilização e programas de formação atualizados.

Conversa franca (com conselhos)

Shivam Ramphal, cofundador da Maya AI, dá aos clientes os mesmos conselhos, independentemente do que estejam a tentar alcançar.

Dizemos sempre aos clientes: não disponibilizem a IA até saberem como é o sucesso. Se não tiver objetivos claros ou estiver sobrecarregado pelo volume, a IA apenas amplificará essa situação. Mas, se estiver bem focado, torna-se um superpotenciador.

Uma IA como a Maya pode melhorar radicalmente o desempenho das contratações, mas apenas se os seres humanos cumprirem a sua parte.

• Defina objetivos de contratação realistas antes de disponibilizar a IA no recrutamento. Não peça 10 000 contactos se precisa de 5 contratações.
• Treine a IA como um colaborador: inclua aquilo que deve dizer, aquilo que não deve dizer e o grau de formalidade ou personalização que deve utilizar.
• Utilize a IA para complementar, não para substituir: a função da Maya é fazer a triagem—os recrutadores continuam a ter de estar presentes e concretizar as contratações.

Antes e depois: Maya AI + Globe Life

4. Integração com a Tonkean

Uma equipa global de RH de uma empresa estava a ter dificuldades em proporcionar uma integração rápida e personalizada, especialmente a trabalhadores contingentes, como os prestadores de serviços. Os processos manuais de RH faziam com que muitas vezes demorasse mais de 20 dias (e, por vezes, mais de 30) apenas para equipar totalmente os novos colaboradores com as ferramentas, os acessos e os sistemas necessários, atrasando a produtividade e anulando o propósito de uma contratação rápida.

Além disso, a qualidade da integração era inconsistente e genérica, sobrecarregando os responsáveis pela contratação e os novos colaboradores com logística e excesso de informação, o que afetava negativamente a experiência e o envolvimento dos colaboradores desde o primeiro dia.

Esperava-se que os colaboradores consultassem autonomamente os materiais de integração através de intranets ou portais de formação, muitas vezes sem contexto ou estrutura suficientes para apoiar uma integração significativa.

A abordagem da IA

A empresa estabeleceu uma parceria com a Tonkean, uma plataforma que orquestra as operações de RH através de agentes de IA e algoritmos de aprendizagem automática. Para a integração, a Tonkean:

• Monitorizou acionadores nas ferramentas HRIS (como o Workday ou o Rippling) para detetar novas contratações, alterações de cargo ou aniversários.
• Automatizou fluxos de trabalho para iniciar proativamente sequências de integração personalizadas com base na função, localização e equipa do colaborador.
• Gerou conteúdos de integração personalizados através da recolha de informação de recursos internos não estruturados, como apresentações, documentos de RH, manuais de benefícios e transcrições de formações, utilizando processamento de linguagem natural e transformando conjuntos de dados dispersos em experiências de aprendizagem coerentes (este é também um benefício fundamental das plataformas de experiência de aprendizagem).
• Utilizou agentes de IA para interagir com os responsáveis pela contratação através do Slack ou do Teams e criar em conjunto planos personalizados para os primeiros 30/60/90 dias em linguagem natural, permitindo decisões mais orientadas por dados sobre o desenvolvimento dos colaboradores e as suas trajetórias de desenvolvimento profissional.
• Ativou interações com agentes em direto através de respostas por e-mail ou portais incorporados, para que os novos colaboradores pudessem fazer perguntas como "Onde posso inscrever-me nos benefícios?" e obter instantaneamente respostas aprovadas, precisas e contextualizadas, com base nos dados dos colaboradores e nas ferramentas de RH específicas da empresa.
• Tratou perguntas frequentes (por exemplo, licença de maternidade e períodos de inscrição) de forma anónima através de interfaces conversacionais, reduzindo a fricção e protegendo a privacidade dos colaboradores.

A IA foi utilizada tanto de forma proativa (desencadeando planos) como reativa (respondendo a perguntas), criando uma experiência dos colaboradores simples, personalizada e de elevada qualidade, ao mesmo tempo que reduzia as tarefas repetitivas de RH.

Os resultados

• O tempo de integração dos prestadores de serviços diminuiu de 20–30 dias para menos de 5 dias, em média.
• Os colaboradores afirmaram que a integração parecia altamente personalizada, como se "3–4 pessoas tivessem trabalhado nela"—apesar de a IA ter tratado da maior parte do trabalho pesado.
• Melhores pontuações CSAT (Satisfação do cliente) na integração, graças a uma maior clareza, pontualidade e integração cultural, reforçando diretamente o envolvimento dos colaboradores.
• A perceção da IA mudou de uma ferramenta de poupança de tempo para um multiplicador de qualidade: o maior ROI não foi a rapidez, mas sim proporcionar uma melhor experiência aos colaboradores sem aumentar o número de trabalhadores.

Conclusão para os executivos

A orquestração com recurso a IA transformou a integração de uma lista de verificação manual numa jornada estratégica, escalável e centrada nas pessoas. Ao combinar integrações de dados, agentes generativos e um modelo de intervenção humana, esta empresa proporcionou experiências de integração personalizadas em grande escala, melhorando a produtividade, o desempenho e a retenção dos colaboradores desde o primeiro dia.

Sinal de alerta

É preciso dizer isto bem alto para quem está no fundo: não se pode simplesmente acrescentar IA a fluxos de trabalho antigos! O desalinhamento das expectativas é o maior risco. A IA exige repensar a forma como se definem a "precisão," a responsabilidade e o sucesso.

E não se devem esperar resultados deterministas: a IA dará frequentemente respostas diferentes—mas igualmente válidas. Os profissionais de RH precisam de evoluir a forma como testam e aprovam os resultados.

Conversa franca (com conselhos)

Sagi Eliyahu, cofundador e CEO da Tonkean, afirmou:

Quando temos novos colaboradores a chegar de mais de 10 países, de diferentes departamentos, e metade deles são prestadores de serviços, é quase impossível fazer a integração corretamente de forma manual. O que vimos aqui não foi apenas mais rapidez: foi uma integração que realmente parecia ter tido em conta a sua função, a sua localização e a sua equipa. E grande parte disso foi obra da IA.

Uma integração personalizada é um fator estratégico de diferenciação. Se pretende:

• Reduzir o tempo de integração dos prestadores de serviços de 30 para 5 dias…
• Disponibilizar automaticamente informações sobre benefícios específicas de cada região ou função…
• Gerar planos personalizados para os primeiros 30/60/90 dias sem sobrecarregar os responsáveis pela contratação…

Então:

• Integrar a orquestração nos fluxos de trabalho existentes (e-mail, Slack, HRIS — não apenas em ferramentas novas)
• Dar prioridade à qualidade, não apenas à eficiência — a IA permite alcançar ambas
• Pré-carregar o sistema com formatos de conteúdo diversificados (apresentações, transcrições, documentos)
• Permitir que os RH sejam responsáveis pelas "respostas aprovadas" e treinar agentes de IA com barreiras de proteção contextuais
• Alinhar os RH, as TI e a liderança em torno de uma nova definição de "funcionar como esperado"

Antes e depois: empresa anónima + Tonkean

5. Transformação de BPO impulsionada pela CogNet e pela IA

Um dos clientes de BPO da CogNet — uma agência nacional de recrutamento — estava preso num ciclo de reconciliações financeiras dispendiosas, lentas e intensivas em trabalho manual.

Todos os meses, o cliente vendia as suas faturas a um parceiro financeiro. No entanto, antes de o dinheiro poder ser libertado, a entidade financiadora exigia uma reconciliação detalhada entre o que esperava pagar (com base em negócios anteriores) e o que devia efetivamente — um desencontro clássico entre os registos internos de faturas e os extratos formatados externamente.

O problema? A equipa interna reconciliava manualmente PDFs com milhões de linhas e folhas de Excel mal estruturadas, utilizando um contabilista de pessoal com uma remuneração total superior a $90,000/ano. Só a reconciliação demorava mais de 16 horas por mês, apenas para descobrir onde estavam os desencontros. Isto não incluía a investigação das discrepâncias, que atrasava o fluxo de caixa e reduzia a disponibilidade da equipa financeira para análises de maior valor.

Entre outros clientes e funções, a CogNet reparou no mesmo padrão: pessoas altamente qualificadas ocupadas em "trabalho rotineiro e pesado" repetitivo que era importante, mas não transformava as funções essenciais de RH nem outras operações empresariais.

A abordagem de IA

A CogNet adotou uma abordagem de "duplo passo do Texas", recorrendo à aprendizagem automática e ao processamento de linguagem natural para otimizar este processo crítico:

Passo 1: Arbitragem de custos de BPO
O cliente transferiu primeiro o trabalho de reconciliação "tal como estava" para a CogNet, onde analistas no estrangeiro podiam realizar a mesma reconciliação manual a uma taxa muito mais baixa (~$11.50/hora). Só essa medida reduziu os custos de $692.31 para $184 por ciclo de reconciliação — uma poupança de 276%.

Passo 2: Orquestração com IA aplicada
Em seguida, a CogNet criou uma camada de automatização com intervenção humana, utilizando algoritmos e um Modelo de Linguagem de Grande Dimensão (LLM) para comparar documentos em vários formatos (PDFs, Excel, CSVs) e analisar os dados dos colaboradores de forma mais eficiente.

Em vez de pedir às pessoas que detetassem desencontros de dados linha a linha, o LLM assinalava as discrepâncias em segundos, permitindo decisões mais orientadas por dados e uma análise de dados superior. Agora, o analista da CogNet só precisava de 2 horas para verificar e encaminhar os problemas reais, transformando um fluxo de trabalho de $692 num de $30 e demonstrando poupanças de custos significativas.

Fundamentalmente, a camada de orquestração da CogNet permite trocar diferentes agentes de IA (por exemplo, ChatGPT, Claude) com base no tipo de tarefa, na exposição regulamentar (por exemplo, PHI, dados de processamento salarial) e na política do cliente. Este design modular facilitou a confiança dos clientes na automatização sem sacrificar a conformidade, permitindo simultaneamente gerir conjuntos de dados diversificados.

Os resultados

• O tempo do processo de reconciliação diminuiu de 16 horas para apenas 2 horas
• O custo diminuiu de $692.31 para $30 por ciclo — uma redução de 2,208%
• A velocidade do processo aumentou, permitindo assinalar problemas e recuperar dinheiro no prazo de 24 horas
• O contabilista de pessoal foi realocado para tarefas estratégicas, como a análise da rentabilidade, em vez de trabalho administrativo repetitivo em Excel
• Os clientes começaram a repensar o BPO, não apenas como arbitragem de mão de obra, mas como transformação de processos através da IA para os RH e muito mais

A partir daí, a CogNet replicou este modelo de "poupanças por mil cortes" em dezenas de fluxos de trabalho de elevada frequência para vários clientes, transformando a forma como as equipas de RH, processamento salarial e contabilidade abordavam as operações subcontratadas.

Conclusão para a direção

A CogNet não se limitou a aplicar IA para reduzir custos; redefiniu a proposta de valor da BPO. Ao combinar automatização de baixo atrito com uma mentalidade orientada para o serviço, ajudou os clientes a recuperar horas, reduzir despesas e reinvestir as pessoas em trabalho de maior valor.

A inovação não foi apenas técnica; foi também contratual. A disponibilidade da CogNet para partilhar valor através de preços baseados no desempenho ajudou os clientes a passar de uma mentalidade de "fornecedor" para uma mentalidade de "parceiro", algo particularmente valioso ao lançar novas iniciativas nos processos de RH.

Sinal de alerta

A tecnologia, por si só, não cria confiança. Inicialmente, um cliente mostrou-se resistente à IA devido a preocupações de conformidade e à falta de familiaridade com os LLM. O ponto de viragem surgiu com um projeto-piloto de baixa fidelidade que utilizava dados fictícios de colaboradores e, ainda assim, superava os esforços manuais, demonstrando o valor antes de exigir adesão.

Conversa franca (com conselhos)

John Sansoucie, CEO da CogNet, tem alguns conselhos simples.

A maioria das empresas pensa que a automatização começa com uma grande transformação, mas, na realidade, a forma mais rápida de demonstrar valor é melhorar aquilo que já está a funcionar. Começamos pelo que existe, obtemos ganhos rápidos e, depois, introduzimos a IA para fazer tudo ainda melhor.

Se está bloqueado a reconciliar PDFs com folhas de cálculo e a pagar $700 por ciclo para o fazer, não tem um problema de pessoas. Tem um problema de processo.

Quer expandir a IA? Eis o que a CogNet fez bem:

• Começar por transferir os processos "tal como estão" para libertar talento
• Adicionar a automatização em seguida, concentrando-se em tarefas estruturadas como comparação, classificação e encaminhamento
• Criar fluxos de IA que complementem, em vez de substituírem. Encaminhar os casos excecionais para pessoas
• Definir expectativas: os LLM nem sempre devolvem a mesma resposta, mas frequentemente devolvem respostas válidas
• Medir o ROI através do tempo humano poupado, não apenas do número de postos eliminados, acompanhando métricas relevantes

Antes e depois: reconciliação da CogNet com um cliente de recrutamento

6. Customer.io + fluxos de trabalho Slack e GPT potenciados por IA

A Customer.io, uma empresa totalmente remota que opera em mais de 30 países, descobriu que o seu modelo assíncrono, embora produtivo, fazia com que os novos colaboradores se sentissem desorientados. O processo de integração não tinha estrutura e os gestores demoravam frequentemente a transmitir expectativas claras e planos de integração, afetando negativamente a experiência dos colaboradores.

Os novos colaboradores descreviam habitualmente a sua experiência inicial como "tentar perceber as coisas", o que abrandava a produtividade e diluía a cultura — afetando, em última análise, tanto o envolvimento como o desempenho dos colaboradores.

Sem um escritório central ou pontos de contacto presenciais, a empresa precisava de uma forma escalável de tornar a integração simultaneamente clara e facilitadora de ligações, sem impor uma carga excessiva aos gestores já ocupados nem perturbar outras funções críticas de RH.

A aplicação da IA

A Customer.io implementou uma série de fluxos de trabalho orientados por IA que utilizavam processamento de linguagem natural para criar estrutura e consistência durante a integração, preservando simultaneamente a flexibilidade da sua cultura remota.

1. Slack + ChatGPT: planos de 30-60-90 dias específicos para cada função

Para resolver a falta de clareza, a equipa desenvolveu um fluxo de trabalho personalizado que utilizava o ChatGPT integrado com o Slack, ajudando os gestores a gerar rapidamente planos de integração de 30-60-90 dias adaptados a cada função.

Este sistema reduziu drasticamente o tempo de criação dos planos — em cerca de 30–50% — melhorando simultaneamente o alinhamento entre novos colaboradores, gestores e objetivos empresariais e apoiando decisões mais orientadas por dados no desenvolvimento dos colaboradores.

2. Capacitação dos gestores com cocriação com parceiros de negócio

Em vez de simplesmente deixar o ChatGPT trabalhar por si só, os parceiros de negócio trabalharam em conjunto com os gestores para aperfeiçoar o conteúdo de integração de novos colaboradores gerado por IA, garantindo que o tom, as expectativas e os objetivos de desenvolvimento estavam alinhados com a cultura da Customer.io. Este equilíbrio entre automatização e curadoria humana ajudou os gestores a adotar o fluxo de trabalho sem comprometer a confiança.

3. Construção de uma cultura de IA através da visibilidade

Para reforçar a adoção nos processos de RH, a Customer.io criou um canal dedicado no Slack, #AI-wins, onde os colaboradores partilham casos de utilização bem-sucedidos — ajudando a normalizar a experimentação e a aumentar a adesão interna. De acordo com o acompanhamento interno, isto resultou numa taxa de envolvimento interno com a IA superior a 90%.

Os resultados

• Redução de 30–50% no tempo dedicado à elaboração de planos de integração
• Maior clareza na integração, refletida nos inquéritos de feedback posteriores à integração, com melhores métricas de experiência dos colaboradores
• Mais de 90% dos colaboradores a interagir ativamente com a IA nos seus fluxos de trabalho, demonstrando um forte envolvimento dos colaboradores com a nova tecnologia
• Melhor alinhamento inicial entre os novos colaboradores e os resultados do negócio, conduzindo a uma chegada mais rápida à produtividade e a um melhor desempenho dos colaboradores

Conclusão para os executivos

A Customer.io aumentou a clareza dos gestores à escala. Ao integrar fluxos de trabalho potenciados por GPT no Slack e ao combiná-los com uma supervisão humana cuidadosa por parte de profissionais de RH, acelerou a produtividade dos novos colaboradores sem perder a nuance da gestão de pessoas.

Sinal de alerta

Os fluxos de trabalho de IA, se não forem aperfeiçoados, podem parecer robóticos ou genéricos. A Customer.io evitou este problema ao garantir que os parceiros de negócio cocriavam os prompts e que os gestores reviam os resultados da IA antes de os partilharem com os novos colaboradores, mantendo o elemento humano fundamental para o envolvimento dos colaboradores.

Conversa franca (com conselhos)

Jen Fong, Diretora de Pessoas da Customer.io, tinha uma visão clara de como a IA poderia ajudar.

Os novos colaboradores diziam: 'Ainda estou a tentar perceber isto.' Precisávamos de uma forma escalável de os fazer passar de «Ainda estou a tentar perceber isto» para «Sei como é o sucesso.

A IA não fará a integração dos seus colaboradores por si — mas pode ajudá-lo a fazê-lo melhor.

• Utilize o GPT para estruturar a base e, depois, deixe os gestores acrescentarem mentoria e nuance.
• Não se limite a entregar uma ferramenta aos gestores — dê-lhes apoio sobre como criar prompts e editar de forma eficaz, incluindo programas de formação, se necessário.
• Comece por algo pequeno: os planos de integração são uma área de baixo risco e elevado retorno para desenvolver a literacia em IA nas várias funções de RH.

Antes e depois: integração na Customer.io com IA

7. Landing Point + fluxos de trabalho de IA integrados

A Landing Point, uma empresa de recrutamento e seleção, enfrentava um obstáculo comum à produtividade: os recrutadores perdiam horas todas as semanas em tarefas administrativas manuais. Entre os principais estrangulamentos encontravam-se:

• Formatação de currículos
• Redação de biografias de candidatos
• Aperfeiçoamento de descrições de funções

Embora pequenas individualmente, estas tarefas acumulavam-se, consumindo 3–4 horas por recrutador, por semana. Ao mesmo tempo, alguns recrutadores começaram a experimentar ferramentas públicas de IA generativa, suscitando preocupações de segurança e privacidade de dados relacionadas com dados sensíveis dos colaboradores.

A empresa precisava de uma solução que aumentasse a eficiência e cumprisse normas de conformidade de nível empresarial, otimizando simultaneamente processos críticos de RH.

A estratégia de IA

A abordagem da Landing Point centrou-se em fluxos de trabalho de IA seguros e integrados, potenciados por algoritmos de aprendizagem automática que se integravam no ambiente de trabalho dos recrutadores:

1. IA integrada diretamente no ATS

Em vez de pedir aos recrutadores que aprendessem novas ferramentas, a Landing Point criou funcionalidades de IA baseadas em GPT no seu sistema de acompanhamento de candidatos (ATS), utilizando processamento de linguagem natural — criando, na prática, ferramentas de RH integradas. Isto permitiu aos profissionais de RH:

• Formatar currículos em ~3 minutos (em vez de 10–20 minutos), automatizando o processo de triagem de currículos
• Redigir biografias de candidatos em ~1 minuto (em vez de 15 minutos)
• Corrigir automaticamente os anúncios de emprego

O resultado: 3–4 horas poupadas por recrutador, todas as semanas, permitindo-lhes concentrarem-se em funções de RH de maior valor. Esta poupança de tempo traduziu-se diretamente em poupança de custos, uma vez que a equipa conseguia lidar com volumes maiores sem aumentar o número de colaboradores.

2. Chatbot privado para utilização interna

Para oferecer aos recrutadores um copiloto de IA mais abrangente, a equipa implementou um chatbot personalizado alojado no seu ambiente AWS, protegido por SSO e por registos de auditoria. Os prompts e as respostas eram armazenados de forma segura, e modelos como o OpenAI e o Gemini eram executados com retenção zero de dados, para proteger os dados dos colaboradores.

Esta "área segura de experimentação com IA" permitia aos recrutadores gerar notas de pesquisa ou sintetizar dados de candidatos sem comprometer a privacidade, possibilitando decisões mais baseadas em dados sem riscos de segurança.

3. Mecanismos de proteção e governação integrados

Os primeiros incidentes de alucinação levaram à implementação de salvaguardas rigorosas. Por exemplo, quando um recrutador ignorou uma etapa de revisão humana, um cliente assinalou competências incorretas num candidato. A Landing Point respondeu:

• Ao aperfeiçoar os prompts
• Ao tornar obrigatória a revisão humana
• Ao testar os fluxos de trabalho através de um "grupo interno de reflexão sobre IA"

A equipa também abandonou ferramentas com baixa adoção, como um gerador de e-mails baseado em modelos, optando por dar prioridade a ferramentas que preservassem a personalização e melhorassem a experiência dos colaboradores — aspetos essenciais para manter relações no recrutamento.

Os resultados

• O tempo até à primeira apresentação de um candidato diminuiu de 3–6 horas para menos de 30 minutos
• As taxas de erro nos currículos diminuíram de 3–4% para menos de 1%, melhorando os indicadores de qualidade
• 3–4 horas por recrutador, por semana libertadas de tarefas manuais de formatação
• A adoção cresceu organicamente através de ferramentas integradas e do aperfeiçoamento de prompts na aplicação
• Implementação económica, com uma infraestrutura de IA com um custo médio de ~$200/mês e 1 engenheiro de IA

Conclusão para os executivos

A Landing Point não perseguiu uma automatização vistosa; concentrou-se nos verdadeiros pontos de fricção dos fluxos de trabalho. Ao integrar a IA nos locais onde as pessoas já trabalhavam e ao criar mecanismos de proteção desde cedo, conseguiu gerar um retorno do investimento mensurável sem comprometer a confiança nem a privacidade dos dados sensíveis dos colaboradores.

Este é um estudo de caso sobre "IA invisível": simples de implementar, económica e de elevado impacto — permitindo aos recrutadores transferir tempo da formatação para a construção de relações, ao mesmo tempo que otimizavam processos essenciais de RH.

Sinal de alerta

Se a revisão humana for ignorada, até uma IA bem-intencionada pode introduzir erros (por exemplo, competências de candidatos inventadas). Um erro inicial quase comprometeu a confiança do cliente.

A Landing Point resolveu esta questão ao exigir supervisão humana, integrar o aperfeiçoamento de prompts no ciclo de garantia da qualidade e reforçar as expectativas culturais relativamente à utilização da IA, garantindo que os profissionais de RH permaneciam responsáveis por todos os resultados.

Conversa real (com conselhos)

A IA não substituirá os recrutadores, mas pode devolver-lhes horas. Segundo Faizel Khan, engenheiro principal de IA na Landing Point, só funciona quando:

• As ferramentas estão integradas nos locais onde as pessoas já trabalham
• A segurança e a conformidade estão incorporadas desde o primeiro dia
• Corrige o que falha — e elimina o que não é utilizado
• A governação não é uma sobrecarga — é uma disciplina de produto

Esta história não é sobre automatizar o recrutamento de ponta a ponta. É sobre libertar os recrutadores humanos para fazerem aquilo em que são melhores: construir relações e exercer o seu discernimento. Ao começar cedo, ao concentrar-nos nos pontos de fricção administrativos e ao aprender tanto com os sucessos como com os fracassos, demonstrámos que a IA pode fazer uma diferença mensurável sem comprometer a segurança ou a confiança.

Antes e depois: integração de IA da Landing Point

8. Integrity Staffing + ConverzAI "Recruiter Jamie"

Num contexto de recrutamento de grande volume, a velocidade é tudo. Os candidatos que se candidatam a funções industriais ligeiras e de armazém candidatam-se frequentemente a vários empregos em simultâneo, o que significa que os recrutadores dispõem de uma janela reduzida de algumas horas para estabelecer uma ligação significativa antes de os candidatos perderem o interesse.

Mas as equipas de recrutamento da Integrity Staffing estavam bloqueadas:

• O pré-rastreio manual consumia horas diariamente
• Os recrutadores não conseguiam contactar todos os candidatos com rapidez suficiente
• Os candidatos qualificados estavam a perder-se
• Os orçamentos disparavam à medida que as equipas compensavam a situação com mais anúncios em plataformas de emprego

Isto resultava numa experiência negativa para os candidatos, em profissionais de RH esgotados e em custos insustentáveis. A equipa precisava de uma forma de ampliar o envolvimento personalizado dos candidatos sem contratar mais recrutadores nem depender de uma automatização genérica e impessoal que prejudicaria ainda mais o envolvimento dos colaboradores.

A aposta na IA

A Integrity Staffing implementou a ConverzAI, uma recrutadora virtual baseada em IA, apelidada de "Recruiter Jamie", concebida para iniciar o envolvimento dos candidatos em tempo real e em grande escala, utilizando processamento de linguagem natural e algoritmos de aprendizagem automática.

O que faz a Recruiter Jamie:

• Contacta os candidatos no prazo de 15 minutos após a sua candidatura dar entrada no ATS (Bullhorn)
• Contacta-os por SMS, telefone ou e-mail, com base nas preferências dos candidatos
• Realiza um pré-rastreio estruturado que abrange:
  • Experiência profissional
  • Localização
  • Disponibilidade
  • Expectativas salariais
  • Necessidades específicas da função
• Classifica os candidatos como:
  • Interessado
  • Incompatível
  • Acompanhamento
• Encaminha os contactos qualificados para os recrutadores humanos, permitindo-lhes dedicar tempo apenas aos candidatos envolvidos, tomar decisões mais baseadas em dados sobre onde investir os seus esforços e automatizar o moroso rastreio de currículos

A Jamie funciona durante o horário comercial habitual (8h–20h locais), mas mantém o contacto por SMS e e-mail 24 horas por dia, 7 dias por semana. As notas são registadas diretamente no ATS para uma transferência imediata, criando um fluxo contínuo de dados dos colaboradores para apoiar as funções de RH.

Os líderes empresariais da Integrity Staffing afirmam que esta abordagem à adoção da IA transformou a sua posição competitiva na aquisição de talento.

Os resultados

De janeiro de 2024 a julho de 2025, a Jamie contactou mais de 66 000 candidatos, proporcionando resultados mensuráveis e multidimensionais em métricas essenciais:

• Aumento de 76% no total de colocações
• Aumento de 80% no número de candidatos diretos contratados
• Melhoria de 55% na eficiência dos recrutadores (mais colocações por recrutador)
• O tempo de resposta dos candidatos diminuiu de dias ou semanas para menos de 15 minutos, melhorando significativamente a experiência dos colaboradores
• Redução das despesas de publicidade em mais de 75% em alguns mercados
• Taxa de desistência dos candidatos inferior a 0,5%, sinalizando um forte à-vontade com o contacto através de IA (apenas 311 dos 66,391 candidatos recusaram a interação com a IA)

Conclusão para a liderança

A IA não melhorou apenas a eficiência; mudou todo o ritmo do recrutamento. Ao estabelecer contacto em poucos minutos, a Jamie mudou a abordagem: deixou de perseguir contactos frios e passou a dar prioridade aos candidatos interessados e recetivos.

O resultado? Uma melhor experiência para os candidatos e colaboradores, colocações mais rápidas, custos mais baixos e recrutadores a fazerem menos trabalho rotineiro e mais correspondências de elevado valor.

Sinal de alerta

Numa fase inicial, os recrutadores receavam que Jamie parecesse demasiado robótico e prejudicasse o envolvimento dos colaboradores. Mas, quando os dados do programa-piloto mostraram que 87% dos candidatos estavam interessados e menos de 0,5% se opuseram, esse ceticismo rapidamente desapareceu.

O que mudou a situação foi mostrar que a IA não era uma ameaça — era um membro da equipa que permitia aos profissionais de RH brilharem.

Conversa franca (com conselhos)

Este não foi um sucesso imediato. O sucesso resultou de uma gestão estruturada da mudança e de iniciativas estratégicas:

• Tornar a IA parte do POP — não um extra opcional
• Formar os recrutadores desde cedo sobre como colaborar com a IA através de programas de formação dedicados
• Manter os recrutadores informados, para que confiem nas transferências
• Utilizar os dados do programa-piloto para dissipar o ceticismo e reforçar a confiança interna
• Criar ciclos de feedback para melhorar continuamente as interações e integrações

Antes vs. depois: Integrity Staffing + ConverzAI

Condições para o sucesso

• Compromisso da liderança desde o primeiro dia
• Formação integrada durante a integração
• Integração fácil com o ATS (Bullhorn) e funcionalidades de devolução de dados
• Atualizações dos POP que tornaram a IA a opção predefinida, não a exceção
• Ciclos de feedback consistentes para ajustar as conversas e resolver problemas

Armadilhas a evitar

• Não presuma que os candidatos vão rejeitar a IA — deixe que os dados mostrem aquilo que realmente preferem
• Não ignore a gestão da mudança — a adoção depende de mudanças na mentalidade cultural
• Não deixe que os recrutadores sintam que estão a ser substituídos — reforce que a IA os liberta para se concentrarem nos seus pontos fortes

9. FORE Enterprise + Maratona de IA

A FORE Enterprise, uma empresa de arquitetura de soluções de IA que presta serviços a clientes dos setores dos serviços financeiros, das franquias desportivas, do software, dos serviços de dados e da moda de luxo, é conhecida por resolver desafios empresariais complexos através de aplicações de IA inteligentes e escaláveis.

Internamente, porém, a equipa queria testar rigorosamente a sua própria velocidade: conseguiriam criar funcionalidades prontas para os clientes — alimentadas por IA — em menos tempo, com menos recursos e sem comprometer a qualidade?

O cenário: criar uma funcionalidade operacional para um produto de identificação de oportunidades de negócio que ajude os clientes a encontrar, classificar e analisar potenciais clientes futuros utilizando um modelo de linguagem de grande dimensão (LLM). Normalmente, o desenvolvimento demoraria uma semana (com IA) ou um mês (sem IA). Conseguiriam fazê-lo em 24 horas?

A resposta surgiu através de uma maratona de IA à escala da empresa, e os resultados foram transformadores, demonstrando o potencial das iniciativas de IA para acelerar o desenvolvimento, mantendo simultaneamente as métricas de qualidade.

A aposta na IA

A FORE organizou uma maratona de IA de 24 horas, dividindo todos os colaboradores em equipas multifuncionais e atribuindo a cada uma um único objetivo:

Utilizar a IA para criar uma funcionalidade operacional que apoiasse a identificação de oportunidades de negócio com um LLM e apresentá-la ao vivo a um cliente no prazo de um dia.

Principais ferramentas e métodos de IA utilizados:

• Cursor: ambiente de programação nativo de IA com sugestões de código em linha e preparação de commits
• Claude + ChatGPT: para gerar pequenos blocos de código delimitados, analisar esquemas e tratar da lógica utilizando processamento de linguagem natural
• "Mentalidade de editor": em vez de deixar a IA agir sem controlo, as equipas utilizaram-na como copiloto, gerando código em pequenos passos e, em seguida, editando e validando cada fase para otimizar os resultados
• Requisitos das demonstrações ao vivo: cada funcionalidade tinha de ser testável, visual e explicável em termos compreensíveis para o cliente

Os resultados

• O tempo de desenvolvimento diminuiu drasticamente, passando de uma semana para um dia no caso das principais funcionalidades do produto
• 100% das funcionalidades desenvolvidas com IA foram aprovadas pelo cliente para implementação integral
• A velocidade de engenharia aumentou de ~5.000 commits mensais para 30.000, indicando uma maior produtividade sem código excessivo — uma melhoria drástica nas principais métricas de desempenho
• As equipas aprenderam a confiar na IA para ganhar velocidade, desenvolvendo simultaneamente um discernimento apurado sobre quando a orientar ou substituir

Conclusão para a gestão

As ferramentas de IA, por si só, não tornam ninguém mais rápido; é a estrutura que o faz. Ao proporcionarem às equipas um período de tempo rigorosamente definido, objetivos de funcionalidades decompostos e plena autorização para utilizarem a IA como parceira criativa, a FORE conseguiu acelerar a entrega sem comprometer a qualidade.

Os hackathons não são apenas uma moda. Para as pequenas empresas, são motores de aprendizagem concentrada que desenvolvem as competências da equipa e entregam valor em simultâneo, representando iniciativas estratégicas que proporcionam um retorno imediato do investimento.

Sinal de alerta

O código gerado por IA não é infalível. Nas primeiras execuções, ferramentas como o Claude interpretaram incorretamente referências a objetos, criaram divergências no esquema ou imaginaram camadas desnecessárias de complexidade. Permitir que o modelo funcionasse durante demasiado tempo sem pontos de verificação resultou num excesso de commits e em lacunas na lógica.

Uma conversa franca (com conselhos)

A IA não substitui os programadores — acelera os melhores e expõe o pensamento descuidado dos restantes. Tyler Hochman, fundador e diretor executivo da FORE Enterprises, partilhou algumas lições.

Aprendemos continuamente lições sobre o funcionamento das ferramentas. As ferramentas tentam complicar demasiado as coisas, o que pode ser uma armadilha. Se dermos à ferramenta uma tarefa aberta, como implementar esta funcionalidade, ela não faz um trabalho muito bom; mas, se decompusermos a tarefa em A, B, C e D e verificarmos cada passo, o resultado é muito melhor.

Lições aprendidas:

• Não deixe a IA tratar de tarefas grandes e abertas. Divida tudo em partes claras e testáveis.
• Valide sempre a compreensão do esquema. O modelo pode não reconhecer imediatamente as suas estruturas de dados.
• A edição humana é fundamental. A IA funciona melhor quando o seu resultado é tratado como um primeiro rascunho.

Antes e depois: hackathon de IA empresarial da FORE

10. Smartbridge + agente de IA para recrutamento

Uma empresa de média dimensão do setor dos serviços de petróleo & gás (500–1.000 colaboradores) tinha dificuldades em contratar de forma eficiente e em grande escala. Os recrutadores passavam demasiado tempo a procurar candidatos manualmente, a avaliá-los e a fazer o respetivo acompanhamento — recorrendo frequentemente a heurísticas e intuição inconsistentes que introduziam atrasos e preconceitos no processo de contratação.

Com vários recrutadores a gerir grandes volumes em diferentes localizações, a empresa enfrentava três necessidades urgentes:

• Reduzir o tempo de contratação para evitar a perda de produtividade e melhorar a experiência dos colaboradores
• Uniformizar as decisões de contratação para melhorar a consistência e minimizar preconceitos, tomando decisões mais baseadas em dados
• Libertar os profissionais de recursos humanos para se concentrarem na criação de relações com os candidatos — e não apenas na triagem

A aplicação da IA

Para transformar o processo, a empresa associou-se à Smartbridge, uma consultora de transformação digital, para implementar um copiloto personalizado para recrutadores, baseado em IA generativa.

Esta ferramenta de IA agêntica foi concebida para se integrar diretamente com o BambooHR e o ATS da empresa, assegurando uma integração perfeita no fluxo de trabalho e protegendo os dados dos colaboradores. A solução permitiu:

• Triagem automatizada de candidatos com base nos dados do ATS, para otimizar uma das tarefas de RH que mais tempo consomem, incluindo capacidades sofisticadas de triagem de currículos
• Recomendações contextuais para o acompanhamento por parte dos recrutadores, ordenadas por qualidade e urgência, permitindo decisões mais baseadas em dados
• Perguntas de entrevista normalizadas, geradas a partir das descrições de funções através de tecnologias de IA
• Funcionalidades de redução de enviesamentos, através da aplicação de critérios uniformes na avaliação dos candidatos, melhorando as métricas de equidade por meio de uma análise cuidadosa dos dados
• Entrega atempada de ações e informações relevantes para os recrutadores, alinhadas com as necessidades e preferências específicas de cada função — a IA ajuda a garantir que nada fica por fazer

Os resultados

Os resultados foram substanciais e verificáveis:

"Todos os recrutadores estão a utilizá-la agora — e fazem-no com confiança. O sistema fornece exatamente aquilo de que precisam, quando precisam", afirmou Rajeev Aluru, responsável pela área de IA e Ciência de Dados na Smartbridge.

Conclusão para os executivos

A IA não substitui os recrutadores — melhora as suas capacidades. Ao integrar um copiloto inteligente diretamente nas ferramentas ATS existentes, a Smartbridge ajudou esta empresa de construção e serviços a uniformizar a qualidade das contratações, acelerar o preenchimento de vagas e reduzir drasticamente o esforço manual.

A ferramenta é agora uma infraestrutura essencial, e não uma experiência secundária, demonstrando o potencial transformador da IA para os RH quando é devidamente integrada nas funções de recursos humanos.

Sinal de alerta

Se o sistema de IA não estiver profundamente integrado nos fluxos de trabalho existentes, a adoção fica comprometida. O que permitiu o sucesso deste caso foi a disponibilização contínua de informações diretamente no BambooHR e no ATS, preservando o ritmo e a confiança dos recrutadores.

Sem rodeios

A tecnologia funciona — mas é necessário conquistar o apoio dos recrutadores desde o Dia 1.

• Não surpreenda a sua equipa. Envolva os recrutadores desde cedo no processo de conceção.
• Faça com que a IA pareça uma ajuda, não uma substituição. Utilize-a para recomendar, não para impor.
• Mantenha-a nas ferramentas que já utilizam. Se a IA estiver fora do sistema de registo, não será utilizada.
• Acompanhe o desempenho. Mostre aos recrutadores como a ferramenta os ajuda a preencher vagas de forma mais rápida, eficaz e justa.

11. Docebo + IA na contratação, no envolvimento e na gestão do conhecimento

A Docebo, uma empresa global de tecnologia de aprendizagem com cerca de 1 000 colaboradores distribuídos entre a América do Norte e a Europa, enfrentava desafios complexos de contratação e operações em grande escala. As equipas de aquisição de talento tinham dificuldades em garantir uma avaliação consistente dos candidatos, tomar notas durante as entrevistas e converter rapidamente as conversas com os responsáveis pela contratação em decisões concretas.

Ao mesmo tempo, as equipas de Recursos Humanos analisavam manualmente milhares de comentários de inquéritos de envolvimento todos os meses, o que atrasava significativamente a sua capacidade de agir com base no feedback e melhorar o envolvimento dos colaboradores. A partilha de conhecimento interno entre equipas era outro ponto de estrangulamento, especialmente durante projetos como reformulações organizacionais.

A Docebo precisava de IA não por uma questão de novidade, mas para obter clareza operacional, tomar decisões mais rapidamente e melhorar a qualidade da avaliação dos candidatos numa empresa distribuída a nível global — melhorando, em última análise, várias funções de RH em simultâneo.

A estratégia de IA

A Docebo implementou IA em três fluxos de trabalho essenciais para os RH, utilizando aprendizagem automática e processamento de linguagem natural:

1. Inteligência na contratação e nas entrevistas

• Granola.ai foi introduzido para apoiar recrutadores e responsáveis pela contratação durante as entrevistas, transcrevendo e resumindo automaticamente as notas.
• Isso libertou os recrutadores da necessidade de transcrever após as chamadas e permitiu aos responsáveis pela contratação concentrarem-se na escuta ativa, aumentando a equidade e a consistência nas decisões de contratação — a IA ajuda a eliminar tarefas morosas de RH.
• Os resumos funcionam agora como um arquivo das perguntas que conduziram a contratações bem-sucedidas — permitindo aperfeiçoar as estratégias de entrevista e tomar decisões mais baseadas em dados sobre a avaliação dos candidatos, criando conjuntos de dados valiosos para a melhoria contínua.

2. Descrições de funções alinhadas com a cultura + definição do perfil dos candidatos

• Foram utilizadas ferramentas de IA para criar descrições de funções alinhadas com os valores da Docebo, resultando numa melhoria significativa da qualidade dos candidatos e numa melhor experiência dos colaboradores desde o primeiro contacto.
• Os recrutadores também experimentaram utilizar tecnologias de IA para analisar conteúdos dos candidatos disponíveis publicamente (por exemplo, publicações no LinkedIn), de modo a avaliar a sintonia com os valores culturais, como as características de uma liderança que coloca as pessoas em primeiro lugar.
• Embora não fossem utilizadas para tomar decisões finais, estas informações serviam como orientação para contratações de liderança, apoiando conversas sobre desenvolvimento de carreira.

3. Análise de sentimentos dos inquéritos de envolvimento

• Anteriormente, a análise de milhares de comentários dos inquéritos mensais de envolvimento demorava semanas.
• Com a síntese baseada em IA, utilizando algoritmos para a análise de dados, as equipas de Pessoas podiam agora identificar tendências emergentes e alterações de sentimento em poucas horas, permitindo lançar mais rapidamente iniciativas de resposta.
• É importante salientar que cada comentário continua a ser analisado manualmente por profissionais de RH — mas a IA funciona como um filtro inicial para destacar problemas urgentes e reduzir o intervalo entre o feedback e a ação, melhorando significativamente os tempos de resposta ao envolvimento dos colaboradores e permitindo análises preditivas sobre potenciais riscos de retenção.

4. Acesso ao conhecimento interno com o Glean

• O Glean, uma ferramenta de gestão do conhecimento baseada em IA, foi implementado para eliminar silos internos e otimizar o acesso à informação — uma das ferramentas essenciais de RH na arquitetura tecnológica da Docebo.
• Os colaboradores podem consultar o Glean para obter resumos das prioridades departamentais, organogramas e atualizações de projetos internos, apoiando o desenvolvimento de carreira ao clarificar os percursos de progressão.
• Por exemplo, a equipa de Pessoas utilizou-o para simplificar os esforços de desenho organizacional, disponibilizando instantaneamente objetivos e estruturas de equipa em tempo real a partir dos dados dos colaboradores. Os líderes empresariais afirmam que isto melhorou significativamente a rapidez do planeamento estratégico.

Os resultados

• Mais de 2 horas poupadas por recrutador/entrevistador e por contratação graças à tomada automática de notas
• Milhares de comentários de inquéritos analisados mensalmente em horas em vez de semanas, melhorando a capacidade de resposta ao envolvimento dos colaboradores
• Descrições de funções mais rápidas e de maior qualidade contribuíram para melhorar os grupos de candidatos e a experiência dos colaboradores
• Maior alinhamento nas decisões de contratação através da análise retrospetiva das transcrições das entrevistas, permitindo decisões mais baseadas em dados
• Planeamento mais rápido do desenho organizacional utilizando os resumos internos em tempo real do Glean

"Não vemos a IA como um jogo de soma zero. Trata-se de desbloquear o melhor das nossas pessoas, obtendo simultaneamente ganhos reais de eficiência e escala." — Lauren Tropeano, Vice-presidente de Pessoas e Cultura, Docebo.

Conclusão para executivos

A IA não precisa de ser revolucionária para ser transformadora. O sucesso da Docebo resultou da integração de ferramentas práticas de IA nos fluxos de trabalho existentes: eliminando obstáculos na tomada de notas, desbloqueando conhecimento organizacional e atuando mais rapidamente sobre o feedback relativo ao envolvimento.

A sua abordagem foi igualmente pragmática e centrada nas pessoas, com a governação e a experimentação a impulsionarem uma adoção sustentável em todas as funções de RH.

Sinal de alerta

Nem todas as ferramentas de IA produzem resultados utilizáveis. A Docebo teve de experimentar várias plataformas de tomada de notas antes de encontrar uma que captasse o nível certo de nuance e distinguisse adequadamente os diferentes oradores. A lição? Teste antes de expandir e avalie não apenas aquilo que a IA consegue fazer, mas também se o que faz é realmente útil para os seus processos de RH.

Conversa franca (com conselhos)

• Comece em pequena escala e expanda de forma inteligente: comece com equipas-piloto, recolha feedback e, em seguida, expanda com base no valor demonstrado e em métricas claras.
• IA ≠ piloto automático: as equipas continuam a precisar de pensamento crítico e discernimento humano para interpretar e aplicar os conhecimentos da IA.
• A governação é fundamental: assegure limites de acesso aos dados (por exemplo, sem acesso a sistemas de RH sensíveis) e clareza quanto à utilização responsável dos dados dos colaboradores.

Antes e depois: a jornada da Docebo com a IA

5 lições fundamentais da linha da frente da IA nos RH

Depois de analisar dezenas de implementações reais, estas são as conclusões mais importantes das equipas que realizam este trabalho atualmente — não em teoria, mas na prática:

1. A integração supera a invenção

Os projetos com maior impacto integraram tecnologias de IA nas ferramentas que as equipas já utilizavam — como o Slack, plataformas ATS ou sistemas HRIS. A gestão da mudança foi mais simples, a adoção da IA foi mais rápida e o ROI surgiu mais cedo. Os profissionais de RH puderam tirar partido da IA nos RH sem perturbar os processos de RH existentes. Em vez de introduzirem ferramentas de RH totalmente novas, as implementações bem-sucedidas melhoraram aquilo que as equipas já conheciam, reduzindo o atrito e acelerando a concretização de valor.

2. O julgamento humano continua a ser importante

Mesmo os sistemas de IA mais avançados não tomavam decisões sozinhos. Todos os exemplos incluíam uma conceção com intervenção humana, reforçando a confiança, melhorando os resultados e assegurando a equidade no recrutamento, na integração e na avaliação do desempenho dos colaboradores. A aprendizagem automática e os algoritmos apoiam as decisões — não substituem o julgamento de profissionais de RH qualificados. Os líderes empresariais que compreendem este princípio veem a IA como um complemento, não como uma substituição, e, como resultado, constroem sistemas mais sólidos e fiáveis.

3. A adoção exige confiança — não apenas tecnologia

As equipas que tiveram sucesso com a IA investiram em programas de formação, transparência e comunicação interna. A adoção da IA não era apenas um desafio técnico — era cultural. As equipas com melhor desempenho fizeram com que a IA parecesse um membro da equipa, não uma tomada de controlo, mantendo um forte envolvimento dos colaboradores ao longo das iniciativas de implementação. A adoção bem-sucedida da IA exigiu abordar as preocupações relacionadas com a segurança do emprego, demonstrar valor através de projetos-piloto e celebrar publicamente as conquistas para criar impulso.

4. A personalização impulsiona o desempenho

A rapidez é importante, mas a qualidade é ainda mais importante. A IA gerou os melhores retornos quando criou experiências personalizadas e contextuais — para candidatos, gestores ou novos colaboradores — melhorando a experiência geral dos colaboradores. Quer se tratasse de elaborar planos de integração ou de analisar feedback utilizando dados dos colaboradores, a especificidade superou a escala. O processamento de linguagem natural permitiu esta personalização em grande escala em várias funções de RH, apoiando percursos de aprendizagem personalizados, conversas sobre desenvolvimento de carreira e comunicações adaptadas. As implementações mais eficazes utilizaram a análise de dados e a análise preditiva para antecipar as necessidades individuais, em vez de aplicarem soluções iguais para todos.

5. Os projetos-piloto pequenos escalam rapidamente

A maioria dos casos de sucesso começou com experiências de baixo risco e elevado impacto: um chatbot para definir objetivos, um plano 30/60/90 gerado pelo GPT ou uma análise automatizada de currículos. Assim que o impacto ficou claro através de métricas mensuráveis que demonstravam poupanças de custos e ganhos de eficiência, as equipas escalaram rapidamente — com credibilidade e confiança. Estas iniciativas específicas comprovaram o valor da IA nos RH antes de implementarem a IA em toda a empresa para transformar os processos ou as tarefas de RH. Começar em pequena escala permitiu às equipas testar tecnologias de IA, aperfeiçoar instruções, criar conjuntos de dados adequados e desenvolver estruturas de governação antes de uma implementação abrangente — aumentando significativamente a probabilidade de uma adoção da IA bem-sucedida e sustentável.